KI-Agenten entwickeln
KI-Agenten, die im Prozess echte Arbeit erledigen.
Der Einstieg ist der Geschäftsprozess: Festgelegt wird, welche Schritte ein Agent übernimmt, dann wird er für den Betrieb gebaut, in der eigenen Cloud oder auf eigenen Servern.
- Erst der Prozess, dann das Modell
- Eigene Cloud oder on premise
- Freigabe durch Menschen, wo es zählt
- Bestellung aus dem Postfach gelesen
- Daten erfasst und gegen Regeln geprüft
- Abgleich mit dem ERP
- Ausnahme zur Freigabe an eine Person
- Auftrag gebucht
Jeder Schritt protokolliert und nachvollziehbar
Vertrauen auf JadenX
Das Problem
Ein Chatbot ist noch kein Agent.
Antwortet, erledigt aber nichts
Ein Chatfenster auf einem Sprachmodell beantwortet Fragen. Eine Aufgabe schließt es nicht ab.
Beim Modell begonnen
Die meisten Agenten scheitern, weil das Projekt beim Modell beginnt statt beim Prozess. Mehr dazu: warum interne Firmen-Chatbots scheitern.
Ohne Grenzen, ohne Prüfung
Ohne Werkzeuge, Auftrag, Berechtigungen und eine prüfende Person vertraut niemand dem Ergebnis.
Wie Agenten entstehen und laufen
Gebaut, getestet und betrieben auf FlowHive.ai.
1Bauen
Jeder Agent mit klarem Auftrag und Grenzen.
Modell, Anweisungen, Werkzeuge und Wissen werden pro Agent festgelegt. Testläufe zeigen die Antwort, bevor etwas veröffentlicht wird.
- Werkzeuge, Wissen und Szenarien pro Agent
- Unter einer Schwelle sagt er es, statt zu raten
- Kostenobergrenze pro Lauf
2Betreiben
Viele Agenten, eine Übersicht.
Veröffentlichte, entworfene und fehlerhafte Agenten nebeneinander, jeweils mit Verantwortlichen, Modell und Nutzerkreis.
- Status aller Agenten auf einen Blick
- Versionen mit Rücksprung
- Zugriff pro Gruppe
3Prüfen
Menschen und Agenten auf einem Board.
Agenten übergeben Arbeit, die eine Entscheidung braucht. Menschen prüfen dort, wo das Risiko hoch ist, und sehen, was blockiert ist.
- Spalte für zu prüfende Ergebnisse
- Verantwortliche an jeder Aufgabe
- Begrenzung paralleler Arbeit
Anwendungsfälle
Wo Agenten Arbeit übernehmen.
Dokumentenverarbeitung
Bestellungen, Verträge oder Schadensmeldungen gelesen, erfasst und gegen Regeln geprüft. Ausnahmen gehen an eine Person.
Wissensagenten
Antworten aus eigenen Dokumenten und Systemen, mit Quellen und der Fachperson, die das Wissen geprüft hat.
Vertrieb und CRM
Agenten erkennen Kaufsignale, halten Datensätze aktuell und bereiten den nächsten Schritt vor, etwa in Sigma CRM.
Support-Triage
Eingehende Anfragen sortiert, eine Antwort entworfen und der Fall an das richtige Team geleitet.
Multi-Agent-Systeme
Mehrere Agenten mit engen Aufgaben an einem Prozess, gesteuert über eine Orchestrierung statt über einen großen Prompt.
Interne Werkzeuge
Agenten, die Berichte erstellen, Daten zwischen Systemen abgleichen oder Entscheidungen nach Zeitplan vorbereiten.
Warum es funktioniert
Agenten im Betrieb, nicht in der Demo.
- Erst der Prozess. Der Geschäftsprozess wird aufgenommen, bevor ein Modell oder Werkzeug gewählt wird.
- Enge Aufgaben. Ein in Schritte zerlegter Prozess lässt sich leichter testen und steuern als ein großer Agent.
- Gemessen. Die Qualität wird an Fällen geprüft, die Fachleute kontrolliert haben, vor und nach dem Start.
Den ersten Prozess für einen Agenten finden.
30-Minuten-Gespräch buchenBetrieb
Eigene Cloud oder eigene Server.
Agenten berühren oft sensible Daten. Deshalb laufen sie dort, wo die Daten ohnehin liegen, auf FlowHive.ai, unserer KI-Agenten-Plattform, die als eigene Instanz pro Unternehmen betrieben wird.
- Eigene Instanz im Cloud-Tenant oder on premise
- Anmeldung über den eigenen Identity Provider
- Berechtigungen pro Gruppe für Agenten, Werkzeuge und Wissen
- Jede Aktion eines Agenten protokolliert
Vorgehen
In vier Schritten vom Prozess in den Betrieb.
- 1
Prozess aufnehmen
Mit den Fachleuten werden Tätigkeiten, Entscheidungen und Ausnahmen aufgenommen und die Schritte für einen Agenten gewählt.
- 2
Ersten Agenten bauen
Ein Agent für einen Anwendungsfall, mit Werkzeugen, Anweisungen und Grenzen, getestet an echten Fällen.
- 3
Bewerten und härten
Qualität an geprüften Fällen messen, Schwachstellen beheben, menschliche Prüfung bei hohem Risiko.
- 4
Betreiben und erweitern
Der Agent geht in der eigenen Umgebung in Betrieb, danach folgen die nächsten Schritte.
Häufige Fragen
Was kostet die Entwicklung eines KI-Agenten?
Das hängt vom Prozess, den beteiligten Systemen und dem Betrieb ab. Nach einem ersten Gespräch folgt ein Vorschlag für einen klar umrissenen ersten Agenten zum Festpreis. Die Kosten stehen also vor dem Start fest.
Wie lange dauert die Entwicklung eines KI-Agenten?
Ein erster, fokussierter Agent für einen Anwendungsfall dauert in der Regel Wochen, nicht Monate. Den Zeitplan bestimmt vor allem die Prozessaufnahme zu Beginn.
Was ist ein Multi-Agent-System?
Ein Aufbau, in dem mehrere KI-Agenten mit engen Aufgaben gemeinsam an einem Prozess arbeiten, gesteuert über eine Orchestrierung. Er lässt sich leichter testen und kontrollieren als ein einzelner großer Agent.
Können die Agenten on premise laufen?
Ja. Die Agenten laufen im eigenen Cloud-Tenant oder auf eigenen Servern. Die Daten bleiben in der eigenen Umgebung.
Welche KI-Modelle kommen zum Einsatz?
Das Modell wird pro Anwendungsfall gemeinsam gewählt: ein Modell eines großen Anbieters, ein Modell mit Hosting in der Region oder ein offenes Modell auf eigener Hardware.
Braucht es eigene Data Scientists?
Nein. JadenX bringt die Technik mit, die Fachleute im Unternehmen das Prozesswissen. Mehr dazu: generative KI ohne Data Scientists.
Den ersten Prozess für einen Agenten finden.
30 Minuten zum Prozess und dazu, was ein Agent übernehmen könnte. Danach steht ein klarer erster Anwendungsfall.
Dr. Marcel Müller · Founder & COO, JadenX