5 Mythen über KI-Agenten

„KI-Agent – ist das nicht einfach eine neue Bezeichnung für gewöhnliche Chatbots?“ In einer Welt voller digitaler Buzzwords ist diese Frage durchaus berechtigt. Gleichzeitig formuliert sie eine der gängigen Fehlannahmen darüber, was ein KI-Agent tatsächlich ist und was er für Ihr Unternehmen tun kann. Wir räumen mit den fünf häufigsten Mythen über KI-Agenten auf und erklären den konkreten geschäftlichen Mehrwert dieser bahnbrechenden Technologie.

Mythos #1: KI-Agenten sind Chatbots

Mitnichten. Was den Funktionsumfang angeht, könnten die Unterschiede kaum größer sein. Zwischen einem einfachen Chatbot und einem smarten KI-Agenten liegt ein technologischer Quantensprung.

Chatbots sind insbesondere im Kundenservice mittlerweile breit akzeptiert. Sie greifen im Nu auf Daten zu, um typische, wiederkehrende Kundenanfragen – „Wo bleibt meine Bestellung?“ – schnell und effizient zu beantworten. Das war’s dann aber auch. Chatbots folgen vordefinierten Regeln und Skripten. Mehr nicht. Weder verstehen Sie komplexe Zusammenhänge, noch können sie Probleme kreativ lösen. Außerdem sind sie nicht lernfähig. Das bedeutet: Bei jeder Änderung geschäftlicher Abläufe oder Richtlinien müssen Sie die Skripts für die Chatbots manuell anpassen.

Auch KI-Agenten rufen Daten ab und beantworten Fragen, so weit, so ähnlich. Aber jetzt wird es interessant: Anders als Chatbots können KI-Agenten tatsächlich handeln, d. h. zielführende Maßnahmen ergreifen. Sie können komplexe, mehrschrittige Aufgaben entweder komplett autonom oder in Zusammenarbeit mit einem „Human in the Loop“ ausführen. Dabei verarbeiten sie riesige Datenmengen, treffen darauf basierend Entscheidungen und lernen im jeweiligen Businesskontext kontinuierlich dazu. So können sie Workflows managen, Prozesse optimieren und strategische Empfehlungen abgeben. Um proaktiv zu handeln und sich an veränderte Bedingungen anzupassen, verwenden sie ausgereifte KI-Technologien wie Reinforcement Learning (bestärkendes Lernen) und Entscheidungs-Algorithmen.

Also: Ein Chatbot kann Ihre vertriebsbezogenen Daten abrufen und in einem standardisierten Dialog wiedergeben. Ein KI-Agent kann Ihre Vertriebsdaten analysieren und darauf basierend Lagerbestände anpassen, Marketingstrategien aktualisieren oder mit Lieferanten kommunizieren. Erkennen Sie den Unterschied?

Mythos #2: Wir können KI-Agenten nicht kontrollieren

Autonome Agenten? Vielleicht denken Sie jetzt mit Schrecken an Filme wie „2001: Odyssee im Weltraum“ oder den „Terminator“, in denen KI-Systeme die Kontrolle übernehmen und verheerenden Schaden anrichten. Keine Sorge: Moderne KI-Agenten integrieren ausgereifte Sicherheitsmechanismen, die einen fehlerhaften Output oder nicht gewünschte Aktivitäten sicher verhindern.

Bittet eine Anwenderin einen KI-Agenten, eine bestimmte Aufgabe wie z. B. „Erstelle eine Website für Event xy“ zu erledigen, wird eine Reasoning Engine – quasi das „Gehirn“ des KI-Agenten – aktiv. Die Reasoning Engine „versteht“, welches Ziel die Anwenderin erreichen möchte und erstellt passend zu ihrer Anfrage einen Aktionsplan für den KI-Agenten. Diesen Aktionsplan kontextualisiert sie mit unternehmensspezifischen Daten aus dem CRM und weiteren Systemen. Der KI-Agent führt den Aktionsplan aus und gibt das Ergebnis an die Anwenderin zurück. Dabei lernt der KI-Agent mit jeder Interaktion dazu und liefert mit der Zeit immer bessere und präzisere Ergebnisse.

Für jeden KI-Agenten definieren Sie Sicherheits- und Vertrauensrichtlinien einschließlich Benutzerberechtigungen. Verlangt die Anwenderin vom KI-Agenten eine Aufgabe, die er im Rahmen der für ihn festgelegten Regularien nicht ausführen darf, fungiert die Reasoning Engine als Kontrollinstanz und bindet automatisch einen menschlichen Mitarbeiter zur weiteren Beaufsichtigung ein.

KI-Agenten bieten Ihrem Unternehmen nur dann echten Mehrwert, wenn sie basierend auf Ihren Unternehmensdaten handeln. Zwei Technologien helfen KI-Agenten, Ihren Business-Kontext zu „verstehen“ und für jede Nutzeranfrage relevanten, unternehmensspezifischen Output zu generieren: Retrieval Augmented Generation (RAG) durchforstet Ihren gesamten Datenbestand auf strukturierte (Datenbanken, Exceltabellen) und unstrukturierte Informationen (Emails, PDFs, Grafiken, Chatverläufe). Und die kontextbezogene bzw. semantische Suche versteht – anders als die herkömmliche Schlagwortsuche – die Intention und den Kontext einer Suchanfrage und liefert genau die Informationen, die es zur Erledigung einer bestimmten Aufgabe braucht.

