Latest / M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch / KI-Agenten vs. Automatisierung: Der echte Unterschied und wann Sie keinen Agenten bauen sollten (KI-Synchronfassung)

Transcript

KI-Agenten vs. Automatisierung: Der echte Unterschied und wann Sie keinen Agenten bauen sollten (KI-Synchronfassung) · M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch

• 0:00
  unsere Automatisierung. Sie drücken einen Knopf, ein Skript läuft ab und Sie erhalten Ihr glänzendes Ergebnis.
• 0:03
  Doch hier ist der Haken. Agenten sind keine Skripte. Sie beobachten sie, planen ihre eigenen Schritte
• 0:07
  und handeln ohne alle fünf Sekunden nachzufragen. Automatisierung ist ein Verkaufsautomat.
• 0:11
  Agenten sind wie der Praktikant, der ihre Eigenheiten studiert und ihre Sätze zu Ende führt.
• 0:16
  In dieser Sitzung lernen Sie die Anatomie eines Agenten kennen, den Observe-Plan-Act-Zyklus,
• 0:20
  die fünf Kernkomponenten, wann man keinen bauen sollte und warum Governance darüber entscheidet,
• 0:23
  ob Ihr System abhebt oder abstürzt. Moderne Agenten arbeiten, indem sie Beobachtung,
• 0:28
  Planung und Handlung durchlaufen. Ein Industriestandardzyklus, der auf Anpassung ausgelegt ist,
• 0:32
  nicht auf Wiederholung. Genau das unterscheidet echte Agenten von unbenannter Automatisierung und
• 0:36
  erklärt, warum dieser Unterschied für Ihr Team wichtig ist. Fangen wir also dort an, wo die
• 0:40
  Verwirrung meist beginnt. Sie drücken einen Knopf, wo Magie geschieht. Oder etwa nicht.
• 0:44
  Die Illusion der Automatisierung. Die Illusion der Automatisierung beruht darauf. Es sieht oft nach
• 0:48
  Intelligenz aus, ist aber eigentlich nur ein gut einstudierter Zaubertrick. Hinter dem Vorhang
• 0:52
  verbirgt sich nichts weiter als eine Reihe fester Anweisungen, die auf Befehle ausgelöst werden,
• 0:55
  ohne Bewusstsein und ohne Bewusstsein und ohne Wahlmöglichkeit. Sie wirkt keine Option
• 0:58
  ab. Sie erinnert sich nicht an das letzte Mal. Sie spielt nur ein Skript ab. Diese Zuverlässigkeit
• 1:03
  kann sich lebendig anfühlen, bleibt aber mechanisch. Automatisierung ist in einer Sache gut. Absolute
• 1:07
  Beständigkeit. Stellen Sie sich wie einen pflichtbewussten Sachbearbeiter vor, der jeden Tag
• 1:11
  tausend Formulare exakt gleich stempelt. Für repetitive, massenhafte und regelgebundene
• 1:15
  Aufgaben ist das ein Segen. Es ist schnell, präzise, unbeschwert und manchmal ist genau das,
• 1:19
  was Sie brauchen. Doch hier liegt die Einschränkung. Ändern Sie das kleinste Detail und das ganze System
• 1:24
  bricht zusammen. Fügen Sie eine neue Zeile zum Formular hinzu oder wechseln Sie von schwarzer zu blauer
• 1:27
  Tinte und der Sachbearbeiter stark. Keine Verhandlung, keine Improvisation. Nur ein
• 1:32
  Lehrer blickt, bis jemand die Regeln umschreibt. Deshalb macht das Etikettagent ein automatisiertes
• 1:38
  Skript nicht intelligenter, nicht intelligent. Wenn Automatisierung ein Verkaufsautomat ist,
• 1:42
  T7 drücken, Kohle erhalten, Kohle erhalten, dann ist ein Agent ein Verkäufer, der merkt,
• 1:46
  dass der Vorrat knapp ist, sich erinnert, dass Sie gestern zwei gekauft haben und stattdessen
• 1:49
  Wasser empfiehlt. Die Unterscheidung ist wichtig. Automatisierung folgt den Regeln, die Sie gegeben haben.
