Ein modulares KI Multiagentensystem als Ökosystem für personalisierte eCommerce Erlebnisse

Der Investor brauchte einen Proof of Concept, um sicherzugehen, dass eine solche Plattform möglich ist. Zunächst wurde ihm empfohlen, eCommerce Funktionen zu entwickeln, um ein automatisiertes Einkaufserlebnis durch künstliche Intelligenz zu schaffen. Nutzer beschreiben ihre Wünsche in einem Chat und erhalten personalisierte Empfehlungen für Möbel und Beleuchtungskörper. Sie können Bestellungen aufgeben und Lieferungen erwarten, ohne den Verkäufer zu kontaktieren. Das Erlebnis soll sich an eine Zusammenarbeit mit einem persönlichen Innenarchitekten anlehnen. Das war die Idee.

Der auf LLM Chat konnte das angestrebte Erlebnis nicht bieten

Die erste Version der Plattform sah auf den ersten Blick vielversprechend aus. Sie verfügte über ein umfangreiches Frontend und ein KI Chat Interface. Im Hintergrund basierte das System jedoch auf LLM-gestützten Konversationen in einer traditionellen Architektur. Dieses leitete Benutzeranfragen ohne Bearbeitung und Kontext direkt an Sprachmodelle weiter.

Infolgedessen lieferte der Chat nur allgemeine Antworten. Diese lösen weder die tatsächlichen Probleme der Nutzer noch bieten sie das vom Investor geforderte Maß an Personalisierung. Anfragen zu einer Raumneugestaltung, zum persönlichen Stil, zur Verfügbarkeit oder zum Kauf erforderten mehrere KI Antworten.

Den Gesprächen fehlte es ebenfalls an Erinnerungen der KI und Struktur. Das System konnte weder Kontext aufrechterhalten, sich an den Nutzer anpassen, noch innerhalb einer definierten Rolle bleiben. Somit wirkte der Chat wie eine Automatisierungsschicht über einem herkömmlichen Online Shop. Das war keine gelungene Alternative zum herkömmlichen Online Shopping.

DAC.digital wurde gefragt, ob wir übernehmen möchten. Wir sollten die Plattform entsprechend den ursprünglichen Wünschen des Investors aktualisieren. Den Anfang der Zusammenarbeit machte ein KI Workshop. In diesem erarbeiteten wir gemeinsam einen Plan zur Neugestaltung der Plattform mit KI Agenten.

DAC.digital hat die Plattform neu entwickelt und ein KI Multiagentensystem integriert, dass als eigenes Team arbeitet.

Unsere Entwickler haben basierend auf ihren Erfahrungen eine Multiagentenarchitektur entworfen, die sich an der Arbeitsweise effektiver Teams in realen Organisationen orientiert.

Wie in einem Unternehmen wurde jedem Agenten eine klare Rolle und Spezialisierung zugewiesen, beispielsweise Planung, Delegation, Ausführung oder Berichterstattung. Die Agenten wurden in Agententeams eingeteilt, die von einem Concierge Agenten koordiniert werden. Wie an der Rezeption nimmt dieser Agent Nutzeranfragen entgegen und löst einfache Aufgaben selbst. Komplexe Anfragen, die mehrstufiges Denken, viele Skills oder Systeminteraktionen erforderten, wurden in das Agentenökosystem weiterdelegiert. Dort schlüsselt der Planer Agent die Anfrage in einen Step by Step Plan auf.

Spezialisierte Agenten, die als Experten für bestimmte Funktionen agieren, erhalten Aufgaben, für die sie am besten geeignet sind. Beispielsweise die Auswahl von Produkten aus einem Katalog oder das Generieren eines Bildes. Diese kooperieren über das A2A Protokoll miteinander. Und wenn diese Zugriffe auf externe Systeme oder nicht agentische Logik benötigten, nutzten sie MCP. Nach Abschluss ihrer Aufgaben senden sie die Ergebnisse an einen Reporter Agenten. Dieser generiert eine Antwort und sendet sie an den Benutzer.

