Was ist agentenbasierte KI?

Mit Agentic AI können autonome Agents planen, hochwertige Entscheidungen treffen und sich bei der Arbeit auf Ziele anpassen. Anstatt auf eine einzige Aufforderung zu reagieren, können Agents Kontexte verstehen, Aufgaben in Schritte aufteilen, mithilfe von Tools und Systemen Maßnahmen ergreifen und sich anhand der Erfahrungen verbessern. Dadurch können Digital Worker mehr von der komplexen, entscheidungsbasierten Arbeit übernehmen, die Menschen normalerweise erledigen – Unterstützung von Teams, Erweiterung von Kapazitäten und Beschleunigung der Ergebnisse im gesamten Unternehmen.

Agentic AI-Systeme können:

• Verstehen Sie Ziele und treffen Sie Entscheidungen basierend auf Kontext und verfügbaren Daten 

• Teilen Sie komplexe Aufgaben in überschaubare Schritt-für-Schritt-Pläne auf 

• Verwenden Sie Tools, Anwendungen und externe Systeme, um die Arbeit zu erledigen 

• Speichern Sie relevante Informationen und aktuelle Situationen im Gedächtnis 

• Arbeiten Sie bei Bedarf mit Menschen oder anderen Agents zusammen

• Aus Ergebnissen lernen, um die Leistung im Laufe der Zeit zu verbessern

Zusammen ermöglichen diese Fähigkeiten Agents, unabhängig in komplexen Workflows zu arbeiten. Sie können die Variabilität bewältigen, sich an neue Informationen anpassen und die Arbeit über mehrere Systeme hinweg koordinieren, um lang andauernde Prozesse zum richtigen Ergebnis zu führen, ohne dass ständig menschliche Eingriffe erforderlich sind.

Ein agentenbasiertes KI-System ist eine kontinuierliche Schleife der Wahrnehmen, Planen, Handeln und Lernen.

Vorstellung

Ein KI-gestützter Agent sammelt Informationen von Dokumenten, Anwendungen, Datenquellen, APIs, Videos oder anderen Systemen. Er interpretiert diese Informationen, um den aktuellen Kontext zu verstehen.

Argumentation und Planung

Basierend auf dem, was er wahrnimmt, bewertet der Agent Optionen und bestimmt die erforderlichen Schritte zum Erreichen eines Ziels. Diese Initiativen können die Auswahl der besten Abfolge von Aktionen oder die Identifizierung der richtigen Tools oder Systeme umfassen, die verwendet werden sollen.

Maßnahmen ergreifen

Der Agent führt Aufgaben über Anwendungen, APIs, Roboter oder andere Agents aus. Diese Aktionen können das Aktualisieren von Datensätzen, das Generieren von Inhalten, das Abrufen von Informationen, das Initiieren von Workflow-Schritten oder die Koordinierung von Aktivitäten über mehrere Systeme hinweg umfassen.

Denken und Lernen

Nach jeder Aktion bewertet der Agent das Ergebnis. Es verwendet Feedback und Kurz- oder Langzeitgedächtnis, um seinen Ansatz zu verfeinern, zukünftige Entscheidungen zu verbessern und die Kontinuität über längere Workflows hinweg aufrechtzuerhalten.

Diese Schleife wiederholt sich kontinuierlich, sodass Agents in komplexen Workflows navigieren, sich ändernde Bedingungen verwalten und in realen Unternehmensumgebungen effektiv arbeiten können.

Orchestrierung ist ein Kernbestandteil von Agentic Automation, und beide arbeiten zusammen, damit Agentic AI im gesamten Unternehmen effektiv arbeiten kann.

• Agentic Automation bietet die Möglichkeit, Arbeit systemübergreifend mithilfe von Robotern, Integrationen und KI-gesteuerten Aktionen auszuführen.

• Die Orchestrierung koordiniert diese Aktionen und stellt sicher, dass sie in der richtigen Sequence, mit den richtigen Berechtigungen und mit der erforderlichen Transparenz und Leitplanken für einen sicheren und konformen Betrieb ausgeführt werden.

Gemeinsam bilden sie die Struktur und die Kontrolle, die es KI-Agents ermöglichen, komplexe Ergebnisse in großem Umfang zu planen, zu handeln und zu erzielen.

