Der Begriff Multi-Agent System ist noch jung. Trotzdem bieten wir mit sunrAI bereits seit über eineinhalb Jahren eine Lösung basierend auf diesem Konzept. Nun begrüßen wir auch Microsoft im Club der Multi-Agent Frameworks! 🦸🦸🦸

Anfang November 2024 hat Microsoft Magentic-One angekündigt. Ein Forschungsprojekt für ein "generalistisches agentenbasiertes System" zur Lösung komplexer, mehrstufiger Aufgaben. Es wurde zusammen mit dem Evaluierungstool AutoGenBench auf GitHub veröffentlicht.

Hier tauchen Begriffe auf wie „Orchestrator”, „WebSurfer“, „FileSurfer”, „Coder“ oder „ComputerTerminal”. Das klingt doch sehr vielversprechend! Und wir freuen uns, dass hier Bewegung in ein Thema kommt, das wir als DAS Zukunftsthema bei komplexen Unternehmenslösungen für Prozessunterstützung sehen!

“The future of AI is agentic.”

So die einleitenden Worte des Research Teams. Wir könnten nicht mehr zustimmen! Trotzdem wird der Begriff der AI-Agents bei Microsoft, AWS und Google als vertikale Antwort gesehen. Hier unterscheidet sich unser Ansatz. Denn die fehlende Spezialisierung und das dafür notwendige Wissen aus den Unternehmen, die diese Agents benötigen, wird für die Tech-Giganten zur Herausforderung. Die Hoffnung mancher CIOs, ein Plug & Play Tool á la MS Excel zu bekommen, wird sich zumindest nicht erfüllen.

sunrAI – die Multi-Agent Plattform 🦸🦸🦸 von Digitalsunray – liefert bereits heute Antworten auf Fragen, bei denen Microsoft & Co. wohl noch länger suchen müssen. Denn sunrAI setzt auf granulare Prozessunterstützung. Das Framework selbst ist generalistisch, um Unternehmensdaten übergreifend zu erfassen und zu analysieren. Die Agents sind jedoch hoch spezialisiert. Dazu kommen noch sogenannte „Smart Data“ und Agent Routinen, die mehr ermöglichen als rein generalistische Ansätze.

Auch wenn aktuelle Forschungsprojekte in der Anwendung noch nicht so umfassend sind, zeigt der Ansatz dennoch klar, in welche Richtung es für viele jetzt geht.

Klingt alles noch etwas abstrakt? Hier unsere Top 5 Unterschiede, die sich trotz der Gemeinsamkeit des Multi-Agent-Systems zeigen:

• Agents in Charge: Bei Magentic-One gibt es offensichtlich einen Orchestrator, der die anderen Agents steuert. Auch wir hatten bei sunrAI anfangs diesen Ansatz. Es hat sich aber gezeigt, dass es durchaus Szenarien gibt, wo es mehr als einen „Agent in Charge“ geben kann.
• Vendor Lock-in: Magentic-One nutzt Modelle von Open AI. sunrAI ist Modell-agnostisch, kann also auch Claude, LlaMA oder Mistral nutzen. So gibt es keinen Vendor Lock-in.
• Daten: Das Datenthema wird bei Magentic-One noch nicht sehr umfangreich gedacht. Bei sunrAI ist es das zentrale Element. McKisney hat in einem kürzlich erschienenen Artikel darüber berichtet, dass Unternehmen stark auf Effizienz fokussieren, aber Effektivität – also strategische Analyse der erzeugten Daten – noch wenig in Betracht gezogen wird.
  Der holistische Smart Data Ansatz von sunrAI stellt genau diesen Aspekt ins Zentrum!
• Branchenfokus: sunrAI bietet maßgeschneiderte Lösungen für spezifische Industrien, Magentic-One verfolgt einen generalistisch-vertikalen Ansatz
• Anwendungsreife: sunrAI ist bereits in Produktion, Magentic-One wird zwar als revolutionär gefeiert, ist aber ein Forschungsprojekt.

Mehr Details zu sunrAI findest Du hier.

Du hast eine Idee, wie Du KI einsetzen willst oder bist auf noch in der Ideenfindung?
Wir bei Digitalsurnay helfen Dir, Dein KI-Projekt zu verwirklichen und strategisch zu nutzen!

Kontaktiere uns