LLM-Agenten nutzen strukturierte Ausführungsgraphen für Workflows

Große Sprachmodelle (LLMs) werden zunehmend eingesetzt, um wissenschaftliche Arbeitsabläufe zu automatisieren. Ihre Integration mit heterogenen Rechenwerkzeugen bleibt jedoch oft ad hoc und anfällig für Fehler. In dieser Arbeit wird El Agente Gráfico vorgestellt – ein einheitliches Agenten‑Framework, das LLM‑gestützte Entscheidungen in einer typsicheren Ausführungsumgebung verankert und dynamische Wissensgraphen für die externe Persistenz nutzt.

Der Kern des Ansatzes ist eine strukturierte Abstraktion wissenschaftlicher Konzepte. Ein Object‑Graph‑Mapper wandelt den Rechenstatus in typisierte Python‑Objekte um, die entweder im Speicher gehalten oder in einem externen Wissensgraphen abgelegt werden können. Dadurch wird die Kontextverwaltung nicht mehr über rohen Text, sondern über typsichere symbolische Identifikatoren gesteuert, was Konsistenz, Nachvollziehbarkeit und effiziente Tool‑Orchestrierung gewährleistet.

Die Leistungsfähigkeit des Systems wurde anhand eines automatisierten Benchmark‑Frameworks getestet, das eine Reihe von Universitäts‑Level‑Aufgaben in der Quantenchemie abbildet. Ein einzelner Agent, gekoppelt an einen zuverlässigen Ausführungs‑Engine, konnte komplexe, mehrstufige und parallele Berechnungen robust durchführen – ein Ergebnis, das zuvor nur mit Multi‑Agenten‑Systemen erzielt wurde.

Darüber hinaus wurde das Paradigma auf zwei weitere Anwendungsbereiche ausgeweitet: die Generierung von Konformer‑Ensembles und das Design von Metall‑Organischen Rahmenkristallen. In beiden Fällen dienten Wissensgraphen sowohl als Speicher als auch als Rechenbasis, wodurch die Agenten nicht nur Daten verwalten, sondern auch logisch ableiten konnten.

El Agente Gráfico demonstriert, dass ein einzelner, gut konzipierter Agent in Kombination mit einer strukturierten Ausführungsumgebung und Wissensgraphen die Automatisierung wissenschaftlicher Workflows auf ein neues Niveau heben kann. Die Ergebnisse versprechen eine robuste, nachvollziehbare und skalierbare Lösung für die komplexen Anforderungen moderner Forschung.