MTTR-A: Messung der kognitiven Erholungszeit in Multi-Agenten-Systemen

In der Forschung zu autonomen Multi-Agenten-Systemen (MAS) steht die Gewährleistung kognitiver Stabilität im Fokus. Ein neues Konzept, MTTR-A (Mean Time-to-Recovery for Agentic Systems), wurde entwickelt, um die Zeit zu quantifizieren, die ein MAS benötigt, um nach einem Verlust der Rechenkohärenz wieder konsistent zu arbeiten. Dabei wird die klassische Zuverlässigkeitsmetrik Mean Time-to-Recovery (MTTR) auf die kognitive Ebene übertragen.

MTTR-A misst die Dauer, bis ein System einen Denkabweichung erkennt und die ursprüngliche Kohärenz wiederherstellt – nicht lediglich die Wiederherstellung von Infrastruktur. Durch die Einführung von MTTR-A können Entwickler die Resilienz von verteilten Entscheidungsprozessen präziser bewerten und verbessern.

Ein Benchmark-Test, der das AG News‑Korpus und das LangGraph‑Orchestrierungsframework nutzt, zeigte, dass automatisierte Reflexe die Stabilität durchschnittlich in etwa 6 Sekunden zurückgewinnen, während menschliche Genehmigungen etwa 12 Sekunden benötigen. Bei 200 Durchläufen lag der mediane MTTR-A bei 6,21 ± 2,14 Sekunden, der MTBF bei 6,7 ± 2,14 Sekunden und der NRR bei 0,08. Diese Zahlen demonstrieren, dass unterschiedliche Reflexstrategien messbare Laufzeitresilienz bieten.

Durch die Formalisierung der Erholungszeit als quantifizierbare Eigenschaft der verteilten Logik liefert die Arbeit eine solide Basis für die Laufzeitzuverlässigkeit in agentischer Kognition. Sie verwandelt die bisher ad-hoc‑artige Wiederherstellung kognitiver Prozesse in ein standardisiertes, interpretierbares Leistungsmaß.