Das Gespräch führte Armin Barnitzke
„Agentische KI“ ist gerade in aller Munde. Auch der KI-Kongress Anfang November beschäftigt sich damit. Was genau versteht man darunter?
Huber: Agentische KI meint Systeme, die autonom Entscheidungen treffen und in einer realen oder simulierten Welt ohne menschliches Eingreifen handeln können. Sie verarbeitet also nicht nur Informationen und wertet diese aus, sondern kann zum Beispiel auch Ziele setzen, Strategien entwickeln und ihre Umgebung aktiv beeinflussen. Seit einigen Jahren sehen wir massive Entwicklungsschübe bei diesem Thema.
Was unterscheidet eine agentische KI von klassischer oder generativer KI?
Huber: Klassische KI, die es ja bereits einige Jahrzehnte gibt, kann Aufgaben automatisieren, ist aber kaum interaktiv und reagiert meist nur. Dafür werden regelbasierte Systeme, lernbasierte Systeme oder statistische Modelle genutzt. Die spätestens seit 2022 weit verbreitete generative Künstliche Intelligenz, die auf neuronalen Netzen basiert, erzeugt neue Inhalte wie Texte und Bilder und ist in dem Sinn interaktiv, dass sie ihr Verhalten an die Nutzeranfragen anpasst. Bestes Beispiel ist der Chatbot ChatGPT. Agentische KI schließlich entscheidet und handelt, wie gesagt, autonom. Sie kann aktiv mit ihrer Umgebung interagieren und sich auch an diese anpassen.
Können Sie das konkretisieren?
Huber: Gerne. Am Beispiel der Instandhaltung von Maschinen lassen sich die Unterschiede zwischen klassischer, generativer und agentischer KI gut darstellen: Klassische KI erlaubt, anhand von Sensordaten die Lebensdauer von Maschinenkomponenten vorherzusagen. Mittels generativer KI kann sich ein Techniker bei der Entstörung oder Wartung unterstützen lassen, beispielsweise, indem im Dialog mit einem Chatbot Fehlercodes analysiert und Wartungsmaßnahmen identifiziert werden. Die agentische KI nutzt die Vorhersage der klassischen KI, plant und koordiniert damit Wartungseinsätze und dokumentiert das alles automatisiert.
Welche Vorteile bringt eine agentische KI in der Produktion?
Huber: Bei Automatisierungslösungen kann sich agentische KI an veränderte Bedingungen anpassen und eigenständig optimieren, statt nur vordefinierte Aufgaben auszuführen. Bei der Prozessoptimierung nutzt sie kontinuierliches Lernen, um Prozesse in Echtzeit und losgelöst von vorgegebenen Algorithmen zu verbessern. Bei der Qualitätskontrolle kann sie adaptive Prüfungen durchführen und aus Fehlern, die sie als solche erkannt hat, lernen, um die Qualität kontinuierlich zu verbessern. Im Austausch mit Kunden erstellt eine agentische KI personalisierte, kontextbezogene Antworten und lernt aus den Interaktionen, um den Service zu verbessern.
