So erstellen Sie in 7 Schritten einen KI-Agenten

Unternehmen sind bestrebt, die Wertschöpfung aus generativer KI noch weiter zu verbessern, indem sie diese in ihre alltäglichen Geschäftsprozesse integrieren. Sie stellen daher zunehmend Software, die „KI-Agenten“ genannt wird, in einer Reihe von Anwendungen bereit. Diese Agenten sind so konzipiert, dass sie schriftliche und gesprochene Unterhaltungen führen und Datenbanken abfragen können, um mehrstufige Aufgaben auszuführen. Dabei ist es nicht erforderlich, sie vorab zu programmieren, um festzulegen wie in den jeweiligen Situationen vorgegangen werden soll.

Agenten mit künstlicher Intelligenz können bereitgestellt werden, um Schritt für Schritt die erforderlichen Informationen zu sammeln, indem sie mit Computernutzern und deren Kalendern interagieren, auf Informationen in lokalen und Cloud-Systemen zugreifen und Suchmaschinen oder andere Websites verwenden, um Fragen zu beantworten oder Aktionen auszuführen. Sie basieren auf zugrunde liegenden KI-basierten großen Sprachmodellen (Large Language Models, LLMs), die es ihnen ermöglichen, Prognosen zu erstellen und mit menschlichen Benutzern in natürlicher Sprache zu interagieren.

Anbieter von Produktivitäts-, Kundenmanagement- und Backoffice-Anwendungen bieten ihren Kunden zunehmend Designstudios, die es diesen ermöglichen, KI-Agenten anzupassen, anzuweisen und zu aktivieren – oder gar ihre eigenen Agenten zu erstellen. Im Folgenden finden Sie eine Reihe nützlicher Richtlinien, wie Sie einen KI-Agenten für Ihre Aufgaben auslegen können, einschließlich von sieben Schritten, wie Sie einen Agenten erstellen und in Ihrem Geschäftsbetrieb einsetzen.

Was sind KI-Agenten?

Software für KI-Agenten nutzt LLMs, die auf großen Datenmengen trainiert wurden, um Beziehungen zu finden und Zusammenhänge zwischen Konzepten herzustellen. Dies ermöglicht ihnen, relevante Vorhersagen hinsichtlich der Absichten von Computernutzern zu treffen, während sie mit diesen in natürlicher Sprache kommunizieren. Die Agenten sind so konzipiert, dass sie zwischen den Benutzern und Sprachmodellen vermitteln können. Dadurch können sie aktiv Schritte unternehmen, um Probleme in einer Vielzahl von Bereichen in Angriff nehmen.

Sie können Unternehmen dabei helfen, sich wiederholende Prozesse zu automatisieren. Beispielsweise können Sie diese bei Finanzprognosen unterstützen, HR-Teams bei der Navigation durch einen mehrstufigen Recruitingprozess helfen oder Kundeninformationen zusammenfassen, um zusätzliche Verkaufschancen für Vertriebsmitarbeiter zu identifizieren.

So erstellen Sie in 7 Schritten einen KI-Agenten

KI-Agenten sind darauf ausgelegt, die organisatorischen Rollen der Benutzer verstehen, auf Daten aus Geschäftsdokumenten zurückzugreifen, damit Workflows relevant bleiben, und auf Eingabeaufforderungen in natürlicher Sprache anstatt auf vorcodierte Anweisungen zu reagieren. Um diese Flexibilität auch bei sich verändernden Umständen sicherzustellen, müssen Unternehmen einige Vorbereitungen treffen.

1. Wählen Sie Ihre Strategie zum Erstellen von KI-Agenten aus. Unternehmen müssen sich im Voraus entscheiden, ob sie vordefinierte Agenten, die von Softwareanbietern bereitgestellt werden, anpassen möchten, um ihre Prozesse zu automatisieren, oder ob sie ihre eigenen Agenten von Grund auf neu erstellen wollen. Angesichts der Tatsache, dass sich die meisten Branchen noch in der frühen Phase bezüglich der Tests und Rollouts von KI-Agenten befinden, werden die meisten Unternehmen wahrscheinlich vorgefertigte Agenten an ihre Bedürfnisse anpassen, um einen Mehrwert zu erzielen. Bei dieser Entscheidung sollten Unternehmen Folgendes berücksichtigen:

