KI-Agenten im Jahr 2025: Erwartungen vs. Realität

Kaum hatten wir den erdrutschartigen Hype um NFT und Kryptowährungen, der die frühen 2020er Jahre kennzeichnete, und die darauf folgende Metaverse-Blase hinter uns gelassen, begannen die Medien im Zuge von Veröffentlichungen wie OpenAIs GPT-Modellfamilie, Anthropics Claude und Microsofts Copilot ein Loblied auf die generative KI zu singen.

Der Fokus hat sich zwar nicht völlig geändert, jedoch im Jahr 2025 von Large Language Models (LLMs) auf Fortschritte bei scheinbar autonomen KI-Agenten verlagert, die die Zukunft der Arbeit einläuten.  

Trotz eines vorübergehenden Anstiegs des Interesses an KI bzw. an R1 von Deepseek, das erhebliche Leistungsverbesserungen gegenüber ChatGPT verspricht, ist das dominierende Innovationsnarrativ im Jahr 2025 der KI-Agent.

In der Medienberichterstattung wird viel über die Innovationen, Automatisierung und Effizienz der Agenten versprochen, aber wie viel davon ist bloßer Hype, der nur auf Klicks abzielt?

Die werbefinanzierte Medienwelt lebt von Klicks, und es ist vernünftig, sensationelle, aufmerksamkeitsstarke Schlagzeilen zu erwarten, die darauf ausgelegt sind, Ihre Aufmerksamkeit zu gewinnen. Aber was können wir realistischerweise von der agentischen KI im Jahr 2025 erwarten und welche Auswirkungen wird sie auf unser Leben haben?  

Wir haben mit mehreren IBM Experten gesprochen, um den Hype zu durchbrechen und eine vernünftige Diskussion über KI-Agenten und deren Einsatzmöglichkeiten zu führen. Zu unserem Team von informierten Insidern gehören:  

• Maryam Ashoori, PhD: Director of Product Management, IBM® watsonx.ai  

• Marina Danilevsky: Senior Research Scientist, Language Technologies  

• Vyoma Gajjar: Architektin für technische KI-Lösungen 

• Chris Hay: Ausgezeichneter Ingenieur  

Ein KI-Agent ist ein Softwareprogramm, das in der Lage ist, autonom zu handeln, um Aufgaben zu verstehen, zu planen und auszuführen. KI-Agenten werden von LLMs unterstützt und können bei Bedarf mit Tools, anderen Modellen und anderen Aspekten eines Systems oder Netzwerks verbunden werden, um die Benutzerziele zu erreichen.  

Wir bitten nicht nur einen Chatbot, ein Rezept für ein Abendessen auf der Grundlage der verfügbaren Zutaten im Kühlschrank vorzuschlagen. Agenten sind mehr als automatisierte Customer-Experience-E-Mails, die Sie darüber informieren, dass es nur wenige Tage dauern wird, bis ein echter Mensch auf Ihre Anfrage reagieren kann.  

KI-Agenten unterscheiden sich von herkömmlichen KI-Assistenten, die für jede Antwort einen Prompt benötigen. In der Theorie gibt ein Benutzer dem KI-Agenten eine Aufgabe, und der KI-Agent findet selbständig heraus, wie er sie erledigen kann.  

Die aktuellen Angebote befinden sich noch in der Anfangsphase dieser Idee. „Was auf dem Markt gemeinhin als 'Agenten' bezeichnet wird, ist die Ergänzung von LLMs um rudimentäre Planungs- und Tool-Calling-Funktionen (manchmal auch Funktionsaufrufe genannt)“, sagt Ashoori. „Diese ermöglichen es dem LLM, komplexe Aufgaben in kleinere Schritte aufzuteilen, die der LLM ausführen kann.“

Hay ist optimistisch, dass leistungsfähigere Agenten auf dem Weg sind: „Man braucht heute keine weitere Weiterentwicklung der Modelle, um zukünftige KI-Agenten zu entwickeln“, sagt er.  

