Agentische KI: Die nächste Grenze der künstlichen Intelligenz

Während des größten Teils des KI-Booms folgte die Beziehung zwischen Mensch und KI einem einfachen Muster: Man stellt eine Frage, und die KI gibt eine Antwort. Sie geben die Eingabe ein, das Programm generiert das Ergebnis. Doch derzeit vollzieht sich ein grundlegender Wandel, der verspricht, die KI von einem reaktiven Werkzeug in etwas weitaus Leistungsfähigeres zu verwandeln – einen autonomen Akteur, der in der Lage ist, Ziele zu verfolgen, Entscheidungen zu treffen und in Ihrem Namen zu handeln. Willkommen im Zeitalter der agentenbasierten KI.

Was ist agentische KI und worin unterscheidet sie sich von herkömmlicher KI?

Unter „Agentic AI“ versteht man Systeme der künstlichen Intelligenz, die selbstständig planen, Schlussfolgerungen ziehen und mehrstufige Aufgaben ausführen können, um ein definiertes Ziel zu erreichen. Im Gegensatz zu herkömmlichen generativen KI-Modellen, die auf eine single Eingabe mit einer single Ausgabe reagieren, arbeiten agentische Systeme mit einem gewissen Maß an Autonomie. Sie sind in der Lage, komplexe Ziele in Teilaufgaben zu unterteilen, Hilfsmittel einzusetzen, ihre Vorgehensweise anzupassen, wenn etwas schiefgeht, und so lange weiterzumachen, bis die Aufgabe erledigt ist.

Stellen Sie sich den Unterschied einmal so vor: Ein herkömmlicher Chatbot mit allgemeiner KI ist wie ein sachkundiger Kollege, der Ihre Fragen beantwortet, wenn Sie sie stellen. Eine agentische KI gleicht eher einem kompetenten Assistenten, der, wenn Sie sagen: „ ", planen Sie den Team-Ausflug meines Teams nach Austin für nächsten Monat“," sich daran macht, Veranstaltungsorte zu recherchieren, Kalender zu prüfen, Preise zu vergleichen, einen Ablaufplan zu entwerfen, E-Mails zu versenden und Ihnen schließlich einen fertigen Plan vorlegt – wobei er Sie nur dann um Ihre Meinung bittet, wenn eine Ermessensentscheidung erforderlich ist.

Zu den wesentlichen Merkmalen, die agentische KI von herkömmlichen Modellen unterscheiden, gehören:

• Zielgerichtetes Verhalten
• Entscheidungsautonomie
• Nutzung externer Tools und Dienste
• Iteratives Denken und Selbstkorrektur
• Beständigkeit bei umfangreichen Aufgaben

Dieser Wandel von der Reaktion auf Eingaben hin zur Erreichung von Zielen macht die agentische KI zu einer so bedeutenden Entwicklung. Dies eröffnet Unternehmen eine neue Möglichkeit, komplexe Arbeitsabläufe zu automatisieren, wirft jedoch auch neue Fragen hinsichtlich der Aufsicht, des Zugriffs und der Kontrolle auf.

Was sind die wichtigsten Merkmale agentischer KI-Systeme?

Agentische KI-Systeme zeichnen sich nicht nur durch ihre Fähigkeit aus, Antworten zu generieren. Sie sind darauf ausgelegt, ein Ziel zu interpretieren, zu entscheiden, welche Schritte erforderlich sind, verfügbare Hilfsmittel einzusetzen und ihre Vorgehensweise an veränderte Rahmenbedingungen anzupassen. Gerade diese Eigenschaften machen ein agentenbasiertes KI-System für komplexe, mehrstufige Aufgaben nützlich – und nicht nur für einfache, einmalige Antworten.

Zielgerichtetes Verhalten

Agentische KI geht von einem Ziel aus und nicht von einer single Eingabeanweisung. Anstatt lediglich eine Frage zu beantworten, zielt es auf ein Ergebnis ab, wie beispielsweise die Bearbeitung eines Support-Tickets, die Planung eines Projekts oder die Erledigung einer Rechercheaufgabe. Dadurch erhält jeder Anwendungsfall einen klareren Ablauf von der Anfrage bis zum fertigen Ergebnis.

