Potenziale von KI-Agenten laut McKinsey

Die Fortschritte in der Gen­er­a­tiv­en KI haben die Fähigkeit­en von AI-Agen­ten rev­o­lu­tion­iert. Durch verbesserte natür­liche Sprachver­ar­beitung kön­nen sie zunehmend kom­plexe Auf­gaben pla­nen, zusam­me­nar­beit­en und aus­führen. McK­in­sey betont die rapi­de Entwick­lung in diesem Bere­ich, die es Agen­ten ermöglicht, qual­i­ta­tiv hochw­er­tige Ergeb­nisse zu erzie­len und die Pro­duk­tiv­ität zu steigern¹What is an AI agent?.

AI-Agen­ten kön­nen in ver­schiedene Typen kat­e­gorisiert wer­den:

• Copi­lot-Agen­ten: Diese Agen­ten unter­stützen Benutzer, indem sie ihnen helfen, ihre Pro­duk­tiv­ität zu steigern. Beispiele sind Microsoft 365 Copi­lot und OpenAI’s Chat­G­PT, die bei der Erstel­lung von Inhal­ten oder beim Pro­gram­mieren assistieren.
• Work­flow-Automa­tisierungsplat­tfor­men: Diese Agen­ten automa­tisieren Auf­gaben und Work­flows, indem sie als KI-ges­teuerte Prozes­sor­ches­tra­toren fungieren. Beispiele sind Microsofts Copi­lot Stu­dio und Salesforce’s Agent­force.
• Gen AI-native Agen­ten: Diese Agen­ten sind speziell für bes­timmte Geschäfts­bere­iche oder Funk­tio­nen konzip­iert, wie etwa Kun­denser­vice-Sys­teme oder Soft­wa­reen­twick­lungs-Pipelines.
• AI-native Unternehmen: In diesen Unternehmen sind AI-Agen­ten inte­graler Bestandteil des gesamten Betrieb­smod­ells, was eine umfassende Neugestal­tung von Prozessen und Struk­turen erfordert.
• AI-virtuelle Mitar­beit­er: Diese Agen­ten fungieren als Team­mit­glieder und kön­nen poten­ziell dis­rup­tive Verän­derun­gen in Organ­i­sa­tio­nen her­beiführen, indem sie inner­halb beste­hen­der Mod­elle arbeit­en.

Funk­tion­sweise von AI-Agen­ten

AI-Agen­ten arbeit­en in der Regel in vier Schrit­ten:

1. Auf­gabe vom Benutzer: Ein Benutzer gibt dem Agen­ten­sys­tem eine Auf­gabe.
2. Pla­nung und Aus­führung: Das Sys­tem plant und teilt Auf­gaben an spezial­isierte Unter­a­gen­ten zu, die auf vorherige Erfahrun­gen und Dat­en zugreifen.
3. Iter­a­tive Verbesserung: Das Sys­tem kann Feed­back vom Benutzer ein­holen, um die Genauigkeit und Rel­e­vanz zu gewährleis­ten.
4. Aktion aus­führen: Der Agent führt die erforder­lichen Maß­nah­men zur voll­ständi­gen Erledi­gung der Auf­gabe aus.

Geschäftswach­s­tum und Her­aus­forderun­gen

McK­in­sey schätzt, dass der langfristige Ein­satz von Gen AI in Unternehmen bis zu 4,4 Bil­lio­nen Dol­lar an jährlichem Wert gener­ieren kön­nte. Um diesen Wert zu real­isieren, müssen Unternehmen AI-Agen­ten schnell imple­men­tieren und ihre Arbeitsweise neu gestal­ten. Dabei kön­nen AI-Agen­ten nicht nur Rou­tineauf­gaben automa­tisieren, son­dern auch kom­plexe Prozesse mod­ernisieren und IT-Infra­struk­turen verbessern.

Allerd­ings ste­hen Unternehmen vor mehreren Her­aus­forderun­gen, darunter:

• Ver­trauen­sauf­bau: Viele Kun­den, ein­schließlich der jün­geren Gen­er­a­tion, bevorzu­gen nach wie vor per­sön­liche Gespräche zur Prob­lem­lö­sung. Unternehmen müssen sich­er­stellen, dass AI-Agen­ten genaue und ver­trauenswürdi­ge Antworten liefern.
• Change Man­age­ment: Die Ein­führung von AI-Agen­ten erfordert nicht nur neue Tech­nolo­gien, son­dern auch Anpas­sun­gen der Betrieb­smod­elle und Schu­lun­gen für Mitar­beit­er.
• Daten­schutz: Sicher­heits­be­denken sind entschei­dend, wenn es um die Imple­men­tierung von AI-Agen­ten geht. Unternehmen müssen geeignete Kon­trollen und Sicher­heits­maß­nah­men ein­führen.

Aus­blick und Imple­men­tierung

Die Ein­führung von AI-Agen­ten wird voraus­sichtlich die IT-Architek­tur von Unternehmen verän­dern, indem sie von einem tra­di­tionellen anwen­dungszen­tri­erten Mod­ell zu einem mul­ti­a­gen­ten Mod­ell überge­hen. Dabei kön­nen Unternehmen “Super-Plat­tfor­men” nutzen, die inte­gri­erte AI-Agen­ten enthal­ten, oder maßgeschnei­derte AI-Agen­ten entwick­eln, die auf spez­i­fis­che Unternehmens­bedürfnisse zugeschnit­ten sind.

Um AI-Agen­ten erfol­gre­ich zu imple­men­tieren, soll­ten Führungskräfte:

• Tech­nol­o­gis­che Vorschläge kri­tisch über­prüfen: Vor allem große Pro­jek­te soll­ten auf ihre Poten­ziale zur Kostensenkung und Effizien­zsteigerung unter­sucht wer­den.
• Fokus auf große Her­aus­forderun­gen: Unternehmen soll­ten sich auf kom­plexe Prob­leme konzen­tri­eren, die viel tech­nis­che Schulden verur­sachen.
• Vorauss­chauend pla­nen: Die Auswirkun­gen auf Tal­ent, Tech­nolo­gie und Betrieb­smod­elle müssen frühzeit­ig berück­sichtigt wer­den.

Ins­ge­samt ste­hen AI-Agen­ten erst am Anfang ihrer Entwick­lung, mit zahlre­ichen Möglichkeit­en zur Neugestal­tung der Arbeitsweise in ver­schiede­nen Branchen und Unternehmen.