Lizenz zum Automatisieren: KI-Agenten im Dienst von Unternehmen

Vom Kundensupport über Vertrieb bis hin zu Datenanalyse – KI-Agenten steigern die Effizienz, senken Kosten und bieten personalisierte Erlebnisse. Erfahren Sie, wie KI-Agenten funktionieren und welche Vorteile sie bieten. Die Zukunft der Automatisierung startet jetzt!

• KI-Agenten als Geheimwaffe
• Was sind KI-Agenten? Eine einfache Erklärung
• Agenten der Effizienz: So funktionieren KI-Agenten
• Agent oder Bot? Unterschied zu klassischen KI-Modellen
• Lizenz zum Geschäftserfolg: 7 Vorteile von KI-Agenten für Unternehmen
• Beispiel aus der Praxis: KI-Agenten als Vertriebs-Booster
• Geschüttelt oder gerührt? Verschieden Arten von KI-Agenten
• KI-Agent erstellen und implementieren: So geht’s
• Schnell und einfach – KI-Agent mit Agentforce erstellen
• Beispiel aus der Praxis: Ein KI-Agent namens Sophie
• Hürden beim Einsatz von KI-Agenten und praktische Lösungen
• Jetzt KI-Agent auf Mission schicken

Bevor wir auf unsere Mission aufbrechen, stellen Sie sich folgende Fragen:

• Leiden Sie unter ineffizienten Prozessen, die durch manuelle, sich wiederholende Aufgaben entstehen?
• Schaffen Sie es nicht immer, zeitnah und qualitativ auf Kundenanfragen zu reagieren?
• Generieren Sie eine riesige So Menge an Daten (Big Data), aber haben oft Schwierigkeiten, nützliche Erkenntnisse daraus zu gewinnen?

Wenn Ihnen diese Szenarien bekannt vorkommen, gibt es eine Lösung: den KI-Agenten. Denn ein Unternehmen ohne KI-Agent ist wie ein Handwerker ohne Werkzeugkasten. Es mag zwar in der Lage sein, die Arbeit zu erledigen. Es fehlt jedoch an Effizienz, Präzision und der Möglichkeit, schneller auf Veränderungen und Herausforderungen zu reagieren.

Wir öffnen den Werkzeugkasten und stellen Ihnen die Funktionen von KI-Agenten vor, mit Tipps zum Anlegen Ihrer individuellen Agenten.

KI-Agenten (auch Künstliche-Intelligenz-Agenten genannt) sind autonome Softwareprogramme. Basierend auf ihrer Programmierung und Interaktionen mit ihrer Umgebung sind sie in der Lage, selbständig Aufgaben auszuführen. Sie treffen Entscheidungen, führen Handlungen durch und passen sich an veränderte Umstände an, ohne dass sie ständig von Menschen überwacht oder gesteuert werden müssen.

KI-Agenten funktionieren durch eine Kombination von Algorithmen, Datenverarbeitung und Entscheidungsmodellen. Der Funktionsablauf lässt sich in mehrere Schritte unterteilen.

Ein KI-Agent beginnt damit, seine Umgebung wahrzunehmen. Das kann durch verschiedene Arten von Sensoren geschehen, wie Kameras, Mikrofone, oder durch die Verarbeitung von Datenquellen (z. B. Benutzereingaben, Webdaten, maschinelles Monitoring). Diese Informationen werden gesammelt und interpretiert, um ein Bild der aktuellen Situation zu erstellen.

Nachdem der KI-Agent Daten aufgenommen hat, analysiert er diese mithilfe von Algorithmen. Hierbei kommen Technologien wie maschinelles Lernen (ML) oder statistische Analyse zum Einsatz. Das Ziel ist, relevante Muster oder Zusammenhänge in den Daten zu identifizieren und diese für die Entscheidungsfindung zu nutzen. In komplexen KI-Agenten wird diese Analyse bei Bedarf durch neuronale Netze oder andere fortgeschrittene KI-Technologien unterstützt.

