Multi-Agenten-KI steuern: SAP & Agilent teilen Einblicke
Die Landschaft der künstlichen Intelligenz entwickelt sich rasant weiter und geht über die Ära einzelner KI-Assistenten hinaus, um komplexe Netzwerke spezialisierter Agenten zu umfassen. Diese Multi-Agenten-Systeme sind darauf ausgelegt, zusammenzuarbeiten, sich selbst zu kritisieren und intelligent das passende Modell für jede Aufgabe auszuwählen, was Unternehmen ein neues Maß an Wettbewerbsdifferenzierung verspricht. Dieser Fortschritt bringt jedoch erhebliche Herausforderungen mit sich, insbesondere hinsichtlich ihrer Bereitstellung und Governance in realen Umgebungen.
Eine kürzlich erfolgte Diskussion hob diese Komplexitäten hervor und vereinte Einblicke von Branchenführern. Yaad Oren, Managing Director von SAP Labs U.S. und Global Head of Research & Innovation bei SAP, betonte das Engagement des Unternehmens, Kunden die sichere Skalierung ihrer KI-Agenten zu ermöglichen. Er stellte fest, dass, obwohl ein gewisses Maß an Autonomie erreichbar ist, robuste Kontrollpunkte und kontinuierliche Überwachung entscheidend für Verbesserungen, die Minderung von Schwachstellen und die allgemeine Systemgesundheit sind. Oren räumte ein, dass die Technologie noch in den Kinderschuhen steckt, und beschrieb die aktuellen Bemühungen als lediglich die „Spitze des Eisbergs“, um die Skalierbarkeit und Sicherheit der Agenten zu gewährleisten.
Agilent, ein Unternehmen für Analyse- und klinische Labortechnologie, integriert laut Raj Jampa, ihrem SVP und CIO, aktiv KI in alle seine Betriebsabläufe. Obwohl die ersten Ergebnisse vielversprechend sind, kämpft das Unternehmen mit den praktischen Aspekten der Skalierung und des Schwachstellenmanagements. Jampa beschrieb Agilent als in einer „zweiten Phase“ der KI-Einführung, die über die Exploration hinausgeht, um Herausforderungen wie verbesserte KI-Überwachung und Kostenoptimierung anzugehen.
Innerhalb von Agilent wird KI strategisch in drei Kernbereichen eingesetzt. Auf der Produktseite liegt der Fokus darauf, KI in Instrumente einzubetten, um Innovationen zu beschleunigen. Bei kundenorientierten Operationen besteht das Ziel darin, KI-Funktionen zu identifizieren, die den maximalen Kundenwert liefern. Intern wird KI zur Steigerung der betrieblichen Effizienz eingesetzt, beispielsweise bei der Entwicklung selbstheilender Netzwerke. Jampa betonte die überragende Bedeutung eines starken Governance-Frameworks für diese Anwendungsfälle, das richtlinienbasierte Grenzen und Leitplanken festlegt, um Compliance und Sicherheit mit operativer Flexibilität in Einklang zu bringen. Er zitierte einen jüngsten Vorfall, bei dem eine Konfigurationsaktualisierung eines Agenten aufgrund einer fehlenden Grenzwertprüfung sofort Probleme verursachte, was die Notwendigkeit einer robusten Prüfung und Nachvollziehbarkeit für jede Eingabe und Ausgabe unterstreicht.
Für komplexe Entscheidungen, insbesondere solche, die natürliche Sprachverarbeitung oder groß angelegte Übersetzungen betreffen, bleibt eine menschliche Ebene unverzichtbar. Jampa erklärte, dass der KI-Agent für solche Szenarien darauf ausgelegt ist, die Notwendigkeit menschlicher Intervention und Genehmigung zu signalisieren, bevor fortgefahren wird. Der inhärente Kompromiss zwischen Geschwindigkeit und Genauigkeit spielt auch früh im Entscheidungsprozess eine Rolle, da komplexe Modelle, die unter geringen Latenzanforderungen arbeiten, die Kosten schnell eskalieren lassen können. Eine Governance-Ebene wird daher entscheidend für die Überwachung der Agentenleistung hinsichtlich Geschwindigkeit, Latenz und Genauigkeit und hilft Organisationen, ihre KI-Strategien zu verfeinern und zu erweitern.
Die Integration dieser neuen KI-Agenten in bestehende Unternehmenslösungen stellt ein weiteres großes Hindernis dar. Während ältere On-Premise-Systeme über Daten-APIs oder ereignisgesteuerte Architekturen verbunden werden können, ist der optimale Ansatz laut Oren, alle Lösungen zuerst auf ein Cloud-Framework umzustellen. SAP unterstützt Unternehmen bei der Migration ihrer On-Premise-Installationen in die Cloud, was Verbindungen und Lieferzyklen vereinfacht. Sobald sich alles in einer einheitlichen Cloud-Infrastruktur befindet, wird die Datenschicht entscheidend. SAPs Business Data Cloud dient beispielsweise als einheitliche Plattform, die Daten aus SAP- und Nicht-SAP-Quellen aggregiert und semantisch indiziert, wodurch Agenten sich verbinden und End-to-End-Geschäftsprozesse erstellen können.
Erfolgreiche KI-Bereitstellungen in Unternehmen hängen von drei kritischen Elementen ab: einer sauberen, vereinheitlichten Datenschicht; einer robusten Orchestrierungsschicht; und einem unerschütterlichen Engagement für Datenschutz und Sicherheit. Oren hob hervor, dass die Orchestrierung von Agenten sowohl eine Wissenschaft als auch eine Kunst ist, entscheidend zur Vermeidung von Fehlern und zur Gewährleistung einer effektiven Prüfung. Sicherheit und Datenschutz sind nicht verhandelbar, insbesondere wenn Schwärme von Agenten mit sensiblen Datenbanken und der Unternehmensarchitektur interagieren. Identitäts- und Berechtigungsmanagement werden von größter Bedeutung, um sicherzustellen, dass nur autorisiertes Personal oder Agenten auf bestimmte Informationen zugreifen können, wie z.B. ein HR-Teammitglied, das Gehaltsdaten einsehen kann.
Blickt man in die Zukunft, so stellt sich Oren eine Zukunft vor, in der menschliche Unternehmensteams mit KI-Agenten und robotischen Teammitgliedern zusammenarbeiten. In dieser sich entwickelnden Landschaft wird das Identitätsmanagement noch wichtiger. Er schloss mit der Feststellung, dass Agenten zwar zunehmend als digitale Kollegen wahrgenommen werden, aber eine erhöhte Überwachung und Verwaltung erfordern. Dies umfasst eine sorgfältige Einarbeitung, Autorisierung und kontinuierliches Änderungsmanagement, wobei Agenten als professionelle Persönlichkeiten behandelt werden, die kontinuierliche Wartung und Verbesserung erfordern, wenn auch mit strengerer Aufsicht als menschliche Mitarbeiter.