LLM-Agenten revolutionieren interaktive Optimierung – neue Evaluationsmethode

In einer wegweisenden Studie wird gezeigt, wie große Sprachmodelle (LLM) Entscheidungsträger in der Optimierung unterstützen können. Durch die Entwicklung von Agenten, die verschiedene Stakeholder mit eigenen Nutzenfunktionen simulieren, entsteht ein realistisches Gesprächsformat, das weit über herkömmliche One‑Shot-Ansätze hinausgeht.

Die Autoren generierten tausende Konversationen in einer Fallstudie zur Schulplanung. Dabei wurde deutlich, dass ein Agent, der über wiederholte Dialoge optimiert, deutlich bessere Lösungen erzielt als bei einer einmaligen Bewertung. Die Ergebnisse unterstreichen, wie wichtig Interaktion für die Qualität von Optimierungsentscheidungen ist.

Ein weiterer Schwerpunkt der Arbeit liegt auf maßgeschneiderten Agenten. Durch gezielte Domänenanweisungen und strukturierte Werkzeuge erreichen diese Agenten in weniger Interaktionen eine höhere Lösungsqualität als generische Chatbots. Dies demonstriert das Potenzial, Optimierungstechnologien breiter und effizienter in der Praxis einzusetzen.

Die Studie liefert überzeugende Belege dafür, dass die Schnittstelle zwischen KI und Operations Research neue Möglichkeiten eröffnet. Sie zeigt, wie Expertenwissen in der Modellierung und im Design von Agenten die Effektivität interaktiver Optimierung maßgeblich steigern kann.