Agentic AI funktioniert in einem breiteren Spektrum von KI-Modellen und -Techniken, Automatisierungstools sowie Koordinations- und Kontrollfähigkeiten. Wenn Sie dieses Ökosystem verstehen, wird verdeutlicht, wie Agentic AI funktioniert, wovon sie abhängt und wie sie mit anderen Unternehmenstechnologien interagiert.

KI-Fähigkeiten: die kognitiven Bausteine

Generative KI (GenAI)

GenAI erzeugt Text, Code, Zusammenfassungen oder andere Inhalte. Agentic AI kann generative Ausgaben als Teil eines größeren Plans verwenden, umfasst aber über die Generierung hinaus auch die Entscheidungsfindung und das Handeln.

Klassische KI, Machine Learning und Deep Learning

Klassische KI-, Machine Learning- und Deep-Learning-Modelle unterstützen Aufgaben wie Klassifizierung, Vorhersage, Mustererkennung und Optimierung. Deep-Learning-Modelle sind insbesondere geeignet für die Interpretation unstrukturierter Daten wie Text, Bilder und Audio. Agentic AI integriert diese Funktionen in umfassendere Workflows, die kontextbezogene Planung, Entscheidungsfindung und Maßnahmen über mehrere Systeme hinweg erfordern.

Argumentationsmodelle

Argumentationsmodelle unterstützen strukturierte Problemlösung und mehrstufiges Denken. Die agentenbasierte KI nutzt diese Funktionen, um Optionen zu bewerten und geeignete nächste Schritte zu bestimmen.

Benutzeroberflächen in natürlicher Sprache

Benutzeroberflächen in natürlicher Sprache machen KI zugänglich, indem sie es Menschen ermöglichen, Ziele in alltäglicher Sprache zu formulieren. Agentic AI kann diese Eingaben interpretieren, obwohl die Entscheidungsfindung auf ihrer Planung und Kontrolllogik basiert.

Operative Entitäten und Rollen: Die Akteure, die die Arbeit ausführen

KI-Agenten

KI-Agents wenden agentische KI und eingebettete Kontrolllogik an, um Kontext wahrzunehmen, Entscheidungen zu treffen und Maßnahmen zu ergreifen. Die Kontrolllogik kann explizite Regeln, Beschränkungen und Richtlinien umfassen, die das Verhalten gestalten und vorhersehbare, überprüfbare Entscheidungspfade bereitstellen. Agents können einzeln oder in Zusammenarbeit mit anderen Agents, Robotern und Menschen arbeiten.

Spezialisierte Agenten

Spezialisierte Agents sind für fokussierte Rollen oder domänenspezifische Aufgaben konzipiert. Sie setzen gezielte Logik oder Fachwissen ein, um bestimmte Schritte in einem Workflow zu bewältigen – wie z. B. das Extrahieren von Daten, die Validierung von Eingaben, die Bewertung von Risiken oder die Koordinierung von Übergaben.

Deep-Agents

Deep Agents sind eine neue Klasse von agentischen Systemen – mehrschrittig und zielorientiert – sie können planen, Kontext speichern, nach Fehlern wiederherstellen und Unteragenten koordinieren. Im Gegensatz zu Agents auf ober erstellter Aufgabenebene bewältigen Deep Agents Aufgaben mit hohem Horizontal horizontalen Bereich, passen sich an die Komplexität der realen Welt an und agieren eher wie autonome digitale Mitarbeiter.

Multi-Agent-Systeme (mask)

Multi-Agent-Systeme beinhalten mehrere Agents, die Kontext teilen und Aufgaben innerhalb eines Workflows koordinieren. MAs-Architekturen unterstützen Spezialisierung, verteilte Problemlösung und Widerstandsfähigkeit, sodass Agents Arbeit übergeben oder parallel arbeiten können. Agentic AI unterstützt diese Muster durch interoperable Planungs- und Kommunikationsfunktionen.

Ausführungs- und Automatisierungstechnologien: Tools und Ressourcen, um Maßnahmen zu ergreifen

Robotic Process Automations (RPA)

RPA ermöglicht es Robotern, strukturierte, wiederholbare Aktionen schnell und in großem Umfang auszuführen. Agents rufen Roboter auf, um zuverlässige UI- oder Systeminteraktionen sowie deterministische und strukturierte Prozesse auszuführen, während Agents Schritte übernehmen, die Argumentation oder Anpassung erfordern.

