Dec 25 • Christoph Tatzber

Was sind KI-Agenten? Arten, Beispiele & Co.

KI-Agenten: Intelligente Tools, die Aufgaben autonom erledigen. Erfahre mehr zu: ✓ Arten, ✓ Anwendungen & mehr ► Jetzt nachlesen!
Inhaltsverzeichnis:
  1. Was ist ein KI-Agent?
  2. Arten von KI-Agenten: Wer tut was - und warum?
  3. Nutzen und Vorteile von KI-Agenten
  4. Wie funktioniert ein KI-Agent?
  5. Anwendungsbereiche von KI-Agenten: Wo KI-Agenten die Welt verändern
  6. Fazit: Wohin führen uns KI-Agenten? 

Was ist ein KI-Agent?

KI - Agenten, die nächste Stufe der Automatisierung? Definitiv. Wenn du noch nicht weißt, was KI-Agenten sind, lies unbedingt diesen Artikel – sie werden unsere Arbeit verändern.

Ein Beispiel aus dem Alltag: Amazon Alexa oder Apple Siri können per Spracheingabe das Licht in deinem Zuhause ein- und ausschalten. Das heißt, du hast einem KI-Bot eine Anfrage geschickt und er hat daraufhin eine bestimmte Aktion ausgeführt. Das war jedoch bisher begrenzt, da du die Bots genau trainieren musstest. Wenn du gesagt hast 'Licht im Wohnzimmer EIN', wussten sie, dass die Lampe im Wohnzimmer in deinem Account eingeschaltet werden soll.

Wie ist bisher die Automatisierung von Arbeitsprozessen abgelaufen?
Ein System (Hardware oder Software) hat Entscheidungen nach festen Regeln getroffen – ähnlich wie eine Wenn-Funktion in Microsoft Excel. Wenn etwas eingetroffen ist, DANN wurde die Aktion X ausgelöst. Sollte dieses Ereignis nicht eingetroffen sein, DANN wurde ein anderes Ereignis ausgelöst.

Entscheidungsbaum
Zusammengefasst waren unsere bisherigen Automatisierungen regelbasierte Prozesse. Das größte Problem dabei, was, wenn eine Situation eingetreten ist, welche nicht in den Regeln abgebildet war?
Roboter bei einem Straßenabzweig

Das größte Problem ist oft fehlende Klarheit, wie die Automatisierung bei unvorhergesehenen Situationen vorgehen soll.

KI-Agenten können hier die nächste Stufe sein. Warum?
Ein KI-Agent kann trainiert werden, d.h. der Kontext kann klar kommuniziert werden, was das Ziel des Prozesses, warum führen wir diese Tätigkeit aus uvm. Wenn das Ziel klar ist, können eigenständig Schritte unternommen werden, um es zu erreichen – auch wenn diese Schritte in keiner Regel festgelegt sind. Das heißt, wir müssen keine expliziten Regeln vorgeben, sondern ZIELE.

Zusammengefasst: Ein KI-Agent ist ein Programm, das eigenständig Aufgaben erledigt, um ein bestimmtes Ziel zu erreichen.

Menschen geben die Ziele vor, und der KI-Agent entscheidet selbst, welche Schritte am besten zum Ziel führen. Ein gutes Beispiel: Ein KI-Agent im Kundenservice will Anfragen lösen. Dazu stellt er Rückfragen, sucht in internen Dokumenten nach Antworten und schickt dem Kunden eine Lösung. Aufgrund seiner Programmierung wird er ebenfalls unterscheiden, ob er das Problem lösen kann oder an einen Menschen weitergibt.

Roboter im Kundendienst mit Dokumenten
Wichtig ist, dass KI-Agenten aktuell nur begrenzte Fähigkeiten haben. Sie sollten sich daher auf spezielle Aufgaben konzentrieren, z. B. ein KI-Agent für Kundenanfragen, einer für Verkaufsaufträge oder einer für Mitarbeiterauskünfte.

