KI -Agenten: Die neue Belegschaft erfordert immer noch Management

Der Hype um KI-Agenten als neue „digitale Arbeiter“ wird immer lauter, ein Trend, der älter ist als die breite Akzeptanz von agentischer und generativer KI, insbesondere in Bereichen wie der robotergestützten Prozessautomatisierung. Diese digitalen Arbeiter sind für Disziplin und Gehorsam konzipiert, bringen aber, ähnlich wie ihre menschlichen Pendants, ihre eigenen Eigenheiten mit.

Für einen tieferen Einblick, wie KI mein Arbeitsleben verändert hat, lesen Sie meinen Artikel auf 15 Wege, wie KI mir 2024 Zeit bei der Arbeit gespart hat – und wie ich sie 2025 nutzen plane.

Salesforces Sprung in die digitale Arbeit mit Agentforce 2.0

Der Wandel hin zu einer digitalen Belegschaft hat bedeutende Fortschritte gemacht, mit Salesforce, das kürzlich Agentforce 2.0 gestartet hat, eine digitale Arbeitsplattform, die auf Unternehmen zugeschnitten ist. Diese Plattform zielt darauf ab, „eine unbegrenzte Belegschaft durch KI-Agenten für jede Abteilung“ zu schaffen, indem sie eine Bibliothek vorgefertigter Fähigkeiten nutzt, um in jedem System oder Workflow zu operieren. Laut Salesforce geht Agentforce 2.0 über traditionelles RPA hinaus, indem es „verbessertes Denken und Datenabrufe“ integriert, was es ermöglicht, präzise Antworten zu liefern und Aktionen auf komplexe, mehrstufige Anfragen hin zu orchestrieren. Diese Agenten sind sogar in der Lage, innerhalb von Slack zu interagieren, was sie zu einem nahtlosen Teil der alltäglichen Arbeitsumgebung macht.

Ergänzung von Teams durch digitale Arbeit

Große Organisationen nutzen diese Plattform, um ihre Teams mit digitaler Arbeit zu stärken, wie Salesforce hervorhebt. Da Talente sowohl knapp als auch teuer in der Ausbildung sind, setzen Unternehmen zunehmend auf KI, um Kundeninteraktionen zu managen und Arbeitsrückstände zu bewältigen. Allerdings können sie sich, wie Salesforce betont, nicht länger mit „unzureichenden Lösungen zufriedengeben, die generische Antworten liefern“. Traditionelle Lösungen wie Copilots scheitern oft daran, präzise, vertrauenswürdige Antworten auf komplexe Anfragen zu geben, wie etwa personalisierte Beratung bei Bewerbungen, und sie sind nicht in der Lage, autonom zu handeln – wie etwa Leads mit Produktempfehlungen zu pflegen.

Führende Köpfe der Industrie stimmen zu, dass autonome digitale Arbeiter nun in der Lage sind, solche Aufgaben auf verschiedenen Ebenen zu erfüllen. „Die Konvergenz von qualifizierten Innovatoren, schnell einsetzbaren Cloud-Tools, Kundenbewusstsein und Unterstützung durch Führungskräfte hat ein ideales Umfeld für agentische KI geschaffen, um 2025 zu gedeihen“, teilte Chris Bennett, Direktor für KI-Transparenz und Bildung bei Motorola Solutions, ZDNET mit.

Motorola Solutions nutzt bereits die Kraft der agentischen KI, „um die öffentliche Sicherheit und Unternehmenssicherheit zu verbessern“, erklärt Bennett. Ihre KI-Anwendungen analysieren und liefern Echtzeitdaten, die kritische, sofortige Unterstützung für Ersthelfer und Sicherheitspersonal bieten. „KI-Agenten werden nie gelangweilt, müde oder abgelenkt“, bemerkt er und weist darauf hin, dass sie repetitive Aufgaben automatisieren können, um Ersthelfer für wichtigere Aufgaben und die Interaktion mit der Gemeinschaft freizusetzen. Zum Beispiel können KI-Agenten Aufgaben wie das Überprüfen historischer Videomaterialien beschleunigen und Ermittlern helfen, vermisste Personen schneller durch natürliche Sprachsuchen zu finden.

Viswesh Ananthakrishnan, Mitbegründer und Vizepräsident von Aurascape, beschreibt, wie KI-Agenten Prozesse intuitiv erfassen, um „eine Reihe von Schritten oder ein Rezept zur Problemlösung zu erstellen“. Diese Agenten können diese Schritte ausführen und sogar mit anderen Agenten zusammenarbeiten, um eine umfassende Sicht auf das Funktionieren des Unternehmens zu gewinnen. Ananthakrishnan erklärt weiter, dass KI-Agenten „komplexe Prozesse entwickeln und ausführen können, wie etwa Bedarfsprognosen einzusehen und proaktiv Maßnahmen zu ergreifen, um Bestellformulare für mehr Inventar zu generieren und einzureichen, bevor die Vorräte knapp werden“. Diese Automatisierung reduziert die Zeit, die Mitarbeiter für repetitive Aufgaben aufwenden, erheblich.

