Inhaltsüberschrift: <h1>LLMs revolutionieren klassische Planer: Neue Paradigmen für große Planungsprobleme</h1>

Die Planung großer, komplexer Aufgaben ist seit langem ein zentrales Problem der KI-Forschung, da die Anzahl möglicher Zustände mit wachsendem Objekt- und Aktionsumfang exponentiell steigt. In den letzten Jahren haben Forscher begonnen, die Leistungsfähigkeit großer Sprachmodelle (LLMs) zu nutzen, um hilfreiche Aktionen und Zustände zu generieren und damit den Suchraum zu verkleinern. Bisher wurde jedoch kaum untersucht, wie LLMs mit domänenspezifischem Wissen kombiniert werden können, um gültige Pläne zu garantieren.

In der vorliegenden Arbeit wird ein neuer, LLM‑unterstützter Planer vorgestellt, der zunächst große Planungsprobleme in mehrere einfachere Teilaufgaben zerlegt. Anschließend werden zwei innovative Ansätze zur Einbindung von LLMs präsentiert: LLM4Inspire, das allgemeines Wissen nutzt, um heuristische Richtlinien zu geben, und LLM4Predict, das domänenspezifisches Wissen einsetzt, um Zwischenbedingungen abzuleiten. Durch diese Kombination kann der Planer den Suchraum gezielt partitionieren und gleichzeitig die Plausibilität der generierten Pläne sicherstellen.

Die experimentellen Ergebnisse, die in verschiedenen Domänen erprobt wurden, zeigen, dass LLMs besonders effektiv sind, wenn sie zur Reduktion des Suchraums eingesetzt werden. Dabei erwies sich LLM4Predict – die Einbindung von domänenspezifischem Wissen – als besonders vielversprechend, während LLM4Inspire vor allem allgemeine Richtlinien liefert. Diese Erkenntnisse legen nahe, dass die Kombination aus Problemzerlegung und gezielter LLM‑Nutzung einen bedeutenden Fortschritt bei der Lösung großer Planungsaufgaben darstellt.