Assistent, Mitarbeiter, völlig autonom: Die drei kommenden Epochen der KI in Unternehmenssoftware 

Stellen Sie sich eine Benutzeroberfläche für eine Business-Intelligence-Plattform vor. Typischerweise umfassen diese Benutzeroberflächen eine verwirrende Vielzahl von Registerkarten, Seitenleisten, Dropdown-Menüs, Schiebereglern und anderen UI-Elementen. Ein neuer Benutzer wüsste nicht, wo er suchen soll, um das zu finden, was er braucht, und selbst ein erfahrener Benutzer könnte nach einer weniger genutzten Funktion suchen. 

Stellen Sie sich nun vor, dass der Bildschirm anstelle all dieser Komponenten ein einfaches Textfeld enthält. Der Benutzer kann einen Prompt eingeben, wie z. B. „Erstelle ein Diagramm, das die jährlichen Abonnentenzahlen der letzten zehn Jahre in der Altersgruppe 20–30 in der EMEA-Region zeigt.“ Und schon erscheint die Grafik. 

So weit sind wir noch nicht. Aber diese Zukunft ist nicht mehr weit entfernt.

In den letzten zehn Jahren haben sich Softwareunternehmen darauf konzentriert, die User Experience (UX) zu verbessern, indem sie die Benutzeroberflächen (UI) verbessert, Workflows vereinfacht und die Anzahl der Klicks reduziert haben, die zum Erledigen von Aufgaben erforderlich sind. Diese Fortschritte haben die Produktivität erhöht, die Akzeptanz von Software gesteigert und die Bearbeitungszeiten verkürzt.  

Bei Unternehmenssoftware müssen die Benutzer jedoch immer noch Zeit in das Erlernen und die Anpassung an verschiedene Systeme investieren, insbesondere beim Übergang von Legacy-Anwendungen. Darüber hinaus erschweren Inkonsistenzen im Design zwischen den Plattformen die Benutzerschulung und -akzeptanz zusätzlich. 

Um diese Herausforderungen zu bewältigen, stellen Unternehmen häufig umfangreiche Programme für das Änderungsmanagement bereit. Diese Initiativen bringen jedoch aufgrund der geringen Akzeptanz neuer Systeme durch die Benutzer manchmal nicht den gewünschten Nutzen. Dies ist oft auf schlechtes Training, Widerstand gegen Veränderungen und die Komplexität des Übergangs von Altlast-Systemen zurückzuführen.

KI wird all dies ändern. 

Schauen wir uns an, wie sich Unternehmensanwendungen in drei verschiedenen Epochen entwickeln werden, die von Fortschritten bei der agentenbasierten KI angetrieben werden – von schrittweisen Verbesserungen bis hin zur vollständigen Autonomie. 

Wir befinden uns derzeit in der Anfangsphase der Integration von agentische KI in Unternehmenssoftware. Diese Änderungen verbessern zwar die User Experience, ergänzen jedoch in erster Linie bestehende Benutzeroberflächen und ersetzen sie nicht. 

Eingebettete KI-gestützte Unterstützung: Automatische Vervollständigung von Beschreibungen und Details durch den Einsatz generativer KI, Empfehlungen auf der Grundlage von maschinellem Lernen und Abruf relevanter Informationen durch den Einsatz von Retrieval-Augmented Generation (RAG).

Dialogorientierte Schnittstellen: Chatbots und Copiloten ermöglichen die Erledigung von Aufgaben durch Befehle in natürlicher Sprache.

Anpassbare Plattformen: Platform-as-a-Service (PaaS)-Lösungen ermöglichen es Kunden, maßgeschneiderte KI-Funktionen mithilfe von Large Language Models (LLMs) zu erstellen, die auf der Plattform verfügbar sind.

Während diese Verbesserungen die Produktivität steigern, bleiben traditionelle Benutzeroberflächen für die Interaktion mit dem Benutzer unerlässlich und es ist nach wie vor eine erhebliche Beteiligung des Benutzers erforderlich.

