Agentische KI ist eines der heißesten Schlagworte in Bezug auf moderne Technologie. Wie so oft bei neuen Funktionen gibt es auch für den Begriff „agentische KI“ keine eindeutige und allgemein anerkannte Definition. Hinzu kommt, dass einige der großen Akteure auf dem Markt jeweils eigene, unterschiedliche Definitionen von agentischer KI nutzen. Das sorgt für Verwirrung.

Dieser Artikel wurde von den unabhängigen Global Tech-Berater/innen Melissa Swartz, Beth English und Chris Thalassinos verfasst, die besondere Expertise in den Bereichen Kommunikationstechnologie und KI mitbringen.

Agentische KI ist eines der heißesten Schlagworte in Bezug auf moderne Technologie. Wie so oft bei neuen Funktionen gibt es auch für den Begriff „agentische KI“ keine eindeutige und allgemein anerkannte Definition. Hinzu kommt, dass einige der großen Akteure auf dem Markt jeweils eigene, unterschiedliche Definitionen von agentischer KI nutzen. Das sorgt für Verwirrung.

Zyniker mögen dies als einen Mechanismus betrachten, mit dem die Anbieter die von ihnen angebotenen Funktionen in den Vordergrund stellen und die nicht angebotenen herunterspielen.

Es mag in Zukunft weniger verwirrend werden, wenn mit der Reifung der Technologie mehrere „Geschmacksrichtungen“ bei KI-gestützten Agenten auftauchen, die eine flexible, segmentierte Entwicklung ermöglichen.

Viele fragen sich: Ist agentische KI eine bahnbrechende Technologie oder nur der neueste Hype?

Lassen Sie uns ein wenig tiefer in das Thema einsteigen und sehen, ob wir Antworten finden können.

Definition von agentischer KI

Laut diesem Video von Google scheint „es keine Einigkeit darüber zu geben, was genau ein Agent ist“. Es ist hilfreich, die Fähigkeiten von Agenten als ein Kontinuum von Können und Komplexität zu betrachten.

Nicht alle Agenten sind gleichermaßen komplex und einige führen sehr einfache Aufgaben aus. Andere wiederum verfügen über umfassendere Fähigkeiten und können komplexere Aufgaben bewältigen (siehe Abbildung unten).

Es gibt jedoch einige Merkmale, die allgemein als Fähigkeiten der agentischen KI angesehen werden:

  • Agenten existieren in einer bestimmten Umgebung.
  • Sie haben ein oder mehrere Ziele zu erreichen.
  • Agenten sind in der Lage, Eingaben oder Stimuli in ihrer Umgebung wahrzunehmen.
  • Sie sind in der Lage, die Dinge, die sie wahrnehmen, logisch zu verarbeiten und auf der Grundlage des Stimulus eine Handlungsweise zu wählen.
  • Agenten können eigenständig handeln, um ein bestimmtes Ziel zu erreichen. Sie können zum Beispiel:
    • Benachrichtigungen senden, wenn bestimmte Bedingungen erfüllt sind.
    • Dokumente prüfen und eine Antwort auf eine Frage geben.
    • Interaktionen an einen anderen Agenten oder einen Menschen übergeben.
    • Datensätze aktualisieren, Aufträge stornieren und andere Prozesse auslösen.

Fazit: Agenten können in ihrer Umgebung erkennen, Entscheidungen treffen und handeln, um bestimmte Zielvorgaben zu erfüllen.

Darüber hinaus können sie mit anderen KI-Agenten interagieren, ihre eigene Leistung im Laufe der Zeit analysieren und verbessern, Dialogfunktionen bieten und proaktiv handeln. Sie können auch die reale Welt beeinflussen, indem sie Maßnahmen ergreifen und z. B. eine Finanztransaktion verhindern, wenn sie betrügerisches Verhalten festgestellt haben, oder Bestellungen aufgeben, um den Lagerbestand aufzufüllen. 

