Agentic DesignMuster und Werkzeuge für produktive KI-Agenten

Loading...

🏗️

Planung mit hierarchischen Aufgabennetzwerken (HTN)

Automatisierter Planungsansatz, der komplexe Aufgaben mithilfe von Domänenwissen in hierarchisch strukturierte Netzwerke einfacherer Aufgaben zerlegt

Komplexität: highPlanung

In 30 seconds

What: Zerlegt komplexe Aufgaben mithilfe von Domänenregeln in hierarchische Netze von Teilaufgaben und verfeinert abstrakte Aufgaben bis hin zu ausführbaren Primitiven.
When to use: Mehrstufige Probleme mit bekannten Zerlegungsmustern, bei denen die Zwischenstruktur der Aufgaben Planungssicherheit und Wiederverwendbarkeit erhöht.
Watch out: Erfordert umfangreiche Domänenmodellierung im Vorfeld; wird brüchig, sobald reale Randbedingungen von der vordefinierten Aufgabenhierarchie abweichen.

Loading technique guide…

Patterns

Loading...

Loading Agentic Design…

Agentic DesignMuster und Werkzeuge für produktive KI-Agenten

Expertenhilfe Preise

Entwurfsmuster und Techniken

Loading...

🏗️

Planung mit hierarchischen Aufgabennetzwerken (HTN)

Automatisierter Planungsansatz, der komplexe Aufgaben mithilfe von Domänenwissen in hierarchisch strukturierte Netzwerke einfacherer Aufgaben zerlegt

Komplexität: highPlanung

In 30 seconds

What: Zerlegt komplexe Aufgaben mithilfe von Domänenregeln in hierarchische Netze von Teilaufgaben und verfeinert abstrakte Aufgaben bis hin zu ausführbaren Primitiven.
When to use: Mehrstufige Probleme mit bekannten Zerlegungsmustern, bei denen die Zwischenstruktur der Aufgaben Planungssicherheit und Wiederverwendbarkeit erhöht.
Watch out: Erfordert umfangreiche Domänenmodellierung im Vorfeld; wird brüchig, sobald reale Randbedingungen von der vordefinierten Aufgabenhierarchie abweichen.

30-Sekunden-Überblick

Muster: Hierarchische Zerlegung komplexer Aufgaben in handhabbare Teilaufgaben mithilfe von Domänenwissen

Warum: Ermöglicht effiziente Planung durch Abstraktion, wiederverwendbares Fachwissen und für Menschen nachvollziehbare Lösungen

Kernerkenntnis: Aufgaben (zusammengesetzt→primitiv) + Methoden (wie zerlegen) + Bedingungen (wann anwenden) = hierarchische Pläne

Schnelle Umsetzung

1Domäne definieren:Aufgaben (zusammengesetzt/primitiv), Methoden, Bedingungen

2Methoden erstellen:Zerlegungsregeln: wann und wie Aufgaben aufgeteilt werden

3Netzwerk aufbauen:Hierarchische Aufgabenstruktur mit Beschränkungen

4Planen und ausführen:Ziel der obersten Ebene zerlegen → primitive Aktionen

5Überwachen und anpassen:Neu planen, wenn sich Bedingungen ändern oder Methoden scheitern

Example: analyze_market → [gather_data, process_info, generate_report] → primitive_actions

Do’s und Don’ts

✅Domänenwissen in Methoden und Bedingungen kodieren

✅Klare Aufgabenhierarchien mit passenden Abstraktionsebenen verwenden

✅Vorbedingungen und Effekte für jede Methode definieren

✅Backtracking einbauen, wenn die Zerlegung scheitert

✅Erfolgreiche Zerlegungsmuster cachen

✅Wiederverwendbare Methodenbibliotheken je Domäne entwerfen

❌Zu tiefe Hierarchien anlegen (>5-6 Ebenen)

❌Reihenfolgebeschränkungen und Abhängigkeiten von Methoden ignorieren

❌HTN für einfache lineare Aufgabenfolgen einsetzen

❌Lösungen ohne bedingte Methoden fest verdrahten

❌Validierung der Methodenvorbedingungen auslassen

Wann einsetzen

Einsetzen, wenn

• Komplexe mehrstufige Workflows
• Domänenwissen lässt sich kodieren
• Es existiert eine hierarchische Aufgabenstruktur
• Mehrere Lösungsansätze möglich
• Bedarf an für Menschen nachvollziehbaren Plänen
• Wiederverwendbare Planungskomponenten

Vermeiden, wenn

• Einfache lineare Aufgabenfolgen
• Unbekannte oder sich schnell ändernde Domänen
• Reaktives Verhalten in Echtzeit
• Keine klare Aufgabenhierarchie
• Rein datengetriebene Ansätze erforderlich
• Einmalige Optimierungsprobleme