• 1:53
  Ein Agent beobachtet, plant und handelt mit einer gewissen Autonomie. Agenten haben die Fähigkeit,
• 1:57
  Wissen über Aufgaben hinweg zu bewahren, sich an Bedingungen anzupassen und ohne ständige
• 2:00
  Aufsicht Entscheidungen zu treffen. Das ist die Grenze, die Forscher und Praktiker gleichermaßen
• 2:04
  ziehen. Das eine führt Skripte aus, das andere durchläuft Gedankenzyklen. Betrachten Sie das
• 2:08
  GPS-Beispiel. Das alte Modell zieht einfach eine Linie von Punkt A nach Punkt B. Wenn eine Brücke
• 2:12
  gesperrt ist, Pech gehabt. Dir wird immer noch gesagt, du sollst durch die Luft fahren. Das ist
• 2:16
  Automatisierung, das auf die Karte gemalte Skript. Vergleiche das mit einem modernen System,
• 2:20
  das dich bei Stau automatisch umleitet. Das sind Agenten in Aktion, die in Echtzeit den Kurs anpassen,
• 2:25
  Eventualitäten abwägen und dich trotz Hindernissen ans Ziel bringen und Dissen ans Ziel bringen.
• 2:29
  Der Unterschied ist nicht kosmetisch, erst funktional. Und doch liebt es das Marketing,
• 2:33
  dies zu verschleiern. Wir alle haben intelligente Bots gesehen, die als Helfer beworben werden,
• 2:36
  nur um festzustellen, dass sie dieselben Standardantworten recyceln, recyceln. Der
• 2:40
  Hype-Zyklus verwandelt Wiederholung in Enttäuschung. Manager erwarten einen flexiblen
• 2:44
  Co-Piloten, erhalten aber ein starres Makro. Das Ergebnis ist nicht nur Irritation, sondern
• 2:49
  zerstörtes Vertrauen. Einmal gebrannt zögern Teams es erneut zu versuchen. Selbst wenn echte
• 2:53
  agentische Systeme endlich eintreffen, hilft es, Klarworte zu finden. Automatisier schlecht.
• 2:58
  Tatsächlich ist es manchmal vorzuziehen. Wenn dein Prozess unveränderlich ist und die
• 3:01
  Regeln einfach sind, dann ist dein festes Skript billiger, sicherer und absolut effektiv.
• 3:06
  Automatisierung scheitert dort, wo sich der Kontext ändert, Bedingungen entwickeln,
• 3:09
  entwickeln oder Urteilsvermögen erforderlich ist. Solche Szenarien an reines Skripte zu
• 3:12
  delegieren ist so, als würde man vom Bürodrucker erwarten, dass er weiß, welches Papier am besten
• 3:15
  zu einer spontanen Kundenpräsentation passt. Dafür wurde er nicht gebaut. Nun, ein kurzer Witz funktioniert
• 3:20
  nur, wenn er den Punkt unterstreicht. Sicher, wenn wir die Definition weit genug dehnen,
• 3:23
  könnte man deinen Toaster einen Agenten nennen. Er nimmt Brot, erhitzt es, ploppt auf Befehl.
• 3:27
  Aber das ist keine Agency, das ist eine Mechanik. Die wahre Gefahr ist das falsche Etikettieren
• 3:30
  jedes Geräts oder Bots. Es verwässert die Bedeutung von Agent, lädt Erwartungen auf und
• 3:35
  sorgt für unvermeidliche Enttäuschung. Governance hängt hier von Präzision ab. Wenn du
• 3:40
  Automatisierung mit Agency verwechselst, erteilst du dem System Befugnisse, die es nicht
• 3:43
  verantwortungsvoll ausüben kann. Die Erkenntnis ist also, Automatisierung führt mit Geschwindigkeit
• 3:48
  und Konsistenz aus, aber sie kann nicht planen, sich erinnern oder sich anpassen. Agenten tun
• 3:52
  diese Dinge und dieser Unterschied ist keine Wortspielerei, er ist architektonisch. Beides
• 3:55
  zu vermischen hilft niemandem und hier wendet sich die Geschichte. Denn wenn du die Illusionen
• 3:59
  abstreifst und Automatisierung beim Namen lernst, bist du bereit zu sehen, worauf Agenten wirklich
• 4:03
  basieren, der innere Rhythmus, der sie adaptiv statt mechanisch macht. Dieser Rhythmus beginnt
• 4:07
  mit einer Schleife, einer grundlegenden Abfolge, die ihnen die Fähigkeit gibt, wahrzunehmen,
• 4:11
  zu entscheiden und zu entscheiden und zu entscheiden und zu handeln wie ein Junior-Team-Mitglied
• 4:14
