Künstliche Intelligenz und Agenten

Wo bisher immer nur von Künstlicher Intelligenz die Rede war, treten an die Stelle nun Agenten. Agenten basieren auf der Künstlichen Intelligenz, sind aber umfangreicher mit Input und Output zu verstehen. Sicherlich immer in Analogie zum Menschen.

Intelligente Systeme

Unter dem Begriff Intelligenz werden alle intelligenten Systeme subsumiert, zusammengefasst. Der Vergleich der Künstlichen Intelligenz mit einer menschlichen Intelligenz muss ab dem Zeitpunkt seiner Entstehung in Augenschein genommen werden. Und beginnt daher mit dem Anthropozän. Auf der Basis der allgemeinen Entwicklung und damit Thesen, macht die Wissenschaft hier weiter Unterschiede. Die These lautet daher begründet darauf, das alle intelligenten Systeme einer natürlichen Intelligenz entsprechen. Die menschliche Intelligenz lebt dahingehend mit anderen animalischen/tierisch Intelligenzen in Koexistenz (et al. Voigt, 2021, S. 135). Daraus wird deutlich, dass man unter intelligenten Systemen insgesamt auch die gesamte Umwelt miteinbezieht. Menschen an sich können immer nur das sehen, was ihnen vererbt wurde und damit aus dem Blickwinkel ihrer erzeugenden Vorfahren.

Subsumierte Intelligenzen und Ziele

Menschliche Intelligenz, MI oder auch HI für Human Intelligence wird damit als Teilbereich der Natürlichen Intelligenz, NI aufgefasst und evolutionär als Resultat der Anpassungsnotwendigkeit und -fähigkeit auf sich ändernde Umweltbegebenheiten verstanden (et al. Voigt, 2021, S. 135). Künstliche Intelligenz, KI hingegen wird als die von einer NI zielgerichteten Funktionalität eines Werkzeugs, d.i. in ihrer Ausprägung messbar an dem Grad der Aufgabenerfüllung. Man spricht bei Künstlicher Intelligenz daher auch lieber von einer Funktionalität als von einer Intelligenz (et al. Voigt, 2021, S. 135).

Menschliche Intelligenz hat zwei Ziele. Das eine ist die Überlebensfähigkeit, die andere die Angepasstheit an neue Begebenheiten. KI will nichts und beabsichtigt selbst nichts. Mit KI verändert der Mensch seine Umwelt derart, dass er selbst keine neuen Fähigkeiten mehr entwickeln muss und bereits erworbene nicht mehr nutzen muss (et al. Voigt, 2021, S. 136). Bei genaueren Überlegungen wird nach und nach Klar, was das bedeuten kann. Als verlängerte Werkbank muss der Mensch selbst nichts mehr tun. Er kann alles durch die Künstliche Intelligenz erledigen lassen. Ob es für meinen Organismus gut ist, keinen Finger mehr krumm zu machen, sich zu bewegen, zu agieren, etwas zu initiieren, das wäre ein eigenes Thema. Wenn KI alles kann, dann steht mir die Freiheit offen, die freie Entscheidung!

KI und menschliche Psyche

Eine KI bewertet keine Überlebenschance oder bewertet den Tod selbst als gut oder schlecht. Für den Fortbestand der Menschen geht daher von KI keine Gefahr aus. Auffällig bei der Betrachtung Künstlicher Intelligenz ist immer die große Besorgnis dessen, was KI der Menschheit, dem Individuum antun könnte. Letztlich ist schließlich bekannt, dass mir nur eine Gefahr Angst machen kann, die in meiner Vorstellung existiert. Wenn man also unbedarft oder arglos in die Welt blickt, dann könnte man von Schicksalen betroffen sein oder auch nicht zwangsläufig. Denn die Fähigkeit, auf seine Umwelt zu vertrauen, ist dem gleichzusetzen, dass Eltern, Erziehungsberechtigte dem Nachwuchs eine Atmosphäre der Vertrautheit vermitteln konnten.

