Reasoning: Das rationale „Denken“ der generativen KI

Reasoning-Engines sind das Kronjuwel von KI. Wie sie funktionieren und welche Business-Vorteile sich daraus ergeben erfahren Sie in diesem Beitrag.

Ein neuer Anglizismus setzt sich in der deutschen IT- und KI-Welt durch: Reasoning. Die Übersetzungen für dieses Wort sind je nach Plattform unterschiedlich: Logik, Argumentation und Kombination werden am häufigsten genannt. Jedes trifft mehr oder minder auf die Bedeutung in der KI-Welt zu, denn mit Reasoning wird das logische oder rationale Denken innerhalb der generativen KI bezeichnet. Diese klare Zuordnung hat dazu geführt, dass sich Reasoning schon in kurzer Zeit im deutschen KI-Sprachgebrauch durchgesetzt hat. Was aber bedeutet Reasoning, also logisches Denken innerhalb von KI?

Reasoning ermöglicht KI-Systemen, unvollständige oder mehrdeutige Informationen unter Beibehaltung logischer Genauigkeit zu bewerten. Das ist notwendig, um KI-Problemlösungen, -Entscheidungsfindungen und -Automatisierungen zu unterstützen. KI-Reasoning-Engines sind das Kernelement jeder KI-Technologie. Sie ermöglichen eine neue Qualität an Ergebnissen und machen GenAI-Lösungen besser anpassbar, beispielsweise an branchenspezifische und unternehmensindividuelle Vorgaben. Hierzu verarbeiten sie riesige Datenmengen, erkennen darin Muster und entdecken Zusammenhänge. Und zwar viel schneller und präziser als menschliche Teams. Zusammenfassend lässt sich sagen: KI-Reasoning ermöglicht es der KI, strukturierte Logik anzuwenden, Wahrscheinlichkeiten zu analysieren und Schlussfolgerungen für komplexe Problemlösungen zu verfeinern.

Atlas, die Reasoning-Engine von Agentforce

Eine der derzeit leistungsstärksten Reasoning-Engines ist Atlas. Das ist die „Denkfabrik“ von Agentforce, der Agentic-AI-Plattform von Salesforce. Bevor Agentforce im Herbst 2024 auf den Markt kam, verfügte die Salesforce-KI über keine echte, unternehmenstaugliche Reasoning-Engine, die Rohdaten und Metadaten in intelligente Aktionen transformiert, um menschliches Denken nachzuahmen oder gar zu übertreffen.

„Atlas kombiniert jetzt Modelle, Daten, Geschäftslogik, Ereignisse und Workflows zu einer einheitlichen kognitiven Architektur“, sagt Phil Mui, Senior Vice President of Technology and Head of Products and Engineering im AI Research Lab von Salesforce. Er vergleicht die Funktion von Atlas mit dem Buch „Schnelles Denken, langsames Denken“ von Daniel Kahneman. „Die Atlas Reasoning Engine arbeitet wie das duale Denkmodell des Menschen: manchmal müssen wir schnell reagieren – manchmal können uns einen Moment Zeit nehmen und tiefer nachdenken, um komplexere Lösungen zu finden.“

Die Folge ist, dass bei Atlas die Halluzinationsrate deutlich zurückgeht. „Wir alle wissen, dass LLMs bei unpräzisen Anfragen halluzinieren können“, sagt Claire Cheng, Vice President of Machine Learning and Engineering bei Salesforce. „Durch den Zugriff auf die Geschäftsdomäne und die Kundendaten liefert Atlas jedoch besser personalisierte und relevantere Antworten, die im Kontext der Anfrage stehen“, führt sie weiter aus.

Flexibel an viele Aufgaben anpassbar

Ein weiteres Plus der Atlas Reasoning Engine ist, dass sie aufgrund ihrer guten Anpassbarkeit in unterschiedlichen Branchen und Anwendungen zum Einsatz kommen kann. Beispiele dafür sind:

• Chatbots. Anstatt statische Entscheidungsbäume zu verwenden, versteht Atlas Inhalte und Kontexte von Gesprächen oder Fragen und ermöglicht so die Bereitstellung sinnvoller Hilfe und Informationen.

• Helpdesk. Hier kombiniert Atlas die technische Diagnose mit der Interpretation gemeldeter Verhaltensweisen, um Probleme zu diagnostizieren und selbstständig Korrekturmaßnahmen zu ergreifen.

• Betrugserkennung. Atlas verarbeitet enorme Mengen an Transaktionsdaten und identifiziert potenziellen Betrug oder andere Verstöße.

• Personalisierung. Atlas erstellt Nachrichten und empfiehlt gezielt Produkte, die auf nachgewiesenem Verhalten und bekannten Präferenzen basieren.

• Medizinische Diagnose. Mithilfe umfangreicher medizinischer Wissensdatenbankdaten erfasst und analysiert Atlas Patientensymptome, Telemetriedaten und Bilder, um damit Diagnosen zu erstellen und weitere Maßnahmen vorzuschlagen.

• Prozessoptimierung. Atlas kann dynamische Änderungen an Arbeitsabläufen, Lagerbeständen und Logistik vornehmen, um Fertigung, Versand, Wartung und Lieferkettenabläufe zu verbessern.

• Dokumentenanalyse. Atlas prüft Verträge und andere Rechtsdokumente, um Inhalte zusammenzufassen und Fehler, Konflikte oder Risiken zu identifizieren, die einer menschlichen Überprüfung möglicherweise entgehen.

Demnächst: Agenten-Kollaboration und interdisziplinäres Denken

Mit der Weiterentwicklung von KI werden Reasoning-Engines eine entscheidende Rolle bei der Verbesserung der Fähigkeiten autonomer Systeme spielen. Phil Mui prognostiziert, dass KI-Agenten immer kompetenter werden und zu domänspezifischen Experten heranreifen, die eine heute kaum vorstellbare Leistungsfähigkeit erreichen werden. Ein weiteres Entwicklungsfeld sind Multi-Agenten-Systeme und kollaborative KI. Durch die Koordination von spezialisierten Agenten lassen sich bald wesentlich komplexere Herausforderungen bewältigen, die vielfältiges Fachwissen aus verschiedenen Disziplinen erfordern – von der Lieferkettenoptimierung bis hin zur personalisierten Gesundheitsversorgung.

Schon bald werden Reasoning-Engines auch die Voraussetzungen dafür schaffen, dass mehrere Agenten an verschiedenen Projekten zusammenarbeiten. Ein Marketingexperte, der ein neues Produkt auf den Markt bringt, könnte beispielsweise einen Reasoning-basierten Agenten für den Aufbau einer Kampagne einsetzen. Der Agent würde mit Outbound-Agenten zusammenarbeiten, um die Kampagne über alle relevanten Kanäle zu verbreiten, Kunden bei Fragen anzusprechen und sie anschließend an vertriebsorientierte Agenten weiterleiten, um die Transaktion abzuschließen.