Kommentar von Edward Funnekotter, Solace Agentic AI bietet das Potenzial für grundlegende Veränderungen

Anbieter zum Thema

Board Deutschland GmbH

Disy Informationssysteme GmbH

QUNIS GmbH

Agentenbasierte KI (Agentic AI) stellt einen großen Fortschritt gegenüber einfachen LLM-Anwendungen dar, da mehrere Agenten zu einem System kombiniert werden. Dieses kann autonom handeln, um eine Frage zu beantworten oder ein Ergebnis zu erzielen. Damit sie jedoch ihr volles Potenzial entfalten und Anwendungen bereitstellen kann, müssen Daten aus verschiedenen Quellen in Echtzeit und auf globaler Ebene integriert werden.

Die Entwicklung der KI-Transformation schreitet schnell voran – von Einstiegsanwendungen, die Large Language Models (LLM) und Retrieval-Augmented Generation (RAG) verwenden, bis hin zur vielbeschworenen agentenbasierten KI, die nicht nur vorprogrammierte Anweisungen befolgt, sondern mitdenkt, Entscheidungen trifft und sich an neue Situationen anpasst.

Gartner schreibt dazu in seinen strategischen Technologietrends für 2025: „Agentenbasierte KI-Systeme planen und ergreifen eigenständig Maßnahmen, um benutzerdefinierte Ziele zu erreichen. Agentenbasierte KI verspricht eine virtuelle Belegschaft, die menschliche Arbeit entlasten und ergänzen kann. Gartner prognostiziert, dass 2028 mindestens 15 Prozent der täglichen Arbeitsentscheidungen autonom von agentenbasierter KI getroffen werden.“

Der Nutzen agentenbasierter KI für die Unternehmen

Agentenbasierte KI geht weit über die einfache Beantwortung von Fragen zu einem Thema hinaus, für das ein LLM trainiert wurde. Es handelt sich um ein Softwaremodell, bei dem mehrere LLMs und Dienste, die sogenannten Agenten, eingesetzt werden, um selbstständig komplexere Aufgaben auszuführen und Schlussfolgerungen zu ziehen. Die Entwicklung agentenbasierter Systeme hat einen bemerkenswerten Wandel durchlaufen. Ursprünglich waren diese Systeme auf regelbasierte Aufgaben beschränkt. Inzwischen haben sie sich zu komplexen multimodalen Agenten weiterentwickelt.

Gartner mit den wichtigsten Entwicklungen für Daten und Analyse

Diese neun Trends sind 2025 entscheidend

Diese Agenten sind in der Lage, Informationen aus verschiedenen Quellen – wie Text, Bild und Ton – zu verarbeiten und zu integrieren. Das verleiht KI-Agenten logische Fähigkeiten, mit denen sie auf eine Weise interagieren können, die dem menschlichen Denken nahekommt. KI-Agenten sind wie Mitarbeiter, die flexibel und anpassungsfähig sind und über spezifisches Fachwissen verfügen.

Beispielsweise könnte der Agent als Kundenbetreuer fungieren und folgende Aufgabe übernehmen: „Finde für jedes neue Ticket ähnliche Tickets und beantworte Fragen zur Produktnutzung, die im Ticket enthalten sind. Füge deine Erkenntnisse als Kommentar zum Ticket hinzu." Das eröffnet die Möglichkeit, ein breites Spektrum an geschäftlichen Herausforderungen zu bewältigen – von intuitiver Kundenkommunikation über Lagerbestandsentscheidungen in Echtzeit bis hin zum Flottenmanagement und vielem mehr.

Agentenbasierte KI-Projekte stehen in den Startlöchern

Die größte Hürde für jedes KI-Projekt ist jedoch der Übergang von der Pilotphase in den Produktivbetrieb der Anwendungen. Harvard Business Review schätzt die Misserfolgsquote von KI-Projekten auf bis zu 80 Prozent. Tatsächlich wurden in einer IBM-Umfrage unter mehr als 8.500 IT-Fachleuten weltweit mangelnde KI-Kenntnisse, die Komplexität der Daten und ethische Bedenken als die größten Hindernisse für den Einsatz von KI genannt.

Darüber hinaus zeigen andere Studien, dass viele Projekte daran scheitern, etwas so Komplexes und Unstrukturiertes zu skalieren, weil sie von einer veralteten Architektur abhängen, aber auch aus Kosten- und Performance-Gründen. Selbst wenn die Projekte angelaufen sind, bestehen weiterhin Hindernisse hinsichtlich der Datenqualität, Governance, Sicherheit und der Integration der technischen Workflows.

Ereignisgesteuerte Architektur und Event-Mesh verstärken die Kraft der KI

Im Zentrum dieser Herausforderungen steht ein entscheidender Mangel: das Fehlen eines kontextbezogenen Informationsflusses in Echtzeit. Denn traditionelle Batch-Verarbeitung und statische Datenmodelle, wie sie in vielen Unternehmen immer noch eingesetzt werden, sind nicht in der Lage, dynamische Geschäftsumgebungen bereitzustellen. Diese sind aber notwendig, wenn zum Beispiel im Finanzhandel oft in Bruchteilen von Sekunden Entscheidungen getroffen werden müssen, die über Erfolg oder Misserfolg von Trading-Chancen entscheiden.

