Herzlich Willkommen zum Ancud Blog. Hier finden Sie eine Vielzahl von interessanten Artikeln zu verschiedenen Themen. Tauchen Sie ein in unsere Welt des Wissens!
Komponenten eines Agenten
Agentic AI ist gerade das Schlagwort der Stunde. Gleichzeitig ist vieles daran noch unscharf, übertrieben oder schlicht missverstanden. Dieses FAQ richtet sich an Geschäftsführung, Bereichsleitung und Verantwortliche in mittelständischen Unternehmen, die sich fragen:
Was steckt wirklich dahinter
Wo ist der konkrete Nutzen
Welche Risiken und Hausaufgaben gibt es
Wie könnte ein erster sinnvoller PoC aussehen
Ziel ist nicht, Ihnen das nächste Hype Thema zu verkaufen, sondern Klarheit zu schaffen, damit Sie informierte Entscheidungen treffen können.
Kurz gesagt: Agentic AI sind KI Systeme, die nicht nur antworten, sondern eigenständig Schritte planen und ausführen, um ein Ziel zu erreichen.
Ein Agent
bekommt ein Ziel oder Auftrag
plant selbst, welche Schritte nötig sind
nutzt Werkzeuge und Systeme, auf die er Zugriff hat
bewertet Zwischenergebnisse und passt seinen Plan an
protokolliert, was er getan hat
Ein einfaches Bild: Statt einem „schlauen Taschenrechner“ haben Sie einen digitalen Kollegen, der Anweisungen versteht, Tools bedienen kann und Ergebnisse zurückspielt. Die Verantwortung bleibt trotzdem bei den Menschen.
Ein klassischer Chatbot
beantwortet Fragen
bleibt im Dialog
tut außerhalb des Chats nichts
kann selbst Tätigkeiten ausführen, zum Beispiel
Daten in einem System nachschlagen
Dokumente zusammenstellen
Workflows anstoßen
E Mails oder Tickets vorbereiten
arbeitet Aufgabenlisten Schritt für Schritt ab
kann andere Agenten einbinden
Chatbot gleich Gespräch. Agent gleich Gespräch plus Handlung im System.
Einige realistische Beispiele, die wir in Projekten sehen:
Ancud IT Shopfloor Assisstent
Der Ancud IT Shopfloor Assistent unterstützt Mitarbeitende direkt an der Linie, indem er Fragen zu aktuellen Störungen beantwortet und konkrete Lösungsschritte vorschlägt. So finden Teams schneller die Ursache, können Ausfälle gezielt beheben und machen ihr Erfahrungswissen für alle zugänglich.
Sales und Angebotserstellung Der Agent sammelt Informationen aus CRM, alten Angeboten und Produktkatalogen und erstellt einen Angebotsentwurf inklusive Textbausteinen und Kalkulationsvorschlag.
Service und Support Der Agent liest Tickets, Handbücher und Wissensdatenbanken, schlägt Lösungen vor, erstellt Antwortentwürfe und verlinkt relevante Dokumente.
Beschaffung und Lieferantenkommunikation Der Agent vergleicht Angebote, prüft Rahmenbedingungen, fasst die Unterschiede zusammen und bereitet Rückfragen an Lieferanten vor.
Qualität und Produktion Der Agent analysiert Qualitätsmeldungen, Schichtberichte und Messwerte, markiert Auffälligkeiten und erstellt Kurzberichte für Meister oder Produktionsleitung.
Dokumentation und Compliance Der Agent hilft, Richtlinien zu pflegen, generiert erste Entwürfe für Verfahrensanweisungen und prüft Dokumente auf formale Vorgaben.
Wichtig: In einem ersten PoC geht es fast immer darum, Mitarbeitende zu entlasten, nicht darum, sie zu ersetzen.
Praxisnaher Einstieg:
Einen konkreten Arbeitsalltag anschauen Wo verbringen qualifizierte Mitarbeitende viel Zeit mit Suchen, Nachschlagen, Übertragen, Dokumentieren.