Da das nun geklärt ist: Was wird im kommenden Jahr über Agenten gesprochen und wie viel davon können wir ernst nehmen? 

„Mehr und bessere Agenten“ sind auf dem Weg, prognostiziert Time.¹ „Autonome „Agenten“ und Rentabilität werden wahrscheinlich die Agenda der künstlichen Intelligenz dominieren“, berichtet Reuters.² „Das Zeitalter der Agenten-KI ist angebrochen“, verspricht Forbes als Antwort auf eine Behauptung von Jensen Huang von Nvidia.³ 

Die Tech-Medien sind voll von Beteuerungen, dass unser Leben kurz vor einer Transformation steht. Autonome Agenten werden unsere Arbeit rationalisieren und verändern, die Optimierung vorantreiben und uns in unserem täglichen Leben begleiten, indem sie unsere alltäglichen Aufgaben in Echtzeit erledigen und uns den Rücken freihalten für kreative Tätigkeiten und andere übergeordnete Aufgaben.

„IBM und Morning Consult haben eine Umfrage unter 1.000 Entwicklern durchgeführt, die KI-Anwendungen für Unternehmen entwickeln, und 99 % von ihnen gaben an, dass sie KI-Agenten erkunden oder entwickeln“, erklärt Ashoori. „Also ja, die Antwort ist, dass 2025 das Jahr des KI-Agenten sein wird.“ Hier gibt es jedoch Nuancen.  

Nachdem Ashoori das aktuelle Marktkonzept von Agenten als LLMs mit Funktionsaufruf etabliert hat, unterscheidet es zwischen dieser Idee und wirklich autonomen KI-Agenten. „Die wahre Definition [eines KI-Agenten] ist eine intelligente Entität mit Argumentations- und Planungsfunktionen, die autonom Maßnahmen ergreifen kann. Diese Argumentations- und Planungsfunktionen stehen zur Diskussion. Es hängt davon ab, wie Sie das definieren.“  

„Ich sehe definitiv, dass sich KI-Agenten in diese Richtung entwickeln, aber wir sind noch nicht so weit“, sagt Gajjar. „Im Moment gibt es erste Erkenntnisse: KI-Agenten können bereits Daten analysieren, Trends vorhersagen und Workflows bis zu einem gewissen Grad automatisieren. Aber für die Entwicklung von KI-Agenten, die eigenständig komplexe Entscheidungsfindung treffen können, braucht es mehr als nur bessere Algorithmen. Wir brauchen große Fortschritte bei der kontextuellen Schlussfolgerungen und beim Testen für Edge-Cases“, fügt sie hinzu.  

Danilevsky ist nicht davon überzeugt, dass das etwas Neues ist. „Ich habe immer noch Mühe, wirklich zu glauben, dass das alles so anders ist als nur Orchestrierung“, sagt sie. „Sie haben Orchestration umbenannt, aber jetzt heißt es Agents, weil das ein cooles Wort ist. Aber Orchestrierung hat beim Programmieren schon immer stattgefunden.“   

Danilevsky ist skeptisch, dass 2025 das Jahr des Agenten sein wird. „Das hängt davon ab, was Sie unter einem Agenten verstehen, was ein Agent Ihrer Meinung nach erreichen wird und welchen Wert er Ihrer Meinung nach haben wird“, sagt sie. „Das ist eine ziemliche Behauptung, wenn wir noch nicht einmal den ROI (Return on Investment) der LLM-Technologie im Allgemeinen ermittelt haben.“  

Und es ist nicht nur die geschäftliche Seite, die sie vorsichtig sein lässt. „Da ist die Vorstellung, dass dieses Ding für Sie denken und all diese Entscheidungen treffen und Aktionen auf Ihrem Computer durchführen könnte. Realistisch betrachtet, ist das erschreckend.“

Für Danilevsky liegt der Grund für das fehlende Vertrauen in einem Kommunikationsfehler. „[Agenten] sind oft ineffektiv, weil Menschen sehr schlechte Kommunikatoren sind. Wir schaffen es immer noch nicht, dass die Chat-Agenten das, was Sie wollen, immer richtig interpretieren.  