Der Unterschied zwischen KI-Agenten und allgemeinen KI-Systemen (Superintelligenz) liegt in folgenden Bereichen:

  • Fokus & Spezialisierung:
    KI-Agenten fokussieren sich auf eine spezifische Aufgabe. Der Agent interagiert mit seiner Umgebung. Allgemeine KI-Systeme müssten hier mehr in Richtung AGI (künstliche allgemeine Intelligenz), also eine Superintelligenz gehen, die alles weiß und kann.Hier sind wir aber noch weit entfernt, wenn wir dieses Stadium überhaupt erreichen.

  • Autonomie & Interaktivität:
    KI-Agenten starten ab einem Trigger, also ab einem Auslöser sowie z.B. bei Eingang einer bestimmten E-Mail. Allgemeine KI-Systeme müssten in der Lage sein, eine Vielzahl von Problemen zu lösen.

  • Lernmethoden:
    KI-Agenten werden oft mit Reinforcement Learning, überwachten und unüberwachten Lernen trainiert, um ihre Aufgaben zu verbessern.Allgemeine KI-Systeme bräuchten großangelegte Lernansätze, um die Vielzahl der Aufgaben / Daten zu verarbeiten.….

    bis zur Entwicklung von allgemeinen (supermächtigen) KI-Systemen braucht es meiner Meinung nach noch viel an Zeit, wenn wir diesen Status überhaupt erreichen werden.

Arten von KI-Agenten: Wer tut was - und warum?

Eine kurze Übersicht der KI-Agenten Arten:
  1. Deklarative Agenten adaptierte KI Modelle für klare Ziele
  2. Reaktive Agenten erledigen einfache, schnelle Aufgaben ohne Vorplanung.
  3. Modellbasierte Agenten arbeiten mit historischen Daten für präzisere Entscheidungen.
  4. Lernende Agenten entwickeln sich dynamisch weiter und passen sich an.
  5. Multi-Agenten-Systeme lösen komplexe Probleme durch Kooperation.

Die Wahl des Agententyps hängt stark vom Anwendungsfall und den Anforderungen bzw. Zielen ab, meist wird jedoch eine Kombination der einzelnen Typen gewählt, um maximale Performance zu erhalten.

Nun folgen konkretere Informationen zu den verschiedenen Arten von KI-Agenten. In der Literatur gibt es jedoch unterschiedliche Bezeichnungen und oft keine klaren Abgrenzungen zwischen den einzelnen Arten.
Übersicht der KI Agenten Systeme

Deklarative Agenten

Microsoft spricht seit diesem Jahr nur noch von KI-Agenten, auf jeder Veranstaltung wird diese Technik als DIE Zukunft angepriesen. Hiermit sind deklarative Agenten gemeint, d.h. der KI wird vermittelt WAS erreicht werden soll und nicht WIE. Die Hauptmerkmale sind: Zielorientierung, Wissensbasis und automatisierte Entscheidungsfindung. Microsoft nennt hier oft den angepassten M365 Copilot.

Reaktive KI-Agenten

Diese sind sehr einfache Typen, sie reagieren auf wahrgenommene Ereignisse. Er kann kein Ziel erklären und verfügt auch nicht über eine Planungsfähigkeit. Sie sind wichtig für sehr einfache Aufgaben, die ohne Berücksichtigung vorheriger Interaktionen erledigt werden müssen.

Modellbasierte Agenten

Modellbasierte KI-Agenten versuchen, Änderungen vorherzusehen, Szenarien zu simulieren und Entscheidungen zu treffen. Autonome Fahrzeuge, die Verkehrsflüsse vorausberechnen oder intelligente Thermostate, die die Heizung aufgrund der Wettervorhersagen anpassen, zählen hierzu. Wichtige Bestandteile dieser Agenten: Sensoren, internes Modell, Denkkomponente, Aktuatoren.

Lernende Agenten

Diese passen ihr Wissen durch Erfahrungen oder Interaktionen mit der Umgebung kontinuierlich an und verbessern sich. Hier wird ebenso maschinelles Lernen oder andere adaptive Algorithmen verwendet. Merkmale: Adaptionsfähigkeit, Erfahrungssammlung, Feedback-Mechanismus, zielgerichtetes Lernen.