Sobald der Agent die Situation verstanden hat, trifft er Entscheidungen basierend auf vordefinierten Regeln, Zielen oder Algorithmen. Hierbei werden mögliche Handlungen bewertet und diejenigen ausgewählt, die am besten den Zielen des Agenten dienen. Diese Ziele sind entweder vordefiniert oder durch Lernprozesse im Agenten erworben.

Entscheidungsmodelle:

• Regelbasierte Systeme: Der Agent trifft Entscheidungen auf der Grundlage von vordefinierten Regeln ("Wenn-Dann"-Aussagen).
• Maschinelles Lernen: Der Agent lernt aus früheren Daten, um zukünftige Entscheidungen besser zu treffen.

Optimierungsalgorithmen: Der Agent wählt die bestmögliche Entscheidung aus mehreren Optionen, oft basierend auf Kosten-Nutzen-Analysen.

Nachdem der Agent eine Entscheidung getroffen hat, führt er eine Handlung aus. Das kann eine physische Handlung (z. B. Steuerung eines Roboters), eine digitale Aktion (z. B. Versenden einer E-Mail, Auslösen eines Alarms) oder auch eine Kommunikation mit anderen Systemen oder Menschen sein.

Moderne KI-Agenten sind oft darauf ausgelegt, aus ihren Erfahrungen zu lernen, insbesondere solche, die auf maschinellem Lernen basieren. Nach einer durchgeführten Handlung und den resultierenden Auswirkungen erhält der Agent Rückmeldungen aus der Umgebung. Diese Feedbackschleife ermöglicht es dem Agenten, seine zukünftigen Entscheidungen zu verbessern und sich an veränderte Bedingungen oder neue Daten anzupassen.

Arten von Lernen:

• Überwachtes Lernen: Der Agent lernt anhand von Beispieldaten, bei denen die richtigen Ergebnisse bereits bekannt sind.
• Unüberwachtes Lernen: Der Agent erkennt Muster oder Strukturen in Daten ohne vorgegebene Lösungen.
• Verstärkungslernen: Der Agent erhält Belohnungen oder Bestrafungen, basierend auf den Ergebnissen seiner Handlungen, und passt sein Verhalten entsprechend an.

Der Hauptunterschied zwischen KI-Agenten und klassischen KI-Modellen, wie einfache Conversational AI und Chatbots, liegt in ihrer Funktionalität und Autonomie:

KI-Modelle sind spezialisierte Algorithmen, die bestimmte Aufgaben wie Mustererkennung oder Vorhersagen auf Basis von Daten durchführen. Sie arbeiten oft in vordefinierten, engen Anwendungsbereichen und erfordern menschliche Steuerung.

KI-Agenten sind autonomer und vielseitiger. Sie interagieren mit ihrer Umgebung, treffen Entscheidungen basierend auf mehreren Datenquellen und passen sich dynamisch an neue Situationen an. Sie sind in der Lage, mehrere Aufgaben gleichzeitig zu erledigen und kontinuierlich zu lernen.

KI-Agenten bieten eine Reihe von Vorteilen für Unternehmen, indem sie Effizienz steigern, Kosten senken und Innovationen fördern. Wir stellen Ihnen die 10 wichtigsten Vorteile vor.

KI-Agenten automatisieren sich wiederholende und manuelle Aufgaben, wie z. B. Dateneingabe, Rechnungsverarbeitung oder das Beantworten von Kundenanfragen. Dies entlastet Mitarbeiter:innen und ermöglicht es ihnen, sich auf strategische und kreative Aufgaben zu konzentrieren.

KI-Agenten arbeiten kontinuierlich ohne Pausen. In Bereichen wie Kundenservice oder IT-Support sind KI-Agenten dafür ausgelegt, rund um die Uhr aktiv zu sein. Unternehmen reagieren dadurch schneller auf Anfragen oder Probleme und die Kundenzufriedenheit steigt.