Es ist daher davon auszugehen, dass KI lediglich ein vertieftes Spiegelbild menschlichen Tuns wird. Insofern macht mir lediglich mein Gewissen diese Angst. Und das ist in aller Regel damit begründet, dass ich mich zuvor irgendwann schuldig gemacht habe. Hier begegnet der Mensch seiner Vorstellung über Moral. Der Blick auf den Vergleich zur Diskussion der Künstlichen Intelligenz von Moral und dem, wann Moral bei Menschen entsteht, könnte Abhilfe schaffen (Vgl. et al. Paulus, Verständnis von Moral, 2024). In der Begegnung einer Koexistenz durch die Künstliche Intelligenz kommt der Mensch in die Situation, sich bewusster und intensiver mit sich selbst zu beschäftigen.

Begegnet die KI damit also unserer Narzisstischen inneren Haltung? Man sieht, die Besorgnis, dass etwas so mächtig sein und werden könnte, wie man über sich selbst denkt, stellt Menschen vor die Frage eines höheren Sinnes, einer höheren Macht. Ein Thema, das Manfred Spitzer, Richard David Precht und inzwischen einige andere Autoren und auch schon vor einigen Jahren aufgegriffen haben. Fakt ist, die vielen Entwicklungen und Erkenntnisse der letzten Jahre gegenüber der KI haben es mit sich gebracht, den Menschen jetzt ganzheitlicher zu verstehen. Bis die Wissenschaft bei Ottonormalverbraucher ankommt, vergehen einige Jahre. In Anbetracht einer beschleunigten Zeit und der KI-Entwicklung wären 15 Jahre dennoch wenig. Damit soll gezeigt werden, dass ein Verständnis, wie der Mensch in seiner Gesamtheit funktioniert, auch in Schichten vordringen müsste, die bislang wenig Interesse am Fortschritt zeigen.

Intelligenz besteht aus mehreren Ansätzen. Eine davon ist die des um 1990 eingeführten Begriffs der Emotionalen Intelligenz. Die emotionale Intelligenz baut auf der sozialen Intelligenz auf. Bereits erstmalig um 1920 erwähnt, und von John D. Mayer und Peter Salovey erneut im Jahr 1990 eingeführter Begriff. Er beschreibt die Fähigkeit, eigene und fremde Gefühle richtiggehend wahrzunehmen, zu verstehen und zu beeinflussen (et al. Voigt, 2021, S. 143). Emotionale Intelligenz beruht auf dem Konzept multipler Intelligenzen, ein Begriff von Howard Gardner, die aber ebenfalls auf die soziale Intelligenz zurückgeht. In der Frage um die soziale Intelligenz geht es vorzugsweise um den Begriff intelligenten Handelns. Während Menschen häufig nicht umsetzen, was sie denken, ist die Künstliche Intelligenz auf Rückkopplung angewiesen. Sie muss wissen, dass in der Welt ist, was angesprochen sein oder werden soll. Intelligentes Verhalten richtet sich nach Werten und ethischen Normen. Weil KI aber wertfrei ist, ist diese als nicht „full ethical agency“ zu begreifen. D.h., nicht in der Lage zu affektiven oder emotionsgetöntem Agieren innerhalb einer Logik oder Normen fähig. Die Freiheit, sich gegen ethisch logisch-normativ-korrektes Verhalten entscheiden zu können, „weil einem der Sinn danach steht“ ist für eine KI keine Wahlfreiheit zwischen gleichwertigen Möglichkeiten, so die Autorinnen und Autoren (et al. Voigt, 2021, S. 143). Ethisches Verhalten, Normen und Sittlichkeit sind auch Fragen die sich im Zusammenwirken von Gesellschaften zeigen.

Agentendasein

Agenten beginnen als Agent bezeichnet zu werden, solange sie mittels Sensoren etwas aufnehmen können und mittels Aktoren etwas abgeben können. Hier muss man wirklich erneut auf die Analogie zum Menschen hinweisen! Denn, auch wenn Sigmund Freud nicht viele Freunde zu haben schien, die seinen Forschungen zustimmten, je tiefer man in die Biologie und Psyche vordringt, so deutet sich zunehmend die Beweisfähigkeit an. Genauso wie man in der Archäologie Ausgrabungen macht und mit modernsten Technologien in der Lage ist zu bestimmen, worum es sich wirklich handelt, genauso wird inzwischen der gesamte menschliche Apparat transparent. Freud hatte die anale und die orale Phase zweckbestimmt erklärt. Die Lust auf die Nahrungsaufnahme entspricht auch einer gewissen Psychoanalyse. Neben der Lust an der Nahrungsaufnahme und dem Kauen und Vorbereitung zur Verdauung, geht analog auch grundsätzlich die Lust einher, Wissen aufzunehmen, dieses zu verarbeiten und damit als Bestandteil im menschlichen Organismus aufzunehmen.