• KI-Talente unter den Mitarbeitern: Das Entwerfen benutzerdefinierter Agenten erfordert KI-Entwickler, Datenanalysten und Experten für Benutzeroberflächen, um die erforderliche Programmierung und Systemintegration durchzuführen. Sofort einsatzbereite Agenten können jedoch von Anwendungsadministratoren einfach in einer Designstudioumgebung angepasst werden.
• Kenntnisse im Modelltraining: Die meisten Unternehmen verfügen nicht über das interne Wissen, um ein LLM, das als Grundlage für die Entwicklung von KI-Agenten erforderlich ist, auszuwählen und um die notwendige Feinabstimmung vorzunehmen, die sicherstellt, dass ein komplett neu entwickeltes Modell im Laufe der Zeit nicht ungenau wird.
• Kosten: Für eine komplette Neuerstellung sind höhere Vorabinvestitionen in die Entwicklung sowie Gebühren für API-Aufrufe an ein LLM erforderlich. Die Anpassung vordefinierter KI-Agenten von einem Anbieter wie Oracle verursacht hingegen keine Gebühren, die über die Abonnements für SaaS-Anwendungen hinausgehen, welche die Unternehmen bereits bezahlen.
• Hochwertige Daten: Geschäftsdaten müssen für KI vorbereitet werden, bevor Agenten sie verwenden können. Das bedeutet oft, dass die Daten in Vektoreinbettungen umgewandelt werden müssen, die mathematisch die Beziehungen zwischen Konzepten zeigen, was dazu dient, die Absicht der Benutzer zu erschließen, wenn diese Fragen stellen. Unternehmen, die Agenten von Grund auf neu erstellen, müssen auch vor einer „Überanpassung“ auf der Hut sein: Wenn ein LLM zu eng an den Daten hängt, auf denen es trainiert wurde, kann es keine Verallgemeinerungen in Bezug auf neue Wissensgebiete vollziehen.
• Governance und Aufsicht: Unternehmen benötigen in der Regel Agenten, die ihre Arbeit dokumentieren und für Branchenmanager, die keine IT-Profis sind, transparent sind. IT-Abteilungen möchten gegebenenfalls auch sicherstellen, dass die Agenten keinen Zugriff auf vertrauliche Daten haben, die nicht für die Veröffentlichung bestimmt sind oder bestimmten Mitarbeitern nicht zugänglich gemacht werden sollen.

2. Wählen Sie ein LLM aus oder nutzen Sie ein bereits fertiggestelltes. SaaS-Anwendungsanbieter, die es ihren Kunden ermöglichen, Agenten in einem Designstudio abzustimmen, werden wahrscheinlich vorab auswählen, mit welchen LLMs ihre Software interagieren wird. Oder sie bieten den Administratoren eine begrenzte Auswahl an. Unternehmen, die Agenten komplett neu erstellen wollen, müssen LLMs von Anbietern wie Anthropic, Cohere, Google, IBM, Meta (Entwickler der beliebten Llama-Modelle), Microsoft, Mistral und OpenAI auswählen. Dieser Ansatz ermöglicht Unternehmen die Kontrolle über alle Ebenen ihres Agenten-Software-Stacks, einschließlich des zugrunde liegenden Modells. Er bedeutet aber auch, dass sie für die Wartung vieler weiterer Softwarekomponenten verantwortlich sind – im Gegensatz zur bloßen Anpassung von vorgefertigten Agenten.

3. Entwerfen Sie einen Workflow und definieren Sie die Tools. Selbst die Anpassung vordefinierter Agenten ist eine Aufgabe, die einem Anwendungsadministrator überlassen werden sollte und nicht einem allgemeinen Geschäftsbenutzer. Administratoren können dabei mit vorgefertigten Workflowvorlagen – codebasierte Anwendungsfälle in einer Katalogansicht – beginnen oder neue, angepasste Workflows erstellen. Um die Workflows vorgefertigter Agenten zu definieren, können die Administratoren spezifische Anweisungen in natürlicher Sprache in die Felder eines Designstudios für Agenten eingeben oder Aktionen aus Listen auswählen, um festzulegen, wie der Agent mit Benutzern interagieren, Daten anzeigen oder Termine planen soll. Administratoren können ebenfalls entscheiden, welche Tools der Agent zur Beantwortung von Fragen verwenden soll. Dazu können sie Beispielfragen bereitstellen, die Mitarbeiter möglicherweise stellen könnten.

