Jenseits der Demo: Was Automatisierungs-CoEs wirklich von agentenbasierter KI erwarten

Sie haben inzwischen genug KI-Demos gesehen. Beeindruckende Funktionen? Ja. Kühne Behauptungen über autonome Entscheidungsfindung? Natürlich.

Was hält Sie also auf? Sie werden Ihre hart erarbeitete Rendite (Return on Investment = ROI) nicht für Unsicherheit aufs Spiel setzen. Bevor Sie sich für eine agentenbasierte Transformation entscheiden, benötigen Sie Antworten:

• Was passiert mit Ihren bisherigen Investitionen in Automatisierung?
• Wie gestaltet sich der Übergang zu einem agentenbasierten Center of Excellence (CoE)?
• Welche Plattformfähigkeiten bestimmen den Unternehmenserfolg (im Gegensatz zum Erfolg einer Demo)?
• Woran erkennen Sie, dass es funktioniert?

Die Antwort auf die erste Frage ist das Fundament: Ihre bisherigen Investitionen in Automatisierung werden WERTVOLLER, nicht obsolet. Und zwar aus diesen Gründen:

Wie agentenbasierte Automatisierung Ihre bisherigen Investitionen vervielfacht

Automatisierungen, die Ihr CoE erstellt hat, die jeweils einen bestimmten Anwendungsfall lösen – Rechnungsverarbeitung, Lieferantendatenverwaltung, Auftragserfassung, Berichtserstellung – erforderten Entwicklerzeit, Tests, Dokumentation und Genehmigung der Geschäftsleitung. Dies war die lineare Gleichung: Mehr Anwendungsfälle benötigten proportional mehr Entwicklungszeit.

Agentenbasierte Automatisierung hebt diese Einschränkung auf. Anstatt dass Entwickler jeden neuen Workflow programmieren, erstellen Agenten potenziell unbegrenzt viele Workflows, indem sie Automatisierungskomponenten orchestrieren und diese je nach Geschäftskontext neu kombinieren.

Ihre Automatisierungsbibliothek ist dementsprechend ein unersetzlicher zentraler Baustein der agentenbasierten Automatisierung. Unternehmen, die heute ihre Automatisierungsreise beginnen, können keine Schritte überspringen, da ihnen nicht genügend Komponenten zur Verfügung stehen, mit denen Agenten arbeiten können.

Automatisierung deckt mehr Bereiche ab und die Zeit bis zur Wertschöpfung verkürzt sich

In der Regel erzielen Automatisierungsprogramme in den ersten Jahren eine hohe Rendite (Return on Investment = ROI). Aber vielleicht ist Ihnen bereits aufgefallen, dass die einfachen Erfolge bereits hinter Ihnen liegen. Das verbleibende Automatisierungspotenzial ist in der Regel komplexer, variabler und lässt sich mit den herkömmlichen RPA-Wirtschaftlichkeitsmodellen schwerer rechtfertigen.

Agentenbasierte Automatisierung ermöglicht es Ihnen, den Automatisierungsgrad gezielt auf genau die Prozesse auszuweiten, die bisher als zu komplex galten. Sie eignet sich hervorragend für die Bearbeitung von Ausnahmen, Ermessensentscheidungen und unstrukturierten Daten. Frühe Anwender erzielen eine erhebliche Ausweitung der Automatisierungsabdeckung, ohne dass die Kosten im gleichen Maße steigen. Sie bewältigen dabei Sonderfälle und auf Urteilsvermögen basierende Aufgaben, die mit herkömmlicher RPA bislang nicht möglich waren.

Mit einer CoE-Grundlage sind KI-Agenten außerdem sofort einsatzbereit. Das eigentliche Risiko für die Rendite (Return on Investment = ROI) besteht darin, dass Ihre Automatisierungskapazitäten stagnieren, während andere Unternehmen weiter voran kommen.

Die Expertise Ihres Teams summiert sich und wird nicht zurückgesetzt

Die Teams, die Ihr RPA-Programm entwickelt haben, wissen genau, wie Unternehmensautomatisierung in der Praxis funktioniert. Sie wissen, welche Integrationen nicht funktionieren, welche Ausnahmen auftreten, was Governance tatsächlich erfordert und warum Prozesse, die in Demos einfach erscheinen, in Ihrer Umgebung scheitern.

Dieses Prozessverständnis, Integrationswissen und die Disziplin bei der Governance werden noch wertvoller, wenn Agenten Workflows erstellen. Die neuen Komponenten, wie das Design von Agentenanweisungen, Validierungsprotokolle und risikobasierte Überwachung, bauen auf der über Jahre entwickelten Expertise Ihres Teams auf.

Agentenbasierte Automatisierung verlagert diese Expertise vom Programmieren hin zur Gestaltung fortschrittlicher Orchestrierungsmuster und zur Validierung der von Agenten erzeugten Ergebnisse. Die Arbeit verlagert sich von „diese spezifische Automatisierung entwickeln“ hin zu „Frameworks festlegen, innerhalb derer Agenten agieren“.

Wie das für Ihr CoE aussieht

Anstatt begrenzte Entwicklerressourcen auf die ständig wachsende Liste potenzieller Automatisierungsmöglichkeiten zu verteilen, konzentriert sich Ihr CoE darauf, das Toolset zu verwalten, das von Agenten orchestriert wird, sowie die Kontrolle und Validierung sicherzustellen. Agenten erstellen neue Workflows aus Komponenten, die Sie bereits entwickelt und überprüft haben.

Bei Cargill hat das globale CoE für Intelligente Automatisierung in fünf Jahren 236 Automatisierungen implementiert und dadurch 19 Millionen US-Dollar eingespart. Jede Automatisierung löste spezifische Probleme: Deaktivierung von Anbietern, Auftragserfassung, Rechnungsverarbeitung. Die vom Unternehmen etablierte CoE-Governance und -Struktur ermöglicht, diesen Wert auf neue Anwendungsfälle auszuweiten, die es bisher nicht angehen konnte.

Für Sumitomo Rubber verarbeitet agentenbasierte Automatisierung Daten, optimiert die Containerbefüllung und wendet Regeln über sämtliche Aufträge hinweg an. Die manuelle Zuweisungszeit wurde um 98 % reduziert, von 20 Tagen auf einen halben Tag.

Diese Ergebnisse verdeutlichen den Wertzuwachs, der entsteht, wenn Agenten Ihre bestehende Automatisierungsbibliothek in Ihrer tatsächlichen Unternehmensumgebung nutzen können. Allerdings wird genau dieser letzte Aspekt – „Ihre tatsächliche Unternehmensumgebung“ – zum entscheidenden Prüfstein für agentenbasierte KI-Ansätze.

Trennung der magischen Wirkung von Demos und Unternehmensrealität

Betrachten wir ein Szenario zur Rechnungsverarbeitung. Ein KI-Agent muss Daten aus einer PDF-Datei extrahieren, den Lieferanten in Ihrem ERP-System validieren, die Bestellung in Ihrer Beschaffungsplattform prüfen, Freigaben über Ihr Workflow-System steuern und die Zahlung in Ihrer Finanzanwendung einleiten.

Das sind fünf verschiedene Systeme: ERP läuft aus Compliance-Gründen vor Ort. Ihre Beschaffungsplattform ist veraltet und hat eingeschränkten API-Zugriff. Ihr Workflow-Tool ist cloudbasierte SaaS. Ihre Finanzanwendung erfordert außerdem spezifische Sicherheitsprotokolle.

Einzelne Lösungen lassen sich gut demonstrieren, da sich alle Daten in einem System befinden, das sie selbst kontrollieren. Aber sie scheitern oft bei der Navigation durch hybride Infrastruktur, Altsysteme, Sicherheitsgrenzen rund um Finanzdaten und Compliance-Anforderungen, die vorschreiben, wo Daten bewegt werden dürfen.

Plattformen wie ServiceNow und Salesforce bieten unternehmensweite Governance und Sicherheit, doch ihre agentenbasierten Fähigkeiten sind auf die ausschließliche Nutzung innerhalb ihrer jeweiligen Ökosysteme ausgelegt. Das bedeutet, dass Agenten effektiv über ServiceNow-Module oder Salesforce-Clouds hinweg orchestrieren können. Befinden sich jedoch Rechnungsdaten in SAP, die Lieferantenstammdaten in Oracle und laufen Freigaben über eine individuelle Anwendung, können sie diese Lücken nicht schließen.

