Genau vor einem Jahr brach in Narbonne, der Partnerstadt meiner Wahlheimat Weilheim, ein Feuer aus. Die Hitzewelle in Frankreich brachte eine Idee hervor: eine einfache App, die kühle Orte in der Nähe anzeigt. Aus dieser Idee wurde Talk2Earth, eine Talk-to-Data-Lösung, die Erdbeobachtungsdaten (EO) für alle, überall, jederzeit und für jeden Anwendungsfall zugänglich macht.
Nachdem wir die ESA überzeugt hatten, mussten wir schnell handeln, denn nur zwei Monate später wollten sie Talk2Earth.com beim ESA Council Meeting in Bremen Ministern aus den Mitgliedstaaten und der EU präsentieren. Unser Team bestand aus zwei Entwicklern und einem Projektmanager, und es gab keine etablierte Best Practice für eine Chat-with-your-data-Lösung.
Wir planten vier Wochen für das Prototyping und weitere vier Wochen für die Umsetzung ein und lieferten die App rechtzeitig zum Council Meeting. Während der Prototyping-Phase probierten wir viele Ideen aus und verwarfen sie wieder und lernten dabei sehr viel über das Design von Multi-Agenten-Systemen.
Einige Wochen nach dem Start von Talk2Earth fragte mich Rohit Agarwal, ein häufiger Sprecher auf der Machine Learning Week Europe, ob ich einen Vorabdruck seines neuen Buches „Jenseits der AI-Demo: Genug von POCs. Sprechen wir über den Produktivbetrieb“ lesen würde. Als ich zu lesen begann, war ich überrascht, dass Rohit eine Talk-to-Data-Lösung als Beispiel verwendet — genau die Herausforderung, vor der wir mit Talk2Earth standen!
Hätten wir das Buch vorher gelesen, hätten wir uns wahrscheinlich einen Monat Prototyping gespart. Deshalb empfehle ich das Buch – mit meinem Vorwort:
„Die Entwicklung agentischer AI-Lösungen ist der einfache Teil. Der schwierige Teil ist der Betrieb dieser Systeme. IT-Sicherheit, Betriebssicherheit, Zuverlässigkeit, Verantwortlichkeit, Skalierbarkeit und Effizienz sind alles Anforderungen, die sich oft widersprechen.
Als AI-Ingenieur ist es Ihre Aufgabe, die richtige Balance zu finden. In seinem Buch Jenseits der AI-Demo liefert Rohit Agarwal den richtigen Rahmen für die Gestaltung von Multi-Agenten-Systemen, die im Betrieb überzeugen. Ausgehend von einer einfachen Chat-with-your-data-Anwendung zeigt er die Zielkonflikte innerhalb seines 4-R-Frameworks für agentisches Design: Reliability, Respect, Reach und Restraint.
Um eine oder mehrere dieser vier Dimensionen zu stärken, führt er Design Patterns ein und erhöht die Komplexität der Lösung von Kapitel zu Kapitel schrittweise. So können Sie anhand eines realen Anwendungsfalls verschiedene Architekturen kennenlernen und lernen, ihre jeweiligen Vor- und Nachteile zu bewerten.
Es ist ein echtes Vergnügen, Rohits Weg von Anfang bis Ende zu verfolgen und seine tiefgehende Auseinandersetzung mit technischen Details, die den Unterschied machen. Da ich Rohit seit vielen Jahren als exzellenten und häufigen Sprecher auf der Machine Learning Week Europe kenne, kann ich sagen, dass dieses Buch die pragmatische und progressive Denkweise eines AI-Experten und Entdeckers widerspiegelt.
Wenn Sie das Potenzial von Agentic AI ausschöpfen wollen, ist dieses Buch Ihr Reiseführer für dieses neue Terrain.“
Gut gemacht, Rohit! Ich hoffe, dein nächstes Buch erscheint früher. 😉
Dieser Blogpost wurde machinell übersetzt.