Ein Event-Mesh, das von einer ereignisgesteuerten Architektur (EDA) unterstützt wird, ist der fehlende Baustein, der die Unternehmens-KI in ein kontextsensitives Echtzeit-Kraftpaket verwandelt. Ein Event-Mesh ist ein verbundenes Netzwerk von Event-Brokern, das ereignisgesteuerte Informationen dynamisch zwischen allen Arten von Anwendungen und Geräten in internen und globalen Umgebungen weiterleitet.

Beim Einsatz von KI kommt das Event-Mesh ins Spiel, weil es die Entkopplung bietet, die für eine schnelle Entwicklung und Veränderung unerlässlich ist. Außerdem erfüllt es die Anforderungen an eine ereignisgesteuerte Architektur, die es ermöglicht, Zinsdifferenzen zu managen, verschiedene Anwendungen mit Messaging-Mustern zu unterstützen und die horizontale und vertikale Skalierung effizient umzusetzen.

Viele GenAI-Initiativen bleiben in der Konzeptphase stecken

Gartner: Hälfte aller GenAI-Projekte vor dem Aus

Wendet man das durch das Event-Mesh ermöglichte Architekturmuster auf die Anwendungsfälle der agentenbasierten KI an, schafft man ein flexibles Netzwerk zur Datenverteilung in Echtzeit, über das die KI-Modelle unmittelbar auf relevante Datenströme zugreifen können.

Vom Event-Mesh zum Agenten-Mesh

Während ein Event-Mesh den Echtzeit-Datenfluss und die dynamische Weiterleitung im gesamten Unternehmen ermöglicht, geht ein Agenten-Mesh noch einen Schritt weiter: Seine intelligenten Agenten sind in der Lage, den Informationsfluss selbstständig zu analysieren und unmittelbar darauf zu reagieren.

Ein Agenten-Mesh ist ein Framework zum Aufbau eines Netzwerks von KI-Agenten, das von einer dynamischen Orchestrierungsschicht überwacht und gesteuert wird. Auf diese Weise können komplexe Aufgaben von mehreren Agenten ausgeführt und die Ergebnisse in einem Datenmanagementsystem zusammengeführt werden. Agenten-Mesh-Gateways ermöglichen vielen verschiedenen Anwendungsfällen, die jeweils über eigene Eingabeschnittstellen und Berechtigungen verfügen, den Zugriff auf das System.

Wenn KI-Projekte an der Wirklichkeit scheitern

Datenchaos bremst Künstliche Intelligenz aus

Organisationen können damit autonome agentenbasierte KI-Systeme aufbauen, die Anfragen verwalten, um die besten Ergebnisse auf der Grundlage unstrukturierter Eingaben, beispielsweise von Chats, zu liefern.

Tempo selbst bestimmen

Das Beste daran ist, dass ein Agenten-Mesh nicht in den bestehenden Anwendungs-Stack und das agentenbasierte KI-Framework einer Organisation eingreift. Dank des Plug-&-play-Ansatzes können Unternehmen mit einem oder zwei Anwendungsfällen starten. Im Laufe der Zeit entwickeln sie dann das Agenten-Mesh nach Bedarf weiter, indem sie Agenten hinzufügen, um seine Fähigkeiten zu erweitern, oder indem sie neue Agenten-Netz-Gateways hinzufügen, um weitere Anwendungsfälle und Schnittstellen zu unterstützen.

Durch die Orchestrierung und integrierte Zugriffskontrolle aller agentenbasierten Aktionen im System kann ein Framework für viele Anwendungsfälle (wieder-) verwendet werden – zum Beispiel für eine neue Bestellung, ein neues Support-Ticket oder sogar die neue Frage eines Chatbots. Dabei bietet jedes Framework unterschiedliche Schnittstellen und Zugriffskontrollen, die auf Unternehmensebene geregelt werden.

In einer Umgebung, in der sich die KI-Technologien rasant weiterentwickeln, ermöglicht es die entkoppelte Natur des ereignisgesteuerten Frameworks, das dem Agenten-Mesh zugrunde liegt, KI-Modelle und Datenquellen einfach zu aktualisieren, zu ersetzen oder hinzuzufügen, ohne die bestehenden Systeme zu beeinträchtigen. Das ist besonders wichtig, um mit den Fortschritten der KI Schritt zu halten.

Zur Zukunft der KI-Agenten wird ein Agenten-Mesh gehören

Die agentenbasierte KI stellt einen grundlegenden Wandel in der Nutzung der KI dar, denn sie geht über einfache LLM-Anwendungen hinaus und schafft autonome Systeme, die auf einem nie dagewesenen Niveau analysieren und sich anpassen können. Um ihr volles Potenzial zur dynamischen Verwaltung von Lagerbeständen oder zur sofortigen Neukonfiguration von Lieferketten auszuschöpfen, muss ihr Bedarf an kontextbezogenen Informationen in Echtzeit gedeckt werden. Das Agenten-Mesh wird zum Schlüssel, um den Nutzen von KI-Agenten in diesen dynamischen Geschäftsumgebungen zu maximieren.

(ID:50462363)