Abstract

Die rasanten Fortschritte bei großen Sprachmodellen (Large Language Models, LLMs) haben die Entstehung sogenannter Data Agents ausgelöst – autonom arbeitende Systeme, die darauf abzielen, Data + AI-Ökosysteme zu koordinieren, um komplexe datenbasierte Aufgaben zu bewältigen. Doch der Begriff „Data Agent“ leidet derzeit unter terminologischer Unschärfe und inkonsistenter Anwendung, wodurch einfache Abfragesysteme mit komplexen, autonomen Architekturen verwechselt werden. Diese Begriffsklärungsschwierigkeiten führen zu unrealistischen Benutzererwartungen, Problemen der Verantwortlichkeitszuweisung und hemmen die industrielle Entwicklung. Inspiriert durch den SAE J3016-Standard für Fahrerassistenzsysteme präsentiert diese Übersichtsarbeit erstmals eine systematische, hierarchische Taxonomie für Data Agents, die sechs Ebenen umfasst und schrittweise Entwicklungen in der Autonomie von manuellen Prozessen (L0) bis hin zu einer Vision vollständig generativer, autonomer Data Agents (L5) abgrenzt und verfolgt. Damit wird die Leistungsgrenze und die Verantwortungsaufteilung klarer definiert. Unter diesem Gesichtspunkt bieten wir eine strukturierte Übersicht bestehender Forschungsarbeiten, die nach steigender Autonomie geordnet sind, und umfassen spezialisierte Data Agents für Datenmanagement, -vorbereitung und -analyse sowie neuere Bemühungen um vielseitige, umfassende Systeme mit erhöhter Autonomie. Darüber hinaus analysieren wir entscheidende evolutionäre Sprünge und bestehende technische Lücken, insbesondere den laufenden Übergang von L2 zu L3, in dem Data Agents von der prozeduralen Ausführung hin zu autonomer Orchestrierung übergehen. Abschließend skizzieren wir eine zukunftsorientierte Roadmap, die die Einführung proaktiver, generativer Data Agents in Aussicht stellt.