Multi-Agenten Systeme

Diese Art von KI-System ist wahrscheinlich eine der intelligentesten – warum? Weil, ähnlich wie bei Menschen, der Zusammenschluss von Expert:innen ein sehr mächtiges Werkzeug ist. Je mehr hochspezialisierte Individuen zusammenkommen, desto besser und größer kann es im Zusammenschluss sein.
Hier kann es z.B. einen HR-Agenten Bot geben, einen Operations-Agenten Bot und vieles mehr.

Nutzen und Vorteile von KI-Agenten

  1. Spezialisierung der Agenten: (Qualität der Antworten)
    Im Gegensatz zu allgemeinen Systemen sind KI-Agenten auf eine oder mehrere Aufgaben spezialisiert. Das bedeutet, dass für jede Aufgabe ein Profi verantwortlich ist. So entsteht eine Vielzahl von Experten, die ihre jeweilige Aufgabe perfekt beherrschen.

  2. “Arbeits”teilung
    Ähnlich wie jetzt bei uns Menschen gibt es in Organisationen verschiedene Abteilungen mit verschiedenen Spezialisten. Dieses Prinzip lässt sich auf KI übertragen: Es können Agenten für jede Abteilung erstellt werden, die zusammen eine große KI-Organisation bilden. Dies wiederum ist das Grundprinzip von Multi-Agenten Systemen

  3. Verbesserte Skalierbarkeit und Adaption:
    KI-Agenten lassen sich schnell anpassen, da jeder Agent nur für eine bestimmte Aufgabe oder eine begrenzte Anzahl von Aufgaben zuständig ist. Dadurch können neue Agenten schnell bereitgestellt und angepasst werden.

Wie funktioniert ein KI-Agent?

Bei KI-Agenten handelt es sich nach wie vor um LLMs (große Sprachmodelle). Sie funktionieren daher auch auf gleicher Grundlage, so können Antworten und Wissen generiert werden. KI-Agenten haben oft nicht alle benötigten Informationen, deshalb können sie auf andere Systeme zugreifen, um ihr Wissen zu erweitern und die Aufgabe erfolgreich zu lösen.

Praktisches Beispiel: Personalplanung in einem Produktionsunternehmen
Ein User beauftragt einen KI-Agenten damit, den Personalbedarf eines Produktionsunternehmens zu planen.

Der KI-Agent weiß, dass er nicht alle Informationen hat, also beauftragt er einen anderen Agenten, der alle Auftragsdaten aus dem ERP-System für das nächste Jahr kennt und bereitstellt. So kann der Arbeitsanfall berechnet werden.

Außerdem weiß der KI-Agent, dass er keine Informationen über Abwesenheiten wie Urlaube oder Krankmeldungen hat. Daher beauftragt er einen anderen KI-Agenten, der die Wahrscheinlichkeitsberechnungen für Abwesenheiten aus dem Personalplanungssystem liefert. Mit diesen Daten kann der KI-Agent eine grobe Planung und Wahrscheinlichkeitsrechnung anstellen, wann wie viel Personal benötigt wird.

Wichtig an der Stelle zu betonen ist, dass bei hochkomplexen bzw. KI-Agenten eine Feedbackschleife etabliert werden sollte. In dieser Feedbackschleife ist am besten ein Human-in-the-Loop (HITL) vorhanden, welcher die Tätigkeit des KI-Agenten kontrolliert und überwacht.

Anwendungsbereiche von KI-Agenten: Wo KI-Agenten die Welt verändern

Persönlicher Assistent (M365 Copilot Agent)

Mit dem Microsoft KI-Tool Copilot können ab jetzt Copilot Agenten erstellt werden. Diese Agenten basieren meist auf deklarativen Agenten und sollen helfen, spezifische Aufgaben zu erledigen.

So kann ein Copilot Agenten genutzt werden, um spezifische Aufgaben zu erledigen. Wie und welche Aufgaben können hier übergeben werden?

Meiner Meinung durchgängig über fast alle Abteilungen, denn es können Tätigkeiten aus dem Einkauf, Controlling, HR u.v.m. mit Copilot Agents unterstützt werden.
Du kannst auch ganz einfach einen Copilot-Agenten aus deinen SharePoint-Dateien erstellen. Dieser wäre zwar nur ein 'Custom GPT', aber bildet eine erste Basis.