Autonome Entscheidungsfindung

Ein agentisches System kann auf der Grundlage des Ziels, des verfügbaren Kontexts und der Ergebnisse früherer Handlungen entscheiden, welchen Schritt es als Nächstes unternehmen soll. Diese Autonomie ermöglicht es dem System, eigenständige Entscheidungen zu treffen und Aufgaben abzuarbeiten, ohne dass in jeder Phase menschliches Eingreifen erforderlich ist.

Einsatz externer Werkzeuge

Agentische KI kann mit Tools wie Browsern, APIs, Code-Interpretern, Dateien, Datenbanken und Unternehmensanwendungen verbunden werden. Dadurch ist das KI-System in der Lage, auf Informationen zu reagieren und diese nicht nur zusammenzufassen.

Iteratives Denken und Selbstkorrektur

Wenn etwas schiefgeht, kann eine agentische KI das Ergebnis bewerten, ihren Plan anpassen und einen anderen Ansatz ausprobieren. Diese Rückkopplungsschleife ermöglicht es dem System, Aufgaben zu bewältigen, die mehrere Versuche oder sich ändernde Bedingungen erfordern, und lässt gleichzeitig menschliche Eingriffe zu, wenn die Aufgabe eine Überprüfung oder Genehmigung erfordert.

Beständigkeit bei umfangreichen Aufgaben

Agentische KI kann über mehrere Schritte hinweg weiterarbeiten, bis das Ziel erreicht ist oder menschliche Eingaben erforderlich werden. Diese Beharrlichkeit unterscheidet das System von herkömmlichen KI-Systemen, die in der Regel nur einmal reagieren und dann aufhören.

Wie funktioniert agentische KI bei mehrstufigen Aufgaben?

Agentische KI-Systeme basieren in der Regel auf großen Sprachmodellen (LLMs), werden jedoch um eine zusätzliche Architektur erweitert, um autonomes Verhalten zu ermöglichen. Auch wenn die Umsetzungen variieren, weisen die meisten agentenbasierten Systeme eine gemeinsame Schleife auf, die in etwa wie folgt aussieht:

• Erhalten Sie ein übergeordnetes Ziel: Der Nutzer gibt dem Agenten ein zu erreichendes Ergebnis vor, anstatt ihm eine single Anweisung zur Beantwortung zu erteilen.
• Das Ziel in Teilaufgaben unterteilen: Der Agent gliedert das Ziel in einen Plan oder eine Abfolge von Schritten auf.
• Verwendung von Tools zur Ausführung: Der Agent kann das Internet durchsuchen, Dokumente lesen, Code ausführen, Datenbanken abfragen oder mit APIs interagieren.
• Jedes Ergebnis auswerten: Nach jeder Aktion prüft der Agent, ob der Schritt erfolgreich war und ob die Informationen ausreichend sind.
• Anpassen oder fortfahren: Je nach Ergebnis fährt der Agent fort, ändert seine Vorgehensweise oder bittet den Nutzer um Klarstellung.

Dieser agentische Arbeitsablauf wird fortgesetzt, bis das Ziel erreicht ist. In komplexeren Konfigurationen können sich mehrere Agenten über separate Teilaufgaben hinweg abstimmen, wobei ein Agent Informationen sammelt, ein anderer die Ergebnisse überprüft und ein weiterer die abschließende Maßnahme vorbereitet. 

Entdecken Sie Mimecast Agentic AI Security

Warum ist Agentic AI gerade jetzt von Bedeutung?

Mehrere sich ergänzende Entwicklungen haben dazu geführt, dass agentische KI heute in einer Weise praxistauglich ist, wie dies noch vor wenigen Jahren nicht der Fall war. Diese Entwicklungen lassen agentische KI von einem experimentellen Konzept zu einer praktischen KI-Technologie werden, die Unternehmen in realen Geschäftsabläufen einsetzen können.

