Übernimmt die KI mit dem Aufkommen von Agenten die Führung?

Wie wird KI die Art und Weise, wie wir arbeiten, grundlegend verändern? Eine Frage, die sich seit Jahren in Vorstandsetagen und auf Technologiekonferenzen aufdrängt.

Wir haben uns mit einer grundlegenden Einschränkung von KI-Systemen auseinandergesetzt: ihrer Unfähigkeit, Initiative zu ergreifen. Mit der agentenbasierten KI ändert sich dies, da sie mithilfe externer Tools planen, denken und handeln kann.

Zum ersten Mal sehen wir KI-Systeme, die nicht nur auf Anfragen reagieren, sondern proaktiv Probleme erkennen, Lösungen formulieren und handeln. Dies ist nicht nur eine weitere schrittweise Verbesserung der KI-Fähigkeiten - es ist ein Paradigmenwechsel in der Art und Weise, wie KI-Systeme arbeiten und mit der Welt interagieren.

Agentische KI funktioniert, indem sie das Problem versteht, den Kontext erfasst, die erforderlichen Informationen mit externen Tools abfragt und dann LLMs nutzt, um "agil" zu handeln.

Stellen Sie sich ein Logistikunternehmen vor, das mit unerwarteten Wetterunterbrechungen konfrontiert ist. Herkömmliche KI-Systeme würden lediglich die Wetterdaten analysieren und Empfehlungen aussprechen. Die agentenbasierte KI würde ihre logischen Fähigkeiten nutzen, um zu verstehen, wie sich das Wetter auf den Betrieb auswirkt, einen Aktionsplan aufstellen und über externe Tools Benachrichtigungen oder Warnungen auslösen.

Beim Übergang von der generativen KI-Ära zur agentenbasierten KI geht es in diesem Blog um Folgendes:

• Was Agentic AI ist und wie sie sich entwickelt hat
• Warum sie für Unternehmen wichtig ist
• Potenzielle Risiken und Sicherheitsbedenken
• Wie Unternehmen ihre Reise mit Agentic AI beginnen können

KI-Evolution: von der Wahrnehmungs-KI zur Agentischen KI

Die früheren KI-Modelle, die als Wahrnehmungs-KI-Modelle klassifiziert wurden, konnten die Welt um sie herum verstehen und interpretieren und zeichneten sich durch spezifische, enge Aufgaben aus.

So konnte beispielsweise ein Modell zur Stimmungsanalyse die Meinung eines Kunden zu einem Produkt oder einer Dienstleistung ermitteln, oder ein Bildklassifizierungssystem konnte zwischen Katzen und Hunden unterscheiden. Diese Systeme waren jedoch durch ihren Single-Task-Ansatz begrenzt.

Dann kam die generative Ära, in der KI-Systeme nicht nur wahrnehmen, sondern auch generieren konnten. Dabei ging es nicht nur darum, von der Klassifizierung zur Generierung überzugehen, sondern es handelte sich um einen grundlegenden Wandel, der eine Transformator-Architektur mit eingebauter Aufmerksamkeitsfunktion beinhaltete, die es ihnen ermöglichte, von Wahrnehmungs- zu Generierungsaufgaben überzugehen.

Jetzt erleben wir das Aufkommen der agentenbasierten KI, die mehr als nur eine Kombination aus Wahrnehmungs- und Generierungsfähigkeiten darstellt. Wie bereits erwähnt, unterscheiden sich die Werkzeuge der agentenbasierten KI von den früheren Modellen durch ihre Fähigkeit zu denken, zu planen und zu interagieren.

Was kommt als nächstes?

Die verkörperte KI - Systeme, die Handlungsfähigkeit mit physischer Präsenz in der realen Welt verbinden. Dabei geht es jedoch nicht einfach um völlige Autonomie (ein Konzept, das selbst für menschliche Intelligenz problematisch ist), sondern vielmehr um die Verankerung der KI-Agentur in der physischen Realität.

