Werk:AI mit Arnie/Was sind KI-Agenten?
| ▶ | Kurs KI-Agenten |
| 📽️ | 1 Was sind KI Agenten (9:52) |
| 🎓 | Was sind KI-Agenten? |
| Basics zu KI-Agenten & LLMs | |
| ▲ | Was ist eine API? |
| ▶ | Was sind KI-Agenten? |
| ▼ | Tools zum Erstellen von KI-Agenten |
Lasst uns erstmal klären, was KI-Agenten eigentlich sind. Denn je mehr ich mit KI-Agenten zu tun habe, umso mehr wurde mir klar, wie schwammig die Definition ist. Wir finden wahnsinnig viele verschiedene Artikel, und wie gesagt, jeder definiert KI-Agenten anders. Ich will mal einen kurzen Überblick machen und am Ende ziehen wir ein Fazit, was für uns KI-Agenten sind.
Auf bodpress haben sie einen Artikel: "Was ist ein KI-Agent?" Und hier versuchen sie relativ genau aufzuschlüsseln, was ein KI-Agent genau ist: Ein KI-Agent ist eine Software, die Aufgaben im Auftrag eines Benutzers ausführt. Er kann Prozesse automatisieren, Entscheidungen treffen und auf intelligente Weise mit seiner Umgebung interagieren.“ Das ist das generelle Konzept. „KI-Agenten sind magische Wesen, die über typische Chatbots hinausgehen. Sie können softwarebasiert oder physisch sein.“
Was ist aber der Unterschied zwischen einem KI-Agenten und einem KI-Chatbot? Mit Chatbots kann man sich unterhalten, Agenten führen Aufgaben aus. Sie können autonom handeln. Sie bekommen also zum Beispiel eine Aufgabe und danach führen sie sie selbstständig komplett aus, bis sie erledigt ist. KI-Agenten sind teilweise autonom. Sie versuchen kontinuierlich zu lernen, sich gegenseitig zu verbessern und so weiter. Sie sind reaktiv und proaktiv. Und ich muss gestehen, dass auch dieser Artikel etwas vage bleibt.
Wir brauchen Aktoren für solche KI-Agenten. Aktoren könnten zum Beispiel Text generieren, aber auch Alarme machen oder Mails versenden. Außerdem sind Wissensdatenbanken wichtig für KI-Agenten. Das nennt man die RAG-Technologie, und darüber will ich später mehr sprechen.
Ein paar Anwendungen von KI-Agenten: Man kann sie verwenden zur Kundenbetreuung, natürlich. Also, man kann einen Agenten einbauen in verschiedenste Umgebungen. Autonome Fahrzeuge sind scheinbar auch KI-Agenten. Das heißt, dieses Full-Self-Driving von Tesla, dieser Wagen, der hier autonom fährt, das ist auch ein KI-Agent. Natürlich können wir keinen solchen Wagen bauen, da Tesla selbst tatsächlich aktuell noch nicht wirklich ausgereift genug ist, um diese Dinge selbst laufen zu lassen, so dass sie auch wirklich autonom handeln. Also werden wir natürlich keinen KI-Agenten bauen, der uns auf die Arbeit fährt.
Auch sind virtuelle Assistenten wichtig, zum Beispiel Siri, Alexa und so weiter. Das können auch KI-Agenten sein.
„Moshi“ nennt sich das Ding, das könnte man also auch KI-Agenten nennen. Ich will mal ganz, ganz kurz zeigen, wie das funktioniert: „Hello, how can I help you?“ „Can you write some code for me?“ – „Sure thing, what kind of code do you need me to write?“ „I don’t know. I do want to make a game. What should I use to make a game?“ “It’s a good question. Let’s start with the basics. What is your game about?“ Ich will hier jetzt wieder auf Disconnect klicken. Also, auch das wird laut einigen KI-Agent genannt, auch wenn ich nicht komplett überzeugt bin, dass das ein KI-Agent ist.
Es gibt noch viele andere Anwendungen: ein Smart Home, in der Robotik. Vielleicht hat der ein oder andere diesen Tesla Bot „Optimus“ schon gesehen. Auch das ist ein KI-Agent, laut dieser Webseite.
Also, man sieht auch hier, sie sind nicht wirklich klar, was KI-Agenten sind. Auch dieser Artikel von Amazon, also von AWS, war mir zumindest nicht klar genug. Ich habe auch versucht, die ganzen Artikel besser zusammenzufassen, und zwar in der Cloud. Und auch hier haben wir keine optimalen Antworten bekommen. Einige denken, dass zum Beispiel auch Microsoft KI-Agenten hat.
Also, das da ist auch ein KI-Agent: mit dem Microsoft Copilot., den kann man aktivieren, wenn man ihn lokal auf dem PC laufen hat. Dafür braucht man einen starken Computer, und damit kann man Minecraft spielen. Ich will mal ganz, ganz kurz zeigen, wie dieser KI-Agent hier so läuft. „Hey copilot, how is it going?“ „Hy, it looks like you dive into minecraft“ „Yea I’m trying to figure out to make a sword.“ „To craft a sword you’ll need some materials. Can you open your inventory? Just press E on your keyboard. … You got some sticks, perfect for the sword’s handle. …“ Du siehst also: Der Copilot, der sieht sich ganz einfach den Bildschirm an und wirkt beratend. Also, einige nennen auch das KI-Agenten.
Und ich muss dazu sagen: Ja, man kann all diese Dinge KI-Agenten nennen. Ich will jedoch etwas spezifischer werden und sagen, was KI-Agenten für uns und hauptsächlich in diesem Kurs genau sind.
