Die Entwicklung eines leistungsstarken KI-Agenten erfordert einen strukturierten, strategischen Ansatz. Es gibt zwar umfangreiche Führer verfügbar auf die wie Konfiguration eines AgentenDieser Beitrag konzentriert sich auf die was und warum — die entscheidenden Weichenstellungen, die Sie vornehmen müssen, um sicherzustellen, dass Ihr KI-Agent echten Mehrwert für Ihr Unternehmen liefert.

Nachdem Sie diese grundlegenden Entscheidungen erkundet haben, sehen Sie in unserem Begleitbeitrag „Einblicke in die KI-Reise von Lato Bikes“, wie sie in der Praxis zum Leben erweckt werden. Dort stellen wir Ihnen ein reales Beispiel eines mit KI entwickelten Agenten vor. Mendix.

1 – Erstellen Sie Ihren Agentenplan

Das Aufkommen von KI und Agententechnologie hat bei Unternehmen einen starken Anreiz zur Einführung dieser Technologien geschaffen, einfach weil sie neu und leistungsstark sind. Häufig fehlt es dieser Einführung jedoch an einem klaren, strategischen Plan, was zu einer unangemessenen oder planlosen Anwendung führt. Die Folge sind Projekte, die hinter den Erwartungen zurückbleiben oder ihre eigentlichen Ziele verfehlen.

Um dies zu vermeiden, beginnen Sie mit einem strukturierten Vorgehen. Mendix, ist unsere Digitale Ausführungspraxis Unterstützt die strategische Technologieeinführung in mehreren Phasen – Start, Struktur und Skalierung – mit jeweils eigenen Meilensteinen und Aktivitäten, die den 5 Ps entsprechen: Menschen, Portfolio, Prozesse, Plattform und Promotion. Diese Vorgehensweise hilft Unternehmen nicht nur dabei, Innovation und Wertschöpfung in Einklang zu bringen, sondern dieselben Prinzipien lassen sich auch beim Aufbau von handlungsfähigen Systemen anwenden.

Was macht also ein gutes erstes Agentenprojekt aus?

• WertschöpfendDer Agent steigert tatsächlich die Effizienz, senkt die Kosten oder verbessert das Benutzererlebnis.
• Synthese unstrukturierter Daten: Agenten zeichnen sich durch ihre Fähigkeit aus, Texte, Audio- oder Videodateien zu analysieren und daraus Erkenntnisse zu gewinnen.
• Automatisierung mit geringem Risiko: Der Agent führt im Namen des Benutzers nicht kritische Aktionen aus.
• Menschliche Aufsicht: Alle weitreichenden Entscheidungen werden von einer Person überprüft.
• Parameter löschen: Der Agent agiert innerhalb definierter Grenzen.

2 – Erfolg definieren

Bevor Sie sich mit technischen Details befassen, definieren Sie, wie Erfolg für Ihren KI-Agenten aussieht. Ohne klare, messbare Ziele ist es unmöglich, die Effektivität zu beurteilen, Investitionen zu rechtfertigen oder iterative Verbesserungen zu steuern.

Definieren Sie Leistungskennzahlen (KPIs), die Ihre Idee in eine strategische Initiative verwandeln. Gängige Erfolgskennzahlen sind:

• Effizienzgewinne: Um wie viel sollte der Agent den manuellen Zeitaufwand reduzieren?
• Genauigkeit: Wie präzise sollten die Klassifizierungen oder Ausgaben des Agenten sein?
• Geschwindigkeit: Wie schnell sollte sich der Gesamtprozess verbessern?

Erfassung und Verfolgung dieser KPIs in einem System wie Mendix Portfoliomanagement stellt sicher, dass Sie auf geschäftlichen Erfolg hinarbeiten – und nicht nur auf technischen.

3 – Auslöser einstellen

Bevor Sie mit der Entwicklung beginnen, überlegen Sie, wie Ihr Agent aktiviert werden soll. Der Auslöser ist die grundlegendste Entscheidung, die Sie treffen werden, und prägt den gesamten Entwicklungsprozess.

Es gibt drei Haupttypen von Auslösern:

• Ereignisgesteuert: Aktiviert durch bestimmte Aktionen wie den Eingang einer neuen E-Mail, einen API-Aufruf eines externen Systems, eine manuelle Auslösung über eine Benutzeroberfläche, eine Änderung des Status eines Datenbankeintrags oder sogar durch Geschäftsveranstaltung.
• Charge: Wird in festgelegten Intervallen ausgeführt, um große Datenmengen gleichzeitig zu verarbeiten. Zum Beispiel könnten Sie Folgendes ausführen: geplante Veranstaltung um alle offenen Garantieansprüche auf neue Statusaktualisierungen zu überprüfen.
• Konversation: Ausgelöst durch ein direkte Anfrage des Benutzers in einer Chat-Oberfläche, wobei das gesamte Erlebnis ein Dialog auf Augenhöhe ist.

Konversationelle Agenten können äußerst leistungsstark sein, stellen aber oft einen fortgeschritteneren Anwendungsfall dar. Für die meisten Unternehmen ist es daher ratsam, zunächst mit ereignisgesteuerten oder Batch-Workflows zu beginnen, um die Funktionen der Agenten sicher und effektiv zu erkunden.

4 – Design für Benutzererfahrung und Bereitstellung

Sobald Sie Ihren Auslöser gewählt haben, überlegen Sie, wie die Benutzer mit Ihrem Agenten interagieren werden. Wird er in eine bestehende App integriert sein oder als eigenständiges Tool fungieren?

