KI-Agenten für die Geschäfts- und Anwendungsentwicklung

KI-Agenten sind unterstützende und autonome Softwaresysteme. Basierend auf Benutzereingaben oder Umgebungsbedingungen argumentieren, planen und ergreifen sie Maßnahmen, um bestimmte Aufgaben oder Ziele zu erreichen. Sie agieren wie intelligente digitale Assistenten, ausgestattet mit gebündeltem Fachwissen, der Erfahrung menschlicher Expert:innen sowie direktem Zugriff auf alle relevanten Daten.

Agenten werden in nahezu allen Lebensbereichen präsent sein und die Art und Weise, wie Unternehmen arbeiten und mit Kund:innen interagieren, grundlegend verändern. Zum Beispiel kann ein Service-Agent als technisch versierteste:r Mitarbeiter:in Ihres Unternehmens rund um die Uhr verfügbar sein und jede Anfrage bearbeiten. Ein Marketing-Agent kann, ähnlich wie ein selbstfahrendes Auto, „Sensoren“ (Echtzeitdaten) verwenden, um veränderte Geschäftsbedingungen zu erkennen und proaktiv zu reagieren, etwa durch Preisanpassungen oder den Start einer Kampagne.

Dieser Artikel befasst sich mit den KI-Innovationen, die das Aufkommen von Agenten vorantreiben, und untersucht, wie Agenten nicht nur Unternehmen transformieren, sondern auch die Entwicklung von Software neu gestalten.

KI-Agenten werden durch den Einsatz von Large Language Models (LLMs) möglich. LLMs bieten zwei zentrale Fähigkeiten, die für die Implementierung effizienter Agenten erforderlich sind:

• Tiefes Sprachverständnis: LLMs können komplexe und nuancierte Sprache präzise erfassen. Dies ist besonders wichtig für Chatbot-Agenten, da sie so Benutzeranfrage auf einer tiefen Ebene zu verstehen und Antworten in natürlicher Sprache formulieren können.
• Argumentation und Entscheidungsfindung: LLMs können auch argumentieren und Entscheidungen treffen. So können Agenten einen Plan erstellen und die Schritte koordinieren, um das Problem gezielt zu lösen.

LLMs allein reichen jedoch nicht aus, um KI-Agentenlösungen zu implementieren. Sie haben eine Reihe von Einschränkungen, darunter:

• Fehlender Zugriff auf private Daten: LLMs haben keinen Zugriff auf private Daten, für die sie nicht trainiert wurden. Sie können z. B. keine Liste der offenen Vertriebs-Opportunities, offenen Supporttickets oder bisherigen Kampagnenergebnisse zurückgeben.
• Keine direkte Handlungsfähigkeit: Sie können von sich aus keine Aktionen ausführen –etwa ein Supportticket anlegen, eine Lieferadresse ändern, einen Verkaufschancendatensatz aktualisieren oder den Preis eines Produkts anpassen.

KI-Agenten schließen die Lücke zwischen den leistungsstarken Sprach- und Argumentationsfähigkeiten von LLMs und den praktischen Anforderungen realer Geschäftsanwendungen – wie dem Zugriff auf private Daten und der Ausführung konkreter Aktionen Damit ebnen sie den Weg für ein neues Softwareparadigma, in dem KI-Agent-Software zentrale Geschäftsprozesse steuert und automatisiert.

Software wird nicht mehr als vollwertige Anwendung entwickelt, sondern als eine Sammlung granularer Bausteine, die bestimmte Funktionen abbilden. Diese können von Agenten mithilfe der Argumentationsfunktionen des LLM flexibel kombiniert werden. Bei Salesforce heißen diese Bausteine  Aktionen  (z. B. „Auftrag suchen“ und „Bestelladresse ändern“) und sind in Funktionsbereichen organisiert, die als Themen bezeichnet werden (z. B. „Auftragsverwaltung“).

