Oftmals beschränkt sie sich auf das Verfassen von Texten oder das Zusammenfassen von Informationen. Das ist effizient und z.T. überragend gut. Dennoch sind oft Nacharbeiten nötig, um ein qualitativ hochwertiges Ergebnis zu erzielen. Das liegt vor allem daran, dass diese Anwendungen geführt werden müssen – und das erfordert vom Nutzer sowohl Klarheit über die Fragestellung als auch ein genaues Bild des gewünschten Ergebnisses.

Programmieren mit KI: Ein Vorreiter in der Nutzung

Einen deutlich häufigeren Einsatz von KI-Tools findet man im Bereich der Softwareentwicklung. Auch in unserer Entwicklungsabteilung unterstützen sich die Programmierer bereits erfolgreich mit KI. Besonders bei regelbasierten Aufgaben, wie sie im Programmieren häufig vorkommen, leisten Tools wie Copilot beeindruckende Arbeit.

Ein entscheidender Vorteil: Code ist strukturiert und basiert auf klar definierten Regeln. Sprache hingegen ist komplexer und oft mehrdeutig. Das bedeutet, dass der Einsatz von KI bei textbasierten Aufgaben immer noch eine sorgfältige Steuerung und Fachkenntnis erfordert.

Die Herausforderung: Zielgerichtete Fragen stellen

Eine der größten Hürden bei der Nutzung von KI ist das Stellen der richtigen Fragen. Ganz nach dem Motto:

• Konkrete Frage – Konkrete Antwort
• Allgemeine Frage – Unspezifische Antwort (auch wenn sie sich professionell anhört) 

Gerade bei komplexen Aufgaben, wie der Erstellung anspruchsvoller Texte oder dem Aufbau komplexer Programmstrukturen, reicht es nicht aus, nur eine vage Idee zu haben. Hier sind Fachkenntnisse und ein klares Verständnis des gewünschten Ergebnisses unerlässlich.

Um die Interaktion mit KI-Tools zu verbessern, kommen sogenannte AI-Agents ins Spiel. Diese unterstützen den Nutzer, indem sie den Prozess strukturieren, spezifischere Fragen stellen und die Ergebnisse interpretierbar machen. Doch nun gibt es eine spannende Weiterentwicklung: autonome AI-Agents.

Was sind autonome AI-Agents?

Im Gegensatz zu klassischen AI-Agents, die noch eine aktive Interaktion mit dem Nutzer erfordern, arbeiten autonome AI-Agents – wie der Name schon sagt – weitgehend selbstständig. Microsoft, einer der führenden Player in diesem Bereich, hat kürzlich ein solches Tool vorgestellt.

Ein Praxisbeispiel von McKinsey:

Ein autonomer AI-Agent kann z. B. im Recruiting-Prozess eingesetzt werden. McKinsey erhält täglich eine große Anzahl an Bewerbungen, die individuell bearbeitet werden müssen. Der autonome Agent analysiert die Bewerbungstexte, identifiziert offene Fragen und erstellt daraus spezifische Antworten. Anschließend generiert er automatisch eine passende E-Mail und versendet sie.

Dieser Grad der Automatisierung ist tatsächlich neu und bietet enormes Potenzial. Besonders spannend wird es, wenn solche Agenten mit Business-Objekten, etwa aus unserem iCore, verbunden werden. Dies ermöglicht die technische Weiterverarbeitung von Daten auf einer ganz neuen Ebene.

Fazit: Die Zukunft mit autonomen AI-Agents

Autonome AI-Agents markieren einen wichtigen nächsten Schritt in der Entwicklung der künstlichen Intelligenz. Während klassische AI-Tools immer noch auf Input und Steuerung durch den Nutzer angewiesen sind, können autonome Agents eigenständig Prozesse durchführen.

Das eröffnet nicht nur Effizienzpotenziale, sondern macht KI auch für komplexe Geschäftsanwendungen zugänglicher. Um diese Daten optimal nutzen zu können, ist jedoch eine technische Grundlage wie ein semantisches Datenmodell unerlässlich. Doch dazu mehr in einem zukünftigen Blogbeitrag.

Die Entwicklung zeigt: Wir stehen erst am Anfang einer neuen Ära, und autonome AI-Agents könnten schon bald unverzichtbare Werkzeuge in der Arbeitswelt sein.