ABSTRAL: Automatisches Design von Multi-Agenten-Systemen iterativ verfeinern

ABSTRAL ist ein neues Framework, das die Architektur von Multi-Agenten-Systemen (MAS) als sich ständig weiterentwickelndes, natürlichsprachliches Dokument behandelt. Durch iterative Verfeinerung und kontrastive Spurenauswertung wird das Design kontinuierlich optimiert.

Die ersten Ergebnisse zeigen, dass Ensembles bei festen Rundenbudgets nur 26 % Rundeneffizienz erreichen und 66 % der Aufgaben das Limit erschöpfen. Trotzdem übertreffen sie Ein-Agenten-Baselines, weil sie parallele Aufgaben­zerlegungen entdecken.

Ein weiterer Befund ist die Übertragbarkeit von Designwissen: Topologie‑Logik und Rollen­vorlagen, die in einem Bereich gelernt wurden, liefern in neuen Domänen einen sofortigen Vorsprung. Übertragene Startwerte erreichen in einer einzigen Iteration die Leistung, die bei einem kalten Start erst in Iteration 3 erreicht wird.

Durch kontrastive Spurenauswertung werden zudem Spezialrollen identifiziert, die in der ursprünglichen Entwurfsphase nicht vorhanden waren – eine Fähigkeit, die bisherige Systeme nicht bieten. Auf dem SOPBench‑Datensatz erzielt ABSTRAL mit einer GPT‑4o‑Basis 70 % Validierungs‑ und 65,96 % Test‑Durchführungsrate. Die finalen, verfeinerten Dokumente werden als überprüfbare Design‑Rationale veröffentlicht.