Mit anderen Worten: Ein Agent ist ein Softwaresystem, das die Sprach- und Argumentationsfähigkeiten eines LLM verwendet, um eine Reihe von Aktionen innerhalb eines bestimmten Bereichs zu steuern. Auf hoher Ebene funktioniert ein Agent wie folgt:

1. Aufgabe verstehen: Der Agent nutzt die Sprachfähigkeiten des LLM, um ein tiefes Verständnis für die anstehende Aufgabe zu erlangen.
2. Iterativ planen und ausführen: Basierend auf seinem Verständnis der Aufgabe identifiziert der Agent, was als Nächstes zu tun ist. Dies kann das Ausführen von Aktionen oder das Stellen klärender Fragen umfassen. Anschließend bewertet er das Ergebnis des vorherigen Schritts, entscheidet über den nächsten Schritt und wiederholt diesen iterativen Prozess, bis die ursprüngliche Aufgabe abgeschlossen ist.
3. Antwort geben: Der Agent erzeugt die Antwort auf die Eingabe.

Der spannendste Aspekt dieses neuen Ansatzes besteht darin, dass der Agent auch unerwartete Anfragen ohne vordefinierte Anforderungen bearbeiten kann. Stellen Sie sich einen Agenten vor, der mit Dutzenden oder sogar Hunderten von Aktionen ausgestattet ist. Er könnte sie nahezu unbegrenzt kombinieren, auch auf bisher unerwartete Weise. Das ermöglicht es ihm, neue Probleme im Handumdrehen zu lösen. Dies ist die ultimative Form der Zusammenstellung von Anwendungen.

Bei Salesforce werden beispielsweise unsere branchenführenden Anwendungen (einschließlich Sales Cloud, Service Cloud, Marketing Cloud, Commerce Cloudund Branchen) in granulare Aktionen unterteilt. Diese stehen den Agentforce-Agenten von Salesforce sofort zur Verfügung und decken eine Vielzahl von Themenbereichen ab. Agentforce-Agenten können diese Aktionen flexibel kombinieren und den Benutzer:innen so ein nahtloses und einheitliches Erlebnis im gesamten Unternehmen bieten. Darüber hinaus können Entwickler:innen die Standardfunktionen von Agentforce-Agenten mit benutzerdefinierten Aktionen erweitern – etwa über Code, APIs, Salesforce Flows oder Prompt-Vorlagen. Schließlich können Sie Ihre Agenten in Slack bereitstellen und mit ihnen wie mit einem Teammitglied chatten.

Aktionen statten Agenten mit den folgenden wesentlichen Funktionen aus:

1. Zugriff auf private Unternehmensdaten: Aktionen verschaffen Agenten den Zugriff auf Ihre Kunden- und Unternehmensdaten. Wenn Sie einem Agent Zugriff auf Daten gewähren, müssen Sie sicherstellen, dass der Agent keine Daten an nicht autorisierte Benutzer:innen weitergibt. Bei der Verwendung von Agentforce-Agenten wird der Zugriff auf Daten durch Berechtigungen und Sharing Models geregelt. Die gleichen Berechtigungen und Freigabemodelle gelten unabhängig davon, von wo aus auf die Daten zugegriffen wird: von herkömmlichen Anwendungen oder Agenten.
2. Handlungsfähigkeit: Aktionen ermöglichen es Agenten, Logiken auszuführen und in externe Systeme zu integrieren. Standard- Agentforce-Aktionen verfügen über diese integrierte Fähigkeit: Sie können auf Vertrieb, Service, Marketing, Commerce und Branchen reagieren. Darüber hinaus können Entwickler:innen benutzerdefinierte Aktionen erstellen, die mithilfe von Code, APIs, Flows und Prompt-Vorlagen auf Salesforce oder externe Systeme angewendet werden können.

