Neues Multi-Agent-System erkennt Desinformation mit 95,3 % Genauigkeit

Die Verbreitung von Desinformation auf digitalen Plattformen stellt die Integrität von Informationen vor große Herausforderungen. Ein neues Multi-Agent-System aus der Forschung nutzt Relation‑Extraktion, um Desinformation in Nachrichtenartikeln – insbesondere in Titeln und kurzen Textausschnitten – zu erkennen.

Das System kombiniert vier spezialisierte Agenten: ein maschinelles Lernmodell mit logistischer Regression, einen Wikipedia‑Wissensprüfer, der auf Named‑Entity‑Recognition setzt, einen Kohärenz‑Erkennungsagenten, der LLM‑Prompt‑Engineering verwendet, sowie einen Web‑Scraping‑Analysator, der relationale Tripel für die Faktenprüfung extrahiert. Alle Agenten werden über das Model Context Protocol (MCP) orchestriert, wodurch ein gemeinsamer Kontext entsteht und die Komponenten in Echtzeit voneinander lernen können.

Die Ergebnisse zeigen, dass das Multi-Agenten‑Ensemble eine Genauigkeit von 95,3 % und einen F1‑Score von 0,964 erreicht – deutlich besser als die einzelnen Agenten und traditionelle Ansätze. Die gewichtete Aggregationsmethode, die aus den Fehlklassifikationsraten der Agenten abgeleitet wurde, übertrifft klassische Schwellenwertoptimierungen. Durch die modulare Architektur lässt sich das System leicht skalieren und bietet gleichzeitig Transparenz über die Entscheidungsprozesse.