Autonome Agenten: Wie KI die Prozessautomatisierung revolutioniert
KI-Agenten planen und lösen komplexe Aufgaben selbständig und systemübergreifend. Ihr Einsatz in der Prozessautomatisierung bringt aber auch neue Risiken und höhere Anforderungen an die IT-Infrastruktur mit sich.
Die softwaregestützte Prozessautomatisierung (Robotic Process Automation, RPA) soll Mitarbeiter von Routineaufgaben entlasten und Geschäftsvorgänge beschleunigen. Klassische Software-Roboter können allerdings nur einfache, stark standardisierte Teilaufgaben bewältigen. Ihr Einsatz stößt daher schnell an seine Grenzen, die erzielbaren Effizienzgewinne sind limitiert.
Mit dem Einsatz von KI-Agenten, die auf großen Sprachmodellen (Large Language Models, LLM) basieren, könnte sich das grundlegend ändern. Im Gegensatz zu Chatbots wie ChatGPT können sie aktiv Aktionen ausführen, ihren Einsatz selbst planen, systemübergreifend nach Informationen suchen und aus den Ergebnissen ihrer Handlungen lernen. KI-Agenten sind zudem in der Lage, zu kooperieren und gemeinsam mit anderen Agenten an Projekten zu arbeiten.
KI-Agenten in der Prozessautomatisierung – die wichtigsten Einsatzgebiete
Die agentenbasierte Prozessautomatisierung ermöglicht die Gestaltung komplexer und dynamischer Geschäftsprozesse, menschliche Eingriffe sind nur noch in Ausnahmefällen nötig. Mitarbeiter werden entlastet und gewinnen Zeit für kreative und strategische Tätigkeiten. Die Einsatzgebiete sind vielfältig, hier einige Beispiele:
– Vertrieb: KI-Agenten können die Kundenhistorie analysieren, Leads eigenständig qualifizieren und individuelle Angebote erstellen.
– Kundensupport: Automatisierte Agentensysteme verkürzen Reaktionszeiten, bearbeiten Anträge eigenständig und suchen bei Problemen selbständig nach Lösungen.
– Fertigung: Mithilfe von KI-Agenten lassen sich Maschineneinsätze optimieren, Rüstzeiten verkürzen, Produktionsausfälle verhindern und Qualitätsprobleme minimieren.
– Energiemanagement: Agenten können helfen, den Energieverbrauch von Unternehmen zu senken und Auditpflichten nach ISO 50001 oder CSRD (Corporate Sustainability Reporting Directive) zu erfüllen.
- Vertrieb: KI-Agenten können die Kundenhistorie analysieren, Leads eigenständig qualifizieren und individuelle Angebote erstellen.
- Kundensupport: Automatisierte Agentensysteme verkürzen Reaktionszeiten, bearbeiten Anträge eigenständig und suchen bei Problemen selbständig nach Lösungen.
- Fertigung: Mithilfe von KI-Agenten lassen sich Maschineneinsätze optimieren, Rüstzeiten verkürzen, Produktionsausfälle verhindern und Qualitätsprobleme minimieren.
- Energiemanagement: Agenten können helfen, den Energieverbrauch von Unternehmen zu senken und Auditpflichten nach ISO 50001 oder CSRD (Corporate Sustainability Reporting Directive) zu erfüllen.
KI-Agenten in der Praxis
Folgende Beispiele zeigen, wie KI-Agenten in der Praxis eingesetzt werden können:
Der „Unified Universal Agent“ von AMD ist über Microsoft Teams aufrufbar. Er fungiert als zentrale Anlaufstelle für alle Abteilungen und leitet Anfragen an spezifische KI-Assistenten aus Bereichen wie IT, Personalwesen und Finanzbuchhaltung weiter. Dadurch können Mitarbeiter schnell das richtige KI-Tool für ihre Zwecke zu finden, ohne über tiefgreifende technische Kenntnisse verfügen zu müssen.
Der KI-Agent msg.process:it für die Versicherungsbranche erkennt Kundenanliegen, beschafft Informationen, prüft Ansprüche und Vertragsbedingungen und bereitet Entscheidungen vor.
Die Agentic Patient Services Suite von Deloitte optimiert die Patientenaufnahme und Therapiesteuerung. Mehrere Agenten analysieren Arztberichte und Patientendokumente, suchen nach fehlenden Daten, entwickeln individuelle Therapiepläne und kontrollieren deren Einhaltung.
Der Gieni AI Market Research Agent von Orderfox besteht aus 20 spezialisierten Agenten: Datensammler-Agenten suchen nach aktuellen Marktinformationen Wettbewerbsagenten analysieren die Konkurrenz, Trendscouts beobachten Marktentwicklungen und Reporting-Agenten führen alle Informationen zusammen.
