Organisationen nutzen Generative AI (GenAI), um Prozesse zu automatisieren und somit Ressourcen zu sparen. Dieser Ansatz kann mehrere KI Modelle oder Agenten nutzen, die zusammenarbeiten, um komplexe, übergeordnete Ziele zu erreichen – vom Automatisieren von Gehaltsabrechnungen und HR-Prozessen bis hin zur Softwareentwicklung auf Basis von Text, Bildern, Audio und Video aus Large Language Models (LLMs).
Laut einer Umfrage von Capgemini erwarten 82 % der befragten Führungskräfte, innerhalb der nächsten ein bis drei Jahre LLMs und GenAI in ihre Geschäftsprozesse zu integrieren. Diese sollen Aufgaben wie das Generieren von E-Mails, das Erstellen von Software-Code und das Analysieren von Daten automatisieren. Ein Anwender kann die Benutzeroberfläche über ein LLM-Eingabefenster ansteuern und damit eine Kette von Ereignissen in Gang setzen, bei denen verschiedene Agenten und KIs unterschiedliche Aufgaben übernehmen.
Diese Agenten arbeiten nicht isoliert. Sie interagieren miteinander, mit anderen digitalen Werkzeugen, Systemen und Usern. Dabei greifen sie auf Unternehmensdatenbanken zu, um zusätzliche organisatorische Kenntnisse zu erlangen. Wesentlich ist, dass diese Systeme aus ihrer Aufgabenhistorie, menschlichem Feedback und anderen Eingaben lernen, um kontinuierlich ihre Leistung zu verbessern und sich an veränderte Umgebungen anzupassen.
Der Einsatz von Agenten ist die logische Weiterentwicklung LLMs die Möglichkeit zu geben konkrete Aufgaben selbst anzustoßen. In einer Zeit, in der Unternehmen danach streben, mehr Effizienz durch GenAI zu erreichen, bieten Multiagentensysteme vielleicht das größte Potenzial zur Steigerung der operativen Produktivität. Ein Agent könnte beispielsweise eine neue Verkaufsanalyse erstellen, indem er mit anderen Agenten zusammenarbeitet, um verschiedene Vertriebseingaben und -ausgaben zu scannen, ein Dokument zu entwerfen, dieses zu überprüfen, gegen Unternehmensstandards zu prüfen und es entsprechend zu überarbeiten. McKinsey nennt die Kreditbewertung, die Modernisierung von Code und Marketingmaterialien als weitere potenzielle Anwendungsfälle.
Composable AI als Schlüssel zur Flexibilität
Der Einsatz von LLMs in Kombination mit Agenten zeigt, dass mehrere Systeme kombiniert und zusammengeführt werden müssen. Diese Systeme verkörpern auch die Notwendigkeit für Flexibilität und Anpassungsfähigkeit, die durch einen composable Ansatz erreicht werden kann. Composable Architekturen ermöglichen es Unternehmen, agil auf sich ändernde Marktanforderungen zu reagieren und gleichzeitig technologische Innovationen nahtlos zu integrieren. In einer sich schnell wandelnden technologischen Landschaft wird diese Flexibilität entscheidend für den zukünftigen Erfolg und die Wettbewerbsfähigkeit sein.