Agentenbasierte KI schafft etwas qualitativ Neues: Sie macht IT-Systeme von starren Werkzeugen zu eigenständig handelnden Akteuren. Unternehmen können dadurch auch komplexere Aufgaben automatisieren und ihre Wettbewerbsfähigkeit nachhaltig stärken. Agentic AI stellt aber auch hohe Anforderungen an IT-Infrastrukturen und Datenmanagement.

Während viele Unternehmen noch damit beschäftigt sind, sich Mehrwerte aus generativer KI zu erschließen, steht mit agentenbasierter KI bereits die nächste Evolutionsstufe der Künstlichen Intelligenz ins Haus. Deren Fähigkeiten gehen noch einmal weit über die von GenAI hinaus: Sie macht IT-Systeme von starren Werkzeugen zu eigenständig handelnden Akteuren.

Generative KI-Anwendungen haben eng umrissene Aufgaben, etwa das Erstellen von Texten oder Code, und sind für die Erledigung auf detaillierte Anweisungen von Menschen angewiesen. Um hochwertige Ergebnisse zu liefern, benötigen sie sorgfältig formulierte Prompts, und ihr Output muss von Menschen noch einmal geprüft und in aller Regel optimiert werden. Ganz anders dagegen Agentic AI: Sie benötigt lediglich ein Ziel sowie Zugang zu Informationen und Tools, und wie sie dieses Ziel erreicht, bestimmt sie in einem vorgegebenen Rahmen selbst. Dafür beschafft sie sich selbst die erforderlichen Kontextinformationen, wägt Optionen ab, trifft Entscheidungen und führt Aktionen aus. Das mögliche Spektrum der Ziele ist dabei praktisch unbegrenzt: Agentenbasierte KI kann Kundenanliegen im Support lösen, ein Programm in der Softwareentwicklung schreiben, Warenbestände dynamisch optimieren oder Nachbestellungen für die Fertigungslogistik übernehmen.

Multi-Agenten-Ansatz hat viele Vorteile

Agentic AI basiert auf Technologien, die bereits gut etabliert sind und auch schon vielerorts eingesetzt werden. Dazu zählen etwa Maschinelles Lernen, Natural Language Processing (NLP), generative KI mit großen und kleinen Sprachmodellen und regelbasierte Systeme für den Handlungs- und Entscheidungsrahmen von KI. Agentenbasierte KI kombiniert diese Technologien so, dass sie mit deutlich weniger menschlichen Anweisungen und Eingriffen komplexe Aufgaben erledigen können. Der praktikabelste Weg ist dabei der Multi-Agenten-Ansatz: Mehrere einzelne KI-Agenten übernehmen kleinere Teilaufgaben und werden dabei von anderen Agenten so gesteuert und orchestriert, dass sie in ihrem Zusammenspiel die übergeordnete, komplexere Gesamtaufgabe lösen.

Dieser Ansatz hat mehrere Vorteile. Er vereinfacht die Entwicklung, weil kein großer Wurf erforderlich ist, sondern Agentic AI Schritt für Schritt eingeführt werden kann. Zudem lassen sich Governance-Vorgaben besser einhalten, weil für jeden Agenten individuelle Daten bereitgestellt sowie Zugriffsrechte und Guardrails gesondert festgelegt werden können. Außerdem nutzen die spezialisierten Agenten verschiedenste Sprachmodelle und sind damit optimal für ihre Aufgaben ausgestattet. Die Spezialisierung und das eingeschränkte Aufgabenfeld senken das Risiko von Halluzinationen und machen es beherrschbar.

IT-Branche schafft standardisierte Schnittstellen

Einer der größten Vorteile des Multi-Agenten-Ansatzes ist sicherlich, dass Unternehmen nicht alles selbst entwickeln müssen, sondern fertige Agenten zukaufen können. Dafür sind allerdings standardisierte Schnittstellen erforderlich. Ohne sie kann ein übergeordneter Agent in der Software-Entwicklung nicht all die Agenten beauftragen, koordinieren und überwachen, die sich um Datenintegration, Programmlogik oder Sicherheits- und Usability-Tests kümmern; und ein Agent im Bereich der IT-Security kann nicht die spezialisierten Agenten steuern, die Daten klassifizieren, Zugriffsmuster analysieren und nach Anomalien im Netzwerk-Traffic suchen.