Einen klaren Use Case beschreiben Beispiel: „Angebotsentwürfe für Standardprodukte deutlich schneller erstellen, ohne Qualitätseinbußen.“
Rahmen definieren Welche Systeme darf der Agent nutzen, welche nicht. Welche Daten sind tabu. Wer prüft die Ergebnisse.
Kleinen PoC mit klaren Erfolgskriterien planen Keine Monsterinitiative, sondern ein begrenztes Experiment mit Lernfokus.
Technisch und organisatorisch braucht es vor allem:
Zugriff auf die relevanten Datenquellen, zumindest lesend zum Beispiel DMS, CRM, ERP, Service Tools, File Server
halbwegs strukturierte Prozesse der Agent kann Chaos nicht magisch in Ordnung verwandeln
jemanden, der fachlich Verantwortung übernimmt fachliche Owner, die sagen, was „gut genug“ ist
IT, die Schnittstellen und Sicherheitsfragen mitträgt Identity Management, Zugriffsrechte, Logging, Netzwerk
Perfekt aufgeräumte Daten sind keine Pflicht, aber massive Silos und unklare Berechtigungen bremsen jeden PoC aus.
Für einen ersten PoC lautet die Antwort fast immer: unterstützend, nicht voll autonom.
Typische Stufen
Agent macht Vorschläge, Mensch entscheidet und löst aus
Agent füllt Entwürfe vor, Mensch prüft und korrigiert
Agent führt ungefährliche Schritte selbst aus, kritische Schritte nur nach Freigabe
Erst in fortgeschrittenen Szenarien: Agent darf komplette Workflows eigenständig fahren
Für den Mittelstand ist es sinnvoll, mit Stufe eins bis drei zu starten. So bleibt die Kontrolle bei den Mitarbeitenden, die Akzeptanz steigt, und das Risiko bleibt begrenzt.
Agentic AI kann
Routineaufgaben deutlich beschleunigen
Wissen aus vielen Quellen zusammenführen
Komplexe Texte vereinfachen und strukturieren
Mitarbeitenden Denk und Tipparbeit abnehmen
Agentic AI kann nicht
Verantwortung übernehmen
garantiert fehlerfrei entscheiden
fehlende Daten herbeizaubern
schlechte Prozesse kompensieren
In der Praxis sehen wir: Wenn Use Case, Datenbasis und Rahmen stimmen, können Zeitersparnisse von zwanzig bis vierzig Prozent in bestimmten Tätigkeiten durchaus realistisch sein. Aber das entsteht nicht automatisch, sondern durch saubere Gestaltung und Iteration.
Einige Risiken, die man ernst nehmen sollte:
Falsche oder ungenaue Ergebnisse Halluzinationen, Missverständnisse, veraltete Daten.
Datenschutz und Vertraulichkeit Sensible Daten dürfen nicht in falsche Systeme wandern.
Schatten IT Fachbereiche basteln sich eigenständig Agenten ohne Governance.
Überautomatisierung Schritte werden automatisiert, die eigentlich überdacht oder vereinfacht werden sollten.
Akzeptanzprobleme Mitarbeitende fühlen sich übergangen oder bedroht.
Diese Punkte lassen sich adressieren, aber nur, wenn sie von Anfang an offen auf den Tisch kommen.
Ein praktikables Prinzip ist: Der Agent arbeitet zu, der Mensch entscheidet
Der Agent
sammelt, sortiert, fasst zusammen
schlägt Optionen vor
dokumentiert, was er getan hat
Der Mensch
setzt Ziele und Rahmen
trifft Entscheidungen
verantwortet Ergebnisse
Gerade im Mittelstand ist die implizite Erfahrung der Mitarbeitenden enorm wertvoll. Agenten sollten diese Erfahrung stützen, nicht ersetzen.
