KI Autonomie vs. Realität: Was moderne Modelle wirklich leisten können

KI-Agenten werden darauf getestet, verborgene Weltmodelle in Form deterministischer endlicher Automaten (DFA) durch Interaktion zu rekonstruieren. Im Ansatz des Agentic Automata Learning lernen Sprachmodelle ausschließlich über Membership- und Equivalence-Queries die Struktur unbekannter Umgebungen. Die Ergebnisse zeigen: Während Reasoning-Modelle bei einfachen Aufgaben stark sind, bricht ihre Leistung mit steigender Komplexität deutlich ein. Im Vergleich zu klassischen Algorithmen sind KI-Agenten ineffizienter, besonders bei langfristiger Planung und konsistenter Informationsnutzung.