Wie agentenbasierte KI-Frameworks funktionieren

Die Reise der agentischen KI

Wir erleben gerade einen gewaltigen Sprung in der KI-Entwicklung. Und ehrlich gesagt fühlt es sich an wie direkt aus einem Science-Fiction-Roman, in dem Technologie nicht nur ein Werkzeug, sondern ein fantastischer Begleiter ist. (Hallo JARVIS, bist du es?)

Wenn Sie angesichts der ganzen Aufregung um diese „neuen“ Technologien ein Déjà-vu-Gefühl verspüren, sind Sie nicht allein. In den letzten Jahren gab es viel Aufsehen um innovative Fortschritte im Bereich GenAI. Doch diesmal ist die Begeisterung absolut berechtigt! Um das zu verstehen, beginnen wir mit der Frage, was agentenbasierte KI von generativer KI unterscheidet.

Googles Veröffentlichung von Gemini 2.0 und NVIDIAs AI Blueprints-Plattform setzen dem Ganzen die Krone auf, indem sie die Wachstumsrichtung agentischer KI bestätigen und eine Infrastruktur auf Unternehmensebene für agentische KI-Systeme bereitstellen. Dies sind keine kleinen Updates, sondern ein Signal für einen grundlegenden Wandel in der KI-Nutzung in Unternehmen. Machen Sie sich also bereit, die Kernprinzipien kennenzulernen und zu entdecken, wie sie Ihre Arbeitsabläufe revolutionieren können. Willkommen in der Welt der agentischen KI.

Was ist agentische KI?

Agentische KI bezeichnet ein System oder Programm, das in der Lage ist, Aufgaben im Auftrag eines Benutzers oder eines anderen Systems autonom auszuführen, indem es seinen Arbeitsablauf selbst gestaltet und die in einer gegebenen Umgebung verfügbaren Werkzeuge nutzt.

Um das besser zu verstehen, betrachten wir ein Beispiel. Ein Mitarbeiter im Bereich Bestandsoptimierung kann beispielsweise die Lagerbestände in Filialen und Lagern kontinuierlich überwachen. Sobald die Bestände einen niedrigen Stand erreichen, kann er eingreifen, die besten Lieferanten ermitteln, Angebote anfordern und diese anhand von Preis, Qualität, Lieferzeit und Zuverlässigkeit vergleichen.

Es erstellt sogar einen Bericht mit Empfehlungen, sodass Sie die Bestellung schnell freigeben können. Dies erhöht die Flexibilität und Effizienz Ihrer Lager- und Beschaffungsprozesse. Die Stärke von Agentic AI liegt darin, dass es nicht nur auf Datenbanken und Netzwerke zurückgreift, sondern im Laufe der Zeit aus dem Nutzerverhalten lernt. Dadurch bewältigt es komplexe, mehrstufige Aufgaben deutlich effektiver.

Das bedeutet, dass die KI-Agenten mit zunehmender Interaktion der Nutzer immer besser auf deren Vorlieben und Verhaltensweisen abgestimmt werden, wodurch sie in die Lage versetzt werden, komplexe, mehrstufige Aufgaben effektiver zu bewältigen.

Aber wie genau geschieht das?

Einblick in das Gehirn von agentischer KI: Frameworks für agentische KI

Wie bereits erwähnt, nutzen Agenten für autonomes Entscheiden und Handeln eine Kombination verschiedener Technologien. Dazu gehören maschinelles Lernen, natürliche Sprachverarbeitung und Automatisierung. Diese komplexe Kombination ermöglicht es der KI, komplexe Situationen zu verstehen und darauf zu reagieren – ähnlich wie beim Menschen, der über ein vergleichbares Denkvermögen und eine ebensolche Anpassungsfähigkeit verfügt.

Zum besseren Verständnis unterteilen wir die Funktionsweise in vier Schritte.

