Agentic Problem Frames: Systematischer Ansatz für zuverlässige Domain-Agenten

Die rasante Weiterentwicklung von Large Language Models (LLMs) führt sie zunehmend in die Rolle autonomer Agenten. Doch ohne klare, strukturierte Vorgaben entstehen häufig kritische Risiken wie Umfangsüberschreitungen und offene Schleifenfehler. Um industrielle Zuverlässigkeit zu gewährleisten, stellt die neue Studie das Konzept der Agentic Problem Frames (APF) vor – ein systematisches Engineering-Framework, das den Fokus von der internen Intelligenz des Modells auf die strukturierte Interaktion zwischen Agent und Umgebung verlagert.

APF definiert ein dynamisches Spezifikationsparadigma, bei dem die Intention des Agenten in Echtzeit durch gezielte Einbindung von Domänenwissen konkretisiert wird. Im Kern steht der Act‑Verify‑Refine (AVR) Loop, ein geschlossener Regelkreis, der Ausführungsergebnisse in verifizierte Wissensressourcen umwandelt und das Verhalten des Agenten schrittweise an die Missionsanforderungen anpasst.

Zur Umsetzung wird das Agentic Job Description (AJD) als formales Spezifikationswerkzeug eingeführt. AJD legt die Zuständigkeitsbereiche, den operativen Kontext und die epistemischen Bewertungskriterien fest, sodass Agenten klar definierte Grenzen einhalten und ihre Aufgaben zuverlässig erfüllen.

Die Wirksamkeit des Ansatzes wird anhand zweier kontrastreicher Fallstudien demonstriert: ein delegierter Proxy-Agent für Geschäftsreisen und ein autonomer Supervisor für die Verwaltung industrieller Anlagen. Durch die Anwendung von AJD‑basierten Spezifikationen und APF‑Modellen konnten die Szenarien systematisch innerhalb der definierten Grenzen kontrolliert werden.

Die Ergebnisse zeigen eindeutig, dass die Zuverlässigkeit von Agenten nicht allein von deren interner Logik abhängt, sondern maßgeblich durch strukturierte Spezifikationen und kontrollierte Interaktionen mit der Umgebung bestimmt wird. APF bietet damit einen robusten, nachvollziehbaren Pfad zur Entwicklung industriell vertrauenswürdiger Domain-Agenten.