KI-Modelle verfügen über ausgeprägtere Schlussfolgerungsfähigkeiten

Der erste Punkt ist die dramatische Verbesserung der Schlussfolgerungsfähigkeiten von Grundmodellen. Ein modernes KI-Modell ist weitaus besser darin, Probleme zu analysieren, mehrstufige Anweisungen zu befolgen und über lange Handlungsabläufe hinweg die Kohärenz zu wahren. Diese Fähigkeit zum logischen Denken ist der kognitive Motor, der eigenverantwortliches Handeln ermöglicht.

KI-Systeme können nun externe Tools nutzen

Der zweite Punkt ist der Einsatz von Werkzeugen. KI-Modelle können nun zuverlässig mit externen Systemen interagieren – Browsern, Code-Interpretern, Dateisystemen, APIs und Unternehmenssoftware. Dadurch verfügen die Agenten neben ihrem Verstand auch über Hände. Ein Akteur, der lediglich denken kann, ist begrenzt; ein Akteur, der sowohl denken als auch handeln kann, stellt eine leistungsstarke Form der Automatisierung dar.

Die Koordination der Agenten lässt sich zunehmend einfacher verwalten

Der dritte Punkt ist die Entwicklung von Orchestrierungs-Frameworks und -Protokollen, die die Erstellung, Bereitstellung und Verwaltung agentenbasierter Systeme erleichtern. Standards wie das Model Context Protocol (MCP) schaffen gemeinsame Schnittstellen zwischen KI-Agenten und den Tools sowie Datenquellen, auf die diese zugreifen müssen, und erleichtern so die Anbindung der Agenten an die realen Systeme, in denen die eigentliche Arbeit stattfindet. Mit der Weiterentwicklung dieser KI-Technologie benötigen Unternehmen zudem klarere Rahmenbedingungen für den Umgang mit KI in Bezug auf Berechtigungen, Aufsicht, Datenzugriff und die zulässige Nutzung.

Welche praktischen Anwendungsmöglichkeiten gibt es für agentenbasierte KI?

Agentische KI hält bereits in verschiedenen Branchen und Anwendungsbereichen Einzug, und das Anwendungsspektrum erweitert sich rasch. Zu den gängigen Anwendungsfällen für agentische KI zählen Softwareentwicklung, Kundenservice, Forschung, Analyse, Compliance, Betriebsabläufe und administrative Arbeitsabläufe.

Softwareentwicklung

Entwickler können einen Fehlerbericht oder eine Funktionsanfrage entgegennehmen, den Quellcode untersuchen, Code schreiben und testen sowie einen Pull-Request einreichen. Dies kann den manuellen Aufwand bei routinemäßigen Entwicklungsaufgaben verringern und den Teams helfen, kleinere Korrekturen oder klar abgegrenzte Verbesserungen zügiger umzusetzen.

Kundenservice

Agentensysteme können komplexe Support-Anfragen von Anfang bis Ende bearbeiten, indem sie Kontoinformationen abrufen, Probleme diagnostizieren, Abhilfemaßnahmen ergreifen und die weiteren Schritte verfolgen. Anstatt lediglich vorgefertigte Antworten vorzuschlagen, können sie dazu beitragen, den Arbeitsablauf hinter der Antwort zu vervollständigen.

Forschung und Analyse

Die Mitarbeiter können umfassende Recherchen in Dutzenden von Quellen durchführen, die Ergebnisse zusammenfassen und strukturierte Berichte mit Quellenangaben erstellen. Dadurch erweisen sie sich als nützlich für Teams, die Informationen aus umfangreichen Materialbeständen sammeln und strukturieren müssen.

Betrieb und Verwaltung

Agentische KI kann Arbeitsabläufe verwalten, die sich über mehrere Tools und Systeme erstrecken – von der Terminplanung und Beschaffung bis hin zur Einhaltung von Vorschriften und der Berichterstattung. Der rote Faden, der sich durch diese Anwendungsbereiche zieht, ist, dass agentische KI nicht nur das Denken, sondern auch das Handeln übernimmt, insbesondere bei mühsamen, mehrstufigen Ausführungsaufgaben.

Was sind die größten Herausforderungen und Risiken der agentenbasierten KI?