Dennoch ist das kommende Jahr als Ära des Experimentierens vielversprechend. „Ich glaube fest an [2025 als das Jahr des Agenten]“, sagt Hay begeistert 

Alle großen Technologieunternehmen und Hunderte von Startups experimentieren inzwischen mit Agenten. Salesforce hat beispielsweise seine Agentforce-Plattform veröffentlicht, die es Benutzern ermöglicht, Agenten zu erstellen, die sich problemlos in das Salesforce-App-Ökosystem integrieren lassen.  

„Die Welle kommt und wir werden viele Agenten haben. Es ist noch ein sehr im Entstehen begriffenes Ökosystem, also denke ich, dass viele Leute Agenten aufbauen werden und sie werden eine Menge Spaß haben.“ 

Bei dieser Darstellung wird davon ausgegangen, dass die heutigen Agenten der theoretischen Definition entsprechen, die in der Einleitung zu diesem Artikel beschrieben wurde. Die Agenten des Jahres 2025 werden völlig autonome KI-Programme sein, die ein Projekt mit allen notwendigen Werkzeugen und ohne Hilfe von menschlichen Partnern planen und durchführen können. Was in dieser Darstellung jedoch fehlt, sind Nuancen.

Hay ist der Ansicht, dass der Grundstein für solche Entwicklungen bereits gelegt ist. „Das Wichtigste an Agenten ist, dass sie die Fähigkeit haben zu planen“, erläutert er. „Sie haben die Fähigkeit zu denken, Tools zu benutzen und Aufgaben auszuführen, und sie müssen dies schnell und in großem Umfang erledigen.“

Er nennt vier Entwicklungen, die im Vergleich zu den besten Modellen von vor 12 bis 18 Monaten bedeuten, dass die Modelle von Anfang 2025 die von den Befürwortern dieser Darstellung vorgestellten Agenten antreiben können:  

• Bessere, schnellere, kleinere Modelle  

• Feinabstimmung der Gedankenkette (COT) 

• Vergrößerte Kontextfenster  

• Funktionsaufruf  

„Die meisten dieser Dinge gibt es nun schon“, fährt Hay fort. „Es gibt KI-Call-Tools. Sie können planen. Sie können rational denken und gute Antworten liefern. Sie können Inferenzzeitberechnungen verwenden. Sie haben bessere Gedankenketten und mehr Gedächtnis für Ihre Arbeit. Es wird schnell gehen. Es wird günstig sein. Das führt zu einer Struktur, in der Sie Bearbeiter einsetzen können. Die Modelle werden immer besser, das wird sich nur noch beschleunigen.“ 

Ashoori ist sorgfältig darauf bedacht, zwischen dem, was Agenten später leisten können, und dem, was sie heute leisten können, zu unterscheiden. „Es gibt das Versprechen, und es gibt das, was der Agent heute leisten kann“, sagt sie. „Ich würde sagen, die Antwort hängt von dem Anwendungsfall ab. Für einfache Anwendungsfälle sind die Agenten in der Lage, [das richtige Tool auszuwählen], aber für anspruchsvollere Anwendungsfälle ist die Technologie noch nicht ausgereift.“  

Danilevsky stellt die Erzählung in einen neuen Kontext. „Wenn etwas einmal wahr ist, heißt das nicht, dass es immer wahr ist. Gibt es ein paar Dinge, die Agenten tun können? Sicher. Heißt das, dass Sie jeden Ablauf, der Ihnen in den Sinn kommt, agentisieren können? Nein.“  

