Von Ralf Keuper
Der "Vater" der Automatisierung, John Diebold, schrieb 1952 in seinem Klassiker Automation:
Das Produktivitätswachstum wird durch neue Technologien stimuliert - nicht nur, weil die Automatisierung die Arbeit rationalisiert, sondern vor allem, weil sie uns die Möglichkeit gibt, die Arbeit zu analysieren, die wir als Einzelpersonen, als Arbeitsgruppen und als große Systeme auf Unternehmensebene verrichten. Der Prozess des Umdenkens ist wirklich schwierig. Das lernen wir, wenn wir nach Wegen suchen, um die Produktivität unserer eigenen Tätigkeit zu messen, vor allem im heutigen Büro.
Automation müsse als Prozess aufgefasst werden, und nicht als einmaliges Mittel, die Produktivität durch Einzelmaßnahmen kurzfristig zu erhöhen:
Im Moment wird zu viel Aufmerksamkeit auf vereinfachende Kosten-Nutzen-Gleichungen zur Verbesserung der organisatorischen Produktivität gerichtet. Stattdessen sollte die Messung der Produktivität ein Prozess sein, bei dem wir versuchen, die Quantität und Qualität unserer Arbeit zu analysieren. Sie sollte uns in die Lage versetzen, unser Schicksal selbst in die Hand zu nehmen, indem wir uns bemühen, neue Technologien auf die Weise einzusetzen, die für unsere Ziele am besten geeignet ist.
Trotz der Fortschritte der letzten Jahrzehnte sind wir immer noch weit davon entfernt, um mit Diebold zu sprechen, die Technologien auf eine Weise einzusetzen, die für unsere Ziele am besten geeignet sind. Nach wir vor ist viel manuelle Kleinarbeit auf verschiedenen Unternehmensebenen nötig:
In der modernen Ära wurde die IT-Automatisierung durch selbstüberwachende, selbstheilende und selbstskalierende Technologien wie Docker, Kubernetes und Terraform revolutioniert, die die Prinzipien der kybernetischen Selbstregulierung, einer Art agentenbasierter Intelligenz, verkörpern. Diese Systeme vereinfachen die Arbeit des IT-Betriebs erheblich, indem sie es einem Betreiber ermöglichen, den gewünschten Endzustand eines Systems (im Code) zu deklarieren und dann automatisch die Realität mit dem Wunsch abzugleichen - anstatt dass der Betreiber eine lange Folge von Befehlen ausführen muss, um Änderungen vorzunehmen und die Ergebnisse zu überprüfen(in: Agentic AI: A deep dive into the future of automation).
So leistungsfähig diese Art der klassischen Automatisierung auch sein mag, so erfordert sie doch erfahrene Ingenieure, die die Werkzeuge mithilfe von Code konfigurieren und bedienen. Die Ingenieure müssen mögliche Situationen vorhersehen und Skripte schreiben, um die Logik und die erforderlichen API-Aufrufe zu erfassen.
Mit der agentenbasierten KI könnte sich das grundlegend ändern:
Die agentenbasierte KI überwindet diese Beschränkungen auf zwei radikale Arten: Erstens kann jeder, der der Sprache mächtig ist, mit dem System interagieren, statt dass der Zugang auf ausgebildete Programmierer beschränkt ist. Zweitens werden statische Skripte durch LLM-generierten Code auf Abruf ersetzt, der an die jeweilige Situation angepasst wird (ebd.).
Kommentar hinzufügen
Kommentare