  aneinander sein. Die Beobachtenplanen-Maschinerie. Die Beobachtenplanen-Handeln-Maschinerie ist
• 4:19
  der Ort, an dem das Wort Agent seine Bedeutung wirklich verdient. Streife den Hype ab und
• 4:23
  was bleibt jetzt dieser Kreislauf? Kontinuierliche Beobachtung, wohlüberlegte Planung und sichere
• 4:28
  Ausführung. Es ist kein optionales Beiwerk, es ist der Kernmotor, der Urteilsvermögen von
• 4:31
  einfacher Wiedergabe unterscheidet. Beginnen wir mit der Beobachtung. Der Agent handelt nicht
• 4:36
  blind. Er sammelt Signale aus allen Kanälen, die sie ihm freigegeben haben. E-Mails, Protokolle,
• 4:40
  Chat-Verläufe, Sensordaten, Metriken aus Dashboards. In der Praxis bedeutet das, den
• 4:46
  Agenten mit den richtigen Datenquellen zu verbinden und ihm genug Spielraum zu geben,
• 4:49
  um Kontext aufzunehmen, um Kontext aufzunehmen, ohne im Rauschen unterzu. Ein guter Beobachter
• 4:53
  ist nicht theatralisch, sondern sorgfältig, stetig und immer wachsam. Für ein Unternehmen
• 4:56
  entscheidet diese Phase darüber, ob der Agent überhaupt das Rohmaterial für intelligentes
• 5:00
  Handeln besitzt. Wenn man ihn vom Kontext abschneidet, hat man nichts weiter als ein übermäßig
• 5:03
  kompliziertes Makrogebot. Dann folgt die Planung. Dies ist der Verstand bei der Arbeit. Basierend
• 5:07
  auf den Eingaben, weckt der Agent mögliche Wege. Bringt mich diese Aktion dem Ziel näher? Welche
• 5:14
  Risiken ergeben sie? Welche Alternativen gibt es? Technisch gesehen wird dieser Schritt oft von
• 5:19
  großen Sprachmodellen oder Entscheidungs-Engines angetrieben, die Ergebnisse bewerten und einen
• 5:22
  Weg festlegen. Denken Sie an einen Strategen, der ein Schachbrett betrachtet. Jede Option hat
• 5:26
  Kompromisse, aber nur einen gleich sofortigen Fortschritt mit langfristiger Position aus. Für eine
• 5:31
  Organisation ist die Schlussfolgerung klar. In der Planung entscheidet der Agent, ob er ein Gewinn
• 5:35
  oder ein Risiko ist. Ohne Denkvermögen reagiert er nur anstatt zu wählen. Sobald ein Plan Gestalt
• 5:40
  annimmt, bringt das Handeln Worte in die Welt. Der Agent erteilt nun Befehle, ruft APIs auf,
• 5:45
  sendet Updates oder löst Prozesse in ihren bestehenden Systemen aus. Und anders als ein
• 5:49
  starrer Bot muss er mit Fehlern, verweigerten Berechtigungen, fehlenden Daten oder Zeitüberschreitungen
• 5:53
  umgehen. Ausführung erfordert Zuverlässigkeit und Zurückhaltung. Deshalb sind sichere Integration und
• 5:58
  sorgfältige Fehlerbehandlung so wichtig. Falsch ausgeführt wirkt sich ein einziger
• 6:01
  Filtret auf alles Nachgelagerte aus. Für Business Teams liegt hier die Vertrauensgrenze. Wenn der
• 6:06
  Agent hier patzt, werden die Leute ihm nicht mehr vertrauen. Achten Sie, wie dieser Kreislauf
• 6:09
  nicht statisch ist. Jede Aktion verändert den Systemzustand, was zurückfließt in das, was der
• 6:13
  Agent als nächstes beobachtet. Wenn ein Versuch fehlschlägt, prägt diese Erfahrung die nächste
• 6:17
  Entscheidung. Wenn er Erfolg hat, stärkt der Agent seine Mustererkennung. Mit der Zeit ist der Zyklus
• 6:22
  nicht nur Wiederholung, sondern Akkumulation. Kleine Anpassungen, die auf bessere Leistung
• 6:26
  hinarbeiten. Hier hilft eine einfache Metapher. Denken Sie an einen Pilot. Er scannt die Instrumente,
• 6:31
  beobachtet. Er plant eine Route um das Wetter herum, plant. Er justiert die Steuerung, handelt und
• 6:36
  blickt sofort zurück auf die Anzeigen zur Überprüfung. Schnell, wiederholt, basierend
• 6:40
  auf Feedback. Deshalb ist der Kreislauf so wichtig. Es ist nicht glamourös, es ist überlebenssach. Der
• 6:44
  praktische Vorteil ist dieser. Automatisierung führt nur aus, aber Agenten arbeiten in Schleif.