Systemintegrationen und API-Tools

Agents verwenden Integrationstechnologien wie APIs, Connectors und Systemaktionen, um Arbeit innerhalb von Unternehmensanwendungen zu erledigen. Mit diesen Funktionen können Agents plattformübergreifend Daten abrufen, Datensätze aktualisieren und Aufgaben erledigen.

Vorgefertigte Agentic AI-Lösungen

Vorgefertigte Agentic AI-Lösungen bieten vorgefertigte, domänenspezifische Funktionen, die Teams schnell bereitstellen können, um die Einführung zu beschleunigen. Diese verpackten Agents und Workflows bieten getestete Logik, Integrationen und Leitplanken, sodass Unternehmen eine schnelle Möglichkeit haben, vollständige agentenbasierte Workflows einzuführen, ohne jede Komponente von Grund auf neu erstellen zu müssen.

Koordination und Governance: Unternehmenssteuerelemente, die das Skalieren ermöglichen

Orchestrierung

Agentic Orchestration regelt, wie Agents, Roboter und Menschen über Workflows hinweg zusammenarbeiten. Er definiert Muster für die Zusammenarbeit, Berechtigungen, Sequenzierung und Kontrolle, um eine sichere und koordinierte Ausführung zu gewährleisten. Außerdem unterstützt es Multi-Agent-Systeme, indem gemeinsamen Kontext verwaltet und Entscheidungen an Unternehmensrichtlinien ausgerichtet werden.

Guardrails und Richtlinienkontrollen

Leitplanken und Richtlinienkontrollen stellen die Unternehmensregeln bereit, die das Verhalten des Agents leiten. Sie setzen Zugriffsberechtigungen, Sicherheitsüberprüfungen, Entscheidungsgrenzen und Eskalationsbedingungen durch. Stellen Sie sicher, dass Agents innerhalb genehmigter Richtlinien mit minimalem menschlichen Eingriff arbeiten und diese Regeln anpassen, wenn sich Prozesse weiterentwickeln.

Überwachung und Kontrolle

Überwachung und Kontrolle bieten Echtzeiteinblicke in Agent-Vorgänge über Analyse-Dashboards, Audit-Pfade und Leistungsprüfungen. Diese Funktionen helfen Teams bei der Validierung des Systemverhaltens, bei der Erkennung von Abweichungen oder unerwarteten Ergebnissen und bei der Aufrechterhaltung eines zuverlässigen, konformen Betriebs über alle Workflows hinweg.

Agentic AI erweitert den Umfang der Automatisierung, indem sie es Systemen ermöglicht, Kontext zu interpretieren, Entscheidungen zu treffen und sich an die realen Bedingungen anzupassen. In Kombination mit der Unternehmensautomatisierung liefern diese Funktionen messbare Auswirkungen.

Agentic AI liefert den größten Nutzen in Workflows, die strukturierte Aufgaben mit Entscheidungsfindung, Variabilität und Koordination über mehrere Systeme hinweg verbinden. Beispiele dafür sind:

Agentic AI baut auf Fortschritte in der KI auf, die sich über mehrere Jahre hinweg entwickelt haben:

• 2017: Die Transformer-Architektur führte eine effektivere Methode für den Umgang mit Kontext ein, wodurch die Entwicklung großer Sprachmodelle ermöglicht wurde.

• 2018–2021: Entwickler trainierten Transformer mit umfangreichen Datensätzen, was zu Modellen führte, die zusammenfassen, argumentieren und diskutieren können.

• 2022: Die Konversations-KI wurde durch Ausrichtungstechniken erheblich verbessert, die Modelle sicherer, hilfreicher und benutzerfreundlicher machten.

• Heute: Durch die Kombination von Sprachverständnis mit Planung, Gedächtnis und Werkzeugnutzung können KI-Systeme nun über das Generieren von Antworten hinausgehen, um Ziele zu verfolgen und Aufgaben zu erledigen – und damit den Weg für Agentic AI und Autonomie auf Unternehmensebene ebnen.

Die Flexibilität und Autonomie von Agentic AI führen zu neuen Überlegungen in Bezug auf Governance, Sicherheit und Zuverlässigkeit. Organisationen müssen sicherstellen, dass diese Systeme sicher, transparent und innerhalb definierter Grenzen verhalten.

