FORSCHUNGS- UND GOVERNANCE-PLATTFORM

Deterministische Governance für Multi-Agenten-KI

AAF (Agents Autonomous Factory) ist eine Forschungsplattform für Multi-Agenten-Softwareentwicklung, bei der große Sprachmodelle als typisierte Vorschlaggeber innerhalb einer expliziten symbolischen Kontrollschleife agieren, während Zustand, Übergänge, Tests, Seiteneffekte und Aufgabenabschluss von einer deterministischen Kontrollschicht gesteuert werden. Die Architektur begrenzt die Modellautonomie durch Fail-Closed-Kontrollpfade und evidenzbasierte Arbeitsabläufe.

Architektur lesen AAF Labs kontaktieren

Multi-Agenten-Orchestrierung und Steuerungsebene

Begrenzte Ausführung, RBAC-Berechtigungen und eine zentrale Quelle für den operativen Zustand

AAF orchestriert mehrere KI-Akteure (interaktive Panels, autonome Agenten, spezialisierte Worker) über eine zentrale operative Informationsquelle. Die Steuerungsebene erfordert, dass Akteure ausschließlich über genehmigte Werkzeugschnittstellen (MCP) auf Datenbank und Infrastruktur zugreifen.

Jeder Aufruf der Steuerungsebene wird anhand der Rolle des Aufrufers und der erforderlichen Berechtigung (Capability) geprüft. Dies verbindet modellgestützte Vorschläge mit begrenzter und auditierbarer Ausführung. AAF unterhält zudem einen Robotik-Forschungszweig (Project ARC).

Memory-Matrix-Architektur

AAF speichert Wissen in vier separaten Speicherschichten für Wissen, zeitliche Kontinuität, operativen Zustand und Analytik.

CMM — Contextual Memory Matrix Tier 1 // Wissen
Wissen und Retrieval
Was das Projekt weiß und wie Wissen verknüpft ist: Projektdokumente, Code-Beziehungen und semantisches Graph-Retrieval (CGRAG).
HTMM — Hierarchical Temporal Memory Matrix Tier 2 // Temporal
Temporaler operativer Speicher
Was wann geschah und wie sich Entscheidungen im Zeitverlauf entwickelten, einschließlich verworfener Alternativen über Session-Epochen hinweg.
OMM — Operational Memory Matrix Tier 3 // Relational
Transaktionale operative SSOT
Was aktuell gilt — Projekte, Aufgaben, Eigentümerschaft, Workflow-Status und Runtime-Identität; die zentrale operative Informationsquelle.
ADMM — Analytic Data Memory Matrix Tier 4 // Analytik
Audit-Streams und kuratierte Datensätze
Hochvolumige analytische Schicht über Runtime-Logs, Tool-Aufrufe und Traces zur Erstellung kuratierter Datensätze und Belohnungssignale.

Unified Retrieval Router — Evidenz aus der richtigen Speicherschicht

Abfragen mit Herkunftsnachweis routen und Speichergrenzen wahren

AAF behandelt Speicher nicht als eine undifferenzierte Einheit. Der Unified Retrieval Router (URR) ist der evidenzbewusste Einstiegspunkt, der Abfragen an die relevanten Schichten leitet: OMM für den aktuellen Zustand, CMM für Kontextwissen und HTMM für die Historie.

Der Routing-Pfad priorisiert OMM, CMM und HTMM. ADMM liefert kuratierte Daten für Evaluation und Reward-Workflows.

Deterministischer Ausführungsrahmen mit Evidenzprüfung

Symbolische Kontrollgraphen mit Fail-Closed-Sicherheitsvertrag

Erlaubte Aktionen (Allowlist) FAIL-CLOSED
Ein Werkzeug wird nur ausgeführt, wenn es durch die Capability des Aufrufers explizit autorisiert ist; andernfalls bricht der Schritt sicher ab (Fail-Closed).
Typisierte Parameter TYPED
Aktionsparameter und Modellvorschläge werden vor der Ausführung gegen strenge Typenschemata validiert.
Idempotente Seiteneffekte IDEMPOTENT
Unterstützte mutierende ProviderAction-Pfade nutzen stabile Idempotenzschlüssel; unklare Ergebnisse werden rekonziliert.
Evidenzbasierter Abschluss VERIFIED
Abschlussprüfungen bewerten konkrete, reproduzierbare Testnachweise; von Workern gemeldete Ergebnisse unterliegen einer unabhängigen Prüfung.

Forschungsprogramm und Schwerpunkte

Untersuchung robuster neurosymbolischer Autonomie, langfristiger operativer Kontinuität und formaler Verifikation

Gesteuerte LLM-Autonomie AKTIVE FORSCHUNG
Evidenzbasierte Denkgerüste und eine Fail-Closed-Aufsicht für die Ausführung durch Sprachmodelle.
Temporaler operativer Speicher AKTIVE FORSCHUNG
Chronik-Kompilierung, narrative Zusammenfassung und zeitliches Pruning für langlebige Multi-Agenten-Cluster.
Neurosymbolische prozedurale Substrate AKTIVE FORSCHUNG
Synthese probabilistischer Modellvorschläge mit deterministischen symbolischen Kontrollgraphen.

Forschungs- und Technologiepartnerschaften

Für akademische Zusammenarbeit, Architekturberatung oder Technologiepartnerschaften kontaktieren Sie unser Forschungsteam.

E-Mail an AAF Labs