Ein zentrales Vorhaben zur Standardisierung agentenbasierter KI ist das von Anthropic initiierte Open-Source-Projekt Model Context Protocol (MCP). Es definiert ein offenes Protokoll, mit dem KI-Systeme und LLM-basierte Anwendungen standardisiert auf externe Datenquellen und Werkzeuge zugreifen und Informationen mit ihnen austauschen können. Eine etwas weniger bekannte, aber ebenso zukunftsweisende Initiative ist das Open-Source-Projekt AGNTCY. In ihm haben sich Unternehmen und Organisationen zusammengeschlossen, um Standards für die Beschreibung der Fähigkeiten von KI-Agenten und den Datenaustausch zwischen ihnen zu entwickeln.

Leistungsstarke KI-Plattformen und hochwertige Daten erforderlich

Für agentenbasierte KI benötigen Unternehmen leistungsstarke KI-Plattformen. Diese müssen das Training und die Anpassung von Machine-Learning-Modellen ermöglichen, die Integration von eigenen Wissensquellen in Sprachmodelle unterstützen und einen performanten Betrieb der auf den KI-Modellen basierenden Agenten sicherstellen. Beim Aufbau dieser Infrastrukturen können validierte Designs für agentenbasierte KI helfen. Sie enthalten Blaupausen für Architekturen aus Hardware und Software, die bereits getestet und validiert wurden und sind hochskalierbar. Damit ermöglichen sie eine deutlich schnellere und risikoärmere Implementierung der KI-Plattform.

Darüber hinaus wird das Datenmanagement noch wichtiger, als es beim Einsatz von generativer KI bereits heute ist. Agentenbasierte KI ist noch stärker auf hochwertige Daten angewiesen, da Menschen über die Vielzahl der einzelnen Arbeitsschritte und Entscheidungen nicht den Überblick und die Kontrolle behalten können. Unfaire, vorurteilsbehaftete oder falsche Ergebnisse, die aus unsauberen Daten resultieren, können nicht einfach schnell korrigiert werden und haben eine viel größere Tragweite. Umso wichtiger sind eine sorgfältige Datenauswahl und ein modernes Datenmanagement als Basis für Agenic-AI-Systeme. Spezielle Daten und KI-Plattformen unterstützen Unternehmen dabei.

Mitarbeiter benötigen neue Skills

Mit agentenbasierter KI können Unternehmen auch komplexere Aufgaben und Workflows automatisieren und dadurch ihre Wettbewerbsfähigkeit nachhaltig stärken. Für die Mitarbeiter werden dabei spezielle Fähigkeiten für die Zusammenarbeit von Mensch und Maschine wichtig. Sie müssen wissen, welche Möglichkeiten agentenbasierte KI bietet, wie sie effizient mit Arbeit versorgt werden, wo ihre Grenzen liegen und wie sie verhindern, dass Agenten ethische Standards verletzen oder sich mit ihren Anpassungs- und Lernfähigkeiten in eine unerwünschte Richtung weiterentwickeln.

Für Unternehmen wird es deshalb darauf ankommen, Mitarbeiter mit Schulungen auf agentenbasierte KI vorzubereiten. Darüber hinaus sollten sie Richtlinien zum Umgang mit KI-Agenten aufstellen und frühzeitig kommunizieren, welche Aufgaben die KI übernehmen soll und wie sich das auf die Belegschaft auswirkt, um Sorgen und Ängsten über veränderte Stellenprofile und Jobverlust vorzubeugen.

Ein Beitrag von Christian Scharrer, Enterprise Architect und CTO Ambassador bei Dell Technologies.

Hier finden Sie weitere Informationen zu Dell Technologies.