Agentic AI im Unternehmen: Agentic AI verspricht enorme Fortschritte beim Automatisieren von Geschäftsprozessen. Autonome IT-Agenten, die auf bestimmte Tätigkeiten spezialisiert sind, arbeiten zusammen, um gemeinsam komplexe Aufgaben automatisiert zu erledigen. Diese Agenten können in Echtzeit lernen und Abläufe selbstständig optimieren.
Prozesse, von denen bislang nur einzelne Schritte automatisiert waren, lassen sich künftig durchgängig automatisieren. Da die agentenbasierte Künstliche Intelligenz im Gegensatz zu klassischen Automatisierungslösungen keinen starren Prozessen folgt, können die Systeme dynamisch auf Veränderungen reagieren und Ausnahmen bearbeiten.
Technologien hinter Agentic AI: Zusammenspiel von Agenten, Modellen und Lernmethoden
Um diese Fähigkeiten zu erhalten, kombiniert Agentic AI mehrere Technologien und Ansätze:
- Multi-Agenten-Systeme: Gruppen spezialisierter IT-Agenten, die zusammenarbeiten, um komplexe Aufgaben zu bewältigen.
- Orchestrierungsschicht oder Orchestrierungsagent: Eine übergeordnete Instanz, die Aufgaben steuert, Prioritäten setzt und Ausnahmen verwaltet.
- Large Language Models: Große Sprachmodelle wie ChatGPT, die Texte analysieren und generieren.
- Reinforcement Learning: Eine Lernmethode, bei der Agenten ihre Leistung durch „Trial and Error“ verbessern.
- Knowledge Graphs und Symbolic AI: Strukturen, mit denen Agenten komplexe Geschäftsregeln verstehen und anwenden können.
- Maschinelles Lernen: Modelle für Vorhersagen, auf deren Basis die Agenten planen, entscheiden und handeln.
Wie die Zusammenarbeit von KI-Agenten konkret aussehen kann, zeigt ein Beispiel aus dem Backoffice: die Dokumentenverifikation im Bankwesen. Agentic AI zerlegt diese Aufgabe gemäß dem „Divide and Conquer“-Prinzip, das unter anderem in der Mathematik und der Informatik angewendet wird, in kleinere, überschaubare Teilaufgaben, die verhältnismäßig einfach zu lösen sind. Anschließend setzen die Systeme die Teillösungen zusammen, um die komplexe Gesamtaufgabe zu erledigen.
Zusammenspiel spezialisierter Agenten: Vom Dokumentenscan bis zur Entscheidung
Bei diesem Anwendungsbeispiel kooperieren fünf Agenten:
- Dokumentensammler-Agent erfasst Kundendokumente aus verschiedenen Quellen wie E-Mails, Portale oder Scans.
- OCR- und Datenerfassungs-Agent konvertiert gescannte Dokumente in Text und extrahiert relevante Informationen wie Namen oder Kontonummern.
- Betrugserkennungs-Agent vergleicht Dokumentendaten mit internen und externen Datenbanken zur Betrugserkennung.
- Compliance- und Validierungs-Agent überprüft das Einhalten regulatorischer und betrieblicher Vorgaben.
- Entscheidungs-Agent konsolidiert die Ergebnisse aller Agenten und entscheidet, ob ein Dokument akzeptiert wird oder ob weitere Prüfungen erforderlich sind.
Agentenbasierte Künstlicher Intelligenz lässt sich laut Pegasystems in den unterschiedlichsten Branchen einsetzen. Dazu zählen beispielsweise:
- Kundensupport: Intelligente Ticket-Triage, automatisierte Anfragenbearbeitung und Echtzeit-Kundeninteraktionen.
- Lieferkette und Logistik: Optimierung der Auftragsabwicklung, Lagerverwaltung und vorausschauenden Wartung.
- Recht und Compliance: Automatisierte Vertragsprüfung, Risikobewertung und Einhaltung gesetzlicher Vorschriften.
- Gesundheitswesen: Automatisierung der Patientenaktenprüfung, Schadensregulierung und Betrugserkennung.
Agentic AI ist die Zukunft der intelligenten Automatisierung. Diese Methode dürfte die Art und Weise, wie Unternehmen komplexe Aufgaben bewältigen, grundlegend ändern. Angesichts der rasanten Fortschritte von Künstlicher Intelligenz treiben Unternehmen aus allen Branchen mit Agentic AI die Automatisierung voran, reduzieren manuelle Arbeit und fördern eine intelligente Entscheidungsfindung. jf