1. Wahrnehmungsmodul: Mehr als nur Datenerfassung

Anders als herkömmliche KI-Systeme oder LLMs, die auf menschliche Eingaben warten, kombiniert und verknüpft die Wahrnehmungs-Engine aktiv Informationen aus verschiedenen Quellen gleichzeitig. Man kann sie sich als sensorischen Cortex der KI vorstellen, der multimodale Verarbeitung ermöglicht und Text-, Bild- und strukturierte Daten mithilfe transformatorbasierter Architekturen kombiniert.

Beispielsweise würde die Wahrnehmungs-Engine beim oben erwähnten Inventaragenten die Lagerbestände überwachen, indem sie auf die Lagerbestandsdaten zugreift und das System alarmiert, wenn diese sinken.

2. Kern des logischen Denkens: Das strategische Gehirn

Angesichts der zunehmenden Effizienz der Denk- und Planungsfähigkeiten von LLMs bilden diese den Kern der Agenten. Sie sollten Folgendes können:

• Ziele in überschaubare Teilziele unterteilen
• Identifizieren Sie potenzielle Hindernisse, bevor sie auftreten
• Entwickeln Sie alternative Ansätze, wenn die ersten Strategien scheitern.

Kehren wir zum Beispiel zurück: Die Ausarbeitung eines Aktionsplans nach dem Rückgang der Lagerbestände, die Auswahl der Lieferanten, die Analyse des möglichen Zeitplans und die Vorauswahl usw. fallen in den Zuständigkeitsbereich des urteilenden Agenten.

3. Aktionssteuerung – Intelligente Umsetzung

Herkömmliche KI und Automatisierungssysteme arbeiten mit vordefinierten Arbeitsabläufen. Agenten hingegen sind durch die Anbindung an mehrere Systeme und Tools eigenständig handlungsfähig. Sie pflegen API-Verbindungen zu verschiedenen Systemen gleichzeitig, implementieren ausgefeilte Rücksetzmechanismen für fehlgeschlagene Aktionen und handeln bedarfsorientiert.

Um auf das Beispiel zurückzukommen: Dies ist der Teil, in dem der Agent eine Bestellung beim Lieferanten aufgibt oder eine Genehmigung des Benutzers für die Bestellung einholt (basierend auf dem, was als Aktionsplan definiert ist).

4. Lernende Subsysteme: Jenseits einfacher Mustererkennung

Hier zeigt die agentenbasierte KI ihre wahre Stärke. Es handelt sich um die Rückkopplungsschleife oder das „Daten-Schwungrad“, in dem die aus den Interaktionen generierten Daten in das System eingespeist werden, um die Modelle zu verbessern. So funktioniert es:

Da die Rahmenbedingungen und Prozesse für agentenbasierte KI noch relativ neu sind, bilden diese vier Prozesse die Grundstruktur für die Erstellung eines Agenten. Mit zunehmender Komplexität der Geschäftsanforderungen entwickelt sich dieses Implementierungsframework für agentenbasierte KI weiter, um fortgeschrittenere und skalierbarere Anwendungsfälle zu unterstützen – lassen Sie uns diese Entwicklung nun genauer betrachten.

Die strategische Evolution agentenbasierter KI: Ein Fahrplan zur Implementierung

Diese Entwicklung vollzieht sich typischerweise (wie Sie sich denken können) in drei deutlich voneinander abgegrenzten Phasen, von denen jede einen Sprung in Leistungsfähigkeit und Autonomie darstellt – und damit die Grundlage für einen klar definierten Fahrplan für agentenbasierte KI für Organisationen bildet, die intelligent skalieren wollen.

Phase 1 – Aufgabenspezifische Agenten

In der ersten Phase werden KI-Agenten so konzipiert, dass sie spezifische, klar definierte Aufgaben innerhalb einer eindeutigen Umgebung und festgelegter Grenzen bewältigen . Auf dieser Ebene arbeiten die Agenten in einer Microservices-basierten Architektur und nutzen typischerweise ereignisgesteuerte Verarbeitungspipelines, eine REST-API zur Systemintegration, containerisierte Bereitstellungen für Skalierbarkeit sowie eine Infrastruktur für Echtzeitüberwachung und -protokollierung.