Bei allem Potenzial bringt die agentenbasierte KI jedoch auch neue Herausforderungen mit sich, denen sich Teams stellen müssen, bevor sie den Agenten mehr Autonomie einräumen. Je mehr Autonomie die Agenten erhalten, desto strengere Sicherheitsvorkehrungen benötigen Unternehmen in Bezug auf Zuverlässigkeit, Berechtigungen, menschliche Aufsicht und Sicherheit, bevor diese Systeme in kritischen Arbeitsabläufen zum Einsatz kommen dürfen.

Die Zuverlässigkeit kann bei mehrstufigen Aufgaben abnehmen

Die Zuverlässigkeit ist wohl der wichtigste Faktor. Wenn ein KI-Agent eine Abfolge von zehn Aktionen ausführt, von denen jede eine Erfolgsquote von 95% aufweist, sinkt die Gesamtwahrscheinlichkeit eines vollständig korrekten Ergebnisses auf etwa 60%. Fehler können sich summieren, und ein Akteur, der selbstbewusst den falschen Weg einschlägt, kann erheblichen Schaden anrichten. Daher sind eine robuste Fehlerbehandlung, Selbstüberprüfung und menschliche Aufsicht wesentliche Bestandteile jedes agentenbasierten Systems.

Vertrauen und Kontrolle erfordern klare Grenzen

Vertrauen und Kontrolle stellen eine weitere Ebene der Komplexität dar. Wie viel Autonomie sollte ein Agent haben? Wann sollte das System eigenständig handeln, und wann sollte es innehalten und sich mit einem Menschen abstimmen? Es ist von entscheidender Bedeutung, hier das richtige Gleichgewicht zu finden, und die Antwort hängt davon ab, wie hoch der Einsatz ist. Die Reservierung eines Tischs in einem Restaurant erfordert mehr Eigenverantwortung als die Durchführung einer Finanztransaktion.

Sicherheit und Berechtigungen erfordern eine strengere Steuerung

Zudem stellen sich wichtige Fragen hinsichtlich Sicherheit und Berechtigungen. Ein Dienst, der Zugriff auf Ihre E-Mails, Ihren Kalender, Unternehmensdatenbanken oder Ihre persönlichen Daten hat, muss klaren Grenzen unterliegen. Das Prinzip der geringsten Berechtigungen – dem Agenten nur die Zugriffsrechte zu gewähren, die er für eine bestimmte Aufgabe benötigt – ist in agentenbasierten Architekturen von entscheidender Bedeutung.

Stärken Sie den Schutz im Zeitalter der KI mit Mimecast Threat Protection

Wie sieht die Zukunft der agentenbasierten KI in Unternehmen aus?

Agentische KI stellt einen echten Paradigmenwechsel in der Art und Weise dar, wie wir mit Technologie interagieren. Wir bewegen uns weg von einer Ära, in der KI lediglich als Kommunikationsinstrument dient, hin zu einer Ära, in der KI als kooperativer Mitarbeiter fungiert – einer, der Verantwortung für Aufgaben übernimmt, komplexe Sachverhalte bewältigt und Ergebnisse liefert, anstatt lediglich Outputs zu produzieren.

Das bedeutet nicht, dass der Mensch aus dem Geschehen ausgeschlossen wird. Die effektivsten Agentensysteme basieren auf der Zusammenarbeit zwischen Mensch und KI, wobei der Agent die Ausführung übernimmt und der Mensch für die Beurteilung, Überwachung und Steuerung zuständig ist. Das Ziel besteht nicht darin, menschliche Entscheidungsprozesse zu ersetzen, sondern die menschlichen Fähigkeiten zu erweitern, indem Aufgaben, die Maschinen gut bewältigen können, an diese übertragen werden, sodass die Menschen sich auf das konzentrieren können, was sie am besten können.

Mit zunehmender Verbreitung benötigen Unternehmensteams bewährte Verfahren für die sichere Bereitstellung von Agenten, darunter klare Zuständigkeiten, Genehmigungsabläufe, Zugriffsbeschränkungen, Prüfpfade sowie festgelegte Punkte, an denen Menschen risikoreiche Aktionen überprüfen oder genehmigen müssen.