Laut Google Gemini bezieht sich agentische KI auf eine Klasse von KI-Systemen, die darauf ausgelegt sind, autonom zu arbeiten, Entscheidungen zu treffen und Aufgaben ohne ständiges menschliches Eingreifen auszuführen. Der Begriff „agentisch“ unterstreicht ihre Fähigkeit, unabhängig und zielgerichtet zu handeln.

Wie unterscheidet sich agentische KI von herkömmlicher KI?

Laut Google Gemini „stellt agentische KI einen bedeutenden Fortschritt gegenüber traditioneller KI dar, da sie sich in die Richtung von Systemen bewegt, die nicht nur intelligent, sondern auch in der Lage sind, unabhängig zu handeln, zu planen und sich in dynamischen Umgebungen kontinuierlich selbst zu verbessern“.

Herkömmliche Anwendungen stützen sich auf eine Reihe von vordefinierten Regeln, um Entscheidungen zu treffen oder einfache Aufgaben auszuführen, und sind in der Regel skriptgesteuert. Die Regeln und Skripte steuern die Aktionen.

Forscher auf dem Gebiet der Multi-Agenten-Systeme sind der Meinung, dass herkömmliche „Agenten“, die vordefinierten Regeln folgen, nur Programme sind und nicht wirklich agentisch.

Agentische KI folgt keinem Skript. Stattdessen wird ihr ein Ziel vorgegeben. Dann bestimmt sie den besten Weg, um dieses Ziel zu erreichen. Typischerweise erhält die agentische KI Parameter, wie etwa eine Gruppe von Tools, Anweisungen zu deren Verwendung und eine Beschreibung, wie die Aktion ausgeführt werden soll.

Agenten sind unter anderem in der Lage, verschiedene Szenarien zu bewerten und die Ergebnisse verschiedener Aktionen vorherzusagen. Sie können sogar jeder Aktion einen Wert zuweisen – basierend darauf, wie gut die Aktion mit den Zielen des Agenten übereinstimmt. Auf diese Weise handelt der Agent autonom und wählt die Aktion, mit der er seine Ziele am ehesten erreichen kann.

Agentische KI verwendet LLMs (Large Language Models), um die empfangenen Eingaben zu verstehen und in Dialogform zu kommunizieren. Diese KI-Agenten können Antworten geben, die auf dem Kontext einer Konversation basieren, und dabei auch zuvor bereitgestellte Informationen berücksichtigen. Dadurch wird die wahrgenommene Qualität der Interaktion erheblich verbessert.

Wenn zum Beispiel ein Kfz-Versicherungsnehmer fragt „Kann ich meinen neuen Audi in die Police aufnehmen?“, kann die KI antworten: „Das ist kein Problem. Dazu benötige ich nur folgende Angaben von Ihnen: …“ Damit wird auf natürlichsprachige Art und Weise bestätigt, dass die Transaktion ordnungsgemäß abläuft.

Der Benutzer kann weitere Fragen stellen und der KI-Agent wird sich an frühere Eingaben „erinnern“ und diese berücksichtigen. Der Benutzer könnte zum Beispiel fragen: „Es handelt sich um ein Modell von 1968. Ist dafür eine spezielle Versicherung erforderlich?“ In diesem Fall würde sich der Agent daran „erinnern“, dass es sich bei dem Fahrzeug um einen Audi handelt, und entsprechende Nachforschungen anstellen, bevor er eine Antwort gibt.

Bei einer weiteren Frage wie „Können Sie auch meinen Nissan versichern?“ erkennt der Agent, dass es sich hier um eine neue Anfrage handelt, mit der ein zusätzliches Fahrzeug in die Police aufgenommen werden soll. Agentische KI kann diese Art von Anfrage mühelos bewältigen, während eine skriptbasierte Interaktion erfordern würde, dass der Benutzer zu einem früheren Teil der Transaktion zurückkehrt und seine Frage als komplett neue Anfrage stellt.