Fragen Sie sich:

• Wie fügt sich der Agent in den aktuellen Arbeitsablauf Ihrer Benutzer ein?
• Welche Benutzeroberfläche ist für die Benutzererfahrung sinnvoll?
• Wie wird es mit den benötigten Systemen und Daten verbunden?

Mit MendixAgenten lassen sich problemlos in bestehende Anwendungen wie Dashboards oder Portale integrieren, und werden zwischen Systemen transportiert, während sie sich entwickelnIntegrierte Überwachungstools ermöglichen es Administratoren, Nutzung und Leistung in Echtzeit zu überwachen.

5 – Wählen Sie das richtige Modell

Ihr großes Sprachmodell (LLM) bildet die Grundlage Ihres Agenten. Diese Entscheidung betrifft sowohl den Speicherort des Modells als auch dessen Fähigkeiten.

Gehostet vs. selbstgehostet

Für die meisten Organisationen ist ein gehostetes LLM-Programm wie OpenAI (über Azure OpenAI Service), Amazonas Grundgestein oder Mendix Cloud Gen KI-Ressourcenpakete ist die praktischste Wahl. Diese Lösungen übernehmen Infrastruktur, Skalierbarkeit und Sicherheit für Sie. Selbstgehostete Open-Source-Modelle bieten hingegen mehr Kontrolle, erfordern aber umfassende Infrastrukturkenntnisse.

Wichtige Überlegungen

• Werkzeugnutzungsfähigkeiten für reale Aktionen
• Latenz und Durchsatz
• Kosteneffizienz
• Datensicherheit und Compliance

Eine bewährte Vorgehensweise ist es, Vorteile zu nutzen Agent Commons in Mendix Modellunabhängige Agenten zu entwickeln, die sich parallel zu neuen Technologien weiterentwickeln können.

Hinweis zur Feinabstimmung und Anpassung: Obwohl Basis-LLMs leistungsstark sind, kann die Feinabstimmung eines Modells anhand spezifischer Domänendaten seine Genauigkeit und Relevanz für spezialisierte Aufgaben deutlich verbessern. Dies ist eine fortgeschrittene Technik, die erst dann in Betracht gezogen werden sollte, wenn der Ausgangsagent stabil ist und seine Leistungslücken klar identifiziert wurden. Sie erfordert eine spezielle Datenaufbereitung und Rechenressourcen.

6 – Weisen Sie den Agenten in die richtige Richtung

Sobald Sie Ihr Modell ausgewählt haben, müssen Sie Ihrem Agenten mitteilen, was er tun soll. Hier kommt der Punkt ins Spiel, an dem… schnelles Engineering kommt ins Spiel – die Praxis, Anweisungen und Kontext so zu strukturieren, dass das Modell sich wie beabsichtigt verhält.

Agenten nutzen zwei Arten von Eingabeaufforderungen:

• Systemaufforderungen: Definieren Sie die Persona, die Ziele und die Einschränkungen des Agenten.
• Benutzeraufforderungen: Die jeweilige Aufgabe oder Reaktion auslösen.

Klare, präzise Anweisungen führen zu konsistentem Verhalten. Mehrdeutigkeit führt zu unvorhersehbaren Ergebnissen. Die Entwicklung von Anweisungen ist iterativ – Anweisungen werden im Laufe der Zeit verfeinert, um Leistung und Zuverlässigkeit zu optimieren.

7 – Statten Sie Ihren Agenten mit den nötigen Werkzeugen aus.

Was ein einfaches LLM zu einem handlungsfähigen System erhebt, ist seine Fähigkeit, mithilfe von Werkzeugen – Funktionen wie … – Maßnahmen zu ergreifen. Mendix Mikroflüsse, die die Interaktion mit externen Daten, Systemen und Arbeitsabläufen ermöglichen.

Die Tools können lokal in Ihrer Anwendung installiert sein oder über die Schnittstelle verbunden werden. Model Context Protocol (MCP).

8 – Design für Erfolg

Die Entwicklung eines Agenten ist kein einmaliges Projekt, sondern ein iterativer Prozess, der sich mit der Zeit verbessert. Um den Erfolg sicherzustellen, befolgen Sie diese sechs goldenen Regeln:

1. Fangen Sie einfach an. Beginnen Sie mit den minimalen Werkzeugen und Hilfestellungen, die zur Lösung eines einzelnen Problems erforderlich sind. Erweitern Sie die Komplexität später.
2. Entwickeln Sie sich im Laufe der Zeit weiter. Testen, verfeinern und versionieren Sie Ihre Agenten. Mendix Mit Agent Builder lassen sich Verbesserungen einfach nachverfolgen.
3. Seien Sie klar und deutlich. Alles Ungesagte wird vom Modell angenommen.
4. Beziehen Sie einen Menschen in den Entscheidungsprozess ein. Jede Entscheidung mit realen Konsequenzen sollte einer manuellen Überprüfung unterzogen werden.
5. Verwalten Sie das Kontextfenster. Geben Sie Ihrem Agenten nur relevante Daten, um Verwirrung zu vermeiden.
6. Teile und herrsche. Zerlege komplexe Aufgaben in mehrere spezialisierte Agenten.

Alles zusammenreißen

Die erfolgreiche Integration von KI-Agenten ist ein strategischer Prozess, der unser Verständnis von Softwareentwicklung grundlegend verändert. Durch die Kombination von strukturiertem Design, klarer Steuerung und menschlicher Aufsicht können Unternehmen Agenten entwickeln, die die menschlichen Fähigkeiten tatsächlich erweitern.
Agenten bieten unglaubliche Möglichkeiten, Mehrwert zu schaffen. Am besten lernt man sie kennen, indem man einfach experimentiert. Beginnen Sie Ihre Reise mit dem Mendix Agent Builder Starter App und sehen Sie, was möglich ist.