LLM-basierte Lernagenten: Überblick über Forschung und Trends

Eine neue Scoping‑Review aus dem arXiv-Repository beleuchtet die rasante Entwicklung von Lernagenten, die auf großen Sprachmodellen (LLMs) basieren. Während klassische Lernagenten bereits seit Jahren untersucht werden, eröffnet die Integration von LLMs völlig neue Möglichkeiten in natürlicher Sprachverarbeitung, logischem Denken und adaptivem Verhalten.

Die Analyse folgte den PRISMA‑ScR-Richtlinien und berücksichtigte 52 Studien aus fünf führenden Datenbanken, die zwischen November 2022 und Januar 2025 veröffentlicht wurden. Die Ergebnisse zeigen, dass LLM-basierte Agenten in allen Bildungsstufen – von der Grundschule bis zur Hochschulbildung – sowie in informellen Lernumgebungen eingesetzt werden. Dabei deckt die Forschung ein breites Spektrum an Fachbereichen ab.

Vier zentrale Gestaltungsdimensionen wurden identifiziert: die Interaktionsart (reaktiv vs. proaktiv), den Anwendungsbereich (domänenspezifisch vs. allzweck), die Rollenkomplexität (einzelne vs. mehrere Rollen) und die Systemintegration (Eigenständigkeit vs. Integration in bestehende Lernplattformen). Besonders hervorzuheben sind Trends wie Multi‑Agent‑Systeme, die realistische Lernumgebungen simulieren, virtuelle Lernsimulationen zur Evaluierung von Agenten, die Einbindung immersiver Technologien und die Kombination mit Lernanalytik.

Die Review hebt zugleich Forschungslücken und ethische Fragestellungen hervor, etwa zum Datenschutz, zur Genauigkeit der Modelle und zur Wahrung der Lernendenautonomie. Für Wissenschaftler und Praktiker liefert die Arbeit einen umfassenden Überblick und legt zugleich wichtige Ansatzpunkte für zukünftige Entwicklungen in diesem dynamischen Forschungsfeld fest.