Ihr Wert ist zwar real, aber auf bestimmte Bereiche beschränkt, wodurch Investitionen in Automatisierung, die Sie außerhalb dieser Plattformen getätigt haben, nutzos werden.

Was Unternehmensorchestrierung tatsächlich erfordert

Wenn ein Agent einen Workflow orchestriert, steuert und verwaltet er die Ausführung über voneinander getrennte Systeme hinweg. Der Agent legt den Verarbeitungsweg fest und leitet jede Automatisierung nacheinander ein (bei einer Rechnung: OCR-Extraktion, Lieferantenvalidierung, PO-Abruf, Freigabe-Weiterleitung, Zahlungsabwicklung) und koordiniert die Abläufe über verschiedene Sicherheitsmodelle, Bereitstellungsumgebungen und Zugriffsmuster hinweg.

Ihre Entwickler haben diese einzelnen Automatisierungen erstellt. Sie benötigen Agenten, die sie über Systeme mit unterschiedlichen Architekturen und Anforderungen hinweg koordinieren können.

Um Unternehmenswert zu schaffen, müssen agentenbasierte Plattformen auf die Anforderungen der Unternehmensrealität vorbereitet sein:

• Agenten-Automatisierungsorchestrierung: Agenten müssen Ihre aktuelle Automatisierungsbibliothek als ausführbare Tools aufrufen und koordinieren, unabhängig davon, wo sie ausgeführt werden
• Unternehmenskonnektivität: Vorgefertigte Connectoren für zentrale Systeme sowie die Möglichkeit, auch Altsysteme ohne moderne APIs, einschließlich On-Premises-Systemen, nahtlos zu integrieren
• Governance der Produktion: Audit Trails für jede Aktion von Agenten über mehrere Systeme hinweg, mit Steuerungsmöglichkeiten für den Datenzugriff und die Nachverfolgung von Entscheidungen
• Flexibilität bei der Bereitstellung: Die Fähigkeit, dort zu agieren, wo sich Ihre Systeme tatsächlich befinden – in der Cloud, vor Ort (On-Premises) oder Hybrid – basierend auf Sicherheits- und Compliance-Anforderungen
• Sicherheitsarchitektur: Verwaltung von Anmeldeinformationen innerhalb von Systemen mit unterschiedlichen Sicherheitsanforderungen und Schutzmaßnahmen gegen unbefugten Zugriff

Die meisten Anbieter werden behaupten, dass sie diese Anforderungen erfüllen. Sie müssen allerdings verlangen, dass sie dies mit Ihren Systemen, Ihrem Sicherheitsmodell und Ihren Compliance-Anforderungen beweisen – nicht nur mit ihrer Demoumgebung.

Können Agenten Ihre bestehenden Automatisierungen über Ihr gesamtes Unternehmensumfeld hinweg orchestrieren? Verfolgt Ihre Governance die Handlungen von Agenten in allen Ihren Systemen? Können Sie dort bereitstellen, wo Sicherheitsanforderungen es erfordern?

Die von Ihrem CoE etablierte Evaluierungsdisziplin – die Frameworks, die Schattenautomatisierung verhindern und Produktionszuverlässigkeit gewährleisten – ermöglicht es Ihnen, echte agentenbasierte Fähigkeiten von bloßen KI-Versprechen zu unterscheiden und schützt Ihr Unternehmen davor, technischen Schulden unter dem Deckmantel von Innovation anzusammeln.

Wie sieht Ihre agentenbasierte CoE-Transformation aus?

Die Fähigkeiten, die Ihr CoE effektiv machen – Prozessdisziplin, Governance-Frameworks, Integrationsarchitektur und Stakeholder-Beziehungen – sind weiterhin Ihr Fundament. Was sich ändert, ist, wie Arbeit erledigt wird und womit Ihr Team Zeit verbringt.

