Kontakt aufnehmen

Schulungsübersicht

Einführung in Mehr-Agenten-Systeme

  • Überblick über Agenten, Umgebungen und Interaktionsmodelle
  • Kooperation, Konkurrenz sowie Autonomie in agentenbasierten Systemen
  • Anwendungsbeispiele aus Logistik, Robotik und Entscheidungsfindung

Grundkonzepte der Agentenarchitektur

  • Reaktive gegenüber deliberative Agenten
  • Kommunikationsprotokolle und Koordinationsmodelle
  • Wissensrepräsentation sowie gemeinsame Zustände

Implementierung von Agenten in Python

  • Erstellung von Agenten mithilfe des Mesa-Frameworks
  • Modellierung von Umgebungen sowie Interaktionen zwischen Agenten
  • Simulation und Visualisierung von Agentenverhalten

Koordination und Kommunikation zwischen Agenten

  • Nachrichtenaustausch sowie Architekturen mit gemeinsamem Speicher
  • Verhandlungen, Konsensfindung und Aufgabenverteilung
  • Koordinationsalgorithmen: Vertragsnetzwerkverfahren, marktbasierte Ansätze sowie Schwarmmodelle

Lernprozesse und Anpassungsfähigkeit in Mehr-Agenten-Systemen

  • Reinforcement Learning für mehrere Agenten
  • Dynamik kooperativen sowie konkurrierenden Lernens
  • Einsatz von PettingZoo und Stable-Baselines3 zur Entwicklung von Mehr-Agenten-Lernalgorithmen

Verteilte Berechnung und Skalierbarkeit

  • Nutzung von Ray für verteilte Simulationen mit mehreren Agenten
  • Handhabung von Konkurrenzsituationen sowie Synchronisation
  • Parallelisierung von Berechnungen sowie Umgang mit gemeinsam genutzten Ressourcen

Zusammenarbeit zwischen Menschen und Agenten

  • Gestaltung von Schnittstellen für die Koordination unter Einbeziehung von Menschen
  • Hybride Arbeitsprozesse mit KI-gestützter Entscheidungsunterstützung
  • Ethische sowie betriebliche Aspekte bei der Zusammenarbeit

Abschlussprojekt

  • Entwurf und Implementierung eines Mehr-Agenten-Systems in Python
  • Nachweis der Koordination sowie Lernfähigkeit der Agenten
  • Präsentation der Simulationsergebnisse samt Leistungsbewertung

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Fundierte Kenntnisse in der Python-Programmierung
  • Solides Verständnis von Reinforcement Learning oder Entwurf intelligenter Agenten
  • Grundkenntnisse in verteilten Systemen sowie Netzwerkprinzipien

Zielgruppe

  • Systemarchitekten, die kooperative oder verteilte KI-Systeme entwickeln
  • Forscher, die sich mit Koordination und kollektiver Intelligenz beschäftigen
  • Ingenieure, die hybride Arbeitsabläufe mit menschlichen und intelligenten Agenten gestalten
 28 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien