Agentic AI - oder neu Neudeutsch agenten-basierte KI - eröffnet eine neue Dimension der künstlichen Intelligenz. Sie verspricht, die Produktivität neu zu definieren, die Komplexität zu automatisieren und einen noch nie dagewesenen Geschäftswert zu erschließen. Im Gegensatz zu ihren Vorgängern verarbeitet diese Technologie nicht nur Informationen oder generiert Inhalte, sondern sie handelt. Sie trifft Entscheidungen, führt mehrstufige Aufgaben aus und arbeitet selbstständig, um Ziele zu erreichen. Führungskräfte versprechen sich davon eine völlig neue Effizienz. Für Endbenutzer ist es die Möglichkeit, mit nur wenigen Klicks ihre eigenen digitalen Assistenten zu erstellen.
Doch hinter der Aufregung verbirgt sich ein kritisches Risiko. Auf der Grundlage von No-Code-Plattformen wie denen von Microsoft 365 gibt die agentenbasierte KI jedem Benutzer die Möglichkeit, autonome Agenten zu erstellen und einzusetzen, ohne dass die IT-Abteilung dies überwachen muss. Das Ergebnis? Ein digitaler Wilder Westen mit "Schattenagenten", die Kosten verursachen, Daten preisgeben und ein ausuferndes, unkontrollierbares Ökosystem schaffen. Was als Versprechen von Effizienz beginnt, kann schnell ins Chaos führen.
Dieser Artikel ist Ihr Wegweiser durch diese neue Landschaft. Wir entmystifizieren, was agentenbasierte KI ist, erkunden ihre leistungsstarken Anwendungsfälle innerhalb des Microsoft-Ökosystems und bieten vor allem einen klaren, umsetzbaren Rahmen für ihre Verwaltung.
Im Kern bezieht sich agentenbasierte KI auf autonome KI-Systeme, die in der Lage sind, ihre Umgebung wahrzunehmen, unabhängige Entscheidungen zu treffen und bestimmte, oft komplexe Ziele mit minimaler menschlicher Kontrolle zu verfolgen. Man kann sich das so vorstellen, dass eine KI, die eine Frage beantworten kann, zu einer KI wird, die aufgrund der Antwort handelt.
Anstelle eines einfachen Input-Output-Modells arbeitet ein KI-Agent in einer kontinuierlichen Schleife:
Diese Fähigkeit, autonom zu handeln, unterscheidet sie von anderen Formen der KI und erschließt ihr immenses Potenzial. Wie wir noch sehen werden, ist dies ein entscheidender Unterschied, der die neue Ära der modernen Arbeit prägt und einen neuen Ansatz für Management und Aufsicht erfordert.
Agentenbasierte KI-Systeme variieren in ihrer Komplexität, von spezifischen Aufgaben bis hin zu intelligenten, zielgerichteten Agenten. Das Verständnis ihrer grundlegenden Modelle ist entscheidend, um sie über Plattformen wie Microsoft Copilot Studio, ServiceNow und OpenAI-Frameworks hinweg effektiv zu steuern.
Zusammen bilden diese Modelle ein Spektrum, das von regelbasierter Logik bis hin zur autonomen Ausführung reicht und KI-Agenten in die Lage versetzt, sowohl einfache als auch komplexe Aufgaben mit minimalem menschlichen Eingreifen auszuführen.
Agentensysteme beruhen auf hochentwickelten Modellen, die ihre Autonomie ermöglichen. Zu den wichtigsten Konzepten gehören:
Die Begriffe werden oft synonym verwendet, aber sie stehen für unterschiedliche Fähigkeiten. Die Debatte "Agentische KI vs. generative KI" ist entscheidend für das Verständnis der Auswirkungen der Technologie.
Die generative KI, die durch Tools wie ChatGPT und GitHub Copilot bekannt wurde, konzentriert sich auf die Erstellung neuer Inhalte. Sie nimmt eine Eingabeaufforderung entgegen und generiert Text, Bilder, Code oder Audio. Es handelt sich um eine leistungsstarke Maschine zur Erstellung von Inhalten.