• 6:48
  Beobachtung liefert Bewusstsein, Planung und Urteilsvermögen ein. Handeln setzt
• 6:52
  Entscheidungen um, während Feedback den Kreislauf am Leben erhält. Fehlt ein Teil
• 6:56
  dieses Motors, ist das, was Sie gebaut haben, kein Agent, sondern ein zerbrechliches Spielzeug mit
• 6:59
  diesem Etikett. Die eigentliche Frage ist also, wie haucht man diesem Skelett Leben ein? Wenn
• 7:03
  Beobachten, Planen und Handeln das Gerüst sind, was pumpt dann das Blut und entfacht die
• 7:07
  Bewegung? Welche Teile bilden den Körper des Agenten, damit diese Schleife tatsächlich
• 7:10
  funktioniert? Wir werden diese fünf Organe als nächstes analysen. Die fünf Organe des Agenten
• 7:14
  kennenlernen. Jeder funktionierende Agent besitzt fünf Kernorgane, die zusammenarbeiten. Lass mal
• 7:18
  eines Weg ist das Ergebnis kein zuverlässiger Teamkollege. Es ist ein
• 7:22
  instabiles Konstrukt, das unter chaotischen Bedingungen der echten Welt zwangsläufig
• 7:25
  versagt. Lassen Sie uns diese also Schritt für Schritt praktisch auflösen. Wahrnehmung
• 7:29
  ist das Einlassventil. Sie sammelt Informationen aus der Umgebung, sei es ein Dokument in einem
• 7:33
  Ordner, ein Sensorsignal aus dem Feld oder ein LPI-Datenstrom. Es geht nicht nur um das
• 7:38
  Abrufen sauberer Daten, sondern darum, roh verrauschte Signale zu verarbeiten und in etwas
• 7:42
  Nutzbares zu verwandeln. Ohne Wahrnehmung ist ein Agent von der Realität isoliert und handelt
• 7:46
  blind, während sich die Welt ständig verändert. Das Gedächtnis verleiht der Wahrnehmung
• 7:51
  Kontext. Hierbei gibt es zwei unterschiedliche Arten. Das Kurzzeitgedächtnis hält den
• 7:55
  unmittelbaren Bezug, eine laufende Konversation oder die zuletzt ausgeführten Befehle fest.
• 7:59
  Das Langzeitgedächtnis hingegen speichert strukturierte Wissensdatenbanken oder Vektoreinbettungen,
• 8:03
  die auch Monate später noch abgerufen werden können. Gemeinsam ermöglichen sie dem Agenten
• 8:06
  Fehler nicht zu wiederholen und den Faden der Interaktion nicht zu verlieren. Technisch
• 8:10
  bedeutet dies oft die Kombination von Sitzung, Speicher für die Kohärenz und externen Speichern
• 8:13
  für den dauerhaften Abruf. Inner dieser Ebene ändert sich der Agent möglicherweise an nichts
• 8:16
  oder verliert sich zwischen Aufgaben. Schlussfolgerung ist die Entscheidungseinheit. Sie nimmt das
• 8:20
  wahrgenommen und gespeicherte auf und wägt dann Optionen gegen die gewünschten Ziele ab. Dies
• 8:24
  kann durch Inferenzmaschinenoptimierungsmodelle oder große Sprachmodelle als Planer unterstützt
• 8:29
  werden. Betrachten Sie es als Navigator des Schiffes, der mögliche Routen analysiert,
• 8:34
  Stürme erkennt und Empfehlungen für den Kurs gibt. Schlussfolgerung bringt Urteilsvermögen
• 8:39
  ein und unterscheidet zwischen bloßem Reflex und Strategie. Keine Schlussfolgerung,
• 8:43
  keine Hand im Spielraum. Eine sture Reaktion. Lernen ist der Feedback-Kreislauf, der Stagnation
• 8:47
  verhindert. Er nimmt Ergebnisse auf und passt das Verhalten im Laufe der Zeit an. Wenn eine
• 8:52
  versuchte Arbeitsablaufsequenz fehlschlägt, aktualisiert ein Lernmechanismus das Playbook
• 8:55