Damit sei nur der Ansatz zu einem Beispiel geboten, das ein Verständnis für Agenten im Grunde menschlicher Natur sein können. Und irgendwann ist man umgeben von solchen Agenten und wird sich in der Atmosphäre mit anderen Menschen auch die üblichen Fragen stellen. Wer sieht was, will wissen oder warum verhält sich…

Wie Agenten agieren, funktionieren, bieten zunehmend Unternehmen und Forschung Unterstützende Massnahmen an. So auch die Fraunhofer Institut (Vgl. Kintz, Unterstützung KI-Agenten, 2026). Daneben werden aber auch bereits Software-Lösungen für den Handel angeboten. Oder man muss umgekehrt sagen, Unternehmen scheinen rasant jegliche Angebote zu nutzen, die Existenzielle Lücken schließen können, wie bsw. den Fachkräftemangel.

Um nicht unbedingt das LeanManagement zu erwähnen, das sich um schlanke Unternehmensprozesse bemüht, spielt KI hierfür eben doch eine bedeutenden Rolle (Vgl. et al. Bechtloff, Agenten im Handel, 2026). Ein menschlicher Agent besitzt Augen, Ohren und weitere Organe als Sensorik. Hände und Beine können als Aktoren verstanden werden, mit denen auf die Umwelt eingewirkt werden kann. Sensoren eines Roboter-Agenten könnten Kameras oder Infrarotentfernungsmesser sein. Eye-Tracking oder sogenannte Beacons die irgendwo an der Decke hängen und Signale vom Smartphone nehmen oder Informationen senden, die jüngste Angebote oder Hinweise auf neue Kollektionen bieten. Motoren als Aktoren nutzen, um auf etwas einzuwirken. Ein Software-Agent empfängt Dateninhalte, und wirkt mittels Datenausgaben auf die Umgebung ein. So wie auch ein Mensch Informationen empfängt und aufnimmt, verarbeitet und darauf reagiert (et al. Russell, 2023, S. 62).

Identitäten

Wie man sieht, ist die Identifikation mit einer Technologie sehr niederschwellig. Die Technik nahe am menschlichen Organismus gebaut. Man darf vorweggreifen, man wird später noch sehen, wenn KI etwas ausgereifter ist und wir zunehmend damit konfrontiert sind, ist das Hinterfragen der KI ein sehr zentraler Punkt. Denn wenn man davon ausgeht, mit einer Reaktion rechnen zu können, diese aber ausbleibt, so wird sich das Verhalten der KI dadurch verraten. Genauso wie beim Menschen auch. Damit wird das kritische Denken gegenüber der Interaktion mit der Technologie zu einem Gradmesser, einer Orientierung werden. Und wieder kann man sich in einer Zeit, einer sich zyklischen Wiederholung des Zeitalters des philosophischen Skeptizismus wiederfinden.

Bei der Abwägung und Diskussion, wie das Verhalten von Agenten einzuschätzen sein wird, wird, wie bei Sigmund Freud nun bei den Bindungsmechanismen von Erik Erikson angekommen. Dieser hat die psychosozialen/psychosexuellen Modi, der „Org-Modi“ entdeckt und erforscht. Diese sind kurz im Lexikon der Seite hinterlegt. An anderer Stelle wird darüber aber noch weiterer Bezug genommen.

