SCOPE: Effiziente, robuste Mehrbedingungsplanung mit KI-Code-Engine

Die Planung von Aufgaben, die mehreren, oft widersprüchlichen Vorgaben genügen müssen, stellt aktuelle KI-Modelle vor große Herausforderungen. Traditionelle Sprachmodelle, die lange Argumentationsketten erzeugen, neigen zu Inkonsistenzen und steigenden Kosten, sobald die Anzahl der Constraints zunimmt. Kombinierte Ansätze, die KI mit Programmierung oder festem Solver verknüpfen, bieten zwar mehr Präzision, bleiben jedoch in ihrer Flexibilität eingeschränkt, weil sie häufig problem‑spezifischen Code aus dem Nichts generieren oder auf starre Solver angewiesen sind.

Mit dem neuen Scalable COde Planning Engine (SCOPE) wird diese Lücke geschlossen. Das System trennt die eigentliche Problemlösung von der Ausführung: Zunächst wird die Logik in generische Solver‑Funktionen überführt, die anschließend mit minimalen Parameteränderungen für unterschiedliche Anfragen wiederverwendet werden können. Dadurch entstehen konsistente, deterministische und wiederverwendbare Lösungen, die gleichzeitig die Kosten und die Rechenzeit drastisch reduzieren.

In Tests mit GPT‑4o erzielt SCOPE einen Erfolgswert von 93,1 % bei der TravelPlanner‑Aufgabe – ein Plus von 61,6 % gegenüber dem besten Vergleichsmodell (Chain‑of‑Thought). Gleichzeitig sinkt die Inferenzkosten um das 1,4‑Fache und die Laufzeit um rund 4,67‑Fache. Der komplette Code steht auf GitHub zur Verfügung: https://github.com/DerrickGXD/SCOPE.