  für das nächste Mal. In der Praxis erreichen Agenten dies durch das Nachtrainieren von Modellen
• 8:59
  oder die Aktualisierung von Heuristiken basierend auf Erfolgs- und Fehlersignalen. Dies hebt einen
• 9:03
  Agenten von einem statischen Werkzeug zu etwas Adaptiven, das sich mit jeder Begegnung langsam,
• 9:06
  aber stetig verbessert. Aber stetig verbessert. Ohne Lernen werden selbst kluge Systeme irgendwann
• 9:11
  veraltet und sind in der Zeit gefangen. Handeln ist das Hand und die Stimme des Systems. Pläne
• 9:16
  sind nur dann wichtig, wenn sie auch umgesetzt werden. API-Aufrufe, Dateischreibvorgänge,
• 9:20
  Benachrichtigungen oder Befehle. Diese Komponente schlägt die Brücke zwischen Entscheidung und
• 9:23
  Realität, birgt aber Risiken. Was, wenn sie die falsche Sequenz auslöst oder Sicherheitsvorkehrungen
• 9:27
  umgeht? Deshalb erfordert robustes Handeln, sichere Integration in Berechtigungsprüfungen und
• 9:31
  Ausfallsicherung. Richtig umgesetzt ist der Unterschied zwischen einem Steuerungssystem,
• 9:35
  das gezielte Schritte macht, und einem Kleinkind, das im Cockpit wahllos Knöpfe drückt. Jedes dieser
• 9:39
  Organ ist essentiell, aber keines kann isoliert funktionieren. Sie bilden einen lebendigen
• 9:43
  Kreislauf. Wahrnehmung speist, das Gedächtnis, das Gedächtnis fundiert die Logik, die Logik
• 9:46
  informiert das Lernen und alle vier treiben das Handeln an. Fällt ein Organ aus, gerät der
• 9:50
  Kreislauf ins Stocken oder bricht zusammen. Deshalb scheitern so viele sogenannte Agenten,
• 9:53
  wenn sie getestet werden. Ihnen fehlt die notwendige Anatomie. Doch denken Sie daran,
• 9:57
  die Anatomie allein garantiert keinen sicheren Betrieb. Diese Organe benötigen Regeln und Aufsichten.
• 10:01
  Andernfalls werden sie selbst sicher Fehler begehen. Und genau hier setzt der nächste Teil
• 10:04
  unseres Gesprächs an. Was es wirklich braucht, um ein leistungsstarkes System auf Kurs zu halten?
• 10:08
  Governance, das Flugbuch. Stellen Sie es sich weniger wie eine Rakete an Ihrem Schreibtisch
• 10:13
  vor, sondern eher wie Flugregeln vor dem Start. Agenten sind mächtig und sobald sie beginnen,
• 10:17
  eigene Entscheidungen zu treffen, brauchen sie freien Himmel und klare Grenzen. Ohne diese
• 10:21
  Struktur kann das, was für Intelligenz aussieht, schneller in Chaos abdriften, als man blinzeln kann.
• 10:25
  Wenn Agenten unabhängig agieren, verhalten sie sich wie Piloten ihres eigenen Fluggeräts. Sie
• 10:30
  interpretieren Datenströme, wägen Optionen ab und lösen Aktionen in ihren Systemen aus. Genau dort
• 10:34
  kann einiges schief gehen. Voreingenommenheit in eingehenden Daten verzerrt das Urteilsvermögen.
• 10:38
  Mangelnde Transparenz lässt sie auf eine Blackbox starren. Und Entscheidungen, die im Verborgenen
• 10:42
  getroffen werden, können mit Compliance und Ethik kollidieren. Governance ist der Stabilisator. Sie
• 10:46
  bremst die Mission nicht aus. Sie stellt sicher, dass der Kurs rechtmäßig und fair bleibt. Es gibt
• 10:50
  drei praktische Kontrollmechanismen, die jede Organisation etablieren soll. Erstens sichere
• 10:54
  Datenaufnahme. Dies definiert, welche Informationen ein Agent konsumieren darf und wie dies genehmigt wird.
