Mit generativer KI ist ein weiterer Begriff in den öffentlichen Sprachgebrauch gekommen: KI-Agenten. Doch was genau ist ein KI-Agent und was macht dieser? Genau darum geht es in diesem Blogbeitrag.
Inhaltsverzeichnis
Definition KI-Agent
Ein KI-Agent, kurz für Künstliche-Intelligenz-Agent, ist eine eigenständige Softwareentität oder ein autonomes System, das mit Hilfe von künstlicher Intelligenz (KI) und maschinellem Lernen dazu befähigt ist, bestimmte Aufgaben auszuführen, Entscheidungen zu treffen und in komplexen Umgebungen zu interagieren. Ein KI-Agent ist in der Lage, Daten zu sammeln, zu analysieren, Muster zu erkennen und auf Basis dieser Erkenntnisse eigenständig Handlungen auszuführen, um definierte Ziele zu erreichen. Dabei kann ein KI-Agent verschiedene Formen annehmen, von einfachen virtuellen Assistenten bis hin zu hochentwickelten autonomen Systemen in Bereichen wie Industrie, Medizin, Verkehr oder Kundenservice. Natürlich können KI-Agenten auch miteinander interagieren und sich gegenseitig Aufgaben stellen.
Was bedeutet das konkret?
Ein KI-Agent kann selbstständig Entscheidungen treffen und bekommt eine Aufgabe, zu die er selbst eine Lösung finden muss. Dazu müssen verschiedene Schritte durchlaufen werden:
- Zielvorgabe durch den Nutzer – Was soll der Agent machen?
- Aufgaben definieren
- Denken und Überlegen – Was braucht der Agent, um das Ziel zu erreichen?
- Planen – Wie soll der Plan umgesetzt werden?
- Prüfen – Ergeben die geplanten Schritte Sinn oder muss etwas angepasst werden?
- Ausführen – Umsetzung der definierten Aufgaben
- Beenden/Evaluation – Ist das Ergebnis nah genug am Ziel oder müssen weitere Aufgaben zur Zielerreichung definiert werden?
Beispielhaftes Prozessablaufdiagramm für einen Autonomen Agenten
Klingt technisch ziemlich anspruchsvoll, aber was bedeutet das anhand von einem Beispiel?
Beispiele für KI-Agenten
Zunächst gibt es verschiedene Arten von Agenten, die Unternehmen oder Personen einsetzen können. Hier sind ein paar Beispiele:
Beispiel 1 – Autonomer KI-Agenten in der Produktentwicklung
Ein Beispiel, um einen Anwendungsfall für KI-Agenten im Unternehmen zu veröffentlichen, wäre bspw. ein KI-Agent in der Produktentwicklung. Und so würde dieser funktionieren:
- Zielvorgabe:
Der oder die Nutzerin gibt ein Ziel vor: „Erarbeite ein Konzept für ein neues Smartphone“. Alleine basierend auf den Informationen, die ein Large Language Modell hat, wird es diese Aufgabe nicht lösen können. Bei einem Agenten geht es schließlich nicht darum, eine Frage basierend auf dem Know-How eines LLM’s zu beantworten, sondern darum, eine Aufgabe zu erfüllen.
- Denken und überlegen
Um die Aufgabe zu erfüllen, muss der KI-Agent überlegen, wie er zum Ziel kommt. Das könnte beispielsweise bedeuten, dass der Agent vorschlägt, folgende Schritte zu machen:
- Analyse der Kundenbewertungen zu Smartphones im Internet
- Analyse der Markttrends
- Unternehmensinterne Analyse der vorhandenen Daten und des Know-Hows, welches im Unternehmen vorhanden ist.
- Nutze die Ergebnisse der Teilschritte, um darauf aufbauend das Konzept für ein neues Smartphone vorzustellen.
