Das Gespräch führte Armin Barnitzke
Agentische KI bzw. Agentic AI ist gerade in aller Munde. Auch der KI-Kongress am 5. November nimmt sich daher des Themas an. Was genau ist „agentische KI“ eigentlich?
Huber: Agentische KI meint Systeme, die autonom Entscheidungen treffen und in einer realen oder simulierten Welt ohne menschliches Eingreifen handeln können. Agentische KI verarbeitet also nicht nur Informationen und wertet diese aus, sondern kann zum Beispiel auch Ziele setzen, Strategien entwickeln und ihre Umgebung aktiv beeinflussen. Tatsächlich sehen wir in den letzten wenigen Jahren massive Entwicklungsschübe bei diesem Thema.
Und was unterscheidet agentische KI von klassischer KI bzw. generativer KI?
Huber: Klassische KI, die es ja bereits einige Jahrzehnte gibt, kann Aufgaben automatisieren, ist aber kaum interaktiv und reagiert meist nur. Hierfür werden regelbasierte Systeme, lernbasierte Systeme oder statistische Modelle genutzt. Die spätestens seit 2022 weit verbreitete generative KI, die auf neuronalen Netzen basiert, erzeugt neue Inhalte wie Text und Bild und ist in dem Sinne 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 kann man 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 der Techniker bei der Entstörung oder Wartung unterstützen lassen, etwa 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 alles automatisiert.
Welche Vorteile bringt agentische KI in der Produktion?
Huber: Bei Automatisierungslösungen kann sich agentische KI an veränderte Bedingungen anpassen und eigenständig optimieren, anstatt 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 erkannten Fehlern lernen, um die Qualität kontinuierlich zu verbessern. In der Interaktion mit Kunden erstellt agentische KI personalisierte, kontextbezogene Antworten und lernt aus den Interaktionen, um den Service zu verbessern.