• 10:59
  Willkürliche Feeds sind ein Rezept für Voreingenommenheit und Daten. Genehmigte Pipelines
• 11:03
  hingegen garantieren, dass nur geprüfte, saubere Inputs die Logik steuern. Zweitens Transparenz und
• 11:08
  Audit Trades. Jede Entscheidung sollte Spuren hinterlassen, die sie prüfen können, damit
• 11:12
  Regulierungsbehörden, Manager und Stakeholder die Ergebnisse nachvollziehen können. Drittens
• 11:17
  menschliche Aufsicht. Menschen bleiben bei Entscheidungen mit schwerwiegenden Folgen involviert,
• 11:21
  Personalwesen, Gesundheitswesen, Finanzen, Sicherheit. Es ist keine bloß Beschäftigungstherapie. Es ist ein
• 11:25
  Schutzwall, der bei hohem Risiko das Vertrauen bewahrt. Untersuchungen zeigen, dass bei der
• 11:29
  Einführung immer wieder zwei Hürden auftreten. Voreingenommenheit, die durch verzerrte Daten und
• 11:32
  Interpretationslücken entsteht, macht Ergebnisse schwer erklärbar. Deshalb muss Governance sowohl
• 11:37
  eine solide Datenpflege als auch Mechanismen zur Nachvollziehbarkeit umfassen. Qualität bei der
• 11:41
  Eingabe bedeutet Zuverlässigkeit bei der Ausgabe. Überspringt man diesen Schritt, läuft ein Agent zwar
• 11:45
  mit voller Geschwindigkeit, lernt aber im Stillen das Falsche. Frameworks helfen dabei, diese Prinzipien in
• 11:49
  die Tat umzusetzen. Nicht glamourös, aber strukturell notwendig. Es gibt zum Beispiel bereits Tools, die wie eine
• 11:54
  Flugverkehrskontrolle für ihre Daten fungieren. Microsoft Purview ist eine solche Option. Es legt
• 11:59
  fest, was hineinfließt, nach welchen Regeln und wie es mit Compliance-Vorgaben übereinstimmt. Es
• 12:04
  dient ihm nicht dazu, Intelligenz hinzuzufügen, sondern sicherzustellen, dass die Flugkorridore
• 12:06
  selbstsicher sind. Die Aufsicht erstreckt sich auch auf ethischer Aspe. Stellen Sie sich einen Recruiting-Agenten
• 12:11
  vor, der durch Überanpassung an voreingenommene Historien optimiert. Im Code sieht das effizient aus,
• 12:15
  aber ethisch und rechtlich scheitert es. Governance verlangt, dass ein Mensch diese Entscheidungswege
• 12:20
  geprüft, bevor sich der Schaden ausbreitet. Das bremst nicht den Fortschritt, sondern verhindert
• 12:24
  Klagen, Skandale und Reputationsverluste. Regulierung spielt eine ähnliche Rolle bei der
• 12:28
  Definition der Korridore. Datenschutzregeln, Branchencompliance und territoriale Grenzen
• 12:33
  wirken wie Flugverbotszonen. Wer diese verletzt, riskiert keine Fehlfunktion, sondern Bußgelder,
• 12:38
  Strafen oder den Verlust des Kundenvertrauens. Eine angemessene Governance rahmt diese Einschränkung
• 12:43
  als Stabilisator neu ein. Sie blockieren keine Innovation, sondern verhindern, dass das System in
• 12:47
  fremde Bahnen gerät. Voreingenommenheit an sich verdient eine eigene Erwähnung. Betrachten Sie es
• 12:51
  als einen falsch ausgerichteten Kommen. Sobald verzerrte Daten die Nadel falsch einstellen, führt
• 12:55
  jede Korrektur des Agenten weiter vom Kurs ab. Governance steuert dagegen durch Kuratierung der
• 13:00
  Eingaben, Prüfung von Modellen und regelmäßige Nachjustierung. Ohne dies können Agenten mit
• 13:04
  erstaunlicher Präzision auf das falsche Ziel zusteuern. Manche Führungskräfte betrachten
• 13:08
  Governance noch immer als Nachtrag, der nach der Entwicklung ergänzt wird. Diese Sichtweise verkennt
• 13:12
  den Weg. Governance ist kein Fallschirm, sondern das bordeigene Stabilitätssystem. Es glättet
• 13:16
  Schwankungen, sichert die Ausrichtung der Instrumente und ermöglicht den Weiterflug bei
• 13:20
  Turbulenzen. Man bejubelt es zwar nicht, aber man verlässt sich bei jedem Start darauf. Und hier ist
• 13:25
  ein praktischer Hinweis für Teams. Verhalten Sie bei risikoreichen oder zweideutigen Entscheidungen
• 13:29
  die Menschen, die da schleifen. Wenn Entscheidungen Geld, Sicherheit oder Fairness betreffen, sollte die
• 13:33
  Aufsicht das letzte Wort haben. Bei Routineautomatisierungen lassen Sie den Agent nicht agieren. Diese
• 13:37
  einfache Aufteilung schafft Vertrauen, ohne den gesamten Prozess zum Stillstand zu bringen. Governance nimmt
• 13:41
  also nicht den Reiz aus der Autonomie. Sie wandelt rohes Potenzial in zuverlässige Leistungen um.