Es ist wichtig zu erwähnen, dass die Entwicklung nicht streng linear verläuft. Jede Stufe baut auf den Fähigkeiten der vorangegangenen Stufen auf und erweitert sie, so dass KI-Systeme entstehen, die immer besser in der Lage sind, die Welt zu verstehen, zu erschaffen, zu denken und zu handeln. Darüber hinaus ermöglicht und verbessert das, was wir von den neueren KI-Systemen lernen, die bestehenden KI-Systeme.

Was ist agentenbasierte KI?

Agentische KI kann selbständig denken, planen und handeln, so dass sie Aufgaben mit minimaler menschlicher Anleitung erledigen kann. Sie nutzt einen Prozess namens REACT (Reasoning and Acting), der logisch bestimmt, welche Aktionen auszuführen sind, und führt diese mit Hilfe externer Tools aus.

Multimodale Modelle versetzen die KI in die Lage, verschiedene Eingabearten - Text, Bilder und Daten - zu verarbeiten und zu verstehen, wie sie sich zueinander verhalten und auf diese Modalitäten reagieren. Die KI kann selbständig entscheiden, wann und wie sie die einzelnen Fähigkeiten am besten einsetzt.

Während sie innerhalb definierter Parameter arbeitet, kann sie selbst entscheiden, wie sie ihre Ziele erreichen, sich an neue Situationen anpassen und sogar Zwischenziele setzen will. Agentische KI basiert auf einer kognitiven Architektur, die eine menschenähnliche Problemlösung nachahmt. Zu ihren Kernkomponenten gehören:

• Gedächtnis (Kurz- und Langzeit): Verfolgt vergangene Interaktionen und speichert den relevanten Kontext.
• Reasoning- und Planungs-Rahmenwerke: Verwendung von Methoden wie REACT oder reflexionsbasiertes Lernen zur Verbesserung der Entscheidungsfindung.
• Generative KI-Modelle: Sie fungieren als "Gehirn" der KI und ermöglichen Kommunikation und komplexe Schlussfolgerungen.
• Zielgerichtet: Arbeitet mit vordefinierten Zielen, um zielgerichtete Aktionen zu gewährleisten.
• Zugriff auf externe Tools: Kann das Internet durchsuchen, Live-Daten abrufen oder sich in Unternehmenssysteme integrieren. Dazu gehören z. B. die Websuche und der Code-Interpreter. Die Branche arbeitet an der Standardisierung der Integration dieser Tools in Sprachmodelle. MCP arbeitet mit Anthropic zusammen, um diese Standardisierung zu erreichen.

Was haben die Unternehmen davon?

Agentische KI wird die Geschäftslogik automatisieren, die sonst jedes Mal manuell durch Agentenskripte geschrieben werden müsste. Indem mühsame und schwerfällige Aufgaben in einer agentenähnlichen Architektur automatisiert werden, können Unternehmen ihre Effizienz und Produktivität erheblich steigern.

Stellen Sie sich vor, ein Manager führt regelmäßig Beurteilungen für ein ganzes Team durch. Agentische KI kann diesen komplexen Geschäftsprozess automatisieren und so die Effizienz erheblich steigern. Dies verbessert die Prozessgenauigkeit und gibt dem Manager mehr Zeit, sich auf strategische Aufgaben zu konzentrieren.

Schauen wir uns zwei Anwendungsfälle genauer an, um die Möglichkeiten von Agentic AI in Unternehmen zu verstehen.

Kundendienstmitarbeiter: Im Gegensatz zu herkömmlichen KI-Chatbots reagiert Agentic AI nicht nur, sondern identifiziert selbstständig potenzielle Probleme im Kundenservice und geht proaktiv darauf ein. Und so geht's:

• Der KI-Agent analysiert die Kundenanfrage.
• Er ruft dann relevante Daten ab (Kaufhistorie, frühere Support-Tickets, Produktnutzung)
• Die KI sagt potenzielle Probleme voraus, bevor sie eskalieren
• Er führt eigenständig Aktionen aus, bietet Lösungen an, bearbeitet Rückerstattungen und eskaliert den Fall bei Bedarf.

