AISAC: Multi-Agent-System für transparente, datenbasierte Forschung

AISAC, das AI Scientific Assistant Core, ist ein integriertes Multi-Agent-System, das am Argonne National Laboratory entwickelt wurde. Es kombiniert bewährte Technologien wie LangGraph für die Orchestrierung, FAISS für die Vektor‑Suche und SQLite für die Persistenz zu einem einheitlichen Prototypen, der Transparenz, Nachvollziehbarkeit und wissenschaftliche Anpassungsfähigkeit in den Mittelpunkt stellt.

Die Architektur von AISAC folgt einem Router‑Planner‑Coordinator‑Workflow und kann optional einen Evaluator‑Agenten enthalten. Durch speziell gestaltete System‑Prompts werden strukturierte JSON‑Ausgaben gefordert, während Hilfsagenten wie ein Researcher die Aufgaben unterstützen. Ein hybrides Gedächtnissystem aus FAISS und SQLite ermöglicht sowohl semantische Retrievals als auch die Aufzeichnung des Gesprächsverlaufs. Durch eine inkrementelle Indexierungsstrategie, die auf Dateihashes basiert, werden redundante Re‑Embedding‑Operationen vermieden, wenn sich wissenschaftliche Korpora ändern.

Ein konfigurationsgesteuertes Bootstrap‑Layer erlaubt Forschungsteams, Werkzeuge, Prompts und Datenquellen anzupassen, ohne den Kerncode zu verändern. Alle Agentenentscheidungen, Tool‑Aufrufe und Retrievals werden protokolliert und über eine benutzerdefinierte Gradio‑Schnittstelle visualisiert, sodass jeder Schritt der Argumentationskette nachvollziehbar ist.

Die Entwickler haben AISAC bereits in mehreren Forschungsbereichen am Argonne National Laboratory eingesetzt, darunter spezialisierte Anwendungen für die Umwandlung von Abfall zu Produkten, die Sicherheit von Energieprozessen sowie allgemeine wissenschaftliche Unterstützung. Diese Erfolge demonstrieren die Vielseitigkeit und die branchenübergreifende Anwendbarkeit des Systems.