„Für den Nissan brauche ich nur eine Teilkaskoversicherung, kein Vollkasko. Wie viel teurer wird mein Tarif dadurch?“

Der Agent kann auf diese Anfrage reagieren, indem er die Informationen nachschlägt, bei Bedarf zusätzliche Informationen einholt und den Betrag berechnet. Dann kann er eine Antwort geben.

Wie Unternehmen agentische KI nutzen können

Agentische KI kann auf vielfältige Weise eingesetzt werden, und zwar in nahezu jedem Unternehmensbereich und jeder Branche. Im Bereich der Kundenerfahrung (CX) kann agentische KI zum Beispiel für folgende Zwecke genutzt werden:

Ausweitung der Fähigkeiten herkömmlicher Chatbots, um die Problembehebung zu optimieren:

  • Abrufen von Kundendaten, Verlaufsdaten und Informationen aus der Wissensdatenbank
  • Bereitstellung kontextspezifischer Antworten oder Weiterleitung des Kunden zur weiteren Unterstützung an die entsprechenden Mitarbeiter
  • Ergreifen von Maßnahmen zur Lösung eines Problems, Aktualisieren von Datensätzen, Bereitstellen von Statusinformationen usw.

Ermittlung der Kundenabsicht, auch in Situationen, in denen die bereitgestellten Informationen komplex oder ungenau sind:

  • Stellen von Folgefragen, um je nach Situation mehr Kontext zu erhalten
  • Feststellen, ob eine Frage beantwortet werden muss oder ob eine Aktion erforderlich ist
  • Abrufen von Informationen, um die Frage entweder zu beantworten oder an einen anderen Agenten, ein Programm oder an eine Person weiterzuleiten
  • Kommunikation mit der Person, die eine Anfrage gestellt hat, um den Status zu erfahren oder zusätzliche Informationen zu erhalten, die für eine weitere Bearbeitung erforderlich sind
  • Auswahl des richtigen Tools, um die erforderliche Aktion durchzuführen

Kanalübergreifende Interaktion (Sprache, E-Mail, Chat, SMS usw.):

  • Zugriff auf die gesamte Kundenhistorie und den Kontext aus verschiedenen Quellen (Bestellhistorie, Chatverlauf, frühere Anrufe, E-Mails)
  • Bereitstellung von Folgeinformationen über den vom Kunden bevorzugten Kanal (SMS, Chat, E-Mail)

Automatisierte Interaktionsprotokollierung, zum Beispiel:

  • Interaktionszusammenfassung
  • Trendanalyse

Proaktive Outbound-Kommunikation mit Kontakten:

  • Bereitstellen von Informationen im Rahmen der Nachfassung
  • Statusaktualisierungen
  • Erinnerungen

Die Vorteile agentischer KI 

Hier ist ein Überblick über die Vorteile agentischer KI im Bereich der Customer Experience:

  • Automatisierung komplexer Prozesse, die simple skriptbasierte Programme nicht bewältigen können
  • Optimierte, nuancierte Dialogführung, die Kunden und Benutzer als natürlichsprachig empfinden
  • Entlastung der Mitarbeiter von Routineaufgaben, damit diese komplexere Vorgänge übernehmen können und Zeit für Aufgaben haben, die Einfühlungsvermögen oder kreatives Denken erfordern
  • Schnellere Ergebnisse, da automatisierte Prozesse nicht mehr auf menschliches Eingreifen warten müssen, um zum nächsten Schritt überzugehen
  • Konsistente Qualität
  • Kontinuierliche Verbesserung
  • Betrieb rund um die Uhr
  • Bewältigung von Spitzen im Anrufvolumen, die herkömmliche Abläufe überlasten würden

Nachteile der agentischen KI im Kundenservice

Wie bei allem gibt es auch im Bereich der CX Nachteile bei der Verwendung von agentischer KI. Es ist ähnlich wie bei der Verwendung einer Lötlampe: In der richtigen Situation ist eine Lötlampe ein fantastisches Werkzeug. Aber wenn sie falsch eingesetzt wird, kann sie ein Gebäude niederbrennen.

