Routing & Entscheidungslogik: Flow-Beispiele¶
Dieses Dokument enthält visuelle Beispiele und Erklärungen für verschiedene Routing- und Entscheidungslogik-Flows im Kontext von Finance, Risk und Controlling.
1. Grundlegender Router-Flow¶
[Benutzeranfrage] → [Router-LLM] → [Spezialisierter Agent] → [Antwort]
Beschreibung: - Die Benutzeranfrage wird an einen Router-LLM übergeben - Der Router klassifiziert die Anfrage nach Themengebiet - Die Anfrage wird an den spezialisierten Agenten weitergeleitet - Der Agent generiert eine fachspezifische Antwort
Anwendungsbeispiel: - Frage: "Wie berechne ich den ROI für unser neues Projekt?" - Router klassifiziert als Finance-Thema - Finance-Agent liefert ROI-Berechnungsformel und Interpretationshinweise
2. Multi-RAG mit Conditional Routing¶
┌→ [Finance-Vektorstore] → [Finance-Agent] →┐
[Anfrage] → [Router] →┼→ [Risk-Vektorstore] → [Risk-Agent] → ┼→ [Antwort]
└→ [ESG-Vektorstore] → [ESG-Agent] → ┘
Beschreibung: - Die Anfrage wird vom Router klassifiziert - Basierend auf der Klassifikation wird ein spezialisierter Vektorstore ausgewählt - Der entsprechende Agent erhält Kontext aus dem Vektorstore - Der Agent generiert eine fachspezifische, dokumentenbasierte Antwort
Anwendungsbeispiel: - Frage: "Welche Compliance-Anforderungen gelten für unser neues Finanzprodukt?" - Router klassifiziert als Risk/Compliance-Thema - Risk-Vektorstore liefert relevante Compliance-Dokumente - Risk-Agent generiert eine Antwort basierend auf den Compliance-Dokumenten
3. Hierarchischer Entscheidungsbaum¶
┌→ [Hohe Priorität] →┐
│ │
[Anfrage] → [Risiko-Klassifikator] →┼→ [Mittlere Priorität] →┼→ [Spezialisierte Verarbeitung] → [Antwort]
│ │
└→ [Niedrige Priorität] →┘
Beschreibung: - Die Anfrage wird zunächst nach Risikoniveau klassifiziert - Basierend auf dem Risikoniveau wird ein spezialisierter Verarbeitungspfad ausgewählt - Jeder Pfad hat unterschiedliche Prüfungen und Anforderungen - Die Antwort enthält risikospezifische Informationen und Handlungsempfehlungen
Anwendungsbeispiel: - Anfrage zu Geldwäscheprävention wird als "Hohes Risiko" eingestuft - Hochrisiko-Pfad aktiviert zusätzliche Compliance-Prüfungen - Antwort enthält regulatorische Anforderungen und Eskalationsprozesse
4. Paralleles Multi-Agenten-System¶
┌→ [Finance-Agent] →┐
│ │
[Anfrage] → [Koordinator] →┼→ [Risk-Agent] → ┼→ [Integrator] → [Ganzheitliche Antwort]
│ │
└→ [ESG-Agent] → ┘
Beschreibung: - Der Koordinator analysiert die Anfrage und entscheidet, welche Experten konsultiert werden sollen - Mehrere spezialisierte Agenten bearbeiten die Anfrage parallel - Der Integrator kombiniert die verschiedenen Expertenmeinungen - Das Ergebnis ist eine ganzheitliche, multidisziplinäre Antwort
Anwendungsbeispiel: - Frage: "Wie wirken sich die neuen ESG-Anforderungen auf unsere Finanzierung aus?" - Koordinator konsultiert Finance-, Risk- und ESG-Agenten - Jeder Agent liefert seine fachspezifische Perspektive - Integrator erstellt eine ausgewogene Antwort mit allen relevanten Aspekten
5. Conditional Chain mit Feedback-Schleife¶
[Anfrage] → [Erster Agent] → [Qualitätsprüfung] →┐
↑ │
└←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←┘
(wenn nicht ausreichend)
Beschreibung: - Die Anfrage wird zunächst von einem Agenten beantwortet - Eine Qualitätsprüfung bewertet die Antwort - Bei unzureichender Qualität wird die Anfrage mit Feedback erneut bearbeitet - Der Prozess wiederholt sich, bis die Qualitätsanforderungen erfüllt sind
Anwendungsbeispiel: - Frage zu Kreditrisikobewertung - Erste Antwort enthält unvollständige regulatorische Informationen - Qualitätsprüfung identifiziert fehlende Compliance-Aspekte - Anfrage wird mit spezifischem Feedback erneut bearbeitet
6. KPI-Analyse-Flow¶
┌→ [Profitabilitäts-Analyst] →┐
│ │