- Planen
In der Theorie klingt das recht logisch. Aus technischer Sicht bedeutet es aber, dass der KI-Agent zu diversen Systemen braucht: Kundenbewertungen von Smartphones, Zugriff auf Markttrenddatenbank sowie auf das interne Know-How – beispielsweise über eine Enterprise Search. Einerseits benötigt der KI-Agent bei jedem Schritt die richtige Datengrundlage und Autorität/Zugriff – welche er natürlich vorher bekommen muss. Für jeden Schritt muss der KI-Agent entscheiden, wie er zum richtigen Ergebnis kommt. Dies muss vom KI-Agent geplant werden.
- Prüfen
In dieser Phase sollte der KI-Agent seine Ideen kritisch hinterfragen und probieren eigene Schwächen aufzudecken. Bei Inkonsistenzen sollte der KI-Agent idealerweise so programmiert sein, dass er die ersten Schritte korrigiert.
- Ausführen
Steht der Plan, dann muss der KI-Agent diesen ausführen.
- Beenden/Evaluation
Nach Abschluss der Aufgaben muss der Agent prüfen, ob das Ziel erreicht wurde oder ob nachgebessert wurde und man wieder zu Schritt 2 springt.
Webinar zum Thema KI Agenten
Schon 2023 haben wir ein Webinar zum Thema generative KI in Unternehmen durchgeführt und sind dort unter anderem auf das Thema autonome Agenten eingegangen. Du kannst dir das Webinar hier ansehen oder direkt bei 13 Minuten und 19 Sekunden starten:
Beispiel 2 – persönlicher KI-Agenten zur Sortierung von Daten
Ein weiteres Beispiel könnte die folgende Aufgabe sein:
- Ziel:
Sortiere meine Festplatte neue
- Denken und Überlegen
- Ich benötige einen Überblick über die vorhandenen Informationen
- Ich brauche ein Konzept, wie ich Informationen ablegen möchte
- Ich muss bewerten können, nach welchen Kriterien Dokumente wie abgelegt werden.
- Dokumente müssen verschoben werden.
- Planen
Um die Aufgabe zu erfüllen, wird Funktion a, b, c, … benötigt
- Prüfen
Hinterfragen des Plans, eventuelle Korrektur
- Ausführen
Umsetzung des Plans
- Beenden/Evaluation
Abschluss der Aufgabe mit kleinem Bericht
Beispiel 3 – persönlicher Agent zur Urlaubsbuchung
- Ziel:
Buche mir einen möglichst günstigen Urlaub auf Mallorca im August
- Denken und Überlegen
- Rahmenbedingungen für einen Urlaub (Budget, Reisezeiten, …)
- Recherche und Analyse
- Angebotsauswahl und Filterung
- Preisverhandlung und Rabattsuche
- Buchungsabwicklung
- Planen
Um die Aufgabe zu erfüllen, wird Funktion a, b, c, … benötigt
- Prüfen
Ergibt der Ablauf Sinn und sind die Dinge, die im Ablauf passieren in sich stimmig?
- Ausführen
Umsetzung des Plans
- Beenden/Evaluation
Buchen des Urlaubs
Best Practices und technische Hintergründe zur Einführung von KI in Unternehmen
Mit amberSearch helfen wir Mitarbeitenden, das interne Know-How schnell und einfach zugänglich zu machen. Immer wieder merken wir, dass eine Menge Halbwissen „rumschwirrt“, weshalb wir es uns mit unserem Blog zur Mission gemacht haben, das Wissen aufzubessern. Falls du neben KI-Agenten weitere technische Grundlagen zur Einführung von (generativer) KI im Unternehmen kennenlernen möchtest, dann wirf unbedingt einen Blick in diesen Blogartikel oder lade dir für einen umfassenderen Blick unser White Paper „Best Practices Einführung generative KI“ herunter:
Herausforderungen und Gefahren von Agenten
Das die Umsetzung eines KI-Agenten schnell komplex werden kann, das geht aus den Beispielen hervor. Doch was sind konkrete Herausforderungen?