In der heutigen Zeit bewegen sich Unternehmensanwendungen in Richtung eines intelligenteren und kollaborativeren Frameworks. Die herkömmliche Benutzeroberfläche tritt in den Hintergrund und wird zu einem Tool, das hauptsächlich von IT-Fachleuten und Superusern verwendet wird. KI-Agenten automatisieren die meisten Mensch-zu-Software-Interaktionen, bieten schrittweise Anleitungen und weisen auf Engpässe hin. Bei kritischen Entscheidungen ist jedoch nach wie vor menschliches Eingreifen erforderlich. Zu den wichtigsten Funktionen dieser Phase gehören:

Agenten als Schnittstellen: Konversationsschnittstellen dominieren die Benutzerinteraktion und minimieren die Abhängigkeit von herkömmlichen Benutzeroberflächen.

Kommunikation zwischen den Agenten: KI-Agenten auf verschiedenen Softwareplattformen kommunizieren nahtlos über standardisierte Protokolle, die HTTP ähneln.

Dynamische Integration: Manuelle Integrationen zwischen Softwareprodukten werden überflüssig, da KI-Agenten Informationen in Echtzeit austauschen. Diese Verlagerung ermöglicht es IT-Fachleuten, sich auf höherwertige Aufgaben wie Strategie und Innovation zu konzentrieren, anstatt sich mit routinemäßiger Wartung und Fehlerbehebung zu befassen. Auch die Workflows in Unternehmen werden agiler, da die nahtlose Kommunikation zwischen KI-Agenten Engpässe reduziert und Entscheidungsprozesse beschleunigt.

Die letzte Entwicklungsstufe sieht Unternehmensanwendungen vor, die fast vollständig autonom sind und nur minimale menschliche Eingriffe erfordern. Benutzer definieren Ziele und KI-Agenten arbeiten zusammen, um diese innerhalb vordefinierter organisatorischer Leitplanken zu erreichen. Zu den wichtigsten Merkmalen gehören:

Zielorientierte KI-Agenten: Benutzer geben Ziele vor und KI-Agenten führen Aufgaben durchgängig aus.

Konfigurierbare Leitplanken: Anpassbare Richtlinien, die die Grenzen von Aufgaben, Entscheidungspunkten und Autorisierungsanforderungen umreißen. Diese können mithilfe natürlicher Sprache konfiguriert werden, sodass keine speziellen IT-Kenntnisse erforderlich sind. Administratoren könnten beispielsweise einfache Anweisungen wie „Alle Rechnungen über 10.000 USD zur Genehmigung an die Finanzabteilung weiterleiten“ eingeben, und das System würde den entsprechenden Workflow generieren.

Zu den potenziellen Einschränkungen können jedoch auch sprachliche Unklarheiten gehören, bei denen vage oder schlecht formulierte Befehle zu unbeabsichtigten Konfigurationen führen können. Die Gewährleistung der Genauigkeit und die Bereitstellung von Fallback-Mechanismen, wie z. B. geführte Prompts oder Validierungsschritte, sind entscheidend, um diese Herausforderungen zu bewältigen.

On-Demand-Benutzeroberflächen: Dynamische Schnittstellen werden nach Bedarf für die Entscheidungsfindung oder die Darstellung von Informationen generiert.

Unstrukturierte Datenverwaltung: Informationen werden hauptsächlich in unstrukturierten Formaten erfasst, aber für Analysen und Berichte in strukturierte oder halbstrukturierte Daten umgewandelt. 

Schlanke Architektur: Unternehmensanwendungen bestehen aus zwei Hauptkomponenten – spezialisierte KI-Agenten und konfigurierbare Leitschienen mit Bereichsgrenzen. Die Daten werden in zentralen, unternehmensweiten Speichern abgelegt, sodass keine anwendungsspezifischen Datenspeicher mehr erforderlich sind.

In dieser Ära werden erhebliche Produktivitätssteigerungen prognostiziert, mit weiteren Vorteilen wie geringeren Gesamtbetriebskosten (TCO) für Unternehmensanwendungen und Datenverwaltung.