Agentische KI hingegen ist eine handlungsorientierte Ausführungsmaschine. Sie kann generative KI verwenden, um eine Anfrage zu verstehen oder einen Plan zu formulieren. Ihr Hauptzweck besteht jedoch darin, Aufgaben auszuführen und mit anderen Systemen zu interagieren. In Unternehmensumgebungen erwecken Plattformen wie Microsoft Copilot Studio, ServiceNow Virtual Agent oder Salesforce Einstein Bots dieses Konzept zum Leben. Frameworks wie AutoGPT und neue OpenAI-Modelle für agentenbasierte KI zeigen das Potenzial für eine breitere autonome Orchestrierung.
Hier ist eine einfache Aufschlüsselung:
| Funktion | Generative KI | Agentische KI |
| Primäre Funktion | Erstellung von Inhalten (Text, Bilder, Code) | Aufgabenausführung, Automatisierung sich wiederholender Aufgaben und Erreichen bestimmter Ziele |
| Zentrale Fähigkeit | Reagiert auf Aufforderungen, erzeugt Ergebnisse. | Nimmt wahr, begründet und handelt autonom. |
| Interaktionsmodell | Vorwiegend konversationelle, einmalige Anfragen. | Kontinuierlicher, zielgerichteter Betrieb. |
| Beispiel | "Schreibe eine E-Mail an mein Team über die Ergebnisse des dritten Quartals". | "Überwachen Sie meinen Posteingang auf Q3-Leistungsberichte aus dem Finanzwesen, fassen Sie die wichtigsten Ergebnisse zusammen, verfassen Sie eine E-Mail an mein Team mit der Zusammenfassung und vereinbaren Sie ein Folgetreffen für nächsten Dienstag. |
| Beispiel-Tools | ChatGPT, GitHub Copilot, Claude | Microsoft Copilot Studio-Agenten, Salesforce Einstein-Bots, ServiceNow Virtual Agent |
| Primäres Risiko | Fehlinformationen, Genauigkeit und geistiges Eigentum. | Unbeabsichtigte Aktionen, Kostenüberschreitungen, Datenschutzverletzungen, Ausuferung des Systems. |
Ein perfektes Beispiel für diese Entwicklung ist Microsofts eigene Plattform. Microsoft 365 Copilot ist für sich genommen weitgehend generativ. Es hilft Anwendern, E-Mails zu schreiben, Dokumente zusammenzufassen oder Folien zu erstellen. In Kombination mit Copilot Studio können Benutzer jedoch autonome Agenten erstellen, die Auslöser überwachen, Logik ausführen und in Microsoft 365 und darüber hinaus integrieren. Diese Kombination verwandelt Copilot von einem Inhaltsassistenten in eine agentenbasierte KI-Plattform.
Während sich viele auf die utopische Vision der Effizienz konzentrieren, erkennen nur wenige die Risiken der Implementierung agentenbasierter KI ohne Governance an. Das Hauptproblem ist, dass diese Agenten oft nicht in einem kontrollierten, zentralisierten IT-Prozess entwickelt werden. Sie werden von Geschäftsanwendern auf Plattformen wie Microsoft Copilot Studio und der Power Platform erstellt.
Diese Demokratisierung der Entwicklung ist zwar leistungsfähig, aber die IT-Abteilung hat weder Autorität noch Kontrolle über die Aktionen, den Datenzugriff und die Kosten dieser Agenten. Daraus ergeben sich drei kritische Problembereiche.
Wie viel kosten diese Agenten das Unternehmen?
Das Versprechen, dass Agenten Geld sparen, gilt nur, wenn ihre Kosten kontrolliert werden. Da Agenten mit kostenpflichtigen Diensten und APIs (wie Azure Cognitive Services oder Konnektoren von Drittanbietern) interagieren können, kann eine Fehlkonfiguration katastrophale Folgen haben.