Durch die Automatisierung von Aufgaben und Prozessen haben Unternehmen die Chance, ihre Effizienz zu steigern und die Betriebskosten zu senken. KI-Agenten treffen Entscheidungen in Echtzeit, ohne Verzögerungen durch menschliche Intervention.

KI-Agenten helfen dabei, das Kundenerlebnis zu personalisieren. Sie analysieren die Vorlieben und das Verhalten der Kunden und erstellen darauf basierend individuelle Empfehlungen oder maßgeschneiderte Angebote. Dies führt zu besseren Kundenbeziehungen.

KI-Agenten nutzen maschinelles Lernen und Künstliche Intelligenz, um aus vergangenen Daten zu lernen und bessere Entscheidungen zu treffen. Sie helfen Unternehmen, Risiken zu bewerten und strategische Entscheidungen schneller und präziser zu treffen.

KI-Agenten passen sich durch fortlaufende Datenanalyse schnell an Veränderungen in Markttrends, Kundenverhalten oder Betriebszuständen an. Unternehmen sind so in der Lage, agiler auf neue Herausforderungen zu reagieren und wettbewerbsfähig zu bleiben.

KI-Agenten helfen Unternehmen dabei, Ressourcen effizienter zu verwalten, sei es in der Logistik, im Personalmanagement oder in der Produktionsplanung. Sie optimieren den Einsatz von Arbeitskräften, Maschinen und Rohstoffen, um maximale Produktivität bei minimalem Aufwand zu erzielen.

Mithilfe von KI-Agenten die Effektivität der Vertriebsteams steigern, mehr Deals unterstützen und den Mitarbeiter:innen ermöglichen, sich auf komplexere Geschäfte zu konzentrieren. Zu diesem Zweck hat Salesforce zwei neue autonome KI-Vertriebsagenten entwickelt: den Einstein Sales Development Representative (SDR) Agent und den Einstein Sales Coach Agent. Diese auf der Einstein 1 Agentforce-Plattform basierenden Tools sollen Vertriebsteams dabei unterstützen, ihr Wachstum zu beschleunigen.

Das bietet der Einstein SDR Agent:

• Interagiert eigenständig mit eingehenden Interessent:innen, um den Vertrieb rund um die Uhr zu pflegen.
• Beantwortet Produktfragen, entkräftet Einwände und plant Meetings für menschliche Vertriebsmitarbeiter:innen.
• Nutzt Retrieval Augmented Generation (RAG), um genaue und personalisierte Antworten zu liefern, die auf CRM-Daten und externen Informationen basieren.
• Unterstützt mehrere Leads gleichzeitig über verschiedene Kanäle und in verschiedenen Sprachen.

Das bietet der Einstein Sales Coach Agent:

• Bietet Vertriebsmitarbeiter:innen individuelles Coaching durch autonome Rollenspiele, die auf spezifische Deals zugeschnitten sind.
• Simuliert mithilfe generativer KI Käufer:innen und verwendet RAG, um realistische Antworten zu generieren, die auf vorhandenen Daten basieren.
• Ermöglicht es Vertriebsmitarbeiter:innen, ihre Präsentationen oder Verhandlungen vor Kundengesprächen zu üben.

Zu den wichtigsten Arten von KI-Agenten zählen:

• Reaktive Agenten: Diese Agenten treffen Entscheidungen auf Grundlage der aktuellen Wahrnehmung ihrer Umgebung, ohne explizite Erinnerungen oder Zukunftsplanung. Sie sind gut für einfache Aufgaben geeignet, aber sie entwickeln keine langfristigen Strategien.
• Kognitive Agenten: Diese Agenten haben ein Gedächtnis und handeln auf Grundlage vergangener Erfahrungen. Sie lösen komplexe Aufgaben, indem sie zukünftige Konsequenzen ihrer Handlungen berücksichtigen.
• Multi-Agenten-Systeme: In solchen Systemen interagieren mehrere KI-Agenten miteinander, um gemeinsam eine Aufgabe zu lösen oder auf eine Umgebung zu reagieren. Dies ist zum Beispiel bei autonomen Fahrzeugen oder in kooperativen Robotersystemen nützlich.

