Wie AI Agent Systems die Art und Weise der Geschäftsabwicklung verändern

Die Marktanalysten von Gartner prognostizieren, dass bis 2028 33 Prozent der Software im Unternehmenseinsatz agentenbasierte KI enthalten werden. AI Agent Systems bieten Nutzern eine bessere Performance.

Ein besonders wichtiger Vorteil: Sie können vordefinierte, mehrstufige Workflows vereinfachen oder vollständig automatisieren. Die Intelligenz der Datensätze wird durch Eingabeaufforderungen in natürlicher Sprache erhöht. Denn eine der größten Herausforderungen bei der Einführung von GenAI im Unternehmen ist nach wie vor die Qualität.

Unternehmen benötigen Genauigkeit und Zuverlässigkeit, um neue KI-Anwendungen für Tausende von Benutzern freizugeben und große LLMs allein können diese nicht bieten. Werden mehrere Modelle, Retriever, Vektordatenbanken und Tools für die Bewertung, das Monitoring, die Sicherheit und Governance usw. eingesetzt, produzieren AI Agent Systems genauere Ergebnisse. Dies wiederum reduziert die Kosten und erhöht die Sicherheit bei der Bereitstellung von KI-Tools. AI Agents nehmen ihre Umgebung wahr, treffen Geschäftsentscheidungen und handeln entsprechend damit sie ihre Ziele erreichen, sie beziehen sich auf selbststeuernde Software.

Unternehmen und besonders mittelständische Unternehmen können vom AI Agent-Trend profitieren. Sie können besser planen, Probleme lösen und zielgerichtet handeln. Doch bevor sie die Potentiale nutzen können, müssen sie zunächst das Datenproblem lösen. Sie liegen in unterschiedlichsten Formaten an verschiedenen Orten und müssen zunächst zusammengeführt und  vereinheitlicht werden. Bislang wird diese Arbeit von oft überlasteten Data Analysts und Data Engineers erledigt, die nicht hinter den Anforderungen des Business hinterherkommen was zu einem Informationsengpass führt. AI Agent Systems lösen dieses Dilemma auf, sie bauen auf den vereinheitlichten Daten eines Unternehmens auf und ermöglichen auch Mitarbeitern ohne technischen Background sofort die benötigten Dateninformationen in natürlicher Sprache einzusehen. In der Folge werden schnellere und fundiertere Entscheidungen möglich. Beide Komponenten, sowohl KI-gesteuerte als auch menschliche Auswertungen tragen zur Verfeinerung der Ergebnisse bei.

Ein Beispiel für ein Unternehmen, dass bereits Praxiserfahrung mit KI Agenten gesammelt hat, ist die OMV. Das österreichische Energieunternehmen hat die Notwendigkeit erkannt, datengesteuerte Entscheidungen in der Produktentwicklung zu ermöglichen. Das Unternehmen sah sich jedoch mit erheblichen Herausforderungen bei der Verwaltung und Durchsicht von mehr als 100.000 Seiten an Produktzertifizierungen, Forschungs- und Regulierungsdaten konfrontiert. Diese Daten sind jedoch für eine kritische Entscheidungsfindung unerlässlich. Die ersten Versuche mit GenAI zum Ziel zu kommen blieben hinter den Erwartungen zurück. Um dieses Problem zu lösen, entwickelte der Energieversorger einen Retrieval Augmented Generation (RAG) Chatbot unter Verwendung des Databricks Mosaic AI Agent Frameworks. Dadurch konnten die Datenteams diese Modelle schnell und ohne aufwändige Skriptpflege einsetzen und testen. Die Zeit, die benötigt wird, um die neuesten Produktinformationen und die entsprechenden regulatorischen Informationen zu erhalten, wurde um bis zu 20 Prozent verkürzt und die Kosten für die Schulung der Mitarbeiter um das 25-fache reduziert.

Fazit

AI Agent Systems sind keine Zukunftsmusik mehr, sie sind Realität. Wo bisher der Einsatz fehlt, wird er in Zukunft zu einer Standardkomponente werden. Vorteile liegen bei der Entscheidungsunterstützung bis hin zur Kundeninteraktion, die beide automatisiert beschleunigt werden. Monotone und wiederholbare Aufgaben lassen sich mit nur einem Natural Language Prompt vollständig automatisieren. Dadurch entstehen Wettbewerbsvorteile, denn agentenbasierte KI ermöglicht intelligente, datengesteuerte Strategien in verschiedensten Branchen.

Autor: Matthias Ingerfeld, Area VP & TechGM leading Field Engineering in Central EMEA bei Databricks