Für Workflows, die bestehende Automatisierungskomponenten nutzen, wechselt Ihr Team von Programmierung zu Validierung. Sie werden allerdings trotzdem Automatisierungen erstellen, für die die Komponenten noch nicht existieren. Das bedeutet, dass zwischen Erstellen und Validieren gewechselt werden muss, was Anpassungen erfordert.

Die andere Veränderung betrifft das Prompt-Engineering, aber nicht die kreative Art davon. Agenten benötigen strukturierte Frameworks mit Anleitungen, die für ein einheitliches Verhalten sorgen. Entwickler verstehen Prozesslogik. Diese in Anleitungen zu übersetzen, die Agenten zuverlässig ausführen, ist jedoch eine andere Aufgabe.

Sich entwickelnde Rollen

Der Aufbau eines Teams erfahrener Spezialisten in agentenbasierter Automatisierung besteht im Wesentlichen darin, Ihr bestehendes Team weiterzuentwickeln.

Ihre führende Kraft für agentenbasierte Orchestrierung ist vermutlich Ihr erfahrenster Automationsarchitekt oder ein Entwickler mit umfassendem Verständnis für Geschäftsprozesse. Diese Person entwirft Frameworks mit Anleitungen, definiert Orchestrierungsmuster und behebt Probleme, wenn das Verhalten von Agenten nicht dem beabsichtigten Ziel entspricht. Die Kombination dieser Fähigkeiten ist selten: technisches Fachwissen, unternehmerische Expertise und Denken in Agentenanleitungen statt Verfahrenscodes.

KI-Workflow-Prüfer stammen aus Ihrem QA- oder Senior-Entwickler-Pool. Sie prüfen, ob von Agenten erstellte Workflows den Produktionsstandards entsprechen. Dies ist zum Teil eine technische Überprüfung und zum Teil eine Validierung der Geschäftslogik. Die entscheidende Veränderung besteht darin, Workflows, die sie nicht selbst erstellt haben, sowie von Agenten erzeugte Logik, zu bewerten, anstatt von Entwicklern geschriebenen Code.

Spezialisten für agentenbasierte Workflows sind RPA-Entwickler, die bereit sind, auf einer höheren Ebene zu agieren: Entwerfen von Orchestrierungsmustern, Validieren von Agentenergebnissen und Entwickeln zusätzlicher Komponenten bei Bedarf. Dies ist allerdings kein schlichtes Austauschen von Fähigkeiten. Anleiten und Validieren ist anders als Entwickeln.

Der Rest des Teams entwickelt sich ebenfalls weiter. Prozessanalysten, Governance-Teams und Support-Mitarbeiter passen sich an, bleiben aber bei ihren Kernaufgaben. Analysten identifizieren Chancen, arbeiten jedoch jetzt mit Orchestrierungsleitern an der Anleitungsgestaltung, anstatt technische Daten an Entwickler weiterzugeben. Governance prüft von Agenten erstellte Workflows und Entwickler-Code. Der Support entwickelt sich weiter, von Fragen wie „Warum ist dies fehlgeschlagen?“ hin zu „Warum hat der Agent diese Entscheidung getroffen?“

Neue Governance-Anforderungen

Entscheidungen von Agenten zu überprüfen ist schwieriger als herkömmliche Automatisierungen zu überprüfen. Wenn ein Agent eine Rechnung bearbeitet und sie zur manuellen Überprüfung markiert, muss Ihr Governance-Framework den Grund dafür dokumentieren. Schwellenwert überschritten? Abweichung bei Lieferantendaten? Niedriger Zuverlässigkeitswert? Etwas anderes?

Dies erfordert Instrumente, die Sie derzeit wahrscheinlich nicht haben. Ihre aktuelle RPA-Automatisierungsüberwachung erfasst Erfolge und Misserfolge, Laufzeiten und Fehlerprotokolle. Agentenüberwachung erfordert Transparenz auf Entscheidungsebene – welchen Weg hat der Agent gewählt, wie hoch war der Zuverlässigkeitswert, welche Daten lagen der Entscheidung zugrunde und an welcher Stelle der Orchestrierung wurde entschieden, dass eine menschliche Überprüfung notwendig ist?