Für Gajjar ist es eine Frage des Risikos und der Kontrolle. „Wir beobachten, wie sich KI-Agenten von Inhaltsgeneratoren zu autonomen Problemlösern entwickeln. Diese Systeme müssen in Sandbox-Umgebungen rigorosen Stresstests unterzogen werden, um kaskadierende Fehler zu vermeiden. Die Entwicklung von Mechanismen für Rollback-Aktionen und die Sicherstellung von Audit-Protokollen sind unabdingbar, damit diese Agenten in Branchen, in denen viel auf dem Spiel steht, eingesetzt werden können.“  

Aber sie ist optimistisch, dass wir uns diesen Herausforderungen stellen werden. „Ich denke, es wird in diesem Jahr Fortschritte bei der Schaffung von Rollback-Mechanismen und Audit-Trails geben. Es geht nicht nur darum, intelligentere KI zu entwickeln, sondern auch Sicherheitsnetze zu entwerfen, damit wir Probleme schnell verfolgen und beheben können, wenn etwas aus dem Ruder läuft.“  

Während Hay hoffnungsvoll ist, was das Potenzial für die Entwicklung von Agenten im Jahr 2025 angeht, sieht er ein Problem in einem anderen Bereich: „Die meisten Unternehmen sind noch nicht bereit für Agenten. Interessant wird es sein, die APIs offenzulegen, die es heute in Unternehmen gibt. Das ist der Ort, an dem die spannende Arbeit stattfinden wird. Und dabei geht es nicht darum, wie gut die Modelle sein werden, sondern darum, wie bereit Sie für Unternehmen sind.“

Die „neue Normalität“, die sich dieses Narrativ vorstellt, sieht Teams von KI-Agenten vor, die unter dem Dach von Orchestrator-Modellen versammelt sind, die den gesamten Projektablauf verwalten.

Unternehmen werden die KI-Orchestrierung nutzen, um mehrere Agenten und andere Modelle des maschinellen Lernens (ML) zu koordinieren, die zusammen arbeiten und spezifisches Fachwissen für die Erledigung von Aufgaben einsetzen.

Gajjar betrachtet diese Vorhersage nicht nur als glaubwürdig, sondern wahrscheinlich. „Wir stehen noch ganz am Anfang dieser Veränderung, aber sie geht schnell voran. KI-Orchestratoren könnten in diesem Jahr leicht zum Rückgrat der KI-Systeme von Unternehmen werden und mehrere Agenten verbinden, KI-Workflows optimieren und mehrsprachige und Multimedia-Daten verarbeiten“, so Gajjar. Sie warnt jedoch davor, ohne entsprechende Sicherheitsvorkehrungen loszulegen.  

„Gleichzeitig erfordert die Skalierung dieser Systeme starke Compliance-Frameworks, um einen reibungslosen Ablauf zu gewährleisten, ohne die Verantwortlichkeit zu beeinträchtigen“, warnt Gajjar. „2025 könnte das Jahr sein, in dem wir von Experimenten zur großflächigen Einführung übergehen, und ich bin gespannt, wie Unternehmen Geschwindigkeit und Verantwortung in Einklang bringen.“

Es ist unerlässlich, dass sich die Unternehmen mit gleichem Ehrgeiz der Daten- und KI-Governance und der Einhaltung von Vorschriften widmen, wie sie es für die Einführung der neuesten Innovationen tun. 

„Sie werden einen KI-Orchestrator haben, der mit mehreren Agenten zusammenarbeitet“, erklärt Hay. „Ein größeres Modell wäre ein Orchestrator, und kleinere Modelle werden begrenzte Aufgaben übernehmen.“

Hay prognostiziert jedoch, dass da die Agenten sich weiterentwickeln und verbessern eine Verlagerung von orchestrierten Workflows hin zu Systemen mit einem Agenten stattfinden wird. „Da die einzelnen Agenten immer leistungsfähiger wird es sich dahin entwickeln, dass man einen Agenten hat, der alles von Anfang bis Ende erledigen kann.  

