Unternehmen verfügen über Systems of Intelligence. Jetzt sollten sie zu Systems of Action übergehen.

Agentische KI kommt in Aktion. Diese autonomen Systeme versprechen, komplexe Workflows durchgängig zu bewältigen, und Unternehmen sind bestrebt, dieses Potenzial voll auszuschöpfen. Doch hier liegt der Haken: In dem Bestreben, diese Technologie schnellstmöglich bereitzustellen, riskieren Unternehmen, das zu zerstören, was bereits funktioniert. 

Bruno Aziza, Vice President of Data, AI & Analytics Strategy bei IBM, arbeitet mit Unternehmen zusammen, um sie bei der Skalierung mit neuen Technologien zu unterstützen, damit sie in ihren jeweiligen Bereichen führend werden. Laut Aziza übersehen Unternehmen oft die Tatsache, dass sie bereits KI und Automatisierung in ihre Workflows integriert haben.

Aziza ist der Ansicht, dass Unternehmen, anstatt alles um Agenten herum neu aufzubauen, diese nutzen sollten, um auf dem aufzubauen, was bereits funktioniert. „Der Weg zum Erfolg besteht hier nicht darin, die Prozesse zu ersetzen oder zu eliminieren, die gut funktioniert haben“, erzählt er IBM Think in einem Interview. „Es geht darum, diese bestehenden Prozesse zu erweitern.“

Dieser Erweiterungsansatz wird deutlicher, wenn man ihn im Kontext der breiteren Entwicklung der Enterprise-Technologie betrachtet. Um zu verstehen, wie Unternehmen agentische KI effektiv in bestehende Workflows integrieren können, ist es unerlässlich, die Entwicklung von Systemen, die analysieren und Empfehlungen aussprechen, hin zu Systemen zu untersuchen, die autonom handeln und einen konkreten Geschäftsnutzen liefern können.

Enterprise-Technologieführer haben einen bekannten Weg beschritten: Zuerst wurden Systems of Record aufgebaut, dann Systems of Engagement und schließlich Systems of Intelligence. Nun beginnt mit agentischer KI eine neue Phase: Systems of Action.

„Wir stellen fest, dass Systems of Intelligence zwar nützlich sind, aber nicht ausreichen“, erklärt Aziza. „Dank der generativen KI, dank nahezu unendlicher Rechenleistung und begrenztem Speicher und guter Vernetzung, sind wir jetzt in einer Phase, in der wir darüber nachdenken können, wie wir die Aktionen beschleunigen können, die wirklich die Komponenten sind, die mit dem Erreichen des Ergebnisses des Unternehmens zusammenhängen. Wir haben das schon immer versucht, aber jetzt befinden wir uns in einer Phase der Entwicklung, in der wir aktiv handeln können.“

Doch die Entwicklung von Systems of Action ist kein einfacher, linearer Prozess. Für viele Führungskräfte in der Technologiebranche spielen Fragen rund um Autonomie, Verantwortlichkeit und Automatisierung nach wie vor eine große Rolle. Und während der Hype um KI seit mehreren Jahren für Schlagzeilen sorgt, beginnt die eigentliche Arbeit erst, sobald das Interesse der Öffentlichkeit nachlässt.

„Ich denke, das ist etwas, das etablierte Unternehmen mit Vorsicht genießen sollten: Alle sagen Ihnen, dass es ganz einfach sein wird, nicht wahr?“, erklärt Aziza. „Man konzentriert sich auf hervorragende Daten, wählt dann seine Anwendungsfälle aus, experimentiert anschließend und setzt schließlich die erfolgreichen Anwendungsfälle in die Praxis um. Aber das ist nicht wirklich das, was passiert.“

Ein häufiges Missverständnis, das Aziza beobachtet, ist der Glaube, dass die Entwicklung eines Agenten und die Bereitstellung in einem Unternehmen einfach so funktionieren werden. „Im Unternehmen steht viel mehr auf dem Spiel.“

Da immer mehr Experimente in die Produktion einfließen, stellen Führungskräfte andere Fragen zu Kompromissen, Umfang und Leistung.

