Fanar-Sadiq: Eine Multi-Agenten-Architektur für geerdete islamische Frage-Antwort-Systeme
Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA
March 9, 2026
Autoren: Ummar Abbas, Mourad Ouzzani, Mohamed Y. Eltabakh, Omar Sinan, Gagan Bhatia, Hamdy Mubarak, Majd Hawasly, Mohammed Qusay Hashim, Kareem Darwish, Firoj Alam
cs.AI
Zusammenfassung
Große Sprachmodelle (LLMs) können Fragen zum religiösen Wissen flüssig beantworten, neigen jedoch häufig zu Halluzinationen und fehlerhaften Quellenzuschreibungen – ein besonders folgenreiches Problem in islamischen Kontexten, wo Nutzer eine Verankerung in kanonischen Texten (Koran und Hadith) und juristischer (fiqh) Nuance erwarten. Retrieval-augmented Generation (RAG) verringert einige dieser Einschränkungen, indem sie die Generierung auf externe Belege stützt. Eine einzelne „Retrieve-then-Generate“-Pipeline ist jedoch nur begrenzt in der Lage, mit der Vielfalt islamischer Anfragen umzugehen. Nutzer können wortgetreue Schriftzitate, fatwa-ähnliche Anleitungen mit Quellenangaben oder regelbasierte Berechnungen wie Zakat und Erbschaft anfragen, die strenge arithmetische und rechtliche Invarianten erfordern. In dieser Arbeit stellen wir einen zweisprachigen (Arabisch/Englisch) multi-agenten islamischen Assistenten namens Fanar-Sadiq vor, eine Kernkomponente der Fanar-AI-Plattform. Fanar-Sadiq leitet islambezogene Anfragen an spezialisierte Module innerhalb einer agentenbasierten, werkzeugnutzenden Architektur weiter. Das System unterstützt intentionsbasiertes Routing, retrieval-gestützte Fiqh-Antworten mit deterministischer Quellenormalisierung und Verifizierungsnachweisen, exakte Versabfragen mit Zitatvalidierung sowie deterministische Rechner für sunnitische Zakat- und Erbschaftsberechnungen mit madhhab-sensitivem Verzweigungsverhalten. Wir evaluieren das vollständige End-to-End-System anhand öffentlicher islamischer QA-Benchmarks und demonstrieren dessen Wirksamkeit und Effizienz. Unser System ist derzeit öffentlich und kostenfrei über eine API und eine Webanwendung zugänglich und wurde in weniger als einem Jahr etwa 1,9 Millionen Mal aufgerufen.
English
Large language models (LLMs) can answer religious knowledge queries fluently, yet they often hallucinate and misattribute sources, which is especially consequential in Islamic settings where users expect grounding in canonical texts (Qur'an and Hadith) and jurisprudential (fiqh) nuance. Retrieval-augmented generation (RAG) reduces some of these limitations by grounding generation in external evidence. However, a single ``retrieve-then-generate'' pipeline is limited to deal with the diversity of Islamic queries. Users may request verbatim scripture, fatwa-style guidance with citations or rule-constrained computations such as zakat and inheritance that require strict arithmetic and legal invariants. In this work, we present a bilingual (Arabic/English) multi-agent Islamic assistant, called Fanar-Sadiq, which is a core component of the Fanar AI platform. Fanar-Sadiq routes Islamic-related queries to specialized modules within an agentic, tool-using architecture. The system supports intent-aware routing, retrieval-grounded fiqh answers with deterministic citation normalization and verification traces, exact verse lookup with quotation validation, and deterministic calculators for Sunni zakat and inheritance with madhhab-sensitive branching. We evaluate the complete end-to-end system on public Islamic QA benchmarks and demonstrate effectiveness and efficiency. Our system is currently publicly and freely accessible through API and a Web application, and has been accessed approx1.9M times in less than a year.