MAC: Multi-Agent-Framework verbessert Klärung in Gesprächen

Konversationsagenten stoßen häufig auf mehrdeutige Nutzeranfragen, die eine gezielte Klärung erfordern, um Aufgaben erfolgreich abzuschließen. Während moderne Anwendungen vermehrt Multi-Agent-Architekturen einsetzen, bleibt die Auflösung von Mehrdeutigkeiten ein kritisches, bislang wenig erforschtes Problem – insbesondere, wer die Klärung einleitet und wie Agenten ihre Aktionen koordinieren, wenn die Eingabe unklar oder unvollständig ist.

In diesem Beitrag wird MAC (Multi-Agent Clarification) vorgestellt, ein interaktives Multi-Agent-Framework, das speziell darauf ausgelegt ist, Nutzermehrdeutigkeiten durch strategisches Management von Klärungsdialogen zu lösen. Zunächst wird eine neue Taxonomie präsentiert, die Mehrdeutigkeiten systematisch klassifiziert und damit Klärungsstrategien leitet. Anschließend koordiniert MAC autonom mehrere Agenten, die synergistisch mit dem Nutzer interagieren.

Die Evaluation auf dem MultiWOZ 2.4‑Datensatz zeigt, dass die Aktivierung von Klärungen auf beiden Ebenen die Erfolgsrate der Aufgaben um 7,8 % steigert (von 54,5 % auf 62,3 %) und die durchschnittliche Anzahl an Dialogturns von 6,53 auf 4,86 reduziert. Durch das frühzeitige Einholen aller benötigten Informationen und die Minimierung von Wiederholungen werden die Gespräche effizienter gestaltet.

Die Ergebnisse unterstreichen die Bedeutung einer aktiven Nutzerinteraktion und einer rollenbewussten Klärung für eine zuverlässigere Kommunikation zwischen Mensch und Agent.