• 13:46
  Sobald diese Regeln feststehen, stellt sich nicht mehr die Frage, ob Agenten fliegen können,
• 13:51
  sondern welches Fluggerät am besten zur Mission passt.
• 13:54
  Die Wahl des Hangars. Microsoft Agenten in der Praxis. Wo sie ihren Agenten parken,
• 13:58
  hängt weniger von schicken Funktionen ab, als davon das Fluggerät auf die Mission abzustimmen.
• 14:02
  Microsoft hat seine Hangar mit verschiedenen Plattformen bestückt, jede für einen anderen
• 14:05
  Pilotentyp und einen anderen Flugplan. Der Schlüssel liegt nicht darin, sich Namen zu merken. Es geht darum,
• 14:10
  zu wissen, welches Cockpit zu Ihrer Rolle, der Komplexität Ihres Problems, Ihren Compliance-Anforderungen
• 14:14
  und der nötigen Systemintegration passt. Denken Sie an vier Stellschrauben, die Sie für der Wahl
• 14:18
  Ihres Hangars justieren. Erstens Benutzertyp. Sind Sie Endanwender, Power-User oder Entwickler?
• 14:24
  Zweitens Missionskomplexität. Einfache Arbeitsabläufe oder Herausforderungen auf
• 14:28
  Unternehmensebene. Drittens Datensensibilität. Folgen Ihnen Compliance- und Audit-Anforderungen
• 14:33
  wie ein Schatten und für uns Integrationsbedarf? Beantwortet der Agent nur Fragen oder muss er sich mit der
• 14:37
  Hälfte Ihres Tech-Stacks vernetzen. Jede Microsoft-Plattform fügt sich genau in dieses
• 14:41
  Raster ein. Beginnen wir mit SharePoint-Agenten. Sie sind auf Endanwender zugeschnitten, die mit
• 14:45
  Dokumenten und Teamworkflows arbeiten. Sie passen am besten zu Endanwender-Profilen, geringer bis
• 14:49
  mittlerer Missionskomplexität und moderatem Integrationsbedarf, meist bezogen auf interne
• 14:53
  Inhalte. Sie sind nicht auffällig, glänzen aber, wenn Sie einen dokumentenzentrierten
• 14:57
  Assistenten brauchen, der Datensätze aus SharePoint abruft, zusammenfasst oder organisiert.
• 15:01
  Stellen Sie sich wie Büroangestellte mit einem guten Gedächtnis vor. Beständig, nützlich und den
• 15:07
  Regeln Ihres Intranets gehorsamen. Copilot Studio legt die Messlatte etwas höher. Optimal für
• 15:13
  Endanwender, die Low-Code-Lösungen suchen. Es ist spezialisiert auf Konversationshilfen und
• 15:17
  einfache Prozessautomatisierung. Die Missionskomplexität ist hier überschaubar. Kundendienst-Chat,
• 15:24
  Wissensabfragen und geführte Workflows. Compliance-Anforderungen sind meist gering,
• 15:28
  aber die Integration bleibt zugänglich. Es lässt sich in Geschäftsanwendungen einbinden,
• 15:32
  ohne tiefgreifendes Engineering zu erfordern. Kurz gesagt, Copilot Studio ist das Segelflugzeug
• 15:35
  für Business-Anwender. Leicht, wendig und verzeiht kleine Fehler. Azure AI Foundry ist ein
• 15:40
  anderes Kaliber. Es gehört Power-Usern und Spezialisten, die anspruchsvolle Missionen
• 15:43
  angehen. Intelligenzsysteme auf Unternehmensniveau, bei denen Compliance streng ist und Integration
• 15:47
  tiefgreifend sind. Die Kriterien sind eindeutig. Fortgeschrittener Benutzertyp,
• 15:52
  hohe Missionskomplexität, hohe Datensensibilität und umfassender Integrationsbedarf.