Mit der folgenden Schritt-für-Schritt-Anleitung erstellen Sie einen KI-Agenten und implementieren ihn erfolgreich in Ihrem Unternehmen.

Der erste Schritt besteht darin, den genauen Anwendungsfall für den KI-Agenten festzulegen. Definieren Sie, welches Problem der KI-Agent lösen soll, welche Aufgaben automatisiert werden sollen und welche Ziele erreicht werden müssen.

Beispiel: Ein Unternehmen möchte einen KI-Agenten entwickeln, um den Kundenservice zu automatisieren. Häufig gestellte Fragen (FAQs) sollen durch einen Chatbot beantwortet werden.

Definieren Sie klare Ziele und Anforderungen, sobald der Anwendungsfall festgelegt ist. Sie sollten die erwartete Leistung, Funktionsfähigkeit, Schnittstellen und Integrationen umfassen.

Beispiel: Das Ziel kann sein, 80 Prozent der Kundenanfragen eigenständig durch den Chatbot zu beantworten und gleichzeitig die Antwortzeiten zu minimieren. Zu den Anforderungen gehört die Fähigkeit, natürliche Sprache zu verstehen und sich nahtlos in das bestehende CRM-System zu integrieren.

Ein KI-Agent benötigt Daten, um zu lernen und zu funktionieren. Unternehmen müssen Datenquellen identifizieren, die für den Anwendungsfall relevant sind, und diese Daten bereinigen und strukturieren. Dabei kann es sich um historische Daten, Echtzeit-Daten oder benutzergenerierte Daten handeln.

Beispiel: Für einen Chatbot-Agenten werden historische Chatlogs, Kunden-E-Mails und FAQs verwendet. Diese Daten liegen in einem strukturierten Format für das Training des KI-Modells vor.

Je nach Anwendungsfall müssen Sie die richtige Technologie und Plattform auswählen. Dies umfasst die Wahl eines geeigneten maschinellen Lernmodells, NLP (Natural Language Processing)-Technologien und geeigneter Hardware- oder Cloud-Infrastrukturen, wie die Salesforce Data Cloud.

Beispiel: Das Unternehmen wählt eine benutzerfreundliche Plattform für den Chatbot aus. Es bietet integrierte NLP-Tools, die auf gängige Kundenanfragen trainiert werden.

Das Kernstück eines KI-Agenten ist das maschinelle Lernen. Das Unternehmen entwickelt und trainiert das KI-Modell auf Basis der gesammelten Daten. In diesem Schritt werden verschiedene Modelle evaluiert, um das beste Ergebnis zu erzielen. Das Modell lernt, wie es die Aufgaben erfüllt, indem es auf die zugehörigen Daten trainiert wird.

Beispiel: Der Chatbot-Agent wird mit einer großen Menge von FAQ-Daten trainiert. Das sorgt dafür, dass er eine Vielzahl von Kundenanfragen versteht und adäquat beantwortet.

Nachdem der KI-Agent entwickelt wurde, muss er in die bestehende Unternehmensinfrastruktur integriert werden. Dies umfasst die Anbindung an CRM-Systeme, interne Datenbanken oder andere Anwendungen, mit denen der KI-Agent interagieren muss.

Beispiel: Der Chatbot wird mit der Unternehmenswebsite und dem CRM-System verbunden. Kundenanfragen werden so direkt beantwortet und relevante Kundeninformationen in Echtzeit zur Verfügung.

Bevor der KI-Agent live geht, muss er gründlich getestet werden. Testen Sie den Agenten unter verschiedenen Szenarien. Dies umfasst sowohl technische als auch funktionale Tests.

• Technische Tests: Überprüfen Sie, ob der Agent korrekt in das System integriert ist und keine technischen Fehler verursacht.
• Funktionale Tests: Prüfen Sie, ob der Agent die richtigen Antworten liefert und die gewünschten Aufgaben erfüllt.