Auch die Erforschung der Zellen insgesamt, der menschlichen Zellen, schreitet gut voran, wie man den ständigen Mitteilungen entnehmen kann. Jüngst konnte man feststellen, wie Zellen ihr inneres nach außen tragen, was auch beim Menschen erklärt, weshalb er selbiges Verhalten aufweist. Zumal der Mensch Zellen ist. Und so wie die Dinge im Inneren stehen, so zeigen sie sich in der Regel auch nach außen (Vgl. Möckl, Zellen nach außen tragen; 2026). Verschiedene Forschungsansätze, insbesondere den Ursprüngen in der Psychologie, über das Studium am Verhalten von Tieren, bis hin zur kognitiven Psychologie, die das Gehirn als Informationsverarbeitenden Apparat betrachtet hat, haben mit den Anfängen durch den Physiker Hermann von Helmholz um 1821 – 1894 dazu geführt, über viele Schritte bis heute wissensbasierte Agenten zu Formen und zu entwickeln (et al. Russell, 2023, S.35). Erstaunlich bei all solchen Entwicklungen ist immer die menschliche Beobachtung, als Resultat aber auch die menschliche Umsetzung, die sich jetzt im Zeitalter der Ki scheinbar gefährlich nahe am Menschsein als Wesen und gleichermaßen als Spiegelbild zu positionieren scheint. So als hätte man in den Anfängen der Zeit in den Spiegel geschaut, wäre zunächst erschrocken, habe dann aber erkannt, dass man eine Seele habe, in die man Blicken könne. Seither schaut der Mensch immer tiefere in das eigene Glas, in das eigene Gefäß und zieht immer tiefere Schichten seines Zwiebelförmigen Lebens ans Tageslicht. Tatsächlich ist es diese Tiefe des Seelenlebens, das im Verlauf der Zeit nach außen getragen wird und eine wachsend komplexere Welt zu verstehen gibt. Umgekehrt könnte man auch sagen, mit dem Verlauf und der damit aufbereiteten Wissensvermittlung geht lediglich ein Bewusstsein in die Tiefe menschlicher Existenz vonstatten.

Mensch-Maschine-Schnittstelle

Zentrales Element wissensbasierter Agenten ist, der Reiz muss in eine interne Repräsentation übersetzt werden. Die Repräsentation wird mittels kognitiver Prozesse manipuliert, um daraus neue Manipulationen abzuleiten. Diese werden dann wiederum in eine Aktion, in ein aktives Handeln übersetzt (et al. Russell, 2023, S.35). Eine Funktion, die im Grunde genauso in einem menschlichen Gehirn anzutreffen wäre. Kennth Craik schrieb 1943 in seinem Werk „The Nature of Explanation“ darüber, „Wenn der Organismus ein „kleineres Modell“ der äußeren Realität und seiner eigenen Handlungsmöglichkeiten im Kopf trägt, ist er in der Lage, verschiedene Alternativen auszuprobieren, daraus zu schließen, welche die beste von ihnen ist, auf zukünftige Situationen zu reagieren, bevor sie entstehen, das Wissen über vergangene Ereignisse im Umgang mit der Gegenwart und der Zukunft zu nutzen und in jeder Hinsicht auf eine viel umfassendere, sichere und kompetentere Weise auf alle Situationen zu reagieren, mit denen er konfrontiert ist.“ (Zitat, Craik, 1943, et al. Russell, 2023, S.36).

Doug Engelbart ist einer der Pioniere, der Mensch-Computer-Interaktion. Er vertrat die Idee einer erweiterten Intelligenz, bei der ein Computer die menschlichen Fähigkeiten erweitern sollte, anstatt menschliche Fähigkeiten zu automatisieren. Computermaus, Fenstersystem, Hypertext oder Videokonferenzen gehen auf ihn zurück (et al. Russell, 2023, S.36). Heute verfügen wir über die Gehirn-Maschine-Schnittstelle, die sowohl die Sensorik als auch die motorische Steuerung für die Funktionalität von Gliedmassen übernimmt und damit eine moderne Form von Wiederherstellung einer Lebensqualität ermöglicht (Vgl. et al. Frings, Visionärer Ansatz, 2026) (Vgl. et al. Ferra, Prothesen Gedankenkraft, 2025).

Spätestens seit den 1990er Jahren gab es den Trend Synergie-Effekte zu nutzen. Dabei versuchten Unternehmen Partnerschaften mit Unternehmen einzugehen die eine gewisse Ähnlichkeit in der Produktion aufweisen. Auf diese Weise sollte kostengünstiger produziert werden können. Heute erfolgt eine ähnliche Entwicklung auch in der Künstlichen Intelligenz, wenn man menschliche Entscheidungsfähigkeit mit der künstlichen Zusammen führen möchte (Vgl. et al. Sridharan, klug entscheiden, 2025).