Agenten können unterschiedliche Autonomiegrade haben. Zum Beispiel:

• Assistive Agenten (manchmal auch als Copiloten bezeichnet) arbeiten mit Menschen zusammen und erweitern so ihre Fähigkeiten, anstatt allein zu handeln. Copiloten benötigen oft Input und Feedback von Menschen, um Vorschläge oder Aktionen zu verfeinern.
• Autonome Agenten agieren unabhängig und ohne direkte menschliche Aufsicht. Agentforce-Agenten können – im Gegensatz zu anderen autonomen Agenten –Aufgaben bei Bedarf nahtlos an Menschen übergeben.

Unabhängig vom Autonomiegrad ist es wichtig, geeignete Kontrollmechanismen einzurichten. So lassen sich Zuverlässigkeit, die Einhaltung von Geschäftspraktiken, Datensicherheit und Datenschutz gewährleisten sowie Halluzinationen, Toxizität und schädliche Inhalte vermeiden.

Agentforce-Agenten verwenden einen mehrschichtigen Ansatz, um Leitlinien durchzusetzen:

• Einstein Trust Layer: Die Einstein Trust Layer ermöglicht es Agenten, LLMs sicher zu nutzen, ohne Unternehmensdaten zu gefährden. Es verwendet ein sicheres Gateway, Datenmaskierung, Toxizitätserkennung, Prüfpfade und mehr, um LLM-Interaktionen zu kontrollieren.
• Anweisungen: Bei der Definition eines Agentforce-Agenten können Sie klare Vorgaben in natürlicher Sprache formulieren – einschließlich erwünschter und zu vermeidender Verhaltensweisen. So lassen sich die Leitlinien für das Handeln des Agenten gezielt festlegen.
• Freigegebene Metadaten: Salesforce Metadaten definieren übergreifende Regeln, die unabhängig davon gelten, ob der Zugriff auf die Daten über herkömmliche Anwendungen oder Agenten erfolgt. Dazu gehören Berechtigungen, Freigabemodelle, Validierungsregeln und Workflow-Automatisierung, um die Datensicherheit und die Einhaltung von Geschäftspraktiken zu gewährleisten.
• Agent-Analyse: Dieses Überwachungstool bietet Erkenntnisse zur Leistung, Benutzerfreundlichkeit und Zuverlässigkeit von Agenten und Aktionen und ermöglicht es Ihnen, Optimierungspotenziale zu identifizieren.
• AI Test Center: Das AI Test Center ist ein einheitliches Test-Framework, das Batch-Tests für Agenten, Prompt-Vorlagen, Retrieval-Augmented Generation (RAG) und Modellanwendungsfälle unterstützt.

Salesforce bietet Agenten für Vertrieb und Service an:

• Agentforce Service Agent revolutioniert den Kundenservice mit seiner Fähigkeit, eine breite Palette von Serviceproblemen ohne vorprogrammierte Szenarien zu verstehen und Maßnahmen zu ergreifen. So wird der Kundenservice deutlich effizienter.
• Agentforce SDR Agent nimmt selbstständig und in natürlicher Sprache Kontakt zu eingehenden Leads auf, um Fragen zu beantworten, Einwände zu bearbeiten und Besprechungen für menschliche Verkäufer:innen zu buchen.
• Agentforce Sales Coach Agent führt eigenständig Rollenspiele mit Verkäufer:innen durch und simuliert Käufer:innen während der Entdeckungsphase, des Pitches oder in Verhandlungsgesprächen.

Diese Agenten sind sofort einsatzbereit, lassen sich aber über Agentforce individuell anpassen, erweitern und komplett neu erstellen.

Salesforce Agentforce verbindet Menschen mit autonomen Agenten , die auf KI, Daten und Aktionen basieren. Es bietet die Funktionen und Tools, die Sie zum Erstellen, Anpassen und Bereitstellen von vertrauenswürdigen Agenten sowie innovativen KI-Anwendungen benötigen, einschließlich passender Leitlinien und Überwachung. Werfen wir einen genaueren Blick darauf und gehen wir die wichtigsten Komponenten durch.

