Neue Debatten-Engine stärkt ethisches Lernen mit KI

Large Language Models (LLMs) werden zunehmend als eigenständige Agenten eingesetzt, um komplexe Denkaufgaben zu lösen. Dabei stoßen Multi-Agent-Systeme jedoch häufig auf semantische Abweichungen und logische Schwächen, die sie für präzises ethisches Coaching ungeeignet machen. Ein zentrales Problem besteht darin, doktrinäre Genauigkeit zu gewährleisten, ohne die notwendige generative Flexibilität für dialektische Argumentation einzuschränken.

Die neu entwickelte Heterogeneous Debate Engine (HDE) löst dieses Dilemma, indem sie eine kognitive Architektur nutzt, die Identity‑Grounded Retrieval‑Augmented Generation (ID‑RAG) mit Heuristic Theory of Mind kombiniert. ID‑RAG sorgt für doktrinäre Treue, während die Heuristik des Theory of Mind strategische Gegnermodelle ermöglicht.

In einer umfangreichen Evaluation zeigte sich, dass die architektonische Heterogenität entscheidend für die Stabilität ist: Konträre Doktrinen wie Deontologie versus Utilitarismus steigerten die Argumentkomplexität der Lernenden um ein Vielfaches im Vergleich zu Standardansätzen. Diese Ergebnisse bestätigen die Wirksamkeit von ID‑RAG und Heuristic ToM als wesentliche Bausteine für hochpräzises, adversariales Lernen.