Interessanter wird es definitiv, wenn der Copilot Agent an andere Systeme angebunden ist, bzw. Power Automate Flows auslösen kann. D.h. du chattest / sprichst mit deinem Copilot und dieser kann eine automatische Abfolge von Schritten in einem Programm starten und umsetzen, wie z.B. das Anlegen einer Bestellung, das Auswerten des Monatsberichts oder die Erhebung der letzten Personalkennzahlen.

Microsofts Vorstellung von Agents

Die Zukunft sind Agents, zumindest diese Philosophie verfolgt Microsoft. (Quelle: Microsoft)

Finanz-KI-Agent

KI-Agenten können Finanzdaten analysieren und Anomalien erkennen und den User darauf hinweisen. So könnten KI-Agenten genutzt werden, um eine fundamentale Analyse verschiedener Unternehmen durchzuführen. Der KI-Agent agiert somit wie ein Analyst und kann dessen Aufgaben teilweise ersetzen.

Dieses Beispiel kann natürlich auf viele andere Anwendungsgebiete angewendet werden. Überall, wo Analyse und darauf folgende Bewertung der Ergebnisse zu erarbeiten sind, kann ein KI-Agent helfen.

An dieser Stelle kann der KI-Agent natürlich auch Strategieberater unterstützen, d.h. die Auswertung der Unternehmensperformance anhand von Bilanz Ergebnissen, kann mittels KI erfolgen.

Es gibt natürlich an der Stelle viele Möglichkeiten KI-Agenten einzusetzen, angefangen im Gesundheitswesen, Energiewirtschaft, Verkehr und vieles mehr.

Fazit: Wohin führen uns KI-Agenten? 

KI-Agenten – sei es autonom, lernend oder in Multi-Agenten-Systemen integriert – stellen einen wichtigen Schritt in Richtung einer automatisierteren, effizienteren und vernetzteren Zukunft dar. Sie verändern die Art und Weise, wie wir arbeiten, lernen, kommunizieren und komplexe Probleme lösen. Doch wohin führen uns diese Technologien wirklich?
Definitiv werden folgende Punkte damit verändert:
  1. Optimierung von Prozessen
  2. Neue Geschäftsmodelle
  3. Personalisierung & Komfort
  4. Wissenschaftliche Weiterentwicklung

Folgende Risiken sollten aber ebenfalls bedacht werden:
  1. Veränderung des Arbeitsmarktes und der Gesellschaft
  2. Verantwortung und Kontrolle
  3. Bias und Diskriminierung
  4. Sicherheitsrisiken

Wichtig an der Stelle ist meiner Meinung aber die Bildung, d.h. Mitarbeiter:innen auf die neue Arbeitswelt vorzubereiten bzw. mit Copilot zu starten und sich eigene Copilot Agents zu bauen. Wenn du mehr dazu wissen willst, dann kontaktiere uns und komme in eine unserer KI-Schulungen.

Interessiert?

Aktuelle Excel-Kurse

Excel Professional für Anfänger

Zero to Hero

350€ statt 465€

exkl. USt, 430€ inkl. USt

Lehrinhalte:
  • Einfache Berechnungen und Formeln
  • Zellbezüge und Dateneingabe
  • Datendarstellung
  • Grundlagen Datenvisualisierung


Excel Expert für Fortgeschrittene

Excel Koryphäe

399€ statt 525€

exkl. USt, 478.80€ inkl. USt

Lehrinhalte:
  • Funktionen - fx
  • Pivot Tabellen
  • Bedingte Formatierung & Sparklines
  • Grundlagen Datenvisualisierung
  • Diagramme
  • Künstliche Intelligenz & Excel

Excel Expert II Vertiefung

Excel Expert

399€ statt 549€

exkl. USt, 478.80€ inkl. USt

Lehrinhalte:
  • Erweiterte Funktionen - fx
  • Power Pivot - Grundlagen
  • Power Query - Datenimport
  • Makros, Grundlagen VBA
  • Dashboards
  • KI & Excel Vertiefung

Noch nicht genug?

Das könnte dich auch interessieren

Created with