Agentische KI bezeichnet hochentwickelte KI-Systeme, die Daten autonom analysieren, komplexe Ziele verfolgen und sich in Echtzeit anpassen können, indem sie mehrstufige Probleme mit minimalem menschlichem Eingriff lösen. Vereinfacht gesagt: In einer gegebenen Umgebung (einem Datenökosystem) verstehen sie die Aufgabe, sammeln Daten aus verschiedenen Quellen, generieren Lösungen mithilfe von Entscheidungsmodellen wie Ampel- oder Level-Level-Modellen und setzen diese über Tools und APIs um. Idealerweise beinhaltet sie Kontrollmechanismen in Form von Bestätigungen oder Genehmigungen durch Menschen sowie einen Feedback-Mechanismus.
Die Leistungsfähigkeit von Basismodellen (die typischerweise in der generativen KI eingesetzt werden) hat das Wachstum und die Entwicklung agentischer KI-Modelle beschleunigt. Dadurch stellen generative KI und Basismodelle eine wertvolle Ergänzung für die Arbeitsabläufe agentischer KI dar, da sie die Situation analysieren und so innovative Lösungsansätze entwickeln und klare Schritte dafür aufzeigen können. Man kann sich Basismodelle als das Gehirn agentischer KI vorstellen.
Da KI-Agenten ein aufstrebendes Forschungsgebiet darstellen, existieren keine etablierten Rahmenwerke für deren Bewertung oder Entwicklung. Im Allgemeinen folgt agentenbasierte KI folgender Struktur:
- Beginnt mit einem menschlichen Befehl/einer Diskussion
- Die Aufgabe klären und den Ausführungsablauf erstellen
- Führen Sie jeden Schritt des Plans aus, indem Sie die erforderlichen Tools/Umgebungen aufrufen.
- Pause oder Kontrollpunkt für menschliches Feedback
- Aufgabenabschluss
Auch wenn es nicht ganz so einfach ist, besteht die Idee darin, einen Planer, einen Evaluator und einen Ausführenden zu haben, die jeweils ihren eigenen Teil ausführen und dann ihre Ergebnisse wie bei einem Multiagentensystem in die nächste nachgelagerte Aktivität einfließen lassen.
Einige Bereiche, in denen erste Automatisierungsergebnisse in Agentic AI-Modellen sichtbar geworden sind, sind:
Supply-Chain-Agenten, die Lagerbestände automatisch auf Basis von Echtzeit-Nachfragesignalen anpassen können. Personalplanungsagenten, die die Belegschaft dynamisch einteilen können Die Reaktion auf IT-Vorfälle lässt sich anhand ihrer Prioritäten und Vorfalltypen in verschiedene Arbeitsabläufe kategorisieren, und bestimmte Probleme, die sich leicht beheben lassen, können mithilfe von KI schnell gelöst werden. KI-Agenten können Ineffizienzen in CI/CD-Prozessen, wie z. B. lange Build-Zeiten oder unzuverlässige Tests, erkennen und Verbesserungen vorschlagen. Anfragen an den Kundendienst können an die zuständigen Abteilungen weitergeleitet werden. Wie bereits erwähnt, arbeiten Agenten in ihren gewohnten Umgebungen und nutzen die gewünschten Tools/Funktionen – daher bietet sich viel Potenzial für Automatisierung. Wir müssen dieses Potenzial nur noch erkunden.
Beispielhaftes agentisches KI-Framework PS: In den meisten Fällen benötigen Sie Automatisierung oder Workflows, aber keine agentenbasierte KI. Überlegen Sie sich daher den Ablauf und die Ausführung, bevor Sie mit Agenten arbeiten.