Agentensysteme - Dokumentenserver Fakultät für Mathematik und ...

Softwareagenten – Theoretische Betrachtungen
nente verlangt, daß sie rational arbeitet, d. h., daß die sich daraus
ableitenden Handlungen nicht dem Gesamtziel entgegen arbeiten.
Die Technologien dafür kommen meistens aus der klassischen KI
oder beruhen auf dem Einsatz von neuronalen Netzen. Derartige
Agenten sind von ihrer Struktur her den deliberativen Agenten zuzuordnen
und besitzen einen entsprechend komplexen Aufbau.
• Lernfähigkeit / Adaption
Agenten mit der Fähigkeit, aus den bisherigen Daten zu lernen, d. h.
sich an ihre Umwelt anzupassen (Adaption), setzen normalerweise
Schlußfolgerungsmechanismen voraus. Die Konsequenzen aus den
Schlußfolgerungen werden von diesen Agenten nicht nur in Aktionen
mit der Umwelt umgesetzt, sondern auch zur Anpassung des internen
Modells. Agenten für das Information Retrieval könnten z. B. ihr
Profil anpassen, wenn der Benutzer durch Feedback die Relevanz
der bisher vom Agenten gelieferten Dokumente einschätzt.
• Kontinuierliche Ausführung (engl. temporal continuity)
Ein Agent ist normalerweise über einen längeren Zeitraum aktiv, arbeitet
dabei im Hintergrund und kann bei Bedarf den Benutzer über
den aktuellen Zustand informieren. Damit hebt er sich von einfachen
Programmen ab, die auf eine bestimmte Eingabe mit einer entsprechenden
Ausgabe reagieren und dann ihre Arbeit beenden.
Mit Hilfe der o. g. Kriterien lassen sich Agenten bzgl. ihrer Eigenschaften
sehr genau einordnen und nach jeder einzelnen Komponente vergleichen
bzw. zusammenfassen. Problematisch wird jedoch eine Übersicht
nach dieser Einteilung, da für jedes Merkmal eine Dimension erforderlich
ist. Aus diesem Grund haben z. B. Gilbert et al. in [Gil95], Nwana in
[Nwa96] und Brenner et al. in [Bre98, S. 33 ff.] jeweils drei der ihnen am
wichtigsten erscheinenden Eigenschaften ausgewählt und die anderen
Merkmale diesen untergeordnet. Die Variante des letztgenannten Autors
möchte ich stellvertretend für die anderen Lösungen vorstellen.
Die ausgewählten Kategorien entsprechen in etwa denen von Gilbert et
al. Der einzige Unterschied besteht darin, daß Gilbert et al. anstelle der
Anzahl von Agenten das Merkmal Agency verwendet, welches den Grad
der Interaktion angibt und damit auch in etwa mit der Anzahl von Agenten
gleichgesetzt werden kann. Im Gegensatz zu Gilbert et al. ist die
Achseneinteilung mit jeweils zwei Werten recht grob angegeben und
eignet sich daher eher für die Zuordnung von Agenten zu bestimmten
Oberklassen. Für feinere Unterscheidungen zwischen einzelnen Agenten
sollte daher eine Einteilung wie in Gilbert et al . herangezogen werden.
Von den restlichen Eigenschaften von Agenten können die Reaktivität,
Proaktivität, Schlußfolgerung und Lernfähigkeit auf der Intelligenzachse
abgebildet werden, Kommunikation und Kooperation hängen eng
mit der Anzahl der Agenten im System zusammen und die Autonomie
korreliert mit der Mobilität.
14