Umgebung für Agenten

Nun ist es auch eine KI, wie man sehen konnte, relativ egal, was ihre Umgebung ist. Die Perzeption, der innere Teil von Anweisungen, die mittels Algorithmen in den Agenten gegeben werden, tun funktional genau das, was sie sollen. Wer sich mit KI-Sprache beschäftigt hat, weiß schon jetzt, was damit gemeint ist. Eine Perzeption besteht aus einer fülle von Anweisungen, die auf Basis einfacher Prädikatenlogik geschrieben sein können. So bsw. Ergibt sich aus dem Ziel Allgemeingültigkeit Mutter = Weiblich und Elternteil eine Möglichkeit für eine Perzeption. Ein um ein Vielfaches reduzierter Satz. In einem Perzept sind viele solche Informationen entsprechend aufbereitet, sodass ein Agent diese abzuarbeiten in der Lage ist.

Um Programme und Software möglichst effizient zu gestalten, werden Umgebungen möglichst definiert und auf arten spezifiziert. Agenten „Denken“ rational. Ein rationaler Agent ist ein Agent, der das Richtige tut. Was richtig und falsch ist, das bestimmt die Ethik. Für diesen Zweck wurde das Konzept des Konsequenzialismus entworfen. Das Verhalten eines Agenten wird anhand seiner Konsequenzen bewertet (et al. Russell, 2023, S.65). Der Agent wird in eine Umgebung gestellt. Generiert anhand empfangener Perzepte eine Folge von Handlungen. Es erfolgen Handlungssequenzen, bei denen eine Abfolge von Zuständen umgesetzt wird. Dabei bildet die Umgebung die Aufgabenstellung für den Agenten, die als Perzepte gelistet werden. Durch die Aufgabenstellung müssen demnach Probleme gelöst werden. Ist die Folge, die abgearbeitet wurde, wünschenswert, dann hat der Agent eine gute Leistung erbracht. Der Begriff der Erwünschtheit geht als Leistungsmaß in die Verhaltensmessung des Agenten über (et al. Russell, 2023, S.65). Das Leistungsmaß von Agenten wird daher auf Basis der Umgebung bestimmt. Die Art dieser Aufgabenumgebung wirkt sich darauf aus, welchen Entwurf von Lösungen die Agentensoftware wählen wird, welche geeignet erscheint (et al. Russell, 2023, S.68).

Nimmt man als Beispiel den schon gut bekannt gewordenen Staubsaugerroboter, dann muss dem Roboter zunächst die Spezifizierung er Aufgabenumgebung vermittelt werden. Das geschieht über Leistungsmasse. Deren Beschaffenheit in Performance, Umgebungsbedingung, Aktuatoren und Sensorik sowie auch die erforderliche Leistung.

In einem weiteren schritt sind die Eigenschaften der Aufgabenumgebungen zu bestimmen. Das technische Handbuch Künstliche Intelligenz bietet hier ein Beispiel, das schon sehr Aussagekräftig sein sollte und eine Vorstellung auf viele andere Anwendungen zulassen sollte.

Agentetyp	Leistungsmass	Umgebung	Aktuatoren	Sensoren
PackRoboter für Werkstücke	Prozentsatz der Werkstücke in korrekten Behältern	Förderband mit Werkstücken; Behälter	Gelenkarm und -hand	Hochauflösende Digitalkamera

Tabelle Beispiele für Agententypen (et al. Russell, 2023, S.70)

Mittels einer einfachen, bzw. stark reduzierten Beschreibung über die Struktur von Agenten soll mit dem Thema ein Abschluss gefunden werden. Alle weitere Agentenbeschreibungen sind Subsysteme, auf die im speziellen einzugehen wäre. Sicherlich noch an anderer stelle.

Die Struktur eines Agenten kann man kurz mit der einfachen Gleichung beschreiben → Agent = Architektur + Programm. (et al. Russell, 2023, S.73). Agentenprogramme nehmen ein aktuelles Perzept als Eingabe über Sensorgen entgegen, und geben eine Aktion an die Aktoren zurück (et al. Russell, 2023, S.74). Dabei werden aktuell vier Agententypen unterschieden.