Beispiel: Der Chatbot wird mit realen und simulierten Kundenanfragen getestet. Dabei wird sichergestellt, dass er die richtigen Antworten liefert, auch wenn die Formulierungen der Kund:innen variieren.

Nach der Implementierung sollte ein Feedbacksystem eingerichtet werden, um den Agenten kontinuierlich zu überwachen und zu verbessern. Feedback von Benutzer:innen und aus den gesammelten Daten wird verwendet, um den KI-Agenten weiter zu trainieren und anzupassen.

Beispiel: Der Chatbot wird durch Feedback von Kund:innen und durch die Analyse seiner Fehler regelmäßig verbessert. Neue Anfragen oder problematische Szenarien werden analysiert und in das Trainingsdatenset integriert.

Sobald der KI-Agent live ist, muss er kontinuierlich überwacht werden. Dabei sollten Leistungskennzahlen (KPIs) wie Antwortzeiten, Erfolgsrate oder Kundenzufriedenheit verfolgt werden.

Beispiel: Das Unternehmen überwacht die Leistung des Chatbots durch KPIs wie Antwortgenauigkeit und Kundenzufriedenheit und passt den Chatbot an, um die Leistung weiter zu optimieren.

Sobald der KI-Agent erfolgreich läuft, ist es möglich, ihn auf weitere Geschäftsbereiche oder Anwendungsfälle auszuweiten. Dazu zählen die Erweiterung der Funktionalitäten oder die Implementierung zusätzlicher Agenten in andere Prozesse.

Beispiel: Der Chatbot wird nach erfolgreicher Implementierung für den Kundendienst auch in den Bereichen IT-Support oder Produktberatung eingesetzt. Ebenso wird er in mobile Apps integriert.

"Unser Ziel ist ambitioniert: Bis Ende 2025 wollen wir eine Milliarde Agenten mit Agentforce aktivieren. Denn genau dafür ist KI gedacht.”

- Marc Benioff, Vorsitzender, CEO & Co-Founder, Salesforce

Warum schwierig, wenn es auch einfach geht? Mit Agentforce von Salesforce erstellen Sie maßgeschneiderte, autonome KI-Agenten, die rund um die Uhr Kunden- und Mitarbeiteranfragen bearbeiten. Die Agenten nutzen vertrauenswürdige Geschäftsdaten und integrieren sich nahtlos in bestehende Systeme wie CRM, mobile Apps und Messaging-Plattformen. Dank eines Low-Code-Ansatzes konfigurieren Sie die Agenten ganz einfach und passen sie an spezifische Geschäftsbedürfnisse an. Vorlagen für verschiedene Anwendungsfälle wie Kundendienst, Verkauf oder Marketing, ermöglichen eine schnelle Implementierung.

Den neuen Pullover in der falschen Größe bestellt? Kein Problem. Jedenfalls, wenn Sie Kund:in bei Saks Fifth Avenue sind. Statt sich mühsam durch den Kundenservice zu navigieren, reicht ein Anruf und sie werden von Sophie beraten, einem autonomen KI-Agenten von Salesforce.

Das Besondere an Sophie ist, dass sie nicht nur einem vordefinierten Skript folgt, sondern versteht, was die Kund:innen sagen, und flexibel darauf reagiert. Sophie bearbeitet eigenständig Kundenanfragen. Zum Beispiel schlägt sie anhand der Kaufhistorie die richtige Kleidergröße vor. Auch ruft sie Pflegeanweisungen für Kleidungsstücke ab und überprüft die Verfügbarkeit eines Artikels in nahegelegenen Filialen. Was Sophie von bisherigen Systemen wie einfachen Chatbots unterscheidet, ist ihre natürliche, menschenähnliche Konversationsfähigkeit. Sie geht über einfache Antworten hinaus und schließt sogar Transaktionen ohne menschliches Eingreifen ab.

