Towards scaling reasoning complexity: an ontology-based knowledge graph and human-inspired multi-agent framework for explainable decision support - a free5gc case study

Configuring a 5G core deployment requires engineers to translate high-level operational requirements into concrete network-function configurations while reconciling dispersed documentation, implicit dependencies, resource constraints, and conflicting operational objectives. This work studies it as an industrial decision-support problem in which an assistant must not only produce a recommendation but also expose the evidence and reasoning behind it for human review. It presents a graph-grounded conversational multi-agent system for free5GC configuration support. The system transforms documentation and a decision request into an ontology-driven property knowledge graph, instantiates task-relevant agents from graph-derived perspectives, coordinates proposal, critique, and synthesis, and writes the resulting trace back as a queryable decision graph. The system is evaluated on two domains. The first is a structurally simple bicycle component-configuration domain, used as an illustrative, single-run study whose purpose is to expose the system's behaviour. The main quantitative evidence then comes from a free5GC network-function configuration task across three request types of increasing complexity, each run ten times. Compared with a single-LLM baseline, the multi-agent variants obtain higher LLM-judge scores across all three request types, an advantage that grows with complexity under all three judges, while objective constraint satisfaction improves on the medium- and high-complexity requests but not on the simplest one, where the baseline already satisfies every constraint. The results provide preliminary evidence that graph-grounded deliberation can support auditable configuration decisions, while also showing that human review remains necessary for executable deployment.

La configurazione di un core 5G richiede agli ingegneri di tradurre requisiti operativi di alto livello in configurazioni concrete delle funzioni di rete, conciliando documentazione dispersa, dipendenze implicite, vincoli di risorse e obiettivi operativi in conflitto. Questo lavoro affronta tale problema come un problema di supporto alle decisioni in ambito industriale, in cui un assistente deve non solo produrre una raccomandazione, ma anche rendere ispezionabili le evidenze e il ragionamento che la sostengono. Viene presentato un sistema multi-agente conversazionale, ancorato a un grafo, per il supporto alla configurazione di free5GC. Il sistema trasforma documentazione e richiesta decisionale in un property knowledge graph guidato da un'ontologia, istanzia agenti rilevanti per il compito a partire da prospettive derivate dal grafo, coordina proposta, critica e sintesi, e riscrive la traccia risultante come grafo decisionale interrogabile. Il sistema è valutato su due domini. Il primo è un dominio strutturalmente semplice di configurazione di componenti per biciclette, utilizzato come studio illustrativo a singola esecuzione, il cui scopo è far emergere il comportamento del sistema, in particolare come un giudice LLM possa premiare la densità di citazioni rispetto all'effettiva soddisfazione dei vincoli, un bias che il controllo oggettivo mette in luce. L'evidenza quantitativa principale proviene poi da un compito di configurazione delle funzioni di rete free5GC, articolato in tre tipi di richiesta a complessità crescente, ciascuno eseguito dieci volte. Rispetto a una baseline a singolo LLM, le varianti multi-agente ottengono punteggi superiori secondo i giudici LLM su tutti e tre i tipi di richiesta, un vantaggio che cresce con la complessità sotto tutti e tre i giudici, mentre la soddisfazione oggettiva dei vincoli migliora sulle richieste a media e alta complessità ma non sulla più semplice, dove la baseline soddisfa già tutti i vincoli. I risultati forniscono evidenza preliminare che la deliberazione ancorata al grafo può supportare decisioni di configurazione verificabili, mostrando al contempo che la revisione umana resta necessaria per un deployment eseguibile.