Wir haben mit einem Unternehmen gesprochen, in dem ein einzelner, schlecht konfigurierter Agent, der von einem Endbenutzer erstellt wurde, versehentlich in eine Endlosschleife geriet. Innerhalb einer Stunde hatte er über 19.000 US-Dollar an API-Verbrauchskosten angehäuft. Das war nicht böswillig. Es handelte sich um einen einfachen Fehler, der aus einem Mangel an Benutzereinführung, Leitplanken und zentraler Überwachung resultierte. Ohne Sichtbarkeit ist jeder Agent eine potenzielle Budget-Zeitbombe.
Wer hat Zugriff auf diese Agenten, und auf welche Daten können die Agenten zugreifen?
Dies ist vielleicht das größte Risiko. Ein KI-Agent läuft in der Regel mit den Berechtigungen seines Erstellers. Bedenken Sie die Auswirkungen:
Stellen Sie sich nun vor, dass dieser Agent schlecht konfiguriert ist oder, was noch schlimmer ist, mit einer großen Gruppe von Benutzern gemeinsam genutzt wird. Der Agent selbst wird zu einer Hintertür, durch die Benutzer indirekt auf Daten zugreifen können, die sie niemals sehen sollten. Das ist der schlimmste Albtraum eines Compliance-Beauftragten, denn es entstehen massive Sicherheits- und GDPR-Risiken, die ohne die richtigen Tools kaum zu verfolgen sind.
Wie viele Agenten gibt es überhaupt in unserem Unternehmen?
So wie die "Schatten-IT" mit dem Aufkommen von SaaS-Anwendungen zu einem großen Problem wurde, treten wir jetzt in die Ära der "Schatten-KI" ein. Wenn jeder der Tausenden von Benutzern in Ihrem Unternehmen einen autonomen Agenten erstellen kann, verlieren Sie schnell den Überblick.
Dieser Wildwuchs macht die Umgebung anfällig, unsicher und unmöglich zu verwalten, geschweige denn zu optimieren.
Die Microsoft-Cloud ist ein fruchtbarer Boden für das Wachstum von agentenbasierten KI-Anwendungsfällen. Mit integrierten Tools und einer riesigen Datenlandschaft sind die Anwendungsfälle überzeugend, aber auch die Governance-Herausforderungen. An diesem Punkt wird die agentenbasierte KI innerhalb von Microsoft zu einem sehr realen und unmittelbaren Thema für IT-Verantwortliche.
Benutzer können Microsoft Copilot Studio nutzen, um benutzerdefinierte Agenten zu erstellen, die komplexe Geschäftsprozesse automatisieren. Ein Agent könnte zum Beispiel den gesamten Beschaffungsprozess verwalten: eine Anfrage in Teams empfangen, den besten Lieferanten über einen Connector finden, eine Bestellung generieren, diese zur Genehmigung senden und das Finanzsystem nach der Zahlung aktualisieren. Der Aufbau von Copilot-Agenten ohne Kontrolle ist zwar unglaublich leistungsfähig, birgt aber auch alle Risiken, die wir besprochen haben. Das reicht von Kostenüberschreitungen bei Premium-Konnektoren bis hin zu Prozessfehlern durch schlecht konzipierte Logik.
Stellen Sie sich einen Agenten vor, der in einem bestimmten Teams-Kanal lebt. Sein Ziel ist es, der Fachexperte für dieses Projekt zu sein. Er kann Fragen beantworten, indem er Dokumente auf der verbundenen SharePoint-Website sucht, liest und zusammenfasst. Dies ist eines der beliebtesten Beispiele für agentenbasierte KI. Die Ergebnisse sind jedoch nur so gut wie die Daten, auf die sie trainiert wurden. Wenn Ihr SharePoint mit veraltetem, doppeltem oder trivialem Inhalt überladen ist, wird der Agent mit Sicherheit falsche Informationen liefern, was zu schlechten Geschäftsentscheidungen führt.