„In der Branche gibt es bereits genügend Erfahrung und Beispiele, sodass wir ein Niveau erreichen können, auf dem wir die dort geleistete eigentliche Produktionsarbeit beschleunigen können“, betont Aziza.

Eine der größten Veränderungen in diesem Jahr war der Vorstoß zur Entwicklung neuer KI-Agenten. Laut Aziza könnte diese Eile jedoch fehlgeleitet sein. Unternehmen haben oft bereits KI und Automatisierung in ihre Workflows integriert. Anstatt alles rund um die Agenten neu aufzubauen, ist es laut Azize besser, das zu erweitern, was bereits funktioniert.

Er nennt ein anschauliches Beispiel: die Kreditvergabe im Bankwesen. Es handelt sich hierbei um deterministische Prozesse – das Hinzufügen probabilistischer Akteure könnte eher zu mehr als zu weniger Unsicherheit führen.

„Die Fähigkeit, diese beiden Elemente miteinander zu verbinden, ist äußerst wichtig“, betont er. Dabei handelt es sich laut seiner Erklärung um einen „Agent minus“: einen Agenten, der funktionierende Systeme ersetzt, aber schlechtere Ergebnisse liefert.

„Darüber wird nicht genug gesprochen, und Unternehmen müssen sich dessen bewusst sein“, betont er. „Es wird nicht darum gehen, die Automatisierung abzuschaffen und sie durch eine Menge agentischer Arbeit zu ersetzen. Es geht tatsächlich darum, beide zu verbinden.“

Die Zusammenführung von Systemen und Agenten ist der nächste Schritt. „Wir werden an einen Punkt gelangen, an dem immer mehr Mitarbeiter ihre eigenen Agenten erstellen, entweder weil sie einen vorkonfigurierten Agenten verwenden und ihn anpassen, oder weil Ihre Mitarbeiterbasis über eine hohe Reife verfügt“, erklärt er. „Wir werden mehr Agenten sehen. Die Frage ist, wie man diese Agenten orchestriert! Um das richtig zu machen, muss man also bestimmte Funktionen entwickeln.“

Diese Orchestrierung entsteht nicht zufällig. Laut Aziza müssen Unternehmen, die mit Agenten in die Produktion gehen, fünf Kernfunktionen aufbauen, um erfolgreich zu sein: Multi-Agent-Zusammenarbeit, ökosystemübergreifende Integration, Abstimmung mit bestehenden Tools und Regeln, Überwachung und Kontrolle sowie eine dedizierte Betriebsebene, die als Agents Ops bekannt ist. „Diese fünf Funktionen sind die wichtigsten Säulen Ihrer zukünftigen Strategie“, betont er.

Anfang dieses Jahres betonten das Model Communication Protocol (MCP) und andere von Google (Agent2Agent Protocol), IBM (ACP) und anderen Akteuren entwickelten Standards die Notwendigkeit der Agentenerkennung und -kommunikation.

„Stellen Sie sich vor, Sie wachen morgen in einer Umgebung auf, die von einem Schwarm Analyse-Agenten umgeben ist“, so Aziza. „Wer macht was? Wer erhält die Daten? Wer erarbeitet diese Erkenntnisse? Wer überwacht den Prozess? Wer überprüft, ob die Daten tatsächlich korrekt und die Erkenntnisse umsetzbar sind? Es gibt hier viele Fragen, die sich ohne einen Standard nur sehr schwer in die Praxis umsetzen lassen.“

Viele vergleichen den aktuellen Zustand von Agenten mit dem Internet vor HTTP. Aziza glaubt jedoch, dass agentische KI etwas völlig Neues in die Diskussion einbringt. Für ihn ist die gegenwärtige Entwicklung von KI vergleichbar mit der Erfindung des Autos: Ja, Autos haben letztendlich die Pferde ersetzt, aber sie haben auch die Innovation vorangetrieben.

„Es gibt eine unglaubliche Beschleunigung der Innovation“, erklärt er. „Und es bietet sich auch die unglaubliche Chance, eine neue Stufe zu erreichen. Es ist einfach schwierig, einen Blueprint zu finden, aber wir wissen sicher, dass die Vereinheitlichung der Kommunikationsstandards notwendig sein wird, wenn wir die Wirkung dieser einzelnen Akteure vervielfachen möchten."