 Hay sieht eine Hin- und Herentwicklung bei der Entwicklung von Modellen voraus. „Sie werden an die Grenzen dessen stoßen, was einzelne Agenten tun können, und dann werden Sie wieder zur Zusammenarbeit mehrerer Agenten zurückkehren. Sie werden zwischen Multi-Agenten-Frameworks und einem einzelnen gottgleichen Agenten hin- und herpendeln.“ Und obwohl KI-Modelle die Projektabläufe bestimmen werden, glaubt Hay, dass der Mensch immer im Spiel bleiben wird.

Für Ashoori ist der Bedarf an einem Meta-Orchestrator nicht unbedingt gegeben und hängt von den beabsichtigten Anwendungsfällen ab. „Es ist eine Entscheidung der Architektur“, erklärt sie. „Jeder Agent sollte per Definition in der Lage sein, herauszufinden, ob er mit einem anderen Agenten orchestrieren muss, ob er eine Reihe von Tools benötigt oder ob er ergänzende Daten benötigt. Sie brauchen nicht unbedingt einen mittleren Agenten, der oben sitzt und alle überwacht und ihnen sagt, was sie tun sollen.“  

Manchmal ist das jedoch der Fall. „Möglicherweise müssen Sie herausfinden, wie Sie eine Kombination spezialisierter Agenten für Ihren Zweck nutzen können“, vermutet Ashoori. „In diesem Fall können Sie sich entscheiden, einen eigenen Agenten zu erstellen, der als Orchestrator fungiert.“  

Danilevsky rät Unternehmen, zunächst zu verstehen, welche Workflows für welchen ROI eingesetzt werden können und sollten, und dann darauf basierend eine KI-Strategie zu entwickeln. „Wird es Orchestrierungsabläufe mit einigen Agenten geben? Sicher. Aber sollte in Ihrem Unternehmen alles mit Agentic Flow orchestriert werden? Nein, das wird nicht funktionieren.“ 

Eine vorherrschende Vision für die Einführung von Agenten im nächsten Jahr ist die, dass Agenten menschliche Mitarbeiter ergänzen, aber nicht unbedingt ersetzen. Sie werden zu einem rationalisierten Workflow beitragen, der von Menschen geleitet wird, sagen Befürworter.

Allerdings sind Ängste vor KI-bedingten Arbeitsplatzverlusten eine Konstante in der laufenden Diskussion über die Einführung von KI in Unternehmen. Werden Führungskräfte die Zusammenarbeit zwischen Agenten und Menschen fördern oder werden sie versuchen, ihre Mitarbeiter durch KI-Tools zu ersetzen?

Ashoori ist überzeugt, dass der beste Weg in die Zukunft darin besteht, den Mitarbeitern zu vertrauen, dass sie den optimalen Einsatz von KI bei ihren jeweiligen Aufgaben bestimmen. „Wir sollten die Mitarbeiter in die Lage versetzen, zu entscheiden, wie sie Agenten nutzen wollen, aber es nicht darauf auslegen, sie zu ersetzen“, erklärt sie. Einige Funktionen können an einen Agenten ausgelagert werden, während bei anderen der menschliche Input nicht ersetzt werden kann. „Ein Agent könnte ein Meeting transkribieren und zusammenfassen, aber Sie werden Ihren Agenten nicht schicken, um dieses Gespräch mit mir zu führen.“  

Danilevsky teilt Ashooris Ansicht und stellt fest, dass die Einführung von Agenten am Arbeitsplatz nicht ohne Wachstumsschmerzen vonstatten gehen wird. „Es wird immer noch Fälle geben, in denen man einen Menschen braucht, sobald etwas komplexer wird.“ Während Unternehmensleiter versucht sein könnten, kurzfristig Kosten zu sparen, indem sie Stellen streichen, wird sich der Einsatz von Agenten“ ...eher zu einer Ergänzung entwickeln werden. Sie sollten immer einen Menschen dabei haben, der Ihnen hilft, aber die endgültigen Entscheidungen trifft“, sagt Danilevsky und beschreibt ihre Human-in-the-Loop (HITL) Vision für KI.  