Ironischerweise kann die agentenbasierte KI auch ein Tool für die Unternehmensführung sein. Eine IT-Abteilung könnte einen Agenten entwickeln, der auf zu viele gemeinsam genutzte Dateien achtet und automatisch eine Zugriffsüberprüfung mit dem Dateieigentümer einleitet. Dies ist ein fantastischer Anwendungsfall, der jedoch die Notwendigkeit einer zentralen Plattform für die Verwaltung selbst dieser "offiziellen" Agenten unterstreicht. Sie müssen sicherstellen, dass sie korrekt funktionieren, ihre Aktionen zu Prüfzwecken verfolgen und ihren Lebenszyklus verwalten.
Der Markt für diese agentenbasierten KI-Lösungen wächst rasant. Microsoft ist zwar ein wichtiger Akteur, aber wir sehen ähnliche Trends mit agentenbasierter KI von Google, OpenAI und ServiceNow, die alle darauf abzielen, autonome Fähigkeiten tief in ihre Ökosysteme einzubetten.
Angesichts dieser Risiken könnte die spontane Reaktion darin bestehen, alles abzuschotten. Aber das würde genau die Innovation ersticken, die Sie zu fördern versuchen. Die Antwort lautet nicht, agentenbasierte KI zu blockieren. Man muss sie steuern.
Effektive KI-Governance bietet die Leitplanken, um die wachsenden KI-Fähigkeiten zu verwalten und den Benutzern sichere Innovationen zu ermöglichen. Sie verwandelt KI von einer Risikoquelle in ein skalierbares, sicheres und kosteneffizientes Gut. Dies erfordert ein Umdenken: Governance muss vor der Masseneinführung etabliert werden, nicht als nachträglicher Gedanke. Ein umfassender Ansatz zur Steuerung von Copilot und agentenbasierter KI ist der einzige Weg, um ein Gleichgewicht zwischen Befähigung und Kontrolle herzustellen.
Um die Fallstricke einer unkontrollierten KI zu vermeiden, benötigen Unternehmen einen strukturierten Ansatz. Hier sind die besten Praktiken, die Unternehmen berücksichtigen müssen.
1. Inventarisieren und verfolgen: Vollständige Transparenz erreichen
Der erste Schritt besteht darin, eine vollständige Echtzeit-Inventarisierung jedes einzelnen KI-Agenten in Ihrem Microsoft 365-Tenant, einschließlich Copilot und der Power Platform, zu erhalten. Das müssen Sie wissen:
2. Überwachen: Verstehen Sie, was Ihre Mitarbeiter tun
Sobald Sie eine Bestandsaufnahme gemacht haben, müssen Sie ihr Verhalten verstehen. Das bedeutet, dass Sie ihre Interaktionen und Verbindungen überwachen müssen.
3. Verwalten Sie die Nutzung: Definieren und Durchsetzen von Richtlinien
Dank der Transparenz und des Verständnisses können Sie nun Regeln festlegen.
4. Kosten kontrollieren: Verhindern Sie Budgetausweitungen
Als nächstes müssen Sie die finanziellen Auswirkungen in den Griff bekommen.
5. Wählen Sie die richtigen Tools: Skalierbare Governance ermöglichen
Die Umsetzung dieses Rahmenwerks in die Praxis erfordert mehr als nur manuellen Aufwand. Um agentenbasierte KI in einem großen Unternehmen effektiv zu steuern, benötigen Sie spezielle Tools, die Automatisierung, Transparenz und Kontrolle bieten. Beachten Sie bei der Auswahl einer Governance-Plattform die folgenden Kriterien:
Mit der richtigen Governance-Plattform können Unternehmen agentenbasierte KI sicher und effizient skalieren. Lösungen wie Rencore Governance unterstützen dies, indem sie kritische Governance-Aufgaben automatisieren, Risiken reduzieren und Teams helfen, schneller voranzukommen, ohne IT-Engpässe zu verursachen.