Typische Veränderungen:
Weniger Zeit für Copy Paste und Dokumentation
Mehr Zeit für Klärung, Abstimmung, Kundendialog
Neue Rollen, zum Beispiel „Agent Supervisor“ oder „Use Case Owner“
Bedarf an Schulungen, wie man sinnvoll mit Agenten zusammenarbeitet
Wichtig ist, Mitarbeitende möglichst früh einzubeziehen, nicht erst zur Rolloutphase. Die besten PoCs entstehen dort, wo die betroffenen Teams die Use Cases selbst mit definieren.
Für einen ersten PoC reicht oft eine schlanke Architektur:
ein Agentic AI Layer der mit einem oder mehreren Modellen sprechen kann
Anbindung an einige Kernsysteme zum Beispiel per API oder Konnektoren
Zugriff auf interne Dokumente über RAG oder ähnliche Mechanismen zur Wissenssuche
Logging und Monitoring damit man nachvollziehen kann, was passiert ist
Später kann daraus eine robustere Plattform werden. Für den Anfang ist wichtiger, schnell eine Ende zu Ende Erfahrung zu schaffen, statt eine perfekte Architektur im stillen Kämmerchen zu entwerfen.
Zentrale Punkte:
Klar definieren, welche Daten der Agent sehen darf und welche nicht
technische Trennung von sensiblen Bereichen
Nutzung von Modellen und Infrastruktur, die GDPR konform betrieben werden
Protokollierung von Zugriffen und Aktivitäten
Einbindung von Datenschutzbeauftragten und Betriebsrat von Anfang an
Ein PoC ist auch hier ein gutes Instrument, um gemeinsam mit Datenschutz und IT Security einen gangbaren Weg zu finden, statt abstrakt über Risiken zu diskutieren.
Die ehrliche Antwort: Es hängt von Use Case, Systemlandschaft und Umfang ab.
Typisch für einen fokussierten PoC
Laufzeit: vier bis sechzehn Wochen, inklusive Konzeption, Umsetzung und Auswertung
Aufwand: überschaubares Budget im Rahmen anderer Digitalprojekte, oft vergleichbar mit einem kleineren Prozessautomatisierungs oder BI Projekt
Wichtiger als die exakte Zahl ist: Der PoC muss so gestaltet sein, dass er eine klare Lernkurve erzeugt und belastbare Entscheidungen vorbereitet.
Ein PoC sollte immer klare, messbare Ziele haben, zum Beispiel
Zeitersparnis bei einem konkreten Prozessschritt
Reduktion von Nacharbeiten oder Rückfragen
bessere Erreichbarkeit von Wissen für bestimmte Rollen
Zufriedenheit der Mitarbeitenden im betroffenen Team
Zusätzlich sind qualitative Ergebnisse wichtig
Was hat gut funktioniert
Wo hakt es noch
Welche technischen und organisatorischen Hürden sind sichtbar geworden
Ein PoC ohne klare Metriken ist eher ein Experiment als eine Entscheidungsgrundlage.
Das ist kein Scheitern, sondern ein wertvolles Ergebnis, wenn man es sauber dokumentiert.
Wichtige Fragen
Lag es am Use Case selbst oder an Daten, Schnittstellen, Prozessen
Gab es zu hohe Erwartungen an Autonomie oder Qualität
Welche Bausteine lassen sich trotzdem weiterverwenden
Ein ehrlicher PoC liefert die Basis, um drei Dinge zu tun
Use Case anpassen
auf einen besseren Use Case wechseln
oder bewusst zu sagen: „Für diesen Bereich ist Agentic AI derzeit nicht sinnvoll“
Es gibt es grob drei Wege
Standardtools mit begrenzter Anpassung Schnell verfügbar, aber oft wenig tief in Ihre Prozesse integriert.
Plattform Ansatz Eine Agentenplattform, die sich in Ihre Systemlandschaft integriert und sukzessive um Use Cases erweitert wird.
Einzellösungen für kritische Prozesse Spezifische Agenten, zum Beispiel nur für Angebotskalkulation oder Service, dafür tief verzahnt.