Hay sieht einen Weg zum nachhaltigen Einsatz von KI bei der Arbeit. „Wenn wir es richtig machen, wird KI den Menschen dabei unterstützen, Dinge besser zu machen. Wenn KI richtig eingesetzt wird, haben wir mehr Zeit für interessantere Dinge. Gleichzeitig kann er sich aber auch eine andere Version der Zukunft vorstellen, in der der KI eine zu hohe Priorität eingeräumt wird. „Es besteht ein echtes Risiko, dass es, wenn wir es nicht gut machen, dazu kommt, dass der Mensch die KI ergänzt und nicht umgekehrt.“  

Gajjar warnt auch davor, sich zu sehr auf KI zu verlassen. „Ich glaube nicht, dass KI-Agenten über Nacht Arbeitsplätze ersetzen werden, aber sie werden unsere Arbeitsweise definitiv verändern. Repetitive, wenig wertschöpfende Aufgaben werden bereits automatisiert, was Mitarbeitern mehr Zeit für strategischere und kreativere Aufgaben gibt. Unternehmen müssen jedoch bewusst mit der Einführung von KI umgehen. KI-Governance-Frameworks – wie solche, die auf Fairness, Transparenz und Verantwortlichkeit ausgerichtet sind – werden dabei eine zentrale Rolle spielen.“

Für Hay besteht ein Vorteil von Open Source KI-Modellen darin, dass sie die Tür zu einem zukünftigen Marktplatz für KI-Agenten und zur anschließenden Monetarisierung für die Entwickler öffnen. „Ich denke, Open Source KI-Agenten sind der Schlüssel“, sagt Hay. „Aufgrund von Open Source kann jeder einen KI-Agenten erstellen, und er kann nützliche Aufgaben erledigen. Und Sie können Ihr eigenes Unternehmen gründen.“  

Es ist auch wichtig, potenzielle Wachstumsprobleme und organisatorische Umstrukturierungen gegen KI-gestützten Nutzen abzuwägen, insbesondere im globalen Süden, glaubt Hay.

LLMs bieten eine textbasierte Ausgabe, die Benutzer per SMS in Gebieten ohne zuverlässige Internetverbindungen erreichen kann. „Die Unterstützung in Ländern [ohne starken Internetzugang] ist möglich, weil KI in einem Szenario mit geringer Bandbreite arbeiten kann und immer billiger wird – das ist sehr spannend“, sagt Hay.

Im Laufe dieser Gespräche kamen immer wieder zwei Themen mit all unseren 4 Experten zur Sprache. Abgesehen von den 4 Narrativen, die wir uns angesehen haben, erfordert ein nachhaltiger Weg durch die aktuelle KI-Explosion, dass Unternehmen und Führungskräfte zwei Ideen annehmen:

1. KI-Governance unterstützt die erfolgreiche Einhaltung von Vorschriften und die verantwortungsvolle Nutzung. 
2. Eine solide KI-Strategie, die sich auf den wirtschaftlichen Wert konzentriert, wird Unternehmen zu einer nachhaltigen KI-Einführung führen. 

„Unternehmen brauchen Governance-Frameworks, um die Leistung zu überwachen und die Verantwortlichkeit sicherzustellen, da diese Bearbeiter tiefer in den Betrieb integriert werden“, fordert Gajjar. „Hier zeigt sich der verantwortungsvolle KI-Ansatz von IBM wirklich. Es geht darum, sicherzustellen, dass KI mit den Menschen und nicht gegen sie arbeitet, und darum, Systeme aufzubauen, die vom ersten Tag an vertrauenswürdig und überprüfbar sind.“  

Ashoori malt ein Bild von einer möglichen agentischen KI-Panne. „Die Verwendung eines Agenten bedeutet heute im Grunde, dass man sich ein LLM schnappt und ihm erlaubt, Aktionen in seinem Namen durchzuführen. Was aber, wenn diese Aktion darin besteht, sich mit einem Datensatz zu verbinden und einen Haufen sensibler Datensätze zu entfernen?“  