Kennzahlen

Erfolgsquote der Pläne

% erfolgreich ausgeführter Pläne

Zerlegungstiefe

Durchschnittliche Ebenen in der Aufgabenhierarchie

Planungszeit

Zeit bis zur Erzeugung eines ausführbaren Plans

Wiederverwendungsrate von Methoden

% planübergreifend wiederverwendeter Methoden

Backtracking-Häufigkeit

% Pläne, die Backtracking erfordern

Domänenabdeckung

% planbarer Aufgaben der Domäne

Planoptimalität

Qualität im Vergleich zur optimalen Lösung

Ausführungseffizienz

Primitive Aktionen je erreichtem Ziel

Wichtigste Anwendungsfälle

Autonome Forschungsagenten: Literaturrecherche → Datenextraktion → Analyse → Synthese

Softwareentwicklung: Anforderungen → Entwurf → Implementierung → Test → Deployment

Fertigung: Produktplanung → Ressourcenzuteilung → Produktion → Qualitätskontrolle

Spiele-KI: strategische Ziele → taktische Vorgaben → Einheitenaktionen → Bewegungsprimitive

Robotik: navigieren → Pfadplanung → Bewegungssteuerung → Aktorbefehle

Geschäftsprozess: strategische Planung → Ressourcenzuteilung → Aufgabenausführung → Überwachung

Militärische Planung: Missionsziele → taktische Pläne → Einheitenzuweisung → Aktionen

Bildungssysteme: Lernziele → Curriculumdesign → Unterrichtsplanung → Aktivitäten

Referenzen und weiterführende Literatur

Vertiefen Sie Ihr Verständnis mit diesen ausgewählten Ressourcen

Wissenschaftliche Arbeiten

An Overview of Hierarchical Task Network Planning (ArXiv 2014)

HTN planning: Overview, comparison, and beyond (ScienceDirect 2015)

Hierarchical Task Network Planning for Facilitating Cooperative Multi-Agent Reinforcement Learning (ArXiv 2023)

A Structural Complexity Analysis of Hierarchical Task Network Planning (ArXiv 2024)

Implementierungsleitfäden

Hierarchical Task Network (HTN) Planning in der KI - GeeksforGeeks

Einführung in die Planung mit hierarchischen Aufgabennetzen (Universität Ulm)

HTN-Planer anhand von Beispielen erkunden (Game AI Pro)

Tutorial zur HTN-Planung (Michigan Tech)

Tools und Implementierungen

GPT-HTN-Planner - LLM-basierte HTN-Planung

SHOP2 - HTN-Planer (University of Maryland)

Fluid HTN - Implementierung für die Unity Game Engine

Forschungszentren und Communitys

International Conference on Automated Planning and Scheduling (ICAPS)

KI-Planungsforschung der University of Maryland

AIPS Planning Competition

Stack Overflow - Diskussionen zur HTN-Planung

Loading technique guide…

Patterns

Entwurfsmuster und Techniken

Loading...

30-Sekunden-Überblick

Muster: Hierarchische Zerlegung komplexer Aufgaben in handhabbare Teilaufgaben mithilfe von Domänenwissen

Warum: Ermöglicht effiziente Planung durch Abstraktion, wiederverwendbares Fachwissen und für Menschen nachvollziehbare Lösungen

Kernerkenntnis: Aufgaben (zusammengesetzt→primitiv) + Methoden (wie zerlegen) + Bedingungen (wann anwenden) = hierarchische Pläne

Schnelle Umsetzung

1Domäne definieren:Aufgaben (zusammengesetzt/primitiv), Methoden, Bedingungen

2Methoden erstellen:Zerlegungsregeln: wann und wie Aufgaben aufgeteilt werden

3Netzwerk aufbauen:Hierarchische Aufgabenstruktur mit Beschränkungen

4Planen und ausführen:Ziel der obersten Ebene zerlegen → primitive Aktionen

5Überwachen und anpassen:Neu planen, wenn sich Bedingungen ändern oder Methoden scheitern

Example: analyze_market → [gather_data, process_info, generate_report] → primitive_actions

Do’s und Don’ts

✅Domänenwissen in Methoden und Bedingungen kodieren

✅Klare Aufgabenhierarchien mit passenden Abstraktionsebenen verwenden

✅Vorbedingungen und Effekte für jede Methode definieren

✅Backtracking einbauen, wenn die Zerlegung scheitert

✅Erfolgreiche Zerlegungsmuster cachen

✅Wiederverwendbare Methodenbibliotheken je Domäne entwerfen

❌Zu tiefe Hierarchien anlegen (>5-6 Ebenen)

❌Reihenfolgebeschränkungen und Abhängigkeiten von Methoden ignorieren

❌HTN für einfache lineare Aufgabenfolgen einsetzen

❌Lösungen ohne bedingte Methoden fest verdrahten

❌Validierung der Methodenvorbedingungen auslassen

Wann einsetzen

Einsetzen, wenn

• Komplexe mehrstufige Workflows
• Domänenwissen lässt sich kodieren
• Es existiert eine hierarchische Aufgabenstruktur
• Mehrere Lösungsansätze möglich
• Bedarf an für Menschen nachvollziehbaren Plänen
• Wiederverwendbare Planungskomponenten

Vermeiden, wenn

• Einfache lineare Aufgabenfolgen
• Unbekannte oder sich schnell ändernde Domänen
• Reaktives Verhalten in Echtzeit
• Keine klare Aufgabenhierarchie
• Rein datengetriebene Ansätze erforderlich
• Einmalige Optimierungsprobleme