Die KI-Agenten von Agentforce nutzen die Data Cloud, die diese Technologien zur gezielten Informationsbeschaffung integriert. Dank Zero Copy können die KI-Agenten über die Data Cloud Daten aus beliebigen Quellen in Echtzeit abrufen, ohne sie verschieben, kopieren oder anpassen zu müssen.

Mythos #3: KI-Agenten sind kompliziert und teuer

Derart leistungsstarke Technologien erfordern doch bestimmt monatelange Entwicklungszeiten und eine anspruchsvolle Integration? Das ist doch sicher unglaublich teuer? Auch diese Bedenken können wir ausräumen. Nutzen Sie einfach vordefinierte Themen als „Jobbeschreibung“ für Ihre KI-Agenten und vorkonfigurierte Aktionen, die Ihre KI-Agenten ausführen sollen.

Neben sofort einsatzbereiten Out-of-the-Box-Agenten für Marketing, Vertrieb, Kundenservice oder E-Commerce können Sie im Agent Builder Ihre individuellen KI-Agenten mit einem schnellen und einfachen Low-Code-Verfahren, das auf Natural Language Processing (NLP) basiert, von Grund auf selbst bauen: Beschreiben Sie einfach in natürlicher Sprache, was Ihr KI-Agent tun soll. Anhand dieser Jobbeschreibung schlägt Agent Builder eine Auswahl von Aktionen vor, mit denen der KI-Agent seine Aufgabe erledigen kann. Außerdem empfiehlt er passende Arbeitsrichtlinien für den sicheren Einsatz des KI-Agenten.

Mythos #4: KI-Agenten handeln im Alleingang

Nicht unbedingt. Zwar gibt es komplett autonome KI-Agenten, die mehrschrittige Workflows unbeaufsichtigt und ohne jedes weitere Dazutun ausführen. Besonders überzeugen die smarten Gehilfen allerdings, wenn sie als teilautonome KI-Agenten gemeinsam mit Menschen arbeiten.

Halbautonome KI-Agenten unterstützen bei der Entscheidungsfindung und beim Erledigen von Aufgaben, ergreifen jedoch keine Maßnahme ohne die Freigabe menschlicher Mitarbeiter:innen. Beispielsweise könnte ein im Finanzbereich eingesetzter KI-Agent ein Kundenportfolio analysieren und dem Portfoliomanager Tipps zur Optimierung aussprechen, diese aber nicht eigenständig vornehmen.

„Supervised autonomy“ beschreibt ein Szenario mit autonom handelnden, aber stets menschlich beaufsichtigten KI-Agenten, das sich besonders für stark regulierte Branchen mit besonders strengen Sicherheitsauflagen eignet, etwa im Gesundheitswesen, bei Versicherungen oder in der pharmazeutischen Industrie. 

Aber auch vollständig autonome KI-Agenten, die ohne jegliche menschliche Beaufsichtigung Daten abrufen, analysieren, Entscheidungen treffen und Maßnahmen ergreifen, arbeiten immer ausschließlich im Rahmen der von Menschen festgelegten Regeln und Sicherheitsrichtlinien.

Mythos #5: KI-Agenten bringen null Mehrwert

Setzen Unternehmen GPT-basierte KI für generische Allzweck-Aufgaben ein, erzielen sie in der Regel nicht die erwarteten Produktivitätssteigerungen. Anders sieht es bei zweckgebundenen KI-Agenten aus, denen definierte Aufgabenbereiche zugewiesen werden, sei es die Pflege von Vertriebskontakten, das Entwickeln neuer Marketingkampagnen oder die Bearbeitung von Serviceanfragen. KI-Agenten mit einer dedizierten „Jobbeschreibung“ arbeiten fokussiert und zielgerichtet im konkreten Businesskontext und liefern den Mehrwert, den Sie sich wünschen. So testet aktuell die Deutsche Technikberatung für MediaMarktSaturn den Einsatz von Agentforce-Agenten für den Videochat im Onlineshop und bestätigt „eindrucksvolle Ergebnisse“.

KI-Agenten unterstützen Unternehmen effizient dabei, Abläufe zu straffen und Kosten zu senken, bilanziert das Forschungsinstitut MarketsandMarkets und prognostiziert ein Wachstum des jährlichen Marktvolumens von aktuell rund 5 Milliarden auf 47 Milliarden US-Dollar bis 2030. Und Unternehmen machen sich bereit: Laut einer von Capgemini international durchgeführten Studie verfügen 40 % der befragten Unternehmen bereits über Budget und Fachteams zur Implementierung generativer KI-Technologien, weitere 49 % wollen Budget und Personal bis zum Jahresende aufstellen.