„Technologie denkt nicht. Sie kann nicht verantwortlich sein“, sagt Danilevsky. Was Risiken wie versehentliche Datenverluste oder -löschungen angeht, „ist das Ausmaß des Risikos höher“, sagt sie. „Ein Mensch kann nur so viel in so viel Zeit tun, während die Technologie Dinge in viel kürzerer Zeit und auf eine Weise tun kann, die wir vielleicht nicht bemerken.“  

Und wenn das passiert, kann man nicht einfach mit dem Finger auf die KI zeigen und den dafür verantwortlichen Personen jegliche Schuld von dem Unternehmen absprechen. „Ein Mensch in diesem Unternehmen wird für diese Handlungen verantwortlich und rechenschaftspflichtig gemacht werden“, warnt Hay.  

„Die Herausforderung besteht also in der Transparenz“, sagt Ashoori. 2Und die Rückverfolgbarkeit von Aktionen für jede einzelne Aktion der Agenten. Sie müssen genau wissen, was passiert und in der Lage sein, es zu verfolgen, nachzuvollziehen und zu kontrollieren“.  

Für Danilevsky ist das freie Experimentieren der Weg zu nachhaltiger Entwicklung. „Es ist von großem Wert, den Leuten die Möglichkeit zu geben, mit der Technologie zu spielen, sie zu gestalten und zu versuchen, sie zu knacken.“ Sie fordert Entwickler außerdem auf, vorsichtig zu sein, wenn sie entscheiden, welche Modelle sie verwenden und welche Daten sie in diese Modelle einspeisen. „[Einige Anbieter] nehmen alle Ihre Daten. Seien Sie also ein wenig vorsichtig.“

„Der derzeitige KI-Boom ist absolut FOMO-getrieben und wird sich legen, wenn sich die Technologie weiter normalisiert“, prognostiziert Danilevsky. „Ich denke, dass die Leute besser verstehen werden, welche Dinge funktionieren und welche nicht.“ „Der Fokus sollte auch auf der Integration von KI-Agenten in Ökosysteme liegen, in denen sie kontinuierlich lernen und sich anpassen können, was zu langfristigen Effizienzsteigerungen führt“, fügt Gajjar hinzu.  

Danilevsky zögert nicht, die Erwartungen zu dämpfen und das Gespräch wieder auf die nachweisbaren geschäftlichen Anforderungen zu konzentrieren. „Unternehmen müssen aufpassen, dass sie nicht zum Hammer werden, der einen Nagel sucht“, beginnt sie. „Das hatten wir schon, als die LLMs aufkamen. Die Leute sagten: 'Schritt eins: Wir werden LLMs einsetzen. Schritt zwei: Wofür sollen wir sie einsetzen?'“  

Hay hält Unternehme dazu an, sich frühzeitig auf Agenten vorzubereiten. „Es werden diejenigen Unternehmen profitieren, die ihre personenbezogenen Daten so organisieren, dass die Agenten in ihren Dokumente recherchieren können.“ Jedes Unternehmen verfügt über eine Fülle wertvoller Daten, und die Umwandlung dieser Daten in Workflows unterstützt eine positive ROI.  

„Mit KI-Agenten haben Unternehmen die Möglichkeit, ihre proprietären Daten und bestehenden Workflows zu nutzen, um sich von der Konkurrenz abzuheben und zu skalieren“, sagt Ashoori. „Letztes Jahr war das Jahr des Experimentierens und der Erkundung für Unternehmen. Sie müssen diese Auswirkungen skalieren und ihren ROI maximieren. Die KI-Agenten sind die Eintrittskarte, um das zu verwirklichen.“  

Weitere Informationen zur erfolgreichen KI-Implementierung in Unternehmen finden Sie in Maryam Ashooris Leitfaden zur agentischen KI-Kostenanalyse. Verpassen Sie auch nicht, wie Vyoma Gajjar und Chris Hay im IBM-Podcast Mixture of Experts ihre Prognosen für KI im Jahr 2025 erläutern.