Stellen Sie sich ein Gesundheitssystem vor, das aus mehreren KI-Agenten besteht: einer verwaltet die Symptombewertung, ein anderer die Terminplanung, ein dritter die Versicherung und ein vierter die Apotheke. Jeder von ihnen ist ein Experte auf seinem Gebiet. Sie haben jedoch alle ihr eigenes, unterschiedliches Wissen und ihre eigenen Ziele.

Heute können sie Daten austauschen, aber sie sind noch nicht in der Lage, die Patientenversorgung tatsächlich zu koordinieren, ohne dass ein Mensch die Entscheidungen trifft. „Die Intelligenz ist bereits da. Was fehlt, ist das Bindegewebe, das vier Fremde in ein einziges Team verwandelt“, erklärt Vijoy Pandey, Senior Vice President und General Manager von Outshift by Cisco.

Dieses „Bindegewebe“ entsteht durch das Hinzufügen einer semantischen Ebene — von Outshift als „Internet of Cognition“ bezeichnet —, die es Agenten über verschiedene Domänen hinweg ermöglicht, zusammenzuarbeiten und, was entscheidend ist, durch gemeinsame Absicht, Kontext und Argumentation gemeinsam zu „denken“. Diese semantische Ebene basiert auf einer darunter liegenden Konnektivitätsschicht namens „Internet of Agents“, die es autonomen Agenten ermöglicht, einander zu entdecken, ihre Identität nachzuweisen und Nachrichten über Domänen hinweg auszutauschen.

Gemeinsam ermöglichen sie „den nächsten Schritt auf dem Weg zur verteilten künstlichen Superintelligenz“, sagt Pandey. Von einsamen Silizium-Gelehrten zum „Internet of Cognition“. Seit Jahren konzentriert sich die KI-Branche auf Wachstum.

Die vertikale Skalierung hat zu größeren Modellen geführt, die mit mehr Daten und mehr Rechenleistung trainiert wurden. Dies hat die Argumentationsfähigkeiten hervorgebracht, die wie ein „Gehirn“ für KI-Agenten sein können, die in digitalen Umgebungen wahrnehmen, argumentieren und handeln können.

Während die vertikale Skalierung kontinuierlich leistungsfähigere Agenten hervorbringen kann, muss die nächste Skalierungsachse horizontal sein, um agentenbasierte Problemlösungen über verschiedene Systeme, Unternehmen und Plattformen hinweg zu ermöglichen, so Pandey. Multi-Agenten-Systeme werden bereits in Bereichen wie Softwareentwicklung, Wirkstoffforschung und wissenschaftlichen Simulationen erforscht, aber ihre bisherigen Leistungen waren eher unbefriedigend.

Eine Studie stellt eine Fehlerrate zwischen 41 % und rund 87 % fest, wenn sieben Open-Source-Multi-Agenten-Systeme evaluiert werden. „Verbundene Agenten kommen mit koordiniertem Handeln gut zurecht; sie nehmen eine Aufgabe, deren Form sie bereits gesehen haben, teilen sie auf und reichen sie weiter“, erklärt Pandey.

„Was sie nicht tun können, ist, ein gemeinsames Ziel zu verfolgen und auf etwas hinzuargumentieren, zu dessen Lösung keines von ihnen trainiert wurde.“ „Die Lücke ist architektonischer Natur und kein Prompting-Problem“, fügt Pandey hinzu.

„Ohne die richtige Koordinationsschicht können naive Multi-Agenten-Setups schlechter abschneiden als ein einzelner Agent. Die entscheidende Veränderung besteht darin, dass dieses Agententeam sich von selbst auf ein neues Problem einigt, ohne dass ein Mensch die Fäden zieht.“

Um dieses Ziel zu erreichen, hat Outshift laut Pandey eine Konnektivitätsschicht namens AGNTCY aufgebaut, ein Open-Source-Projekt, das sich nun unter der Linux Foundation befindet. AGNTCY ermöglicht es Agenten über verschiedene Systeme, Unternehmen und Plattformen hinweg, einander zu finden, ihre Identität nachzuweisen und Nachrichten über offene, standardisierte Protokolle auszutauschen.

Und, wie Pandey erklärt, ermöglicht dies der These des Internet of Cognition einen weiteren Schritt nach vorn. Es schafft eine semantische Schicht, die es Agenten ermöglicht, Ziele anzugleichen (Absichten zu teilen), institutionelles Wissen und kumulierten Speicher zu bündeln (Kontext zu teilen) und kollektive Kompromisse einzugehen (Argumente zu teilen).

Pandey vergleicht diese Entwicklung mit der des Menschen: „Hunderttausende von Jahren wurden die Menschen individuell klüger, und die Gewinne starben mit jeder Person, die sie machte“, erklärt er. „Vor etwa 70.000 Jahren änderte sich das, als die Menschen lernten, Absichten zu teilen, kumulatives Wissen aufzubauen und kollektiv zu argumentieren.

Das war der Moment, in dem verstreute Individuen zu einer Zivilisation wurden. Agenten befinden sich an derselben Schwelle. Wir haben die Silizium-Genies erschaffen und ihnen Handlungsfähigkeit verliehen.

Was ihnen fehlt, ist die Schicht, die den Menschen den Schritt zum Kollektiv ermöglichte“, sagt er. Erste Schritte zur verteilten Superintelligenz.

Die Ermöglichung der kollektiven Arbeit von Agenten beruht auf drei Säulen im Tech-Stack: Gemeinsame Absicht durch Kognitionszustandsprotokolle. Kognitionszustandsprotokolle sind der semantische Handschlag, der es Agenten ermöglicht, sich vor dem Handeln auf ein Ziel zu einigen und dann darauf hin zu verhandeln.