Der Einsatz von Agentic AI erfordert die Abstimmung von Design, Orchestrierung, Integration und Überwachung, damit Agents im gesamten Unternehmen konsistent und sicher arbeiten können.

F: Was ist Agentic AI in einfachen Begriffen?

A: Agentic AI ist die Intelligenz, die es KI-Agents ermöglicht, Kontext zu verstehen, Entscheidungen zu treffen und Maßnahmen zu ergreifen, um Ziele zu erreichen. Sie ermöglicht es der KI, über einzelne Eingabeaufforderungen hinaus zu arbeiten und mehrstufige Arbeit autonom auszuführen.

F: Wie unterscheidet sich Agentic AI von generativer KI?

A: Generative KI erstellt Inhalte, während Agentic AI Argumente, Planungs- und Aktionsfähigkeiten einsetzt, um Aufgaben zu erfüllen und definierte Ziele zu verfolgen. Sie ergänzen sich und arbeiten oft zusammen.

F: Was ist ein KI-Agent?

A: Ein KI-Agent ist ein Softwareanbieter, der seine Arbeit in Anwendungen und Systemen mithilfe von agentenbasierter KI und eingebetteter Kontrolllogik verbringt. Agents können Aufgaben koordinieren, Tools verwenden und mit Menschen oder anderen Agents zusammenarbeiten.

F: Was ist Agentic Automation?

A: Agentic Automation ist die Ausführung von Arbeit durch KI-Agenten, Roboter und Menschen. Es unterstützt End-to-End-Workflows, die Entscheidungsfindung mit strukturierten Systemaktionen kombinieren.

F: Was ist Orchestrierung mit Agenten?

A: Agentic Orchestration verwaltet, wie Agents, Roboter und Menschen in einem Workflow zusammenarbeiten. Er definiert Rollen, Berechtigungen, Sequence und Guardrails, um eine kontrollierte und konforme Ausführung zu gewährleisten.

F: Kann Agentic AI mit bestehenden Unternehmenssystemen funktionieren?

A: Ja. Agents und Roboter können über Benutzeroberflächen, APIs, Datendienste und andere Integrationspunkte arbeiten und eine Automatisierung sowohl in älteren als auch in modernen Systemen ermöglichen.

F: Welche Arbeitsarten eignen sich am besten für Agentic AI?

A: Prozesse, die strukturierte Aufgaben mit Entscheidungspunkten, Variabilität oder Koordination über mehrere Systeme hinweg kombinieren, profitieren am meisten. Beispiele sind die Bearbeitung von Schadensfällen, das Case Management, das Underwriting und die betriebliche Analyse.

F: Erfordern Agentic AI-Systeme menschliche Aufsicht?

A: Ja. Selbst autonome Systeme arbeiten innerhalb definierter Richtlinien, Einschränkungen und Eskalationspfade. Die menschliche Überprüfung wird für Ausnahmen, Genehmigungen und Szenarien mit hohem Urteilsvermögen verwendet.

F: Werden Multi-Agent-Systeme unterstützt?

A: Ja. Agentic AI unterstützt Muster mit mehreren Agenten, bei denen Agents Kontext teilen, Aufgaben aufteilen oder zusammenarbeiten, um komplexe Workflows abzuschließen.

F: Wie bleiben Agents im Einklang mit den Unternehmensrichtlinien?

A: Agents folgen definierten Kontrolllogik, Leitplanken und Orchestrierungsregeln. Auditpfade und Überwachung stellen sicher, dass Entscheidungen mit den Richtlinien und Governance-Anforderungen übereinstimmen.

F: Was sind die Hauptrisiken bei der Einführung von Agentic AI?

A: Zu den Hauptrisiken gehören eine falsche Ausrichtung der Autonomie, Bedenken beim Datenzugriff, Herausforderungen bei der Transparenz und Sicherheitslücken bei der Integration. Governance, Orchestrierung und kontinuierliche Überwachung helfen dabei, sie zu verringern.

F: Wie können Unternehmen mit der Implementierung von Agentic AI beginnen?

A: Beginnen Sie mit einem zielorientierten Prozess, legen Leitplanken fest, erstellen einen kleinen Prototyp, integrieren durch Orchestrierung und skalieren schrittweise, während gleichzeitig die Leistung und das Verhalten überwacht werden.