Ein PoC kann helfen zu entscheiden, ob eher ein Plattform oder Einzellösungsansatz zu Ihrer Organisation passt.
Ein paar Prinzipien helfen
Architektur so planen, dass die Anbindung verschiedener Modelle möglich bleibt
offene Schnittstellen und Standards nutzen
wo sinnvoll, auch Open Source Modelle evaluieren
Trennung von „Fachlogik“ und „Modellzugriff“ damit nicht alles an einem einzigen Anbieter hängt
Gerade für mittelständische Unternehmen ist digitale Souveränität ein wichtiger Punkt, der bei Agentic AI von Anfang an mitgedacht werden sollte.
Ein einzelner Agent übernimmt eine Aufgabe Ende zu Ende oder unterstützt bei einem klar abgegrenzten Ausschnitt.
Ein Multi Agenten System besteht aus mehreren spezialisierten Agenten, die zusammenarbeiten, zum Beispiel
ein Recherche Agent
ein Analyse Agent
ein Dokumentations Agent
ein Qualitätssicherungs Agent
Für den Einstieg genügt oft ein gut gestalteter Agent. Multi Agenten Systeme lohnen sich, wenn die Prozesse komplexer werden oder verschiedene Fachperspektiven abbilden sollen.
Agentic AI ersetzt diese Initiativen nicht, sondern ergänzt sie
Lean bleibt Grundlage, um Verschwendung zu identifizieren. Agenten können Daten schneller nutzbar machen und Standardarbeit unterstützen.
Industrie 4.0 liefert Sensorik, Vernetzung und Datenquelle, auf denen Agenten aufbauen können.
RPA automatisiert starre Klick Abläufe. Agenten können RPA Bots ansteuern, Entscheidungen vorbereiten oder flexible Schritte übernehmen, die RPA alleine nicht kann.
Die Kunst liegt darin, Agentic AI nicht als separate Insel aufzubauen, sondern bewusst in bestehende Transformationsprogramme einzubetten.
Ein möglicher Ablauf, bewusst schlank gehalten
Use Case und Rahmen schärfen Gemeinsamer Workshop mit Fachbereich, IT und, wenn nötig, Datenschutz und Betriebsrat. Ziel: Einen konkreten Use Case mit klaren Zielen und Grenzen definieren.
Architektur und Datenzugriffe klären Welche Systeme werden angebunden, wie laufen Berechtigungen, welche technischen Bausteine werden genutzt.
PoC Umsetzung mit enger Schleife zum Fachteam Kurze Umsetzungs Sprints mit regelmäßigem Feedback der Anwenderinnen und Anwender. Lieber früher zeigen, was schon geht, als monatelang im Hintergrund entwickeln.
Auswertung, Entscheidung, Roadmap Messung der definierten Ziele, ehrliche Bewertung, Dokumentation der Learnings und Entscheidung, ob und wie der Use Case in Richtung Pilot oder Rollout weiterentwickelt wird.
Wichtig dabei: Offene Kommunikation, realistische Erwartungen, klare Verantwortlichkeiten. Dann wird aus einem PoC nicht nur ein Techniktest, sondern ein echter Lernbaustein für die Organisation.
Wenn Sie das Thema ernsthaft prüfen wollen, helfen drei einfache Schritte
Zwei bis drei konkrete Tätigkeiten identifizieren, bei denen Ihre Teams heute sichtbar Zeit verlieren
Diese Tätigkeiten grob in „Informationsarbeit“ und „Entscheidung“ aufteilen
Prüfen, wo ein Agent heute schon vorbereitende Arbeit übernehmen könnte, ohne dass die Verantwortung abgegeben wird
Agentic AI ist kein Zaubertrick, aber ein mächtiges Werkzeug, wenn es in reale Abläufe, echte Verantwortung und eine saubere Architektur eingebettet ist.
Wie helfen Ihnen gern bei der Konzeption und Umsetzung.