Die Salesforce Data Cloud ermöglicht es Agenten wie Sophie umfassende Einblicke in Kundeninteraktionen zu erhalten und personalisierte, datenbasierte Entscheidungen zu treffen​.

Die Verwendung von KI-Agenten bietet viele Vorteile, ist jedoch mit Herausforderungen wie Datenqualität verbunden. Wir stellen Ihnen die wichtigsten Herausforderungen bei der Verwendung von KI-Agenten vor und unterbreiten Lösungsvorschläge.

Herausforderung: KI-Agenten benötigen große Mengen an sauberen, relevanten Daten. Unvollständige oder fehlerhafte Daten beinträchtigen die Leistung erheblich.

Lösung: Datenqualität und -verfügbarkeit verbessern

• Datenstrategie entwickeln: Stellen Sie eine klare Datenstrategie auf, um relevante Datenquellen zu identifizieren, Datenqualität zu sichern und Datensilos zu vermeiden.
• Datenbereinigung und -management automatisieren: Automatisierte Datenpipelines und Tools zur Datenbereinigung als Teil des Datenbankmanagements stellen sicher, dass die Daten konsistent, vollständig und aktuell sind.
• Echtzeitdaten nutzen: Verarbeiten Sie, wo möglich, Echtzeitdaten, um sicherzustellen, dass KI-Agenten auf den neuesten Informationen basieren.

Herausforderung: Der Wettbewerb um KI-Expert:innen wie Data Scientists und Entwickler:innen ist hoch. Die Umsetzung von KI-Projekten wird dadurch verlangsamt.

Lösung: Fachkräftemangel überwinden

• Mitarbeiterschulung und Weiterbildung: Investieren Sie in Schulungsprogramme für bestehende Mitarbeiter:innen, um intern Kompetenzen im Bereich KI und Datenanalyse aufzubauen.
• Partnerschaften mit externen Dienstleistern: Engagieren Sie für komplexe oder spezialisierte Aufgaben externe Beratungen oder Dienstleister mit Expertise in KI-Projekten.
• KI-Plattformen mit Low-Code/No-Code-Ansätzen: Tools wie Agentforce ermöglichen den Einsatz von KI mit wenig Programmieraufwand. Dies erleichtert es Nicht-Techniker:innen, eigene KI-Agenten zu entwickeln und zu nutzen.

Herausforderung: Der Umgang mit sensiblen Daten erfordert strikte Sicherheits- und Datenschutzmaßnahmen.

Lösung: Datenschutz und Sicherheit sicherstellen

• Starke Sicherheitsprotokolle und Verschlüsselung einführen: Daten, die von KI-Agenten verarbeitet werden, sollten durch End-to-End-Verschlüsselung geschützt werden. Implementieren Sie Zugriffskontrollen, um unbefugten Zugriff zu verhindern.
• Datenschutzrichtlinien umsetzen: Stellen Sie sicher, dass Sie Vorschriften wie die Datenschutzgrundverordnung (DSGVO) einhalten. Anonymisieren Sie beispielsweise personenbezogene Daten.
• Regelmäßige Sicherheits- und Datenschutz-Audits: Kontinuierliche Audits und Überprüfungen helfen Ihnen, Schwachstellen im Datenschutz und in der Datensicherheit frühzeitig zu erkennen und zu beheben.

KI-Agenten sind weit mehr als nur eine technologische Spielerei – sie sind der Schlüssel zur Effizienzsteigerung in Ihrem Unternehmen. Durch die Automatisierung sich wiederholender Aufgaben, die Verbesserung des Kundenservices und die Analyse großer Datenmengen in Echtzeit bieten sie immense Vorteile. Wichtig dabei: Lösen Sie Herausforderungen wie Datenqualität und Integration, um ihr volles Potenzial auszuschöpfen. Mit fortschreitender Entwicklung und steigender Anpassungsfähigkeit werden KI-Agenten zeitnah eine noch wichtigere Rolle spielen und die Arbeitswelt grundlegend verändern.