Beispielsweise hat ein Benutzer ein Foto seines Wohnzimmers hochgeladen und um eine Stuhlempfehlung gebeten. Der Concierge Agent hat die Anfrage erhalten, mehrere notwendige Schritte identifiziert und die Aufgabe an ein geeignetes Agententeam weitergegeben. Der Planer Agent erstellte einen Plan, der Bildverständnis, Produktabgleich und Bildbearbeitung umfasste. Anschließend verteilte er die Aufgaben an die spezialisierten Agenten. Diese schlugen Katalogprodukte vor, die zu den Vorlieben des Benutzers und dem verfügbaren Platz passten. Ein Reporter Agent fasste die Ergebnisse zusammen und gab sie über den Chat an den Nutzer zurück.

KI-Agenten können während der laufenden Anfrage hinzugefügt oder entfernt werden

Der innovative Ansatz bestand darin, das KI Multiagentensystem als lebendiges Agentennetzwerk zu konzipieren. Die Agenten können sich anschließen und Aufgaben ohne Unterbrechungen ausführen. Zur Teilnahme registrieren sich Agenten lediglich in einem zentralen Agentenregister, das von Redis unterstützt wird. Bei der Registrierung gibt jeder Agent seine Agentenkarte an. Dabei handelt es sich um dessen Profil, welches die Fähigkeiten und Verfügbarkeit beschreibt. Im Wesentlichen ist es so, als würde ein Mitarbeiter „zur Arbeit erscheinen”.

Das Ergebnis ist ein von Microservices inspiriertes Ökosystem, das kontinuierlich und ohne Ausfallzeiten funktioniert. Dies galt auch bei der Einführung neuer Funktionen und der Reaktion auf sich ändernde Nutzeranforderungen.

Der Chat konnte endlich personalisierte Empfehlungen geben

Dank der neuen Architektur lieferte die Plattform nun wirklich persönliche Empfehlungen. Das System hat Zugriff auf das Benutzerprofil und ruft den Kontext in Echtzeit über RAG (Retrieval-Augmented Generation) ab. So können bei den Vorschlägen die bisherigen Informationen des Benutzers, die Produktverfügbarkeit und die Präferenzen berücksichtigt werden. Um die Antworten im Chat möglichst präzise, kontextbezogen und menschlich zu gestalten, setzte das KI-Team außerdem Prompt Engineering ein.

Ein KI Multiagentensystem mit herstellerunabhängigen Frameworks

Da bei der Systementwicklung darauf geachtet wurde, dass man sich nicht an einzelne Plattformen oder Anbieter bindet, kann das System problemlos mit mehreren Anbietern, Marktplätzen und Diensten arbeiten. Zudem kann die Plattform so auch neue KI Innovationen nutzen, was besonders in diesem wechselhaften Markt von entscheidendem Wert ist.

Agenten Frameworks:

• Agno – generisches Agent Framework
• Temporal.IO – Koordination komplexer, nicht deterministischer Aufgaben
• Milvus – Vektordatenbank
• LlamaIndex – Dokumentanalyse
• OpenAI Modelle  – Schlussfolgerungsmaschinen
• Google Gemini’s Nano Banana PRO – Bildanalyse und Erstellung

Nachvollzuiehbarkeit:

• Phoenix – überwacht die Aktivitäten der Agenten, die Delegation und den Abschluss der Aufgaben

Testing: 

• Prompteval – zum Testen der Konversationsintegrität, also ob der Agent beim Thema bleibt und nicht halluziniert

DAC.digitals KI Multiagentensystem ermöglicht es nun, die Vision des Investors zu verwirklichen

Die überarbeitete Plattform bietet nun eine nahtlose Erfahrung. Jedem Benutzer steht ein Agent zur Verfügung, während die anderen Agenten im Hintergrund dessen komplexe Aufgaben ausführen. Multiagentensysteme und deren KI Workflows bringen Flexibilität, sind leicht erweiterbar und wachsen mit dem Unternehmen mit. Und genau das ist der Fall, denn die Plattform steht kurz davor, den eCommerce Bereich zu überschreiten. Zusätzlich werden jetzt einfach Funktionen wie Benutzergruppierung und Verkäuferunterstützung hinzugefügt, darunter Produktwerbung und Anzeigengenerierung.

Bereit, ein Projekt mit uns zu starten?