Eine Herausforderung bei diesen Agenten sind Endlosschleifen. Ist die Zieldefinition zu ungenau oder unerreichbar, kann es sein, dass der Agent in einer Endlosschleife hängen bleibt.
Natürlich könnte es auch sein, dass der KI-Agent in Beispiel 2 anfängt, ungewollt Dateien zu löschen oder in Beispiel 3 anfängt, Unsummen an Geld für falsche Dinge auszugeben. Daher ist eher vorsichtig mit KI-Agenten umzugehen.
Grundsätzlich gilt, dass solche Agenten nur erfolgreich sein können, wenn sie Zugriff auf die relevanten Daten haben. Für die meisten Anwendungsfälle ist es jedoch ziemlich schwierig, mit nachvollziehbarem Aufwand (und datenschutzrechtlichen Freigaben) solche Bots für Anwendungen im großen Stil für Unternehmen zu bauen.
Unterschiedliche Arten von Agenten
Webagenten: Diese Agenten durchsuchen das Internet, sammeln Daten und liefern relevante Informationen an Benutzer. Sie umfassen Suchmaschinen-Bots wie Googlebot und Preisvergleichsagenten, die das Web nach Produkten durchsuchen und Preise vergleichen.
Autonome Agenten: Diese Agenten handeln eigenständig in physischen oder digitalen Umgebungen, ohne direkte menschliche Steuerung. Sie umfassen selbstfahrende Autos, die autonom durch den Verkehr navigieren, und Roboter in der Fertigungsindustrie, die repetitive Aufgaben ausführen.
Kundeninteraktionsagenten: Diese Agenten interagieren mit Benutzern, um Informationen bereitzustellen oder Aufgaben zu erledigen. Sie umfassen Chatbots im Kundenservice, die natürliche Sprachverarbeitung verwenden, sowie virtuelle Assistenten wie Amazon Alexa oder Google Assistant, die Benutzer bei einer Vielzahl von Aufgaben unterstützen.
Damit jeder amberSearch einmal ausprobieren kann, haben wir in unserer Onlinedemo eine mittlere sechsstellige Anzahl an Dokumenten auf über 10 Systeme verteilt:
Ethische Diskussion bei KI-Agenten
Die Nutzung von KI-Agenten bringt einige ethische Herausforderungen mit sich, die beim Einsatz von KI-Agenten nicht vernachlässigt werden sollten:
- Datenschutz und Privatsphäre: KI-Agenten sammeln und verarbeiten oft große Mengen Daten. Die Einhaltung der DSGVO muss sichergestellt werden.
- Diskriminierung: KI-Algorithmen werden mit einem von Menschen erstellten Datensatz trainiert und sind somit nie vorurteilsfrei. Umso wichtiger ist es, dass ihre Entscheidungen möglichst objektiv und vorurteilsfrei sind.
- Transparenz und Nachvollziehbarkeit: Bei Systemen, die Entscheidungen treffen, muss nachvollziehbar sein, warum welche Entscheidung wie getroffen wurden.
- Verantwortung und Haftung: Wenn eine KI Kaufentscheidungen o. Ä. trifft – wer haftet bei Fehlern? Der Nutzer oder der Hersteller?
- Gesellschaftliche Aspekte: Wie gehen wir als Gesellschaft damit um, wenn die Menschheit an Autonomie verliert?
Zukunftsausblick von KI-Agenten
Künstliche Intelligenz entwickelt sich unaufhaltsam weiter und so werden auch immer mehr KI-Agenten für immer mehr Anwendungsfälle auf den Markt kommen, die immer komplexere Aufgaben lösen können. In vielen Anwendungsfällen reichen einzelne KI-Agenten jedoch nicht aus. Daher werden diese vermehrt in einem Multiagentensystem integriert. Was ein Multiagentensystem ist, kann in diesem Blogartikel nachgelesen werden.
Du findest unseren Content spannend?
Dann bleib jetzt über unseren Newsletter mit uns in Kontakt: