Agentische KI: Automatisierte Qualitätskontrolle, vorausschauende Instandhaltung, Optimierung des Materialflusses – Intelligente Agenten, die bestimmte Aufgaben ohne menschlichen Input erledigen und dabei selbstständig Entscheidungen treffen, versprechen der Industrie erhebliche Effizienzgewinne. Einige Unternehmen haben bereits Pilotprojekte gestartet und erste Agenten dieser Art implementiert.
Geht es um die Skalierung dieser Technologie, warten zahlreiche Herausforderungen auf die Unternehmen. Darauf sollten sie sich vorbereiten, sonst laufen sie Gefahr, in der Übergangsphase von Pilotprojekten zum breiten Einsatz agentischer Künstlicher Intelligenz stecken zu bleiben. IFS, Anbieter von Industrial-AI-Software, erläutert die größten Hindernisse:
1. Angst vor Veränderung
Geht es um die Einführung von Technologien, die ihre Abläufe drastisch verändern, zögern Industrieunternehmen oft. Diese Zurückhaltung resultiert aus der Sorge, die Kontrolle über wichtige Geschäftsprozesse zu verlieren, und aus der Ungewissheit, wie sich diese Veränderungen auf die Arbeitsabläufe auswirken. Bei der Einführung autonomer Systeme wie KI-Agenten dürften diese Bedenken besonders groß ausfallen.
2. Schwierige Erfolgsmessung
Ohne klar definierte Erfolgskennzahlen ist es für Unternehmen schwierig, die Wirksamkeit von IT-Tools zu bewerten. Bei agentischer KI ist es aber besonders herausfordernd zu ermitteln, wie sie sich konkret auf wichtige Geschäftsergebnisse wie Produktivität, Kosten oder betriebliche Effizienz auswirkt. KI-Agenten agieren oft in komplexen dynamischen Umgebungen, was eine objektive und vergleichbare Bewertung erschwert.
3. Unklarheit über Anwendungsfälle
Welche komplexen Prozesse KI-Agenten effektiv abbilden können, ist nicht ohne Weiteres ersichtlich. Um es herauszufinden, benötigen Unternehmen fundierte Fachkenntnisse und ein klares Verständnis ihrer internen Abläufe. Andernfalls besteht die Gefahr, dass sie agentische KI lediglich für einfache Aufgaben einsetzen und damit das Potenzial dieser Technologie bei weitem nicht ausschöpfen.
4. Mangelnde Datenqualität
Agentische KI ist auf verfügbare und qualitativ hochwertige Daten angewiesen. Für Industrieunternehmen ist das Bereitstellen und die Aufbereiten der Daten eine besonders große Herausforderung, da sie oftmals viele Altsysteme im Einsatz haben und ihre Datenlandschaft stark fragmentiert ist. Sie benötigen ein Data Framework, das eine Vielzahl von KI-Agenten unterstützt, die nahezu in Echtzeit riesige Datenmengen verarbeiten.
5. Widerstände in der Belegschaft
Da agentische KI bestimmte Aufgaben vollständig automatisiert und von Menschen übernimmt, ist Widerstand von Mitarbeitern vorprogrammiert. Sie können sich zwar auf ihre hochwertigen Aufgaben konzentrieren und Agenten unterstützen, die Genehmigungen benötigen oder mit Unsicherheit behaftet sind. Sie müssen bei ihrer Arbeit aber zweifellos ein gewisses Maß an Autonomie aufgeben.
„Für einen erfolgreichen organisationsweiten Roll-out von agentischer KI müssen Industrieunternehmen strategische Investitionen tätigen und methodisch vorgehen“, erklärt Stefan Issing, Presales Director DACH bei IFS. „Sie sollten klare Rollen und Geschäftsergebnisse für die Agenten definieren und ihre Daten und ihre Infrastruktur bereit machen. Um einen reibungslosen Übergang zu gewährleisten, ist es außerdem wichtig, in Onboarding-Initiativen für die Mitarbeiter zu investieren und frühzeitig funktionsübergreifende Teams zu bilden.“ Jürgen Frisch