Outshift hat eine Open-Source-Koordinationsschicht namens Mycelium geschaffen, die Unternehmen klonen und für ihre eigenen Agenten verwenden können. „Wir haben festgestellt, dass unstrukturierte Gruppen in 14 Szenarien etwa ein Drittel der Zeit eine Entscheidung trafen“, sagt Pandey über interne Tests.

„Ein Koordinationsprotokoll, das Agenten dazu bringt, ein Ziel zu erklären, fehlende Informationen aufzudecken und Konflikte vor dem Handeln zu lösen, steigerte dies auf 93 %.“ Gemeinsamer Kontext durch Kognitionsgewebe.

Ein Kognitionsgewebe ist ein gemeinsames institutionelles Gedächtnis und Kommunikationsnetz, das es ermöglicht, dass die Erkenntnisse von Agenten im Laufe der Zeit anwachsen, anstatt bei jeder Sitzung zurückgesetzt zu werden. Diese richtliniengestützte Kontextschicht löst das Problem der „organisatorischen Amnesie“, so Pandey, indem sie sicherstellt, dass die Grundintelligenz der Systeme immer nur steigt.

Gemeinsame Argumentation durch kognitive Verstärker und Leitplankentechnologien. Zwei Arten von Kognitions-Engines können zusammen verwendet werden, um gemeinsame Argumentation zu ermöglichen.

Kognitive Verstärker beschleunigen das gemeinsame Argumentieren und Modellieren, und Leitplankentechnologien (GATs) schaffen Sicherheits-, Kosten- und Compliance-Frameworks. Menschen tragen aktiv zu dieser Schicht bei und treffen Urteile, die das System an sie weiterleitet (anstatt die Ergebnisse im Nachhinein zu überprüfen).

Kognitionsteilung in Multi-Agenten-Systemen kann neue Risiken bergen, darunter unbeabsichtigte Delegationen, böswillige Prompt-Injections oder Speichervergiftungen oder überprivilegierte Agenten mit Zugriff auf Berechtigungen und Daten, die weit über das hinausgehen, was ihre Aufgaben erfordern. Umgebungsbezogene Kontrollen sind daher erforderlich, um sich vor unbeabsichtigten Handlungen oder Konsequenzen zu schützen.

„Agenten haben menschenähnliche Attribute, arbeiten aber mit Maschinengeschwindigkeit und im Maschinengabstab“, sagt Pandey. „Alles, was wir zwanzig Jahre lang gebaut haben — Zugriffskontrolle, Identität, Compliance —, wurde für Menschen oder Maschinen gebaut, nicht für beides.“

Continuous Agent Semantic Authorization (CASA) — eine von Outshift entwickelte Open-Source-Referenzimplementierung — ist ein GAT, das sicherstellt, dass die Aktionen von Agenten durch einen Prozess der kontinuierlichen Autorisierung sicher auf das ursprüngliche Ziel des Benutzers ausgerichtet bleiben. Dies geschieht, indem gelesen wird, was der Agent zu erreichen versucht, und dann jede Werkzeuganfrage gegen diese Aufgabe geprüft wird.

In einem Gesundheitssystem könnte beispielsweise ein Agent, der angewiesen wurde, eine Patientenakte zusammenzufassen, damit beginnen, eine gesamte Datenbank abzufragen. Dies könnte dazu führen, dass CASA den Aufruf ablehnt, da die Anfrage nicht mehr der Aufgabe entspricht, für die sie autorisiert wurde.

„Die heutigen Kontrollen sind auf eine Rolle oder eine Sitzung beschränkt, nicht auf die Aufgabe, so dass ein Agent, dem ein Werkzeug gewährt wurde, es für alles verwenden kann“, erklärt Pandey. „Ungefähr 90 % der Zeit hat ein Agent keine Möglichkeit zu bestätigen, dass er überhaupt für die ihm übertragene Arbeit zugelassen ist.“

Experimente für domänenübergreifende Innovationen. Bei der horizontalen Skalierung von Intelligenz im Unternehmen sollten Unternehmen zunächst mit einem funktionsübergreifenden Workflow experimentieren, der drei oder vier Teams umfasst und derzeit einen Menschen erfordert, der die Übergaben autorisiert, rät Pandey.

„Richten Sie ihn als kleines Multi-Agenten-System auf einer offenen, interoperablen Infrastruktur mit einer messbaren Baseline ein“, sagt er. „Bauen Sie weiterhin größere Modelle, fügen Sie die horizontale Achse oben hinzu und ändern Sie, was Sie messen.

Verfolgen Sie, wo die Erkenntnis eines Agenten einen anderen Agenten besser gemacht hat — das ist das Signal, dass die horizontale Achse funktioniert.“ Indem Unternehmen jetzt mit Absichts-, Kontext- und Argumentationsschichten experimentieren, können sie dem Trend voraus sein.

„Die Probleme sind offen, und die Infrastruktur wird noch geschrieben“, sagt Pandey. „Das ist der Moment, sie aufzubauen.“ Weitere Informationen zum Internet of Cognition finden Sie unter Outshift.com.

Dieser Inhalt wurde von Insights, dem Custom-Content-Bereich des MIT Technology Review, erstellt. Er wurde nicht von der Redaktion des MIT Technology Review verfasst.

Er wurde von menschlichen Autoren, Redakteuren, Analysten und Illustratoren recherchiert, entworfen und geschrieben. Dies schließt das Verfassen von Umfragen und die Datenerhebung für Umfragen ein.

Verwendete KI-Tools beschränkten sich auf sekundäre Produktionsprozesse, die eine gründliche menschliche Überprüfung durchlaufen haben.