Risiken des Agenteneinsatzes
Die Autonomie der Agenten und ihr umfassender Zugriff auf Daten und IT-Ressourcen bergen auch neue Risiken. Angreifer können Agenten übernehmen oder eigene bösartige Agenten einschleusen, um Daten zu stehlen oder Systeme zu kompromittieren. Auch interne Fehler wie falsche Dateneingaben, Programmierfehler oder eine unklare Aufgabenstellung können zu unerwünschten Ergebnissen und Datenverlust führen.
Neben technischen Risiken stellen sich auch Fragen der Ethik und Verantwortung. Bei falschen Entscheidungen durch KI-Agenten kann es zu finanziellen und materiellen Schäden, aber auch zur Gefährdung von Menschen kommen. Daher müssen die Aktionen der Agenten protokolliert werden und jederzeit nachvollziehbar sein. Betroffene müssen die Möglichkeit haben, gegen automatisierte Entscheidungen Einspruch zu erheben und die Überprüfung durch einen Menschen zu verlangen.
Anforderungen an die Infrastruktur
Autonome Agenten stellen hohe Anforderungen an die IT-Infrastruktur. Folgende Aspekte sind dabei besonders zu beachten:
– Leistung: Damit KI-Agenten effizient trainiert und in Echtzeit an veränderte Anforderungen angepasst werden können, sollten KI-Beschleuniger wie die GPUs der AMD Instinct Serie zum Einsatz kommen. Sie gehören zu den leistungsfähigsten Systemen auf dem Markt und punkten nicht nur beim Training sehr großer KI-Modelle mit Geschwindigkeit und Effizienz.
– Energieeffizienz: Wenn KI-Agenten einen hohen zusätzlichen Stromverbrauch verursachen, treibt das die Gesamtbetriebskosten in die Höhe und macht ihre Nutzung unter Umständen unwirtschaftlich. Daher sollten Unternehmen bei Aufbau einer IT-Infrastruktur für KI-Agenten auf Serverprozessoren wie die AMD EPYC Serie setzen, die für den Einsatz in KI-Infrastrukturen optimiert sind und KI-Workloads besonders energieeffizient verarbeiten können. AMD EPYC Prozessoren bieten einen bis zu 1,7-fach höheren Durchsatz und verbrauchen bis zu 29 Prozent weniger Strom als vergleichbare Systeme anderer Hersteller.
– Sicherheit: Eine der größten Herausforderungen für die Sicherheit von KI-Agenten ist der durchgängige Schutz von CPU, Datenspeicher, Netzwerkgeräten und KI-Beschleunigern in allen Phasen des Trainings und der Anwendung. Eine mehrstufige Sicherheitsarchitektur, wie sie beispielsweise AMD mit AMD Infinity Guard bietet, schützt vor hardwarenahen Angriffen und unterstützt die Sicherheitsfunktionen in Betriebssystemen oder Security-Anwendungen optimal.
– Offene Ökosysteme: KI-Agenten brauchen offene Ökosysteme wie die Radeon Open Compute-Plattform (ROCm), die eine uneingeschränkte Interoperabilität gewährleisten. ROCm lässt sich in alle gängigen KI-Frameworks wie PyTorch oder TensorFlow integrieren und ermöglicht die nahtlose Bereitstellung und Skalierung von KI-Agenten. Mit Version 7 wurde die ROCm-Unterstützung auf AMD Ryzen AI Prozessoren und AMD Radeon Grafikkarten erweitert, was die nahtlose Bereitstellung von KI-Agenten auf Endgeräten mit optimierten CPUs wie den AMD Ryzen AI Prozessoren ermöglicht.
Fazit: KI-Agenten benötigen eine solide IT-Basis
KI-Agenten erweitern den Einsatz von Software-Robotern erheblich. Indem sie Geschäftsprozesse durchgehend automatisieren, können sie die Effizienz steigern, die Kundenzufriedenheit erhöhen und die Produktivität verbessern.
Damit sich diese Vorteile realisieren lassen, braucht es neben einer sorgfältigen Planung und einer ethisch verantwortungsvollen Umsetzung vor allem eine leistungsfähige, energieeffiziente, sichere und offene IT-Infrastruktur, die sämtliche Anforderungen der KI-Agentennutzung abdeckt – von der Entwicklung und dem Training der zugrundeliegenden Modelle über deren Ausführung im lokalen Rechenzentrum oder in der Cloud bis hin zur Anwendung auf PCs und Notebooks.