Schnell entsteht der Eindruck, dass Ihr Unternehmen bei der Einführung agentenbasierter KI ins Hintertreffen gerät. Der Hype ist ebenso unaufhörlich wie überzeugend, doch es besteht kein Grund zur Eile, solange die Anforderungen von Unternehmen an eine bestimmte Technologie noch nicht ausgereift sind. Unsere jüngsten Untersuchungen im Rahmen des Berichts zum Stand der KI-Anwendungsstrategie 2025 zeigen, dass 37 % der Unternehmen keinen formellen Ansatz für agentenbasierte KI verfolgen und nur 5 % deren Einführung mit Nachdruck vorantreiben.
Ein umsichtiges Vorgehen besteht darin, den Hype kritisch zu hinterfragen und Investitionen während der Lern- und Experimentierphase mit Bedacht zu tätigen. Derzeit kommen beim Einsatz agentenbasierter KI überwiegend statische, KI-gestützte Chatbots zum Einsatz, die vordefinierte Aufgaben erledigen, und weniger dynamische, komplexe und autonome Gruppen von Agenten, die zusammenarbeiten, um Ziele zu erreichen und sich im Laufe der Zeit zu verbessern.
Hier sind fünf Gründe, warum Unternehmen erste Schritte mit agentenbasierter KI wagen sollten, anstatt dem Hype hinterherzulaufen.
1. Der Technologie-Stack ist noch nicht ausgereift
Die Technologie für agentenbasierte KI entwickelt sich nach wie vor schneller weiter, als entsprechende Lösungen entwickelt werden können. Regelmäßig kommen neue Funktionen, neue Tools und neue Codebibliotheken hinzu. Dies ist die Zeit für Prototypen, die mit dem Innovationstempo Schritt halten können. Für unternehmensweite Lösungen muss sich der Technologie-Stack jedoch langsamer verändern. Einige konkrete Beispiele:
- Agenten benötigen ein ausgeprägtes logisches Denkvermögen, um die komplexeren Probleme zu bewältigen, die zielorientiertes autonomes Verhalten ausmachen. Hierfür werden Modelle eingesetzt, deren Fähigkeiten zum logischen Denken jedoch noch nicht ausreichen, um Menschen zu ersetzen.
- Agenten benötigen ein besseres Gedächtnis, um komplexe Probleme zu bewältigen. Als Reaktion darauf sind neue Gedächtnissysteme entstanden, die jeweils einen eigenen Schwerpunkt haben, darunter das semantische, episodische und prozedurale Gedächtnis. Es gibt sogar Beispiele dafür, dass sich Gedächtnisfähigkeiten innerhalb von Modellen herausbilden.
- Die APIs, die Entwickler zum Erstellen von Anwendungen nutzen, werden um erhebliche Funktionssprünge erweitert. Auf der Clientseite werden Browser erweitert, um die Nutzung von KI zu erleichtern. Auf der Serverseite hat OpenAI kürzlich mehrere Aktualisierungen seiner Responses API angekündigt. Dazu gehören die Unterstützung des Model Context Protocol (MCP) sowie zusätzliche Funktionen für die Suche über mehrere Vektorspeicher hinweg.
2. Fehlende ausgereifte Standards
Während Vordenker und Entwickler sich mit den Interoperabilitätsanforderungen des Marktes auseinandersetzen, entstehen fortlaufend neue Standards. Beispiele hierfür sind das von Anthropic vorgeschlagene MCP und das von Google vorgeschlagene Agent2Agent-Protokoll (A2A). Ersteres befasst sich mit der Kommunikation zwischen Modellen und Ressourcen, Letzteres mit der Kommunikation zwischen Agenten. Keiner der beiden Standards deckt sämtliche Interoperabilitätsanforderungen für agentenbasierte KI ab. Um diese bestehenden Lücken zu schließen, ist davon auszugehen, dass in den kommenden Monaten weitere Standards vorgeschlagen werden. Und obwohl MCP und A2A bei Anbietern und Kunden zunehmend Unterstützung finden, sollten die vorgeschlagenen Standards stärker formalisiert werden, bevor sich ein Unternehmen auf sie festlegt.
3. Die Gesamtbetriebskosten (TCO) sind unbekannt
KI-Agenten werden entwickelt und eingesetzt. Erste Kennzahlen deuten auf Erfolge hin, messen den geschäftlichen Nutzen jedoch anhand von Umsatzsteigerungen (die nichts über die Kosten aussagen) oder anhand des Anteils aller Anfragen, die von Bots statt von Menschen beantwortet werden (was zeigt, dass Agenten bestimmte Aufgaben ausführen können, aber keinen vollständigen Kostenvergleich ermöglicht). Für die Ermittlung der Gesamtbetriebskosten (TCO) agentischer KI sind folgende Aspekte erforderlich:
- Eine vollständige Aufstellung aller erforderlichen Ressourcen, einschließlich Technologie, Prozessaktualisierung und -einführung sowie Anforderungen an das Personal, etwa neue Kompetenzen in bestehenden Funktionen oder neue Funktionen.
- Architekturrichtlinien und Diagramme der Komponentenarchitektur einschließlich Topologie und Interoperabilität mit der bestehenden Infrastruktur und vorhandenen Diensten.
- Erfolgskriterien, die wichtige Kennzahlen auf Grundlage der Auswirkungen auf die Infrastruktur benennen, beispielsweise die Leistung und Kapazität von Rechen-, Netzwerk- und Speicherressourcen.
