"KI-Agenten beherrschen nun natürliche, menschliche Sprache"

KI-Agenten steuern Fahrzeuge, analysieren Verkehrsbedingungen oder helfen bei der Navigation. Wie sie die Effizienz und Wettbewerbsfähigkeit steigern können, erläutert Dr. Felix Böhmer von Iteratec im Interview. 

Künstliche Intelligenz (KI) transformiert die Automobilindustrie, insbesondere durch das Aufkommen von KI-Agenten. Was genau sind KI-Agenten? 

Bei KI-Agenten sprechen wir von Systemen, die sich durch drei zentrale Konzepte auszeichnen: Eine klare Rollenbeschreibung, Arbeitsteilung und Autonomie. Im Grunde sind solche Lösungen nicht neu: AlphaGo kann man bereits vor ca. 10 Jahren als berühmten Vertreter solcher Systeme zählen. Es war in der Lage autonom, also ohne manuelle Eingriffe, eine bis dato komplett dem Menschen vorbehaltene, dynamische Aufgabe zu erledigen, und zwar auf übermenschlichem Niveau. Leistungen wie diese waren zwar zu dieser Zeit akademisch bemerkenswert, wirtschaftlich spielten sie aber nur eine Nischenrolle. Das ändert sich aktuell rasant. Dank den Fortschritten der generativen KI, insbesondere durch Large Language Models, beherrschen KI-Agenten nun natürliche, menschliche Sprache und haben dadurch einen riesigen Schritt hin zur praktischen Nutzbarkeit gemacht: Sprache als "universelle Schnittstelle" macht sie erstens unglaublich anschlussfähig an Menschen, Systeme und Prozesse und verleiht ihnen zweitens die nötige Flexibilität, mit wechselnden und komplexen Aufgabenstellungen umzugehen. 

Wie finden KI-Agenten in der Automobilindustrie Anwendung? 

Überall, wo unübersichtliche Datenmengen – egal, ob unternehmenseigene oder öffentlich verfügbare – und Kommunikationsprozesse beteiligt sind, spielen sprachbasierte Agentensysteme ihre Stärken aus. Denkbar sind solche Systeme also in einem sehr weiten Themenfeld, beispielsweise im direkten Kundenkontakt, in der Produktkonfiguration, wie bei einem virtuellen Verkäufer, in der Abwicklung von Service-Fällen bis hin zum Problemfindungs- oder Ähnlichkeitsassistenten in der Werkstatt.

Welche Vorteile bringen KI-Agenten? 

Im Zentrum stehen die Anschlussfähigkeit und Flexibilität. Weil KI-Agenten natürliche Sprache verstehen, arbeiten sie direkt mit Menschen dort zusammen, wo echter geschäftlicher Nutzen entsteht – unabhängig davon, ob sie IT-affin sind oder nicht. KI-Agenten können prinzipiell an jeder Aufgabe, die über menschliche Sprache erledigt wird, teilhaben. Das ist aus meiner Sicht der Kern der Disruption durch generative KI. Gleichzeitig behalten sie als Softwaresysteme ihre Fähigkeit, mit bestehenden IT-Systemen und technischen Prozessen zu interagieren. Sie verbinden also das Automatisierungspotenzial klassischer Software mit der Flexibilität natürlicher Sprache. Man darf nicht vergessen: Ihr allgemeines Sprachverständnis bringen diese Systeme mit. Für viele Anwendungsfälle senkt das ganz massiv die Einstiegskosten im Vergleich zu klassischen, digitalen Lösungen. Und es ermöglicht neue Anwendungsfälle, die vorher gar nicht umsetzbar gewesen wären. Denken Sie an ein Auto, das eine Störung erkennt, selbstständig Werkstätten in der Nähe recherchiert und dort zur Not auch per Telefon einen Termin vereinbart – sogar in einer anderen Sprache! 

Wie unterscheiden sich fertige Agenten von maßgeschneiderten KI-Lösungen? 

Durch das Sprachverständnis von Agentensystemen und existierende Low-Code-Prozessbaukästen können verfügbare Fertiglösungen bereits in vielen Anwendungsfällen Mehrwert liefern. Außerdem enthalten Standardprodukte immer mehr fertige Features, die auf dieser Technologie basieren.

Maßgeschneiderte Lösungen erlauben aber natürlich einen sehr viel höheren Grad an Spezialisierung auf konkrete Anwendungsfälle. Damit steigt die zu erreichende Qualität KI-generierter Ergebnisse einerseits und die Integrationstiefe bzw. der Automatisierungsgrad andererseits. Existierende Systemlandschaften und unternehmensinterne Daten können nahtlos angebunden und in Wertschöpfung gebracht werden.

Auch nicht-funktionale Anforderungen wie Datenschutz und Governance spielen eine Rolle: Individuelle Lösungen können solche Anforderungen besser erfüllen, etwa durch eine Kombination aus Cloud- und On-Premise-Komponenten, die einen effizienten, geschützten Datenraum schaffen.

Welche Herausforderungen und Risiken kommen mit KI-Agenten auf die Autobranche zu?

In Deutschland ist die Herausforderung keine Neue. Unter dem Eindruck dieser technologischen Veränderung gilt es, die Wettbewerbsfähigkeit zu steigern. Was das Endprodukt angeht, liegt die Aufgabe einmal mehr nicht im physischen Engineering. Es ist die Software im Auto, die neu gedacht werden muss. Gerade im Premium-Segment ist es eine Herausforderung, mit einer Technologie, die teilweise noch in den Kinderschuhen steckt, die anspruchsvollen Kunden zu überzeugen. Aber neben dem Risiko gilt auch: Die Zeit, sich von der Konkurrenz abzuheben, ist jetzt. Wir sehen bereits viele Innovationen durch chinesische Firmen. 

Wie ich aber schon gesagt habe: Es wäre ein Fehler, nur an das Produkt zu denken. Massive Potentiale liegen in der Effizienzsteigerung von Unternehmensprozessen im Hintergrund.

Wie schnell können Unternehmen mit einem Return on Investment rechnen? 

Das hängt natürlich sehr stark vom Anwendungsfall ab. Es ist aber in vielen Fällen so, dass durch die Nähe von Agentensystemen zu klassischen Aufgaben- und Rollenbeschreibungen im Unternehmen das individuelle ROI gut zu errechnen ist. Denken Sie an die Automatisierung von manuellen Verwaltungsprozessen, für die man sonst weiteres Personal einstellen müsste. Oder an die Entlastung zentraler Wissensträger, sodass auch weniger erfahrene Kolleginnen und Kollegen deren Aufgaben übernehmen können. KI-Agenten können so durchaus einen wichtigen Beitrag zur Beantwortung großer gesellschaftlicher Herausforderungen wie dem Fachkräftemangel leisten. 

Können KI-Agenten auch im Bereich Nachhaltigkeit Anwendung finden?

Selbstverständlich! Eines unserer spannendsten Projekte des letzten Jahres liegt sogar in diesem Bereich: In der Materialforschung haben wir die Suche nach CO₂-effizienterem Beton KI-gestützt um den Faktor 20 beschleunigt. Ein KI-Agenten-System stellt die Brücke her zwischen klassischen, zahlengetriebenen KI-Ansätzen zur Beurteilung von Labormessungen und dem "weichen" Datenschatz an Publikationen, Best-Practices und Expertenwissen in Textform. Ein Team von KI-Materialwissenschaftlern diskutiert hier sogar Lösungsansätze untereinander – in natürlicher Sprache.