DeepSeek stellt neue Architektur vor: Ein KI-Modell orchestriert mehrere KI-Agenten

Das chinesische KI-Startup DeepSeek hat eine neue KI-Agenten-Architektur veröffentlicht, bei der ein KI-Modell mehrere KI-Agenten zur Aufgabenerledigung steuert und so ein virtuelles Team aus KI-Agenten simuliert.

Laut Berichten von Chaoxnews, IT Home und anderen Medien veröffentlichte das DeepSeek-Harness-Team am Samstagabend (31.

Oktober) in seinem offiziellen WeChat-Kanal einen Artikel, in dem es eine KI-Agenten-Architektur namens Super-agent vorstellte.

Dem Konzept zufolge ist KI nicht mehr auf ein einzelnes Chat-Fenster beschränkt, sondern dauerhaft online, bearbeitet mehrere Aufgaben parallel und reagiert proaktiv auf Veränderungen der Umgebung.

Der entsprechende Prototyp wurde als Open Source veröffentlicht, und interne Instanzen laufen bereits im täglichen Entwicklungsbetrieb von DeepSeek.

Das DeepSeek-Team weist darauf hin, dass KI heute immer mehr Aufgaben erledigen kann, die Aufmerksamkeit des Menschen bei der Verwaltung von Aufgaben jedoch nicht im gleichen Maße wächst – eine Person kann in der Regel nur drei bis fünf aktive Sitzungen gleichzeitig verfolgen.

Super-agent soll die Sitzungsverwaltung und Kontextsynchronisierung vom Menschen auf die Systemebene verlagern: Der Mensch legt Ziele fest und nimmt Ergebnisse ab, während Disposition und Ausführung der KI überlassen werden.

Konkret besteht Super-agent aus zwei Ebenen, Router und Worker, ähnlich einem virtuellen Team aus KI-Agenten.

Der Router ist ein kontinuierlich laufender globaler Koordinationsknoten, der Nachrichten von Plattformen wie Gruppenchats und E-Mails zentral entgegennimmt und Aufgaben verteilt; die Worker verfügen jeweils über einen eigenen Kontext und sind für die Reproduktion von Problemen, Code-Reviews und Funktionsentwicklung zuständig und können bei Bedarf Subagenten aufrufen.

Für den Nutzer bleibt es stets derselbe KI-Assistent, hinter dem System arbeiten jedoch möglicherweise mehrere Agenten gleichzeitig.

Darüber hinaus verfügt Super-agent über Proaktivität: Er kann in öffentlichen Gruppenchats still mithören, Probleme eigenständig erkennen und Lösungsvorschläge einreichen.

Das Team merkt jedoch am Ende des Artikels an, dass es keine grundlegend neue Theorie vorgelegt habe, sondern lediglich klassische Konzepte der Computerarchitektur wie Aufgabenplanung, Ereignissteuerung und Trennung von Speicher und Rechenleistung auf die Agenten-Architektur anwende; auch habe das Experiment die tatsächliche Codequalität nicht bewertet.

Da KI für die Erledigung einzelner Aufgaben jedoch immer weniger menschliches Eingreifen benötigt, wird die Frage, wie viele KIs ein Mensch gleichzeitig verwalten kann, zu einem neuen Problem.