Ja, wir werden uns auch ansehen, wie wir so etwas selbst erstellen können, sowas, dass wir wirklich einen Agenten haben, der auf unseren Bildschirm blickt. Aber jetzt mal die Definition, die wir haben wollen für KI-Agenten.
Also, was sind KI-Agenten? Ein KI-Agent kann Aktionen ausführen, ein KI-Agent hat Werkzeuge, und der KI-Agent kann mit der Umgebung kommunizieren. Das ist das generelle Ding, was wir hier tatsächlich haben wollen.
Und der KI-Agent an sich ist ein LLM. Ich werde noch genauer erklären, was LLMs sind, und zusätzlich noch, was ich mit diesen Werkzeugen meine. Bei diesen Werkzeugen meine ich Function Calling. Wie gesagt, das erkläre ich noch etwas genauer.
Im Groben, wenn wir ins Paint reingehen, dann können wir uns an den KI-Agenten in etwa so vorstellen: Wir haben zum Beispiel einen KI-Agenten, der ist sozusagen der Chef oder der Boss oder was auch immer. Und dieser Boss, der hat für sich zum Beispiel mehrere Arbeiter. Das heißt, er hat hier einen Arbeiter und auch hier einen Arbeiter und auch hier einen Arbeiter. Und jedes dieser Dinge, das sind alles LLMs. Das heißt, der Boss ist ein LLM, dieser Arbeiter ist ein LLM, der Arbeiter ist ein LLM und auch der Arbeiter ist ein LLM.
Und diese Arbeiter, die haben Tools, die haben Werkzeuge. Das heißt, dieser Arbeiter könnte zum Beispiel Internet haben, dieser Arbeiter könnte zum Beispiel Python Bibliotheken haben, dieser Arbeiter könnte zum Beispiel einen Taschenrechner haben. Das heißt, das LLM an sich macht das sogenannte Function Calling zu einer dieser Werkzeuge. Und jeder Arbeiter ist ein Profi für seinen spezifischen Bereich. Das sind meiner Meinung nach KI-Agenten.
Laut Andrej Karpathy ist ein LLM an sich, nichts anderes als ein operatives System. Darauf werde ich noch etwas genauer eintauchen. Das heißt, das LLM, das ist so wie ein Computer. Und man kann mit anderen LLMs kommunizieren. Und das sind meiner Meinung nach KI-Agenten. Und jedes dieser LLMs, das kann noch das sogenannte Function Calling machen. Das heißt, es kann andere Programme mit reinholen.
Und wenn wir eben viele dieser LLMs kombinieren, dann können wir ihnen allen einzeln Aufgaben erteilen. Das heißt, ein LLM ist der CEO, und jedes einzelne dieser LLMs hat natürlich diese Werkzeuge.
Der CEO sagt dann ganz einfach dem CFO, dem CTO, dem COO und dem General Counsel, was sie machen sollen. Und auch diese Typen, diese LLMs, haben alle Werkzeuge. Und auch die können anderen Leuten beziehungsweise anderen LLMs sagen, was sie machen sollen. Und auch diese LLMs können wiederum mit anderen LLMs kommunizieren, die wiederum Werkzeuge haben und die wiederum danach Aufgaben ausführen.
Das ist in etwa so, wie wir einen KI-Agenten definieren wollen.
Also, wie gesagt: KI-Agenten sind, so wie wir es sehen, ganz einfach nur LLMs. LLMs, die jedoch miteinander kommunizieren, LLMs, die jedes für sich Werkzeuge haben. Wir könnten zum Beispiel einen Boss haben und ein paar Angestellte. Und das Ziel ist danach, dass komplette Aufgaben ausgeführt werden.
Wir können eine Aufgabe stellen, zum Beispiel: „Schreibe ein Skript für YouTube und gib mir die passenden Titel dazu. Danach sendest du dieses Skript an diese und jene Mail.“ Und der Agent muss automatisch die richtigen Tools verwenden, muss automatisch die richtigen anderen Agenten aktivieren und muss danach automatisch diese Aufgaben ausführen. Das ist für uns ein Agent.
Das heißt, wir schmeißen mehrere LLMs zusammen, und jedes LLM hat Werkzeuge und entscheidet für sich selbst, welches Werkzeug es verwendet.
Das klingt vielleicht etwas komplex. Und ich werde in LLMs und Function Calling und die RAG-Technologie über die nächsten Videos noch etwas genauer eintauchen, damit wir auch wirklich auf derselben Seite sind.
Das war also der grobe Überblick. KI-Agenten sind für uns mehrere LLMs mit Werkzeugen, die nacheinander für uns Aufgaben ausführen werden.
Und ja, wir bauen auch so etwas Ähnliches wie KI-Agenten, die uns einfach zur Seite stehen können, mit denen wir sprechen können und auch Dinge, die zum Beispiel auf unseren Computer sehen oder auf uns sehen. Und wir können mit ihnen sprechen. Das sind vielleicht nicht KI-Agenten, wie ich sie definieren würde, aber dennoch denken einige, das sind KI-Agenten. Und deshalb will ich auch diese Dinge in diesen Kurs mit einbauen.
Dementsprechend: Über die nächsten Videos will ich etwas tiefer eintauchen in LLMs, wie sie funktionieren, was das Function Calling ist und was die RAG-Technologie ist. Damit wir auch alle auf der gleichen Seite sind, bevor wir starten, solche Dinge zu erstellen.
Und bevor wir in diese LLMs genauer eintauchen, erkläre ich noch ganz, ganz kurz, welche Frameworks und welche Dinge wir verwenden können, um KI-Agenten zu bauen.