Salesforce Metadaten legen universelle Regeln fest, die unabhängig davon durchgesetzt werden, ob der Zugriff auf die Daten über herkömmliche Anwendungen oder Agenten erfolgt. Dazu gehören Berechtigungen, Sharing Models, Validierungsregeln und Workflow-Automatisierung, um die Datensicherheit und die Einhaltung von Geschäftspraktiken zu gewährleisten. Metadaten ermöglichen es LLMs auch, den Kontext und die Bedeutung der Daten besser zu verstehen, was zu genaueren Antworten führen kann. Zum Beispiel könnte ein LLM Metadaten verwenden, um CRM-Daten den Benutzer:innen auf eine nützlichere und umsetzbarere Weise zu präsentieren (Ad-hoc-Benutzeroberfläche).

Um eine gute KI zu erhalten, benötigen Sie qualitativ hochwertige und einheitliche Daten. Die Salesforce Data Cloud führt alle Ihre Daten zusammen und vereinheitlicht sie – Daten von Salesforce sowie externe, strukturierte und unstrukturierte – um KI mit hochwertigen, relevanten und umsetzbaren Informationen zu versorgen. Mit über 200 verfügbaren Konnektoren und der Möglichkeit, benutzerdefinierte Konnektoren einfach zu erstellen, bietet Data Cloud eine beispiellose Leistung.

Sobald Ihre Daten verbunden, vereinheitlicht und harmonisiert sind, können Sie sie mit Data Cloud in großem Umfang in KI-Agenten, Analytics und anderen Anwendungen aktivieren und so wertvolle Erkenntnisse und personalisierte Erfahrungen liefern. Die Zeiten, in denen isolierte Erlebnisse durch isolierte Daten eingeschränkt wurden, sind vorbei. Benutzer:innen, egal ob Mitarbeiter:innen oder Kund:innen, erwarten vernetzte Erlebnisse, die alle relevanten Daten zusammenführen und sinnvoll machen.

Agentforce bietet eine konfigurierbare Modellarchitektur, mit der Sie Modelle einfach einbinden und kombinieren können. Ein gehostetes Basismodell bietet Ihnen oft den schnellsten Weg zu KI-Innovationen, aber Sie können auch fein abgestimmte Modelle oder Ihre eigenen Modelle verwenden, die mit Ihren eigenen Daten trainiert wurden.

Mit den Agentforce Agenten können Sie vorhandene Modelle sicher verwenden, ohne Ihre Unternehmensdaten zu gefährden. Und so funktioniert es:

1. Sicheres Gateway: Agentforce greift über ein sicheres Gateway auf Modelle zu, das Sicherheits- und Datenschutzrichtlinien bei verschiedenen Modellanbietern konsistent durchsetzt.
2. Datenmaskierung und Compliance: Bevor die Anforderung an den Modellanbieter gesendet wird, durchläuft sie eine Reihe von Schritten, einschließlich der Datenmaskierung, bei der personenbezogene Daten durch anonymisierte Daten ersetzt werden, um den Datenschutz und die Einhaltung von Vorschriften zu gewährleisten.
3. Zero Retention: Um Ihre Daten weiter zu schützen, hat Salesforce Zero-Retention-Vereinbarungen mit Modellanbietern abgeschlossen. Das bedeutet, dass Anbieter ihre Modelle nicht mit von Salesforce gesendeten Daten weiter trainieren oder diese dauerhaft speichern.
4. Demaskierung, Toxizitätserkennung und Audit Trail: Wenn die Ausgabe vom Modell empfangen wird, durchläuft sie eine weitere Reihe von Schritten, einschließlich Demaskierung, Toxizitätserkennung und Protokollierung des Audit Trails. Bei der Demaskierung werden die echten Daten wiederhergestellt, die aus Gründen des Datenschutzes durch fiktive Daten ersetzt wurden. Die Toxizitätserkennung prüft die Ausgabe auf schädliche oder anstößige Inhalte. Die Audit-Trail-Protokollierung zeichnet den gesamten Prozess zu Überwachungszwecken auf.