In der Qualitätskontrolle überwachen diese Systeme beispielsweise kontinuierlich Produktionslinien mithilfe von Computer Vision, treffen Echtzeitentscheidungen zur Produktqualität und passen Fertigungsparameter automatisch an. Sie melden nicht nur Fehler, sondern lernen aus Mustern, potenzielle Probleme vorherzusagen, bevor sie auftreten. Dadurch werden Ausschuss und Effizienz effektiv reduziert. Ein weiteres Beispiel ist der oben erwähnte Inventarisierungs-Bot.

Phase 2 – Domänenübergreifende Koordination

Nun werden die aufgabenspezifischen Agenten über mehrere Funktionen oder Domänen hinweg skaliert, um sich mithilfe eines „Orchestrierungsagenten“ untereinander zu koordinieren. Dieser Agent kann als Medium fungieren, um die Aufgaben zwischen den Agenten zu verwalten oder ihnen Aufgaben zuzuweisen .

Wenn beispielsweise ein Passagier versucht, einen Flug umzubuchen , kann der Koordinator die Agenten für Flug, Sitzplatzreservierung, Verpflegung und Gepäck miteinander verbinden.

Das wirklich Interessante an diesem System ist die entscheidende Rolle des Orchestrator-Agenten. Er fungiert als wichtiges Bindeglied und sorgt dafür, dass jeder spezialisierte Agent in seinem Fachgebiet optimal arbeiten kann. Dadurch werden Fehler – in der KI-Terminologie oft als „Halluzinationen“ bezeichnet – minimiert.

Und das ist nur ein Beispiel; schon bald wird es auch Agenten geben, die Lieferkette, Beschaffung, Finanzen und Kundenservice miteinander verbinden können.

Phase 3 – Agenten als Ökosystem

Die Ausweitung der aufgabenspezifischen Agenten auf Bereiche außerhalb der Organisationsgrenzen macht diese Phase zur fortschrittlichsten (und idealsten) Stufe der agentenbasierten KI. Wie in den vorherigen Phasen haben wir die Interaktionsmöglichkeiten zwischen Benutzer und Agent erweitert. Diese Phase geht jedoch noch einen Schritt weiter, indem sie ein Ökosystem für die Interaktion zwischen Bots einführt. Unsere Agenten arbeiten hier nicht nur in der Benutzer-Agent- oder Unternehmens-Agent-Umgebung, sondern auch auf Agent-zu-Agent-Ebene .

Da dies ein Workflow-Ökosystem mit mehreren Bots ermöglicht, stellt es im Geschäftskontext einen echten Wendepunkt dar. Denn Ihre Agenten interagieren nun nicht mehr nur mit internen Daten, sondern interagieren aktiv mit externen Stakeholdern wie Kunden und Geschäftspartnern, erfassen Echtzeitdaten und treffen autonome Entscheidungen.

Was kommt als Nächstes für Agentic AI?

Wir erleben gerade einen historischen Moment. Obwohl wir uns noch in der Anfangsphase befinden, schreitet die Entwicklung rasant voran. Es wird erwartet, dass bis 2028 fast ein Drittel der Unternehmen diese KI-Systeme in ihre täglichen Abläufe integrieren werden. Das ist schon bald Realität!

Man kann es sich so vorstellen: Wir entwickeln uns von digitalen Assistenten zu digitalen Kollegen. Das mag im Moment noch etwas abwegig klingen, doch Unternehmen, die zu lange mit der Anpassung warten, laufen Gefahr, den Anschluss zu verlieren. Egal, ob Sie einfach nur neugierig sind, was ein aufgabenspezifischer Agent für Ihren Kundenservice leisten könnte, oder ob Sie bereit sind, in komplexe, domänenübergreifende Lösungen einzutauchen – jetzt ist der richtige Zeitpunkt, sich damit auseinanderzusetzen.

Und genau hier setzen wir von Polestar Analytics an. Wir implementieren nicht nur Technologie, sondern entwickeln Agenten, die Unternehmen helfen, sich in diesem neuen Umfeld souverän und zielgerichtet zu bewegen. Nutzen Sie also diese Chance und handeln Sie jetzt, bevor sie verstreicht und Ihre Wettbewerber die Oberhand gewinnen.