[KPI-Anfrage] → [KPI-Classifier] →┼→ [Liquiditäts-Analyst] → ┼→ [Kontext-Interpreter] → [Antwort]
│ │
└→ [Wachstums-Analyst] → ┘
Beschreibung: - Die KPI-Anfrage wird nach Kennzahlentyp klassifiziert - Ein spezialisierter Analyst für den jeweiligen KPI-Typ wird ausgewählt - Der Analyst berechnet und analysiert die relevanten Kennzahlen - Der Kontext-Interpreter setzt die Ergebnisse in einen geschäftlichen Zusammenhang
Anwendungsbeispiel: - Frage: "Wie entwickelt sich unsere Liquidität im Vergleich zum Branchendurchschnitt?" - KPI-Classifier identifiziert als Liquiditätsthema - Liquiditäts-Analyst berechnet relevante Kennzahlen und Trends - Kontext-Interpreter liefert Branchenvergleich und Handlungsempfehlungen
7. Compliance-Routing-Flow¶
┌→ [Geldwäscheprävention] →┐
│ │
[Compliance-Anfrage] → [Compliance-Router] →┼→ [Datenschutz] → ┼→ [Dokumentation] → [Antwort]
│ │
└→ [Finanzregulierung] → ┘
Beschreibung: - Die Compliance-Anfrage wird nach Regulierungsbereich klassifiziert - Ein spezialisierter Compliance-Agent für den jeweiligen Bereich wird ausgewählt - Der Agent prüft die spezifischen regulatorischen Anforderungen - Die Antwort wird mit Dokumentationsanforderungen ergänzt
Anwendungsbeispiel: - Frage: "Welche Dokumentation benötigen wir für Transaktionen über 10.000 €?" - Compliance-Router identifiziert als Geldwäschepräventionsthema - Geldwäscheprävention-Agent prüft spezifische Anforderungen - Dokumentations-Agent ergänzt notwendige Formulare und Prozesse
8. ESG-Finance-Integration-Flow¶
[ESG-Anfrage] → [ESG-Agent] → [Finanzielle Auswirkungen] → [Finance-Agent] → [Integrierte Antwort]
Beschreibung: - Die ESG-Anfrage wird zunächst vom ESG-Agenten bearbeitet - Die ESG-Aspekte werden auf finanzielle Auswirkungen analysiert - Der Finance-Agent bewertet die finanziellen Implikationen - Das Ergebnis ist eine integrierte Antwort mit ESG- und Finanzperspektive
Anwendungsbeispiel: - Frage: "Wie wirkt sich die CO2-Reduktion auf unsere Kapitalkosten aus?" - ESG-Agent analysiert CO2-Reduktionsmaßnahmen und -ziele - Finanzielle Auswirkungen identifizieren Einfluss auf Ratings und Investoren - Finance-Agent berechnet potenzielle Änderungen der Kapitalkosten
9. LangGraph-basierter Entscheidungsflow¶
graph TD
A[Benutzeranfrage] --> B{Router}
B -->|Finance| C[Finance-Agent]
B -->|Risk| D[Risk-Agent]
B -->|ESG| E[ESG-Agent]
C --> F{Weitere Expertise nötig?}
D --> F
E --> F
F -->|Ja| G[Zusätzlicher Agent]
F -->|Nein| H[Finale Antwort]
G --> H
Beschreibung: - Die Anfrage durchläuft einen State-basierten Graphen - Nach der initialen Routing-Entscheidung wird die Notwendigkeit weiterer Expertise geprüft - Bei Bedarf werden zusätzliche Agenten konsultiert - Der Graph ermöglicht komplexe, dynamische Entscheidungspfade
Anwendungsbeispiel: - Frage zu Nachhaltigkeitsinvestitionen - Router leitet an ESG-Agenten weiter - ESG-Agent identifiziert Bedarf an finanzieller Expertise - Finance-Agent wird zusätzlich konsultiert - Finale Antwort integriert beide Perspektiven
10. Dynamischer Retrieval-Flow¶
[Anfrage] → [Themen-Extraktor] → [Dynamische Dokumentenauswahl] → [Spezialisierter Agent] → [Antwort]
Beschreibung: - Aus der Anfrage werden relevante Themen extrahiert - Basierend auf den Themen werden dynamisch relevante Dokumente ausgewählt - Ein spezialisierter Agent verarbeitet die Anfrage mit dem ausgewählten Kontext - Die Antwort basiert auf den spezifisch relevanten Dokumenten
Anwendungsbeispiel: - Frage: "Welche Risiken bestehen bei der Expansion nach Asien?" - Themen-Extraktor identifiziert "Expansion", "Asien", "Risiken" - Dynamische Dokumentenauswahl findet relevante Länderanalysen, Regulierungsberichte und Marktdaten - Risk-Agent generiert eine umfassende Risikoanalyse basierend auf den spezifischen Dokumenten