4. Datenqualität und -sicherheit sind die Voraussetzung für eine erfolgreiche Einführung von KI
Damit KI-gestützte Anwendungen effektiv funktionieren können, benötigen sie hochwertige und sichere Daten. Unternehmen, denen ein erfolgreicher Ansatz für den Umgang mit Datensilos, Datenformaten und der Datennormalisierung fehlt, werden Schwierigkeiten haben, eine agentenbasierte KI-Lösung erfolgreich einzusetzen, da agentenbasierte KI die Schwächen eines Unternehmens in den Bereichen Daten und Sicherheit verstärkt. Es geht um mehr als nur darum, zahlreiche Agenten in einem Netzwerk mit Maschinengeschwindigkeit arbeiten zu lassen. Derzeit werden auf Agenten dieselben Sicherheitskonzepte angewendet wie auf Personen oder Geräte. Daher autorisieren menschliche Benutzer Agenten, ohne vollständig zu verstehen, in welchem Umfang diese ihre Daten nutzen, verändern oder löschen werden.
5. Full-Stack-Observability ist die Grundlage
KI-gestützte Anwendungen erfordern Full-Stack-Observability. Wenn ein Unternehmen noch keine erfolgreiche Full-Stack-Observability-Praxis etabliert hat, ist es nicht für eine agentenbasierte KI-Lösung gerüstet, da diese für Transparenz, Betrieb, Fehlerbehebung und Governance zwingend darauf angewiesen ist.
Berücksichtigen Sie diese fünf Gründe und setzen Sie auf Besonnenheit, statt dem Hype um agentenbasierte KI hinterherzulaufen. Wenn mehr als zwei davon konkrete Herausforderungen für Ihren Einführungsplan darstellen, ist es möglicherweise ratsam, sich mehr Zeit zu nehmen. In einem Markt, dessen Technologie-Stack und Standards sich noch in der Entwicklung befinden, dessen Kosten noch nicht beziffert sind und dessen Voraussetzungen anspruchsvolle Funktionen auf Enterprise-Niveau wie ein umfassendes Datenmanagement und integrierte Observability umfassen, ist es völlig in Ordnung, bei agentenbasierter KI langsam vorzugehen. Die erstmalige Bereitstellung einer agentenbasierten KI-Lösung belegt ohnehin nicht den geschäftlichen Nutzen von Agenten. Sie zeigt lediglich, dass die Infrastruktur bereit ist. Eine schrittweise Einführung gibt Unternehmen Zeit, Schwachstellen zu erkennen und zu beheben, bevor sie sich zu weit darauf einlassen.
Wenn Sie tiefer in das Thema Bereitschaft für agentenbasierte KI einsteigen möchten, lesen Sie unsere neuesten Erkenntnisse in „Richtlinien in der Nutzlast: Vorbereitung auf KI-Agentenarchitekturen“.
Über den Autor
Ähnliche Blogbeiträge
Ein umfassender Leitfaden zur Bereitstellung und Sicherheit von KI-Anwendungen
Entdecken Sie optimale Strategien für die Absicherung und Bereitstellung von KI-Anwendungen.
KI zulassen und einführen? Lehren aus der Public Cloud
Die Einführung von KI steht unmittelbar bevor und könnte entscheidend sein, um wettbewerbsfähig zu bleiben. Daher muss die IT-Sicherheit proaktiv handeln und der KI-Einführung schon jetzt einen Schritt voraus sein, um sie auf einen risikogerechten Weg zu lenken.
Stand der Anwendungsstrategie 2022: Zeit für die Modernisierung des Betriebs
Es ist deutlich geworden, dass Unternehmen ihren Fokus erneut auf die Geschäftsfunktionen richten müssen, um die Dynamik ihrer digitalen Transformation aufrechtzuerhalten. Kundenerlebnisse haben zwar weiterhin Priorität, doch auch Geschäftsfunktionen wie Recht, Personalwesen und Finanzen müssen digitalisiert werden. Das bedeutet, dass CIOs das Steuer übernehmen, während sich die digitale Transformation von der Modernisierung von Anwendungen hin zur Modernisierung von Betriebsabläufen verlagert.
F5s Weg zu einer vielseitigen Plattform für Anwendungsanalysen
F5 bietet heute die umfassendsten Anwendungsdienste entlang des gesamten Weges vom Code bis zum Kunden. Künftig werden wir verstärkt auf Anwendungstelemetrie und -analysen setzen, damit unsere Kunden wertvolle Erkenntnisse über ihre Anwendungen, Geschäftsabläufe und Benutzererlebnisse gewinnen können. Beim Ausbau unserer Cloud-Analysefunktionen werden wir ML und KI noch stärker nutzen, um unsere Kunden bei der Verbesserung ihrer Geschäftsdienste zu unterstützen.
Telemetrie: Eine andere Art von Daten
Verwenden wir den Begriff „Telemetrie“ nur, weil er attraktiver klingt als „Daten“? Letztlich sind sowohl Daten als auch Telemetrie strukturierte Informationseinheiten. Es ist kein Verbrechen, die Begriffe synonym zu verwenden. Doch wenn man es genau nimmt, gibt es einen Unterschied. Und dieser Unterschied wird immer wichtiger werden, je weiter Unternehmen in die Datenökonomie vordringen.
MTTR bedeutet nicht „Mean Time to Reboot“
„Schnell scheitern“ lautet heute das Mantra für mehr Geschwindigkeit. Ob in DevOps oder im Geschäftsleben: Wer in einer digitalen Wirtschaft agiert, muss eine möglichst perfekte Verfügbarkeit gewährleisten.