Neue Taxonomie enthüllt: Wie LLM-Agenten die Medizin revolutionieren

In einer wegweisenden Analyse wurden 49 Studien zu KI‑Agenten im Gesundheitswesen systematisch untersucht. Die Autoren entwickelten eine siebendimensionale Taxonomie, die die Kernkompetenzen von Large‑Language‑Model‑basierten Agenten abbildet: kognitive Fähigkeiten, Wissensmanagement, Interaktionsmuster, Anpassung & Lernen, Sicherheit & Ethik, Framework‑Typologie sowie Kernaufgaben und Unteraufgaben. Für jede Studie wurden klare Einschlusskriterien und ein Bewertungsschema (vollständig, teilweise, nicht implementiert) angewendet, um die Umsetzung der einzelnen Dimensionen zu quantifizieren.

Die Ergebnisse zeigen deutliche Ungleichgewichte: Während etwa 76 % der Studien die Integration externer Wissensquellen erfolgreich umsetzen, fehlen Event‑Triggered‑Activation‑Mechanismen in 92 % der Fälle. Ebenso ist die Erkennung und Abmilderung von Drift bei Lernprozessen in 98 % der Untersuchungen kaum vorhanden. Architektonisch dominieren Multi‑Agent‑Designs mit einer Vollimplementierungsrate von rund 82 %, während Orchestrierungs‑Layer noch selten eingesetzt werden.

Diese systematische Übersicht liefert ein einheitliches Rahmenwerk, das Forschern und Praktikern hilft, die Stärken und Schwächen aktueller KI‑Agenten im Gesundheitsbereich zu erkennen und gezielt weiterzuentwickeln. Die Taxonomie schafft damit eine solide Basis für die zukünftige, evidenzbasierte Gestaltung von KI‑gestützten medizinischen Anwendungen.