Hier sind einige potenzielle Risiken, denen Sie bei der Nutzung agentischer KI entgegenwirken müssen.

Garbage In, Garbage Out

Bevor Sie automatisieren, müssen Ihre bestehenden Prozesse unbedingt optimiert und gut dokumentiert werden. Die zugrunde liegenden Daten sollten sauber, klassifiziert und zugänglich sein. Die Optimierung Ihrer Prozesse und Daten kann eine Herausforderung sein. Unterschätzen Sie den erforderlichen Aufwand nicht. 

Komplexität

Die Unterstützung der agentischen KI erfordert Personal mit den notwendigen Fachkenntnissen in Bezug auf die Verwaltung und Steuerung von KI-Agenten. Die technische Komplexität der Agenten kann zu zahlreichen Herausforderungen bei der laufenden Unterstützung führen.

KI-Agenten müssen laufend verwaltet und optimiert werden, um sicherzustellen, dass sie wie erwartet funktionieren und es weder zu Drift noch zu Qualitätsminderungen kommt. Das Testen und Überwachen kann schwierig sein, da agentische KI-Anwendungen und LLMs nicht bei jeder Iteration exakt die gleichen Ergebnisse liefern.

Sabotage

Mitarbeiter, die Angst vor dem Verlust ihres Arbeitsplatzes haben, könnten die Einführung von KI sabotieren.

Die üblichen Verdächtigen

KI birgt noch andere Risiken, die entschärft werden müssen, zum Beispiel:

Während die größere Autonomie und das gesteigerte „Denkvermögen“ der agentischen KI große Vorteile sind, können sie auch zu unvorhersehbarem Verhalten führen. Unternehmen müssen für klare Leitlinien und Aufsicht sorgen, um sicherzustellen, dass diese Unabhängigkeit mit den Geschäftszielen im Einklang steht und nicht vom Kurs abweicht.

So schaffen Sie die Basis für agentische KI

Agentische KI ist eine leistungsstarke Technologie, die die Automatisierung zunehmend komplexer Arbeitsabläufe verspricht. Gleichzeitig haben unzulängliche Implementierungen, ein mangelndes Bewusstsein für Kosten und Gesamtwert sowie auch laxe Sicherheitsvorkehrungen das Potenzial, ein Fiasko zu verursachen. Daher müssen Sie sicherstellen, dass Ihr Unternehmen über eine solide Basis verfügt, auf der KI-Funktionen aufgebaut werden können.

Global Tech bietet ein Online-Quiz an, mit dem Sie die KI-Bereitschaft Ihres Unternehmens bewerten können. Wir unterstützen Sie auch bei der Identifizierung und Bewertung der Realisierbarkeit von KI-Anwendungsfällen und der Erstellung strategischer Pläne für die Einführung von KI.

Genesys Cloud™ AI Studio erleichtert es, KI-gestützte Erlebnisse im Zeitalter der agentischen KI zu entwickeln und zu skalieren. Damit können alle Mitarbeiter in Ihrem Unternehmen bei jedem Gespräch eine bessere Customer Experience (CX) bieten. Erfahren Sie, wie Sie Genesys Cloud AI Studio nutzen können, um KI schneller bereitzustellen und an einem zentralen Ort zu entwickeln, zu konfigurieren und zu verwalten.

Global Tech begleitet Unternehmen auf ihrem Weg der KI-Nutzung. Von Workshops, in denen die Möglichkeiten einer sinnvollen KI-Nutzung erkundet werden, bis hin zur Erstellung strategischer Roadmaps unterstützen wir Sie beim Umstieg auf KI. Wir helfen Unternehmen bei der Bewertung ihrer Daten, ihrer Infrastruktur und ihrer organisatorischen Bereitschaft zur Unterstützung von KI. Vor allem aber arbeiten wir mit Ihnen zusammen, um sicherzustellen, dass KI aus finanzieller und betrieblicher Sicht für Sie sinnvoll ist.