Dieser Prozess hilft dabei, die Rolle des Agenten zu definieren, und beschreibt klar, wie er eine Aufgabe ausführen soll und auf welche Informationen er dabei zugreifen muss. Beispiel: Ein Agent in einer HR-Anwendung, der Mitarbeiter dabei unterstützt, Gesundheitsleistungen zu erklären, benötigt Zugriff auf medizinische und zahnärztliche Daten, Daten zur Sehkraft oder andere ärztliche Dokumente, während ein Agent für die Finanzverwaltung möglicherweise Informationen über vom Arbeitgeber finanzierte Pensions- und Aktienpläne abrufen muss (mehr dazu unten).

4. Laden Sie die Dokumente für die Retrieval Augmented Generation (RAG) hoch. Jetzt, da der Agent über seine Anweisungen und Tools verfügt, kann ein Administrator einen Dokumenten-Uploader verwenden, um Unternehmensdokumente für eine Retrieval Augmented Generation (RAG) vorzubereiten. Dabei handelt es sich um eine KI-Technik, die einem LLM zur Laufzeit Geschäftsdokumente und Daten bereitstellt, die als Erweiterung zu dem hinzugezogen werden, was das Modell während seines Trainings gelernt hat. Der Administrator stellt dabei Anweisungen in natürlicher Sprache bereit, wie der Agent die Dokumente verwenden soll. Eine effektive Software zur Erstellung von Agenten abstrahiert dabei von der Vektordatenbank, welche zur Laufzeit hochrelevante Ergebnisse liefert, die auf dem basieren, was ein Computerbenutzer finden möchte.

5. Erstellung durch einen Klick. Nachdem der Administrator die Grundlagen durch Anweisungen, Themen und Dokumente gelegt hat, kann er einen Agenten in einem Designstudio erstellen, indem er diesen einfach benennt und auf eine Schaltfläche in der Benutzeroberfläche klickt. Mithilfe von Anweisungen in natürlicher Sprache kann der Workflow (oder können andere Agenten) seine Funktionen verstehen. KI-Agenten sind so konzipiert, dass sie, während sie ausgeführt werden, lernen, wie sie ihre Leistung durch mathematische Test-, Fehler- und Belohnungsprozesse verbessern können. Dies wird als bestärkendes Lernen bezeichnet.

Unternehmen, die KI-Agenten ohne Designstudio von Grund auf neu entwickeln, müssen möglicherweise Integrationen zu Finanz-, HR-, Kundenmanagement- und anderen Anwendungen sowie zu den Datenbanken und Dokumenten der Benutzer hinzufügen. Frameworks für KI-Agenten bieten dabei eine Alternative zur völligen Neuprogrammierung, indem sie Softwarearchitekturen, Kommunikationsprotokolle, Connectors zu Cloud- und lokalen Datenquellen sowie Überwachungstools bereitstellen, mit denen Unternehmen neue Agenten erstellen können. Beliebte Open Source-Frameworks sind unter anderem LangChain, LlamaIndex und Microsoft Research AutoGen.

Studioumgebungen für Agenten können ebenfalls ein Framework beinhalten, auf das Administratoren jedoch nicht direkt zugreifen müssen.

6. Legen Sie Grenzen fest. Jetzt ist es an der Zeit, Grenzen festzulegen, um sicherzustellen, dass die Agenten ihre Genauigkeit behalten und feststellen können, wann sie vor der Durchführung von Aktionen eine Genehmigung einholen müssen. Der Administrator, der den Agenten einrichtet, kann beispielsweise eine Anforderung hinzufügen, dass eine Genehmigung von den Mitarbeitern eingeholt werden muss, bevor eine E-Mail gesendet oder ein Datensatz aktualisiert wird.

