Das KI-Agenten-Framework von CrewAI wird von vielen führenden Unternehmen, darunter der KI-Pionier Andrew Ng, genutzt, da es den Aufbau und Einsatz von Multi-Agenten-Systemen vereinfacht.
In dieser Woche hat CrewAI sein erstes Produkt auf den Markt gebracht: CrewAI Enterprise. Die Plattform, die sich seit einigen Monaten in der Beta-Phase befindet, ermöglicht es den Nutzern, Multi-Agenten-Crews zu erstellen, einzusetzen und zu iterieren.
Die Branche der KI-Agenten wird nach Schätzungen in den nächsten fünf Jahren von 5 Milliarden Dollar in diesem Jahr auf fast 50 Milliarden Dollar im Jahr 2030 wachsen. In den nächsten drei Jahren werden laut Cap Gemini 82 % der Unternehmen KI-Agenten einsetzen.
Crew Enterprise ermöglicht es Unternehmen, KI-Agenten mit Hilfe eines beliebigen großen Sprachmodells (LLM) oder einer Cloud-Plattform aufzubauen. Benutzer können Multi-Agenten-Systeme planen und erstellen, diese Agenten sicher in einer Produktionsumgebung mit benutzerdefinierten Zugriffs- und Kontrollstufen einsetzen und mit Test- und Schulungswerkzeugen den ROI verfolgen.
Die Open-Source-Plattform von CrewAI führt mehr als 10 Millionen Agenten pro Monat aus und wird nach Angaben des Unternehmens bereits von fast der Hälfte der Fortune 500 genutzt. In weniger als sechs Monaten hat es seine ersten 150 Beta-Unternehmenskunden gewonnen.
Die häufigsten Anwendungsfälle betreffen laut Crew interne Automatisierungen, Marketing und Kodierung. Die Agenten können Recherchen, Zusammenfassungen und Berichte erstellen und auch bei rechtlichen Analysen helfen.
Crew nennt als Beispiel ein Immobilienunternehmen. Dort können Agenten die Märkte beobachten, Leads produzieren und Immobilien-Agenten bei Kauf- oder Mietszenarien beraten. Ein weiterer Anwendungsfall betrifft ein Getränkeunternehmen, das CrewAI zur Erstellung von Agenten verwendet, die interne Anfragen über ein Portal bearbeiten, auf das Tausende von Mitarbeitern Zugriff haben. Dabei müssen einige sehr spezifischer Regeln überprüft werden, bevor interne Anfragen genehmigt werden können. Die Agenten verstehen und überprüfen diese Regeln und beantworten die Anfragen. Robotic Process Automation (RPA)-Systeme übernehmen dann die Übertragung der gespeicherten Informationen in die Datenbank des Unternehmens.
Mike Vizard merkt dazu an, dass das übergeordnete Ziel von Multiagentensystemen darin besteht, Unternehmen in die Lage zu versetzen, in einer Größenordnung zu arbeiten, die bisher nicht möglich war, weil entweder nicht genügend menschliche Arbeitskräfte zur Verfügung standen oder die Kosten für deren Einstellung zu hoch gewesen wären. Die nächste Herausforderung besteht daher darin, genau zu bestimmen, inwieweit man sich darauf verlassen kann, dass die KI-Agenten die ihnen zugewiesenen Aufgaben erfüllen.
Kurzum: Der eigentliche Zweck von Multiagentensystemen ist es, den Wirkungsgrad der Arbeit von Menschen und ganzer Organisationen zu erhöhen.
Dazu noch ein Zitat von Andy Grove, dem ehemaligen Chef von Intel:
Wir wollen das Verhältnis von Output zu Aktivität vergrößern und dabei den Output erhöhen, auch wenn die Aktivität pro Beschäftigtenstunde die gleiche bleibt. Entsprechend dem Motto wollen wir »intelligenter arbeiten, nicht härter«. Hier möchte ich gerne den Begriff Wirkungsgrad einführen, was dem Output entspricht, der durch eine bestimmte Art Arbeitsaktivität erzeugt wurde. Eine Aktivität mit hohem Wirkungsgrad wird einen hohen Output hervorbringen, eine mit niedrigem Wirkungsgrad einen niedrigen. Zum Beispiel kann ein Kellner, der zwei Eier kochen und zwei Toaster bedienen kann, zwei Frühstücke liefern, ohne daß der Arbeitsaufwand höher wäre als bei einem Frühstück. Ein Softwarentwickler, der eine Programmiersprache benutzt statt Englisch, was später mittels eines Übersetungsprogramms übertragen werden müsste, kann viele Probleme pro Programmierstunde lösen. Sein Output und Wirkungsgrad sind hoch. Ein Entwickler dagegen, der eine umständlichere Programmiermethode benutzt, wird viel mehr Stunden benötigen, um die gleiche Anzahl von Problemen zu lösen. Sein Output und Wirkungsgrad sind niedrig. Daher besteht eine sehr bedeutende Möglichkeit zur Steigerung der Produktivität darin, den Arbeitsfluß .. so zu organisieren, daß er durch hohen Output je Aktivität, d. h. durch Aktivitäten hohem Wirkungsgrad, gekennzeichnet ist. ...
Automation ist sicher eine Möglichkeit, den Wirkungsgrad aller Arten von Arbeit zu erhöhen. Wenn Maschinen den Menschen helfen, können diese mehr leisten. Aber in der Güterproduktion und in der Verwaltungsarbeit kann auch etwas anderes die Produktivität erhöhen: Arbeitsvereinfachung. Um auf diese Weise den Wirkungsgrad zu erhöhen, muß man zuerst ein Flußdiagramm des gegenwärtigen Fertigungsprozesses anfertigen und dabei jeden Schritt einzeichnen. Es sollte keiner ausgelassen werden, nur damit es auf dem Papier schöner aussieht. Zählen Sie dann die Anzahl der Schritte zu ihrer Verringerung. und setzen Sie sich ein grobes Ziel Nach unserer Erfahrung kann man in der ersten Runde der Arbeitsvereinfachung eine dreißig- bis fünfzigprozentige Reduzierung erwarten. Um eine solche Vereinfachung zu erreichen, müssen Sie fragen, warum jeder Schritt durchgeführt wird. Sie werden feststellen, daß viele Schritte in Ihrem Arbeitsprozeß existieren, ohne daß es dafür einen vernünftigen Grund gibt. Sie wurden oft aus Tradition beibehalten oder weil ein formales Verfahren es verlangt, aber es gibt keinen praktischen Grund für ihre Existenz. .. Welcher Grund für einen bestimmten Schritt auch immer gegeben wurde, Sie müssen jeden in Frage stellen und die Schritte beseitigen, die nach dem gesunden Menschenverstand überflüssig sind. Wir stellten fest, daß bei Intel bei zahlreichen Verwaltungsarbeiten eine erhebliche Reduzierung - etwa um 30 Prozent - der Schritte erreicht werden konnte (in: Hocheffizientes Management).
Quellen:
CrewAI now lets you build fleets of enterprise AI agents
CrewAI Makes Enterprise Edition of AI Agent Management Platform Available
Kommentar hinzufügen
Kommentare