Forscher haben zwischen Juli 2025 und Juni 2026 mehrere mehrdimensionale Rahmenwerke zur systematischen Kategorisierung von Agency in fortgeschrittenen KI-Systemen entwickelt. Die Typologien reichen von acht-dimensionalen Ansätzen bis zu dreiteiligen Governance-Frameworks und zielen darauf ab, Autonomie, Entscheidungsgewalt und Rechenschaftspflicht in KI-Systemen messbar zu machen.
Acht-Dimensionen-Typologie für agentic AI
Eine am 7. Juli 2025 auf arXiv veröffentlichte Arbeit entwickelte eine Typologie mit acht Dimensionen für agentic AI-Systeme. Das Framework definiert kognitive und umweltbezogene Agency in einer ordinalen Struktur und ermöglicht die standardisierte Kartographierung von KI-Fähigkeiten. Laut der Publikation soll das Framework die Identifikation von Unterschieden zwischen Systemen erleichtern und informierte Entscheidungen bei der Auswahl und Integration agentic AI-Lösungen unterstützen.
Drei-A-Framework für dimensional governance
Ein am 19. Juni 2026 publiziertes Framework etabliert dimensional governance als Ansatz, der drei Kernparameter verfolgt: Decision Authority (Entscheidungsautorität), Process Autonomy (Prozessautonomie) und Accountability (Rechenschaftspflicht). Das Modell beschreibt, wie diese Dimensionen dynamisch über Mensch-AI-Beziehungen verteilt werden und sich an wechselnde Kontexte anpassen. Die Arbeit erschien als arXiv:2505.11579.
Philosophische Grunddimensionen: Intentionalität, Rationalität, Erklärbarkeit
Eine separate Untersuchung, die am 5. März 2026 veröffentlicht wurde, identifizierte drei grundlegende Dimensionen für die Phänotypisierung von Agency: Intentionalität, Rationalität und Erklärbarkeit. Diese Dimensionen ermöglichen laut der Arbeit sowohl die Qualifikation eines Systems als Agent als auch die Erklärung seiner Aktionen. Die Publikation erschien als arXiv:2603.04746.
Kognitive Architektur als Agency-Dimension
Eine am 18. Januar 2026 veröffentlichte Taxonomie beschreibt die kognitive Architektur-Dimension und wie Agenten reasoning durchführen. Die Arbeit unterscheidet zwischen frühen Systemen mit linearen Planungsschleifen wie ReAct, hierarchischen Strukturen mit Tree-Search-Methoden für komplexe Probleme (etwa Tree of Thoughts) und rekursiven Dekompositionsansätzen wie ReAcTree. Die architektonische Vielfalt beeinflusst laut der Publikation die Fähigkeit von agentic AI-Systemen, zunehmend komplexe Aufgaben zu bewältigen (arXiv:2601.12560).
Human-AI-Trust als Governance-Dimension
Eine Forschungsarbeit vom 5. März 2026 identifizierte sechs Dimensionen von Human-AI-Trust: Evaluative Attitudes (evaluative Haltungen), Relational Interaction (relationale Interaktion), Cognitive Learning (kognitives Lernen), Explanatory Guidance (erklärende Anleitung), Collective Coordination (kollektive Koordination) und Operational Control (operationelle Kontrolle). Diese Dimensionen rahmen laut der Publikation die Governance-Anforderungen für sichere Mensch-AI-Zusammenarbeit ein (arXiv:2603.04746).
Kontinuierliche Dimensionen der Autonomie
Frühere Forschung aus dem Jahr 2013 konzeptualisierte autonome Fähigkeiten entlang kontinuierlicher Dimensionen wie Self-directedness (Selbststeuerung) und Self-sufficiency (Autarkie). Eine am 25. April 2026 in überarbeiteter Fassung erschienene Arbeit referenziert diese Dimensionen und beschreibt, wie sie sich dynamisch an wechselnde Kontexte anpassen und fluidere Konzeptionen von AI-Agency ermöglichen (arXiv:2505.01651).
Praktische Anwendung der Typologien
Die entwickelten Typologien ermöglichen standardisierte Vergleiche zwischen agentic AI-Systemen anhand definierter Dimensionen. Sie unterstützen die szenariobasierte Auswahl von Systemcharakteristiken für spezifische Anwendungen und die dynamische Anpassung von Governance-Strukturen, etwa durch kontextabhängige Verteilung von Autorität und Rechenschaftspflicht.