Seminar Agentic AI Engineering – Research Agents und Quellenvalidierung

Dieses Seminar entwickelt Rechercheagenten, die Suchaufgaben zerlegen, Evidenz sammeln, Widersprüche erkennen und Aussagen nachvollziehbar absichern. Qualität entsteht durch Quellenstrategie, strukturierte Extraktion und explizite Verifikation statt durch möglichst lange Zusammenfassungen. Die Teilnehmenden bauen Rechercheabläufe, die Unsicherheit sichtbar machen, doppelte oder abhängige Quellen erkennen und zwischen Fakten, Schlussfolgerungen und offenen Fragen unterscheiden.

Einordnung und Nutzen

Agentische Systeme verbinden probabilistische Modellentscheidungen mit deterministischen Softwarekomponenten. Deshalb behandelt das Seminar Architektur, Implementierung, Sicherheitsgrenzen und überprüfbare Qualität gemeinsam. Technische Entscheidungen werden an realistischen Fehlerszenarien und nicht nur am erfolgreichen Idealablauf bewertet.

Zielgruppe

AI Engineers, Knowledge Engineers, Analysten mit Programmiererfahrung und Entwickler wissensintensiver Recherchelösungen.

Voraussetzungen

Erfahrung mit LLM-Anwendungen, APIs und strukturierten Daten; Grundlagen von Informationssuche sind hilfreich.

Seminarinhalte

• Recherchefragen in prüfbare Teilfragen und Suchpläne zerlegen
• Suchwerkzeuge, interne Wissensquellen und Datenbanken kombinieren
• Quellenqualität, Aktualität, Unabhängigkeit und Primärnähe bewerten
• Aussagen, Evidenz und Unsicherheit strukturiert repräsentieren
• Widersprüche, Informationslücken und zeitliche Gültigkeit behandeln
• Duplikate, Zitationsketten und scheinbare Mehrfachbestätigung erkennen
• Retrieval und Extraktion gegen Prompt Injection absichern
• Quellenabdeckung, Faktentreue und Recherchekosten evaluieren
• Menschliche Prüfung für sensible Entscheidungen integrieren

Praxisprojekt

Die Teilnehmenden implementieren einen Research Agent, der eine komplexe Fragestellung bearbeitet, Evidenz in einer Claim-Matrix ordnet und bei widersprüchlichen oder unzureichenden Belegen gezielt nachrecherchiert oder eskaliert.

Lernziele

Die Teilnehmenden bauen Rechercheabläufe, die Unsicherheit sichtbar machen, doppelte oder abhängige Quellen erkennen und zwischen Fakten, Schlussfolgerungen und offenen Fragen unterscheiden. Außerdem können die Teilnehmenden Architekturentscheidungen begründen, typische Fehlerbilder diagnostizieren und geeignete Tests sowie Kontrollpunkte für den eigenen Einsatzkontext festlegen.

Arbeitsweise

Kurze Theorieblöcke wechseln mit Demonstrationen, Entwurfsaufgaben und Übungen am System. Zwischenergebnisse werden gemeinsam überprüft; Alternativen, Grenzen und betriebliche Auswirkungen werden transparent diskutiert. Das Praxisprojekt verbindet die Einzelthemen zu einer konsistenten Lösung.