Lehrinhalte
Das Modul vermittelt die Grundlagen von AI Agenten und digitaler Identitäten.
Die Vorlesung „AI Agents“ beginnt mit einer Einführung in die Konzepte, Architekturen und Anwendungsfelder intelligenter Agentensysteme mit besonderem Fokus auf moderne Entwicklungen im Bereich der Large Language Models (LLMs). Sie beginnt mit der Einführung grundlegender Begriffe und Definitionen, Agententype wie reaktive, deliberative und hybride Agenten, klassische und moderne Agentenarchitekturen sowie Kommunikations- und Interaktionsschnittstellen. Ziel ist es, ein solides Verständnis der strukturellen und funktionalen Grundlagen von KI-Agenten zu schaffen. Darauf aufbauend widmet sich die Vorlesung speziell den technischen Grundlagen LLM-basierter Agentensysteme. Im Zentrum stehen Konzepte wie Prompt Engineering, Function Calling, Retrieval-Augmented Generation, Multimodalität und Chain-of-Thought Reasoning zur schrittweisen Problemlösung. Die Rolle von Reinforcement Learning in der Entscheidungsfindung, insbesondere im Zusammenspiel mit LLMs, wird ebenso behandelt wie Fragen der Belohnungsmodellierung, Handlungsplanung und Anpassung an dynamische Umgebungen. Ein weiterer Schwerpunkt liegt auf der Integration und Steuerung von KI-Agenten über Schnittstellen und Protokolle wie das Model Context Protocol (MCP) oder die OpenAI-API. In einem eigenen Themenblock werden Kooperations- und Koordinationsmechanismen in Multi-Agentensystemen behandelt, die es mehreren KI-Agenten ermöglichen, arbeitsteilig zu planen, Wissen auszutauschen und gemeinsam komplexe Aufgaben zu lösen. Die Vorlesung ist praxisorientiert und wird durch konkrete Beispiele und Übungen begleitet. Dabei kommen aktuelle Entwickler- und Ausführungsplattformen wie LangChain, AutoGen, CrewAI und Semantic Kernel zum Einsatz. Anhand dieser Werkzeuge lernen die Studierenden, wie KI-Agentensysteme modelliert, implementiert und getestet werden können. Auch bestehende Umsetzungen wie AutoGPT oder BabyAGI werden analysiert, miteinander verglichen und hinsichtlich ihrer Architektur, Leistungsfähigkeit und praktischen Relevanz eingeordnet. Neben den technischen Inhalten werden auch übergreifende Themen behandelt, die für die Entwicklung und den Einsatz von KI-Agenten in der Praxis von zentraler Bedeutung sind. Dazu zählen Fragen der Erklärbarkeit und Transparenz von Entscheidungen, ebenso wie sicherheitsrelevante Aspekte wie die Identitätsverwaltung von KI-Agenten. Ergänzt wird dies durch eine kritische Auseinandersetzung mit ethischen und gesellschaftlichen Fragestellungen, insbesondere im Kontext autonomer Entscheidungen, Verantwortung und Vertrauen in KI-Agentensysteme. Auch Aspekte wie die Skalierbarkeit und Ressourcennutzung, etwa im Hinblick auf Rechenleistung, API-Kosten oder Energieeffizienz, sowie Überlegungen zur Softwarearchitektur und zum Deployment werden thematisiert.
Im Bereich der digitalen Identitäten erfolgt zunächst eine Begriffsklärung und die Identifikation von Herausforderungen bei der Implementierung digitaler Identitäten. Es folgt ein Überblick über wichtige Basiskonzepte wie Authentifizierung und Autorisierung, Kryptographie, digitale Signaturen und Zertifikate. Anschließend werden verschiedene Grundkonzepte des Identity Managements vorgestellt, wie zentrale, föderierte und dezentrale Systeme. Außerdem werden verschiedene Systeme und Standards des Identity Managements betrachtet, wie z.B. Single Sign On, Multifaktor-Authentifizierung, OAuth, SAML und OpenId Connect. Im letzten Teil werden fortgeschrittene Ansätze des Identity Managements wie Self-Sovereign Identity, Zero-Knowledge-Proofs und Blockchains behandelt.
