Quellen & weiterführende Links
iQuellen geprüft: September 2026
Die Inhalte dieses Moduls wurden im Mai 2026 recherchiert; alle Quellenlinks wurden im September 2026 auf Erreichbarkeit geprüft und wo nötig aktualisiert. Da sich die KI-Welt schnell entwickelt, können einzelne Details inzwischen überholt sein.
Quellen
-
Yao, S. et al. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv:2210.03629. https://arxiv.org/abs/2210.03629
-
Anthropic (2024). Tool Use (Function Calling) Documentation. https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview
-
OpenAI (2024). Function Calling Documentation. https://developers.openai.com/api/docs/guides/function-calling
-
NVIDIA (2024). NeMo Guardrails – Open-Source Toolkit for LLM Safety. https://github.com/NVIDIA/NeMo-Guardrails
Weiterführende Links
Frameworks & Bibliotheken
- LangChain Documentation: Framework zum Bau von LLM-gestützten Anwendungen und Agenten. https://docs.langchain.com/oss/python/langchain/quickstart
- LangGraph: Framework für zustandsbehaftete Multi-Agent-Workflows. https://langchain-ai.github.io/langgraph/
Agentic Patterns
- Anthropic – Building Effective Agents: Übersicht über bewährte Agent-Architekturen und Patterns. https://www.anthropic.com/engineering/building-effective-agents
- Lilian Weng – LLM Powered Autonomous Agents: Ausführlicher Überblick über Agenten-Architekturen. https://lilianweng.github.io/posts/2023-06-23-agent/
Vertiefung
- Andrew Ng – Agentic Design Patterns: Vier zentrale Agentic-AI-Patterns erklärt. https://www.deeplearning.ai/the-batch/how-agents-can-improve-llm-performance/