– Einfach Reflexagenten

– Modellbasierte Reflexagenten

– Zielbasierte Agenten

– Nutzenbasierte Agenten

Der einfache Reflexagent

Den einfachen Reflexagenten kann man vielleicht mit einen egozentrischen Verhalten vergleichen. Der Agent, im Beispiel der Staubsauger, arbeitet sein Perzept ab, sein Program. Er geht, rollt oder wie auch immer, seine Bahnen, nimmt Schmutz auf wie sein Leistungsperzept vorgegeben ist.

Der modellbasierte Reflexagent

Den modellbasierten Agenten könnte man vielleicht tatsächlich mit einem Menschen vergleichen, der in der Lage ist Objektiv zu denken. Er, oder die Agentin, sie wird ohne Geschlecht bleiben, interagiert bereits mit seiner Umwelt. Sie ist eine Beobachterin und ihre Besonderheit ist, sie führt Buch über die Teile ihrer Umwelt die sie nicht unmittelbar sieht. Sie verwaltet einen internen Zustand der von der Geschichte, der Perzepthistorie abhängt. Das beobachtete wird aufgezeichnet, Positionen anderer Teilnehmer oder Agenten werden gemerkt. Damit sucht sich der Agent, z. B. Ein Fahrzeug, den Weg für den es vorgesehen wurde.

Die Agentin benötigt einen Dauerhaften Verlauf an Informationen wie sich die Umwelt neu organisiert. Wie genau diese Perzepthistorie verläuft hängt den ihr angegebenen Parameter, in Form aufzuzeichnender Ereignisse ab. Hinzu kommt, eine für die Agentin eigens geforderte Geschichte ihrer geforderten Bewegung. Sowohl sie selbst als auch ihre sich ständig veränderte Umwelt gleichen sich dauerhaft ab und stimmen sich ab (et al. Russell, 2023, S.78).

Der Zielbasierte Agent

Ob ein Taxi an der nächsten Strassenkreuzung links abbiegt, rechts oder gar gerade aus, das ist zunächst unbekannt. Aufbauen auf den modellbasierten Agenten hat der zielbasierte Agent ein festes Ziel. Während die modellbasierte Agentin nur das aktuelle Geschehen aufzeichnet und darauf agiert, bzw. interagiert, sind für einen Vorgang der in Ziel beinhaltet andere Optionen möglich. Z.B. sich den besten oder geeignetsten Weg zu suchen (et al. Russell, 2023, S.79).

Nutzenbasierte Agenten

Wir nehmen an, ich habe eine Zieladresse. Möchte aber kurzfristig zwei oder drei mal andere, vielleicht auch naheliegende Orte anpeilen, bevor ich letztlich zu meinem Ziel kommen möchte. Damit verbindet sich der bekannte Gedanke der ressourcenschonenden Möglichkeit. Ich will diese Wege also dennoch, auch noch effizient ansteuern und muss dabei auch immer meine Umgebung im Blick haben. Darüber hinaus muss ich noch davon ausgehen, das die Orte über die ich meinen Weg kurzfristig wähle und mir durchaus bekannt sind. Möglicherweise erwartet mich Verkehr, ich überlege vielleicht eine andere Route. Heute denken Menschen aufgrund der Möglichkeit von Navigationen kaum mehr auf diese Weise. Bei einem Agenten darf ich den Gedanken zur Vermittlung aber noch einmal vornehmen, weil Entwickler die Möglichkeiten für die Ki auf diese Weise anbieten.

D.h. ich treffe beim Nutzenbasierten Agenten nicht nur auf die vorausgegangenen, sondern treffe hier auf eine Erweiterte Form an. Ein Agent der die umfassende Umgebung kennt in der ich mich bewegen möchte. Aber auch andere Umgebungen mit aufnehmen kann (Vgl. et al. Riedel; Unsicherheiten, 2025).

Ich denke man kann schon erahnen wohin das führt. Fahrzeuge auf heutigen Strassen sind bereits in allen Momenten ihrer Position sowohl sensorisch wie aktorisch erreichbar. Was nicht geht, nicht möglich ist, das wird weniger technisch problematisch sein, vielmehr politisch, organisatorisch, regelungstechnisch zu klären sein. Der Nutzenbasierte Agent kann daher schon auf ein qualitativ hochwertiges Verhalten zurück greifen. Die Autoren beschreiben den Vorgang zutreffender. „Ein allgemeines Leistungsmass bietet den Vergleich verschiedener Zustände der Welt danach zu erlauben, wie glücklich man einen Agenten machen würde“. Ein Leistungsmass bestimmt die Möglichkeit und Folgen von Umgebungszuständen, wie immer diese, informatisch-mathematisch beschrieben werden. Die Umsetzung erfolgt nach Punktzahlen die zugewiesen werden (et al. Russell, 2023, S.80).