Im Gegensatz zu generativen KI-Chatbots beantwortet Agentic AI nicht einfach nur Fragen - sie denkt, plant und löst.

Wissensagent: Agentische KI kann das Wissensmanagement autonom umgestalten, indem sie das Unternehmenswissen organisiert, abruft und kuratiert. So geht's:

• Proaktive Kategorisierung der Dokumentation und Erkennung von Wissenslücken
• Liefert kontextbezogene Erkenntnisse, indem es den Informationsbedarf der Mitarbeiter vorwegnimmt
• Erstellt personalisierte Lernpfade auf der Grundlage des Benutzerverhaltens
• Verknüpft funktionsübergreifendes Wissen und identifiziert Möglichkeiten der Zusammenarbeit

Sie speichert nicht nur Informationen, sondern strukturiert, verfeinert und wendet Wissen dynamisch an und fördert so Lernen und Wachstum.

Die versteckten Risiken der KI-Autonomie: Warum ein menschenzentrierter Ansatz wichtig ist

Agentische KI wird SaaS-Modelle und die Softwareentwicklung tiefgreifend beeinflussen, indem sie komplexe, standardisierte Aufgaben automatisiert, die menschlichen Fähigkeiten verbessert und eine stärkere Konzentration auf spezialisierte, strategische Arbeit ermöglicht.

Die Initiative liegt jedoch nach wie vor beim Menschen. Mehr Autonomie ist mit höheren Risiken verbunden. Da LLMs den Kern der agentenbasierten KI bilden, sind sie anfällig für Halluzinationen und feindliche Angriffe, die das gesamte System ähnlichen Bedrohungen aussetzen können. Angriffe von Angreifern zielen auf Schwachstellen in der mehrstufigen Argumentation der KI ab, indem sie die Interpretation der Eingaben, Zwischenschritte oder Endausgaben manipulieren, um das Verhalten zu beeinträchtigen.

Diese Komplexität verstärkt die Besorgnis über eine Fehlanpassung an menschliche Werte. KI-Ziele können mit menschlichen Interessen kollidieren, was zu schädlichen Ergebnissen führt. Es besteht auch das Risiko, die Kontrolle zu verlieren, wenn die KI unvorhersehbar handelt oder unumkehrbare Maßnahmen ergreift. Um diese Risiken zu minimieren, müssen Unternehmen bei der Entwicklung von Agentic AI einen Ansatz verfolgen, der den Menschen in den Mittelpunkt stellt.

Wie fängt man mit agentenbasierter KI an?

Angesichts der zu erwartenden wirtschaftlichen Vorteile von Agentic AI haben Unternehmen wie Open AI, Microsoft, Google, Meta, Oracle und Salesforce erhebliche Investitionen getätigt.

Trotz der vielversprechenden Aussichten und des großen Interesses sollte man jedoch nicht vergessen, dass sich das Agentic Engineering noch in der Entwicklung befindet. Während Hyperscaler ihre Open-Source-Modelle entwickeln, ist es für Unternehmen ein guter Zeitpunkt, relevante Anwendungen zu identifizieren und die erforderliche technische Infrastruktur einzurichten.

Wenn Sie Ihre KI-Infrastruktur für Agenten aufbauen, ist es wichtig, dass Sie Agenten nach soliden technischen Prinzipien entwickeln. Weitere Faktoren sind die Entscheidung für die richtigen Plattformen und die Ausgewogenheit Ihrer Bemühungen und Investitionen zwischen agentenbasierter und generativer KI.

Nagarro kann Ihnen dabei helfen, die richtigen Agenten zu entwickeln, indem wir unsere soliden technischen Prinzipien und Erfahrungen nutzen. Wir sind von der Fähigkeit der Agentic AI überzeugt, die Unternehmenseffizienz zu steigern, und investieren intensiv in sie. Derzeit stellen wir viele unserer Plattformen auf die Agentic-Architektur um, um ihr wahres Potenzial auszuschöpfen.

Wenn Sie Ihre Agentic AI-Infrastruktur aufbauen möchten, können wir Ihnen helfen. Lassen Sie uns darüber reden!