Administratoren können auch Bedingungen festlegen, unter denen eine Frage beantwortet werden kann. Oder sie können Anweisungen hinzufügen, die das zugrunde liegende LLM veranlassen, entweder Informationen aus einem Unternehmens-IT-System abzurufen oder den Benutzer zu einer Klärung auffordern, anstatt einfach eine Antwort zu erfinden (ein Nachteil der generativen KI, die „Halluzinieren“ genannt wird). Zum Beispiel könnte ein Administrator Folgendes eingeben: Stelle sicher, dass du Informationen bezüglich der Anzahl der Angehörigen hast, indem du den Benutzer fragst oder das System abfragst. Wenn du von dort keine Antwort erhälst, erfinde keine Antwort.

Agenten können auch so konzipiert werden, dass sie die Funktionen zur Inhaltsmoderation von dem Cloud-Service erben, auf dem sie ausgeführt werden.

7. Testen, bereitstellen und überwachen. Administratoren können über einen Testbereich im Studio eine Beispielinteraktion ausführen, um zu prüfen, ob die Antworten des Agenten hilfreich und relevant sind, und zu überwachen, welche Quellen er dabei zitiert. Sie können dabei auch sehen, wie sich eine Benutzerinteraktion ändern würde, wenn das Unternehmen die Anweisungen an den Agenten oder das zugrunde liegende LLM ändern würde. Anschließend kann ein Administrator den Agenten direkt im Designstudio bereitstellen.

Die Agenten können ihre Performance im Laufe der Zeit verbessern, indem sie messen, welche Kombinationen von RAG-Daten und Benutzereingaben zu den nützlichsten Ergebnissen geführt haben. Geschäftsmanager können dann die Leistung der Agenten bewerten und das Feedback in zukünftige Benutzerinteraktionen integrieren.

Nutzen Sie Oracle AI Agent Studio for Fusion Applications, um Agenten in Oracle Appications anzupassen

Mit Oracle AI Agent Studio können IT-Administratoren KI-Agenten in Oracle Fusion Cloud Applications einrichten, die Benutzer bei einer Vielzahl von Aufgaben unterstützen können. Dazu gehören beispielsweise das Anzeigen ihrer Salden der bezahlten Abwesenheitszeit, das Abrufen der Kaufverläufe von Kunden, die Verarbeitung von Produktretouren oder das Analysieren von Fotos von Fertigungsanlagen, um die Reparaturkosten abzuschätzen.

Fusion-Administratoren können dabei mit vordefinierten Vorlagen beginnen, die als Kacheln in ihrem Workspace angezeigt werden und bereits den erforderlichen Code für den Einstieg enthalten. Die Agenten-Entwickler weisen dann den Agenten, den sie bereitstellen möchten, über den Umfang und die Grenzen seiner Funktionen an und legen fest, in welchen Dokumenten und anderen Datenquellen er nach Informationen suchen soll. Sie können auch Agenten von Grund auf neu erstellen. Die Agenten sind bereits ohne zusätzliche Kosten in den Fusion-Abonnements des Kunden enthalten.

Häufig gestellte Fragen zum Erstellen eines KI-Agenten

Was macht ein KI-Agent?

KI-Agenten sind virtuelle Assistenten, die innerhalb von Geschäftsanwendungen oder persönlicher Produktivitätssoftware bereitgestellt werden. Sie beantworten Fragen von Computernutzern oder helfen diesen bei der Ausführung von Aufgaben. Im Gegensatz zu früheren Softwareassistenten, die sich auf vorprogrammierte Regeln und Workflows stützten, sind KI-Agenten darauf ausgelegt, Eingabeaufforderungen und Kontexte in natürlicher Sprache zu verstehen und sich dabei gleichzeitig an neue Situationen anzupassen.

Sind KI-Agenten die Zukunft?

KI-Agenten könnten in Zukunft immer nützlicher werden, wenn sie über verschiedene Geschäftsanwendungen hinweg bereitgestellt werden, dabei zunehmend weniger menschliche Eingriffe erfordern und im Laufe der Zeit von ihren Interaktionen mit immer mehr Geschäftsbenutzern und Verbrauchern lernen.