Intuitives menschliches erfassen

Agenten kann man also durchaus intuitiv erfassen. Das kann man auch mit anderen technologischen Dingen. Aber, die KI ist schon sehr nahe an klassischen menschlichen Verhaltensweisen und wird daher auch genau diese Spiegelungen zeigen. Es ist gut oder Empfehlenswert sich damit zu befassen, damit man, wie man es im richtigen Leben mit anderen Menschen auch tut, diese kennen lernen, oder aus der gemeinsamen Arbeit oder Beschäftigung heraus auch tun würde. An vielen Stellen ist die Entwicklung und Erforschung der KI über Fahrzeuge verlaufen. Es dürfte daher relativ einfach sein, sich anstelle eines Fahrzeuges einen Menschen mit smarter Kleidung vorstellen zu können. Als Gesamtpacket ein Agent, eine Agentin der, die mit seinem/ihrem Umfeld interagiert.

Quellen

Voigt, Uwe (Hrsg.); Rathmann, Joachim; Natürliche und Künstliche Intelligenz im Anthropozän; WBG Academic Verlag; 2021

Russell, Stuart; Norvig, Peter; Künstliche Intelligenz – Ein moderner Ansatz; 4. Aktualisierte Auflage; Verlag Pearson Deutschland, 2023

Paulus, Markus; Schuwerk, Tobias; Kleinkinder haben kein Verständnis von Moral, 2024
http://de.gate-communications.com/kleinkinder-haben-kein-verstaendnis-von-moral/

Kelsey Lucca u.a.: Infants’ Social Evaluation of Helpers and Hinderers, A Large Scale, Multi-Lab, Coordinated Replication Study. In: Developmental Science 2024.
(https://doi.org/10.1111/desc.13581)

Kintz, Maximilien; Unterstützung beim erfolgreichen Einsatz von KI-Agenten, 2026

http://de.gate-communications.com/unterstuetzung-beim-erfolgreichen-einsatz-von-ki-agenten/

Bechtloff, Benjamin; Wirtz, Tim; Agenten der KI optimieren Sortimente im Handel, 2026
http://de.gate-communications.com/agenten-der-ki-optimieren-sortimente-im-handel/

Möckl, Leonhard; Wenn Zellen ihr Inneres nach außen tragen; 2026
http://de.gate-communications.com/wenn-zellen-ihr-inneres-nach-aussen-tragen/

Moonnukandathil Joseph, D., Yurekli, N., Fritsche, S. et al. Glycan atlassing enables functional tracing of cell state. Nat. Nanotechnol. (2026).
DOI: https://doi.org/10.1038/s41565-026-02151-y

Frings, Christian; Beste, Christian; Visionärer Ansatz für Hirn-Computer-Schnittstellen, 2026
http://de.gate-communications.com/visionaerer-ansatz-fuer-hirn-computer-schnittstellen/

Ferrea E, Morel P, Gail A; Prothesen durch Gedankenkraft steuern, 2025http://de.gate-communications.com/prothesen-durch-gedankenkraft-steuern/

Ferrea E, Morel P, Gail A (2025): Frontal and parietal planning signals encode adapted motor commands when learning to control a brain-computer interface. PLoS Biology 23(9): e3003408. https://doi.org/10.1371/journal.pbio.3003408

Sridharan, Mohan; Şimşek, Özgür; Katsikopoulos, Konstantinos; Wie Menschen, Tiere und Maschinen klug entscheiden können, 2025http://de.gate-communications.com/wie-menschen-tiere-und-maschinen-klug-entscheiden-koennen/

Riedel, Frank; de Bock, Jasper; Nendel, Max; Mit Unsicherheiten rechnen, 2025http://de.gate-communications.com/mit-unsicherheiten-rechnen/

Bildquelle
Tookapic Pixabay