• 15:56
  In Foundry entwerfen sie maßgeschneiderte KI-Engines, setzen Governance-Kontrollen
• 16:01
  durch und skalieren über regulierte Systeme hinweg. Es ist das Flugzeugträger-Modell. Groß,
• 16:06
  komplex und für Missionen gedacht, bei denen Präzision und Regulierung genauso zählen
• 16:09
  wie Geschwindigkeit. Nun zu den experimentierfreudigen Semantik-Kerneln und Autojet. Diese Plattformen
• 16:15
  eignen sich für Entwickler und Forscher, die Flexibilität und Orchestrierung über
• 16:18
  schlüsselfertige Einfachheit stellen. Passende Kriterien, Entwicklertyp, hohe Missionskomplexität,
• 16:23
  Variable Compliance je nach Bereitstellung und sehr hoher Integrationsbedarf, da Orchestrierung
• 16:27
  oft das Jonglieren mit mehreren Systemen bedeutet. Semantik-Kernel erweitert bestehende Anwendungen
• 16:31
  und KI-Logik, während Autogen-Schwärme von Agenten koordiniert, die zusammenarbeiten,
• 16:35
  die zusammenarbeiten. Stellen Sie sich das wie eine Staffelstadt eines einzelnen Piloten vor.
• 16:39
  Formationsflug, bei dem ein Agent während des Fluges an einen anderen übergeben kann. Ein
• 16:42
  Branchenbeispiel verdeutlicht, warum diese Zuordnung wichtig ist. Ein globaler Konsumgüterhersteller
• 16:47
  dokumentierte, wie er Marketingdaten mittels agentenbasierte Ansätze konsolidierte und
• 16:50
  analysierte, um Entscheidungen zu beschleunigen. Dieser Einsatz erforderte sowohl umfassende
• 16:55
  Integrationen als auch ausgefeilte Planungsfähigkeiten-Kriterien, die klar für eine Enterprise-Plattform
• 16:59
  wie Azure AI Foundry sprechen, wie AI Foundry sprechen. Der Business-Case war nicht abstrakt,
• 17:04
  er lieferte messbaren Arrowy, weil der gewählte Hangar zum Flugprofil passte.
• 17:08
  Asse. Es ist zudem erwähnenswert, dass der Himmel nicht nur einem Hersteller gehört. Microsoft
• 17:12
  bietet eine starke Flotte, doch Alternativen wie Salesforce Agent Force erinnern uns daran,
• 17:15
  dass Wettbewerb existiert. Ihre Präsenz unterstreicht, dass kein Herstellermonopol ihren Weg
• 17:19
  bestimmt. Das Missionsprofil sollte dies tun, nicht die Marke auf dem Rumpf. Der Entscheidungsrahmen
• 17:24
  ist daher einfach. Berücksichtigen Sie, wer Sie sind, wie komplex die Aufgabe ist, wie sensibel
• 17:28
  die Daten sind und wie eng die Integrationen sein müssen. Daraus ergibt sich der richtige Hangar
• 17:33
  von selbst. Bei einer Fehlzuordnung überkonstruieren Sie triviale Aufgaben oder unter Ausstatten eine
• 17:38
  Mission, die mehr erfordert. Aber hüten Sie sich für einen letzten Fall. Wenn Ihr Problem klar
• 17:41
  definiert und wiederholbar ist, ist Automatisierung weiterhin völlig ausreichend. Wählen Sie nur dann
• 17:45
  einen Agenten, wenn Sie Gedächtnisplanung oder Autonomie jenseits eines skriptbasierten
• 17:48
  Workflows benötigen. Und sobald Sie diesen Unterschied klar erkennen, wird der letzte
• 17:51
  Teil der Reise deutlich. Die neue Definition dessen, was Agenten wirklich sind und warum
• 17:56
  die Verwechslung mit etwas einfacherem sowohl Risiken als auch verpasste Chancen wirkt.
• 18:01
  Fazit. Also hier ist die Zusammenfassung. Agenten sind keine Automatisierung. Sie denken
• 18:06
  in Schleifen, nicht in Skripten. Sie laufen auf einer beobachten, planenden Handeln-Engine
• 18:10
  angetrieben von fünf kritischen Komponenten. Und ohne Governance, sichere Eingabe,
• 18:14
  menschliche Aufsicht und Audit-Trails, werden Sie ihnen keine wichtigen Missionen anvertrauen.
• 18:19
  Das ist der Unterschied zwischen einem cleveren Makro und einem echten Teamkollegen. Das eine
• 18:22
  wiederholt, das andere passt sich an. Dann sind Sie eine Reihe. Welcher Prozess in Ihrem
• 18:26
  Unternehmen benötigt wirklich einen Agenten statt einfacher Automatisierung? Schreiben Sie
• 18:30
  es in die Kommentare. Ich werde die besten Beispiele lesen. Liefert der Mehrwert gut? Abonnieren
• 18:34
  Sie, damit Ihr Gehirn automatische Updates erhält.