Die Notwendigkeit einer sorgfältigen Verwaltung von KI-Agenten

Doch genau wie menschliche Arbeiter erfordern KI-Agenten eine sorgfältige Verwaltung. Es gibt noch Arbeit zu leisten, bevor eine agentisch KI-gesteuerte Belegschaft ein breites Spektrum an Aufgaben vollständig übernehmen kann. „Während das Versprechen der agentischen KI offensichtlich ist, sind wir noch einige Jahre von einer flächendeckenden Einführung der agentischen KI auf Unternehmensebene entfernt“, warnt Scott Beechuk, Partner bei Norwest Venture Partners. Er betont die Bedeutung von Vertrauenswürdigkeit, angesichts der potenziellen Rolle von Agenten bei der Automatisierung geschäftskritischer Prozesse.

Eine der Herausforderungen ist die Nachverfolgbarkeit der Aktionen von KI-Agenten. „Viele Tools haben Schwierigkeiten, zu erklären, wie sie zu ihren Antworten aus sensiblen Nutzerdaten gelangt sind, und Modelle haben Probleme, über das Gelernte hinaus zu verallgemeinern“, weist Ananthakrishnan hin.

Unvorhersehbarkeit ist eine weitere Hürde, da große Sprachmodelle (LLMs) „wie Black Boxes operieren“, fügt Beechuk hinzu. „Es ist schwer für Nutzer und Ingenieure zu wissen, ob die KI ihre Aufgabe erfolgreich und korrekt erledigt hat.“ Er warnt auch vor der Unzuverlässigkeit von KI-Agenten und bemerkt, dass „in Systemen, in denen KI ihre eigenen Schritte zur Aufgabenerledigung erstellt, erfundene Details zu mehr Fehlern führen können, je weiter die Aufgabe fortschreitet, was letztlich die Ausgaben unzuverlässig macht.“

Menschliche Arbeiter arbeiten natürlich mit Leichtigkeit und Regelmäßigkeit zusammen, aber für KI-Arbeiter ist dies komplexer. „Da Agenten mit mehreren Systemen und Datenspeichern interagieren, ist es keine leichte Aufgabe, eine umfassende Sichtbarkeit zu erreichen“, erklärt Ananthakrishnan. Es ist entscheidend, Sichtbarkeit zu haben, um jede Aktion eines Agenten zu erfassen, was tiefe Einblicke in die Aktivität auf Endgeräten und die Fähigkeit, Daten in verschiedenen Formaten zu verarbeiten, erfordert. Außerdem ist es wichtig, „diesen Kontext von Endpunkten schnell mit Netzwerkverkehrsdaten zu kombinieren, um die Daten zu bestimmen, die die Aktionen des Agenten informieren“, sowie „den Typ des KI-Agenten zu erkennen, der mit Ihren Daten interagiert, ob es sich um eine vertrauenswürdige Entität oder einen brandneuen Agenten handelt.“

Der Aufstieg des KI-Systemingenieurs

Diese Komplexität könnte zu einer neuen, menschenzentrierten Rolle führen – dem KI-Systemingenieur. „Diese neue Rolle für Qualitätssicherung und Überwachung wird für Unternehmen unerlässlich werden, wenn sie KI-Agenten verwalten und kontinuierlich optimieren“, erklärt Beechuk.

In Multi-Agenten-Umgebungen „werden KI-Agenten ständig interagieren und sich weiterentwickeln, indem sie kontinuierlich neue Daten konsumieren, um ihre individuellen Aufgaben zu erfüllen“, erklärt er. „Wenn einer von ihnen – absichtlich oder unabsichtlich – schlechte Daten erhält und sein Verhalten ändert, kann er beginnen, seine Aufgabe falsch oder mit weniger Präzision auszuführen, selbst wenn er sie am Vortag noch perfekt erledigt hat. Ein Fehler in einem Agenten kann dann eine Kaskadenwirkung haben, die das gesamte System beeinträchtigt. Unternehmen werden so viele KI-Systemingenieure einstellen, wie nötig ist, um dies zu verhindern.“

Während Unternehmen und Technologie-Teams „gut positioniert sein mögen, um agentische KI zu unterstützen, brauchen wir immer noch Zeit und Erfahrung, um das richtige Gleichgewicht zwischen agentischen und menschlichen Arbeitsabläufen zu finden“, rät Bennett. „Unser Rat ist, KI als Ergänzung zu menschlichen Experten zu betrachten, nicht als Ersatz.“