ProPer: Zwei-Agenten-Architektur verbessert proaktive Sprachassistenten

Die neueste Forschung auf arXiv (2601.09926v1) präsentiert ProPer, ein innovatives System, das Sprachassistenten von reaktiven zu proaktiven Helfern transformiert. Durch die Kombination eines Dimension Generating Agent (DGA) und eines Response Generating Agent (RGA) erkennt ProPer bislang ungenannte Bedürfnisse der Nutzer und reagiert gezielt darauf.

Der DGA nutzt ein feinabgestimmtes Sprachmodell, um aus vorhandenen Benutzerdaten mehrere implizite Dimensionen zu extrahieren – das sind latente Aspekte, die für die Aufgabe relevant sind, aber vom Nutzer nicht explizit genannt werden. Anschließend filtert ein Reranker diese Dimensionen nach Qualität, Vielfalt und Aufgabenrelevanz, sodass nur die wichtigsten Informationen weiterverarbeitet werden.

Der RGA kombiniert nun explizite und implizite Dimensionen, um personalisierte Antworten zu generieren. Dabei achtet er auf die richtige Balance zwischen proaktiven Vorschlägen und dem Vermeiden unnötiger Unterbrechungen. In umfangreichen Tests über verschiedene Anwendungsbereiche hinweg zeigte ProPer signifikante Verbesserungen: bis zu 84 % höhere Qualitätswerte in Einzelschritten und konsequente Dominanz bei Mehrschritt-Interaktionen.

Diese Ergebnisse unterstreichen, dass ProPer nicht nur die Lücke zwischen Nutzerbedürfnissen und Assistenzsystemen schließt, sondern auch die Effizienz und Zufriedenheit in der Interaktion nachhaltig steigert. Die Arbeit liefert damit einen wichtigen Schritt in Richtung intelligenter, benutzerzentrierter KI‑Assistenten.