Die Überwachungsinfrastruktur wird Teil Ihrer ausgewählten Plattform sein, aber was genau überwacht werden soll, ist eine Governance-Entscheidung. Ihr CoE muss entscheiden: Welche Entscheidungen des Agenten erfordern eine Protokollierung und Überprüfung? Welche Zuverlässigkeitsgrenzen lösen eine Eskalation aus? Wer hat Zugriff auf die Überprüfung der Argumentation der Agenten? Auch Validierungsprotokolle für von Agenten erstellte Workflows und Eskalations-Frameworks erfordern diese Governance-Entscheidungen.

Diese Fragen beantwortet Ihre Plattform nicht für Sie. Sie müssen basierend auf Ihrer Risikotoleranz, den Compliance-Anforderungen und der Unternehmenskultur entscheiden.

Beachten Sie, dass die Abstimmung mit den Stakeholdern in der Regel mehr Zeit in Anspruch nimmt als die technische Umsetzung. Daher ist es ratsam, diese Protokolle bereits in Pilotphasen zu etablieren, um eine solide Grundlage für die Skalierung zu schaffen.

So messen Sie agentenbasierten Einfluss

Faktoren wie Einsparung von Zeit und Kosten sind nach wie vor wichtig, aber sie zeigen nicht, ob die Transformation erfolgreich ist. Verfolgen Sie Kennzahlen, die aufzeigen, ob Agenten die Fähigkeiten Ihres CoE wirksam erweitern:

• Qualität von Workflows, die von Agenten erstellt wurden: Verfolgen Sie, wie viel Prozent der Workflows die Validierung bereits bei der ersten Überprüfung bestehen. Niedrige Erfolgsquoten deuten darauf hin, dass entweder das Anleitungsframework überarbeitet werden muss oder die Workflows, die von den Agenten bearbeitet werden, für ihre derzeitigen Fähigkeiten zu komplex sind.
• Zeit von Gelegenheit zu Produktion: Für Workflows, die bestehende Automatisierungskomponenten nutzen, sollte eine zeitliche Komprimierung angestrebt werden, beispielsweise von Wochen auf Tage. Wenn das nicht der Fall ist, haben entweder die Agenten Schwierigkeiten effektiv zu orchestrieren, stellt die Validierung einen Engpass dar oder Sie setzen die Agentenorchestrierung bei den falschen Anwendungsfällen ein.
• Orchestrierungskomplexität: Erweitern Sie Ihre Abdeckung auf komplexe, mehrstufige Workflows über mehrere Systeme hinweg oder optimieren Sie lediglich bestehende Automatisierungen geringfügig? Wenn Agenten nur 2-3-stufige Workflows erfolgreich orchestrieren, schöpfen Sie das Potenzial nicht aus.
• Zeitzuweisung für Entwickler: Dies hilft zu beurteilen, ob Ihr Team von Erstellen zu Validieren übergeht. Sie sollten beobachten, dass die Stunden für herkömmliches Entwickeln abnehmen, während die Stunden für Orchestrierungsdesign und -validierung zunehmen. Wenn alle drei hoch sind, kann das ein Zeichen dafür sein, dass die Transformation feststeckt und Sie lediglich Workloads hinzufügen.

Entscheidend ist, dass der Übergang zur agentenbasierten Automatisierung kein kompletter Neuanfang ist, allerdings auch kein trivialer Wandel. Die erfolgreichen CoEs mit agentenbasierter KI nutzen ihre bestehende Grundlage als Sprungbrett für umfassende Transformationen.

Ihre CoE-Transformation starten

Ihr Automatisierungs-CoE kann exponentiell an Wert gewinnen. Nun ist es eine Frage des Timings.

Ihre bestehenden Investitionen, die Expertise Ihres Teams und Ihre Erfolgsbilanz sind Nutzen, den Sie bereits geschaffen haben. Was Sie in den nächsten 90 Tagen tun, entscheidet darüber, ob Sie Ihren eigenen Transformationsweg wählen oder ob dieser unter Wettbewerbsdruck für Sie bestimmt wird.

Sprechen Sie mit uns über den Transformationsweg Ihres CoE oder sehen Sie sich die Plattform an, mit der Agenten Ihre bereits aufgebaute Automatisierungsbibliothek orchestrieren können.