Aktionen bieten Agenten die Möglichkeit, Logik auszuführen und sich mit externen Systemen zu verbinden. Standard-Agentforce-Aktionen können sich auf Vertrieb, Service, Marketing, Commerce und Branchen auswirken. Darüber hinaus können Entwickler:innen benutzerdefinierte Aktionen erstellen, die mithilfe von individuell entwickeltem Code, APIs, Flows und Eingabeaufforderungsvorlagen auf Salesforce oder externe Systeme angewendet werden können.

Ein Thema ist eine logische Gruppierung von Aktionen, die einen bestimmten Schwerpunktbereich darstellen, den ein Agent verstehen, verarbeiten oder auf den er reagieren soll. Beispiele hierfür sind Auftragsverwaltung, Garantie, Preisgestaltung, FAQ und so weiter.

Agentforce-Agenten sind autonome Softwaresysteme, die Benutzer- oder Umgebungseingaben analysieren, Aufgaben identifizieren, Lösungen entwickeln und Aktionen orchestrieren können, um sie zu erledigen. Agenten haben unterschiedliche Autonomiegrade. Assistive (teilweise autonome) Agenten arbeiten mit Menschen zusammen, um die anstehende Aufgabe zu erledigen. Autonome Agenten arbeiten unabhängig ohne direkte menschliche Aufsicht, aber mit den robusten Leitlinien, die weiter oben in diesem Beitrag beschrieben wurden, und der Fähigkeit, Aufgaben bei Bedarf an Menschen zu übergeben.

Agentforce bietet eine Vielzahl von Low-Code-Tools zum Erstellen von Agents und anderen KI-Anwendungen.

Prompt Builder ist ein Salesforce Builder, mit dem Sie wiederverwendbare Prompt-Vorlagen in einer grafischen Umgebung erstellen und diese mit dynamischen Daten verknüpfen können –bereitgestellt über Datensatzseitendaten, Data Cloud, API-Aufrufe, Flows und Apex.

Agent Builder ist ein weiterer visueller Builder, mit dem Sie Agenten und Copiloten konfigurieren können. Sie wählen die für Ihren Agent verfügbaren Aktionen aus und können Ihren Agenten in einer Testumgebung ausprobieren.

Agenten werden in jedem Bereich unseres Lebens präsent sein. Sie können argumentieren, Aufgaben orchestrieren und Maßnahmen ergreifen, um personalisierte Erlebnisse in großem Umfang bereitzustellen. Durch die Kombination der Sprach- und Argumentationsfähigkeiten von LLMs mit Softwarebausteinen verändern sie die Art und Weise, wie Unternehmen arbeiten und wie Software entwickelt wird.

Agentforce-Agenten führen diese Transformation mit wichtigen Unterscheidungsmerkmalen an, darunter:

• Vertrauenswürdig. Agentforce schützt Ihre Daten mit der Einstein Trust Layer und denselben Metadaten, Berechtigungen und Sharing Models wie herkömmliche Salesforce Anwendungen.
• Leistungsstark. Agentforce-Agenten nutzen branchenführende Salesforce Anwendungen, um außergewöhnliche Erlebnisse in den Bereichen Vertrieb, Service, Commerce, Marketing und Branchen zu bieten.
• Basierend auf einheitlichen Daten. Agentforce-Agenten liefern genauere und relevantere Ergebnisse, indem sie KI auf alle relevanten Daten stützen, die von Data Cloud bereitgestellt und vereinheitlicht werden.
• Low-Code-Tools. Agentforce-Agenten können mit einer Reihe von Low-Code-Tools wie Agent Builder, Prompt Builder, Model Builder, Flow Builder und mehr erstellt, angepasst, getestet und verwaltet werden.