Einen praktischen Leitfaden zur Implementierung von Richtlinien und Prozessen rund um Copilot und agentenbasierte KI finden Sie im Whitepaper Regulating your AI companion: Bewährte Verfahren für die Microsoft Copilot-Governance.
Agentenbasierte KI ist nicht länger experimentell oder abstrakt. Sie ist jetzt da, und sie läuft bereits in Ihrem Unternehmen. Sie hat das Potenzial, das lang gehegte Versprechen einer echten digitalen Transformation und Hyper-Automatisierung einzulösen.
Der weit verbreitete Irrglaube, dass diese Agenten Ihr Unternehmen auf magische Weise effizienter machen und Ihnen Geld sparen werden, ist jedoch gefährlich unvollständig. Dieses Ergebnis ist nur möglich, wenn diese leistungsstarke Technologie verantwortungsvoll eingesetzt wird und vom ersten Tag an ein solider Governance-Rahmen vorhanden ist.
Mit einer Strategie der proaktiven Governance, die auf Transparenz, Richtlinien und Automatisierung basiert, können Sie die immensen Vorteile der agentenbasierten KI nutzen und gleichzeitig die Risiken systematisch minimieren. Sie können Ihre Benutzer zur Innovation ermutigen, Ihre Prozesse intelligenter machen und Ihr Unternehmen zum Vorreiter machen - und das alles mit der Gewissheit, dass Sie die Kontrolle behalten.
Entdecken Sie jetzt, wie Rencore Ihnen hilft, Copilot, Power Platform und benutzerdefinierte Agenten zu kontrollieren.
Testen Sie Rencore Governance kostenlos für 30 Tage!
Der Hauptunterschied ist die Autonomie und das Handeln. Herkömmliche KI-Systeme sind in erster Linie analytische Werkzeuge, die Daten verarbeiten und Erkenntnisse oder Vorhersagen liefern. Agentische KI geht einen Schritt weiter. Sie nutzt diese Erkenntnisse, um in der digitalen Welt Entscheidungen zu treffen und Maßnahmen zu ergreifen, um ein bestimmtes Ziel zu erreichen, oft ohne dass ein Mensch die einzelnen Schritte direkt steuert.
Generative KI erstellt Inhalte wie Text, Bilder oder Code auf der Grundlage von Aufforderungen. Agentische KI hingegen ist darauf ausgelegt, aktiv zu werden. Sie nimmt wahr, begründet und führt Aufgaben selbstständig aus, um Ziele zu erreichen.
Sicherheit und Compliance hängen von der Governance ab. Unternehmen müssen einen Rahmen implementieren, der Folgendes umfasst:
Tools wie Rencore Governance sind für die Automatisierung dieses Prozesses in großem Umfang unerlässlich.
Agentic AI lässt sich über Tools wie Microsoft Copilot Studio und Power Automate tief in das Microsoft-Ökosystem integrieren. Benutzer können Agenten erstellen, die sich mit Daten in der gesamten M365-Suite, einschließlich SharePoint, Teams, OneDrive, Exchange und Dataverse, verbinden und darauf reagieren.
Diese Agenten nutzen die zugrunde liegende KI-Infrastruktur von Microsoft und Konnektoren, um Workflows zu automatisieren und sowohl mit internen Microsoft-Diensten als auch mit externen Anwendungen von Drittanbietern zu interagieren.
Agentische KI zeichnet sich als wichtiger Wandel in der Art und Weise ab, wie Automatisierung funktioniert, weg von passiver Unterstützung hin zu autonomer Ausführung. Obwohl die Einführung noch in den Kinderschuhen steckt, wird sie schnell zu einer Priorität für Unternehmen, die Plattformen wie Microsoft 365 nutzen, wo die Fähigkeit, unabhängig zu handeln, die Produktivität, die Arbeitsabläufe und die Governance-Anforderungen verändert.