Agentische Suche

Agentische Suche ist ein Abrufansatz, bei dem ein KI-Agent (typischerweise angetrieben von einem umfangreichen Sprachmodell) aktiv einen mehrstufigen Suchprozess plant und durchführt, anstatt eine einzelne, statische Abfrage vorzunehmen. Der Agent zerlegt eine Query, entscheidet, welche Quellen oder Tools zu konsultieren sind, führt mehrere Suchen durch, bewertet das Gefundene und verfeinert seinen Ansatz in einer Schleife, bis er genügend Informationen für eine Antwort gesammelt hat.

Kurz gesagt: Die traditionelle Suche ruft oft nur einmal ab; die agentische Suche schlussfolgert, ruft ab und ruft erneut ab, bis die Frage wirklich beantwortet ist.

Wie die agentische Suche funktioniert

Die agentische Suche ersetzt den einzelnen Schritt „Query rein, Ergebnisse raus“ durch eine iterative Schleife, die der Agent steuert:

1. Verständnis der Absicht: Der Agent interpretiert, was der Nutzer tatsächlich möchte, einschließlich impliziter Einschränkungen und des zugrunde liegenden Ziels hinter der wörtlichen Query.
2. Planung und Zerlegung: Komplexe Fragen werden in kleinere Teilfragen oder Aufgaben zerlegt, die unabhängig voneinander recherchiert werden können.
3. Tool- und Quellenauswahl: Der Agent wählt aus, wo er suchen soll, und wählt aus einem Web-Suchindex, einer Vektordatenbank, einer internen Wissensdatenbank, einer strukturierten API oder einer Kombination davon.
4. Iterativer Abruf: Der Agent führt Suchen durch (manchmal parallel, manchmal sequenziell) und liest die Ergebnisse.
5. Bewertung: Der Agent beurteilt, ob das abgerufene Material relevant, ausreichend und vertrauenswürdig ist, und identifiziert Lücken oder Widersprüche.
6. Verfeinerung: Basierend auf dieser Beurteilung formuliert der Agent Querys neu, geht tiefer oder erkundet einen neuen Blickwinkel und wiederholt die Schleife nach Bedarf.
7. Synthese: Sobald der Agent genügend Informationen hat, kombiniert er seine Erkenntnisse zu einer kohärenten Antwort und zitiert dabei oft seine Quellen.

Ein wesentliches Merkmal ist die Reflexion, bei der der Agent erkennen kann, wann eine Antwort unvollständig oder wenig zuverlässig ist, und beschließt, erneut zu suchen, bevor er eine Antwort zurückgibt.

Agentische Suche im Vergleich zur Keyword- und semantischen Suche

• Keyword-Suche (lexikalische Suche) gleicht die wörtlichen Begriffe einer Query mit Dokumenten ab, typischerweise ohne eine explizite mehrstufige Planungsschleife.
• Semantische Suche verwendet Embeddings, um die Bedeutung statt exakter Wörter abzugleichen, und gibt die ähnlichsten Passagen zurück. Dies wird oft als einzelner Abrufdurchgang implementiert.
• Standard-Retrieval-Augmented Generation (RAG) ruft oft einmalig relevanten Kontext ab und übergibt ihn einem LLM, um eine Antwort zu generieren, obwohl es auch iterative Varianten gibt.
• Agentische Suche fügt diesen Techniken Autonomie und Iteration hinzu. Der Agent kann die Keyword- oder semantische Suche als Tools nutzen, entscheidet aber, wie oft er sucht, wonach er als Nächstes sucht und wann er fertig ist.

Die agentische Suche ist eng mit dem agentischen RAG verwandt; der Unterschied liegt hauptsächlich in der Schwerpunktsetzung. Die agentische Suche beschreibt das autonome, mehrstufige Abrufverhalten, während das agentische RAG eine vollständige Pipeline beschreibt, die dieses Verhalten mit der Antwortgenerierung kombiniert.

Wo die agentische Suche angewendet wird

• KI-Antwort-Engines und „Deep-Research“-Tools: Synthetisieren Informationen aus vielen Quellen, bevor sie antworten.
• Wissensassistenten für Unternehmen: Suchen über Dokumente, Wikis, Ticketing-Systeme und Datenbanken hinweg, um Fragen von Mitarbeitern zu beantworten.
• Kundensupport-Agenten: Schlagen Richtlinien, Kontodetails und Dokumentationen über mehrere Systeme hinweg nach, um ein Problem zu lösen.
• Coding-Assistenten: Durchsuchen eine Codebasis, ihre Abhängigkeiten und Dokumentationen, um den Kontext zu verstehen, bevor sie Änderungen vorschlagen.
• Spezialisierte Recherche: Workflows in Bereichen wie Rechts-, Medizin- und Finanzanalyse, bei denen gute Antworten davon abhängen, mehrere maßgebliche Quellen in Einklang zu bringen.

Die agentische Suche ist am wertvollsten, wenn eine Frage komplex ist, sich über mehrere Quellen erstreckt oder nicht durch ein einzelnes Dokument beantwortet werden kann – Situationen, in denen ein einzelner Abrufdurchgang oft nicht ausreicht.

Verwandte Begriffe

Retrieval-Augmented Generation (RAG), agentisches RAG, semantische Suche, Vektordatenbank, Embeddings, Query-Zerlegung, Tool-Nutzung, LLM-Agenten.