Die AI-Agents kommen!

Liebe Unternehmensgestalter, Produktivitäts-Jäger, Macher und Umsetzer!

Vielleicht hast du es schon irgendwo gehört oder gelesen: „2025 wird das Jahr der AI-Agents!“ In dieser Ausgabe klären wir, was es mit diesen Agenten auf sich hat und wie man diese im Unternehmen einsetzen kann.

Was ist ein AI-Agent? Wie der Name schon sagt, handelt es sich um eine künstliche Intelligenz (AI = artificial intelligence). Obwohl sie sehr leistungsfähig sein können, zählen sie immer noch zur sogenannten „Schwachen KI“. Also KI-Systeme, die für spezifische Aufgaben entwickelt werden und Aufgaben innerhalb klar definierter Bereiche ausführen.

Ein AI-Agent ist ein autonomes System, dass in der Lage ist wahrzunehmen und zu handeln um bestimmte Ziele zu erreichen. Das Wahrnehmen funktioniert dabei über Sensoren oder Eingabedaten. Die Daten werden dann verarbeitet und daraus werden Entscheidungen abgeleitet und umgesetzt. Das kann zum Beispiel das Einstellen von Parametern an einer automatisierten Produktionsanlage sein.

Durch die Autonomie befinden wir uns in der höchsten Stufe der Digitalisierung, wenn wir uns zum Beispiel das Reifegradmodell der acatech Studie aus dem Jahr 2020 ansehen.

(Hinweis: https://www.acatech.de/publikation/industrie-4-0-maturity-index-update-2020/ )

In dieser Stufe können Systeme ohne den zusätzlichen Eingriff von Menschen arbeiten, sich selbst optimieren oder aktiv Support anfordern.

Die Form eines AI-Agent kann dabei hoch unterschiedlich sein. Es kann sich um einfache Programmautomationen handeln, die zum Beispiel Kundenreklamationen bearbeiten und selbstständig darüber entscheiden kann, wer ein Ersatzprodukt geliefert oder sein Geld zurückerstattet bekommt. Es kann auch komplexer Verbund von Robotern, Fördertechnik, automatischen Lägern und Transportsystemen sein. Auch ein autonomes fahrendes Auto kann als KI-Agent gesehen werden.

Wie die meisten KI-Systeme lernen auch die KI-Agenten aus vergangenen Handlungen und optimieren sich dabei selbständig. Das ist genau der Punkt, an dem auch die meiste Kritik dieser Systeme ansetzt. Sobald KI-Agenten das überwachte Lernen verlassen und autonom arbeiten, wissen wir nicht in welche Richtung sie sich entwickeln. Ein sehr bekanntes Beispiel war das COMPAS-Projekt aus den 2010er Jahren in den USA.

Die Systeme sind heute wesentlich besser als noch vor einigen Jahren und wir können sie nun gewinnbringend in unseren Produktionsbetrieben einsetzen. Hier 3 Beispiele von KI-Agenten, die auch bald in deinem Betrieb arbeiten könnten:

Dieser KI-Agent hat ständig alle Maschinen im Auge. Er sammelt und analysiert alle Daten in Echtzeit. Dadurch kann er Ausfälle nicht nur vorhersagen, sondern weiß genau welche Maßnahmen zu welcher Zeit getroffen werden müssen, um die Maschinenverfügbarkeit auf dem höchstmöglichen Niveau zu halten.

Wenn die entsprechenden Rahmenbedingungen (Wartungsverträge, budgetäre Entscheidungsgrenzen etc.) gegeben sind, kümmert sich der KI-Agent auch um die Bestellung von Ersatzteilen und plant Techniker ein.

Damit der prescriptive Maintenance Agent arbeiten kann braucht er folgende Voraussetzungen:

• Datenintegration: Vollständige Integration von Sensor- und Maschinendaten
• Hohe Datenqualität: Sensoren müssen kontinuierlich zuverlässige Daten liefern
• Entscheidungssysteme: Dynamische, lernende Algorithmen zur Entscheidungsfindung
• Vernetzung: Integration zu anderen Systemen wie zb. MES und ERP

In der Funktionsweise ähnlich dem prescriptive Maintenance Agent, kümmert sich dieser Kollege um die Aufrechthaltung des Qualitätsniveaus. Er kann durch Sensoren Abweichungen erkennen und Maschinen neu kalibrieren, um innerhalb von gesetzten Toleranzgrenzen zu bleiben.

Auch dieser Agent wird mit der Zeit immer genauer und zuverlässiger. Er kann auch in die Zukunft sehen und proaktiv kommende Abweichungen kommunizieren. So können die Mitarbeiter sich darauf einstellen, ab wann sie eingreifen müssen, weil der KI-Agent irgendwann an seine gesetzten Grenzen stoßen wird.

Die Voraussetzungen sind ebenso ähnlich wie bei unserem vorherigen Agenten. Zusätzlich sei noch erwähnt:

• Bildverarbeitung: optische Kontrolle ist sehr häufig und das System sollte eine hohe Zahl an Bildern verarbeiten können.
• Rückkopplungsmechanismen: Direkte Verarbeitung von Anpassungen und der Korrelation von Änderungen auf das Ergebnis
• Automatisierung: Entweder durch Integration in die Maschine oder mit Hilfe zusätzlicher Aktuatoren

Dieser schlaue Kollege arbeitet bereichsübergreifend und verarbeitet Informationen aus Logistik, Produktion, Qualität, Instandhaltung, der HR, dem Einkauf und anderen Bereichen. Er ist nicht nur in der Lage den optimalen Produktionsplan zu erstellen, sondern er kann diesen auch selbständig anpassen. Kommt es zum Beispiel zu einem Maschinen-, Material- oder Personalausfall kann er in Sekunden ein neues, optimales Produktionsprogramm erstellen.

Hier kann man bereits erkennen, dass sich dieser KI-Agent mit anderen Agenten „unterhalten“ muss, um optimale Entscheidungen zu finden. Um hier die bestmöglichen Ergebnisse zu erzielen, braucht es ein Regelwerk. So wie es auch eines gibt, wenn Menschen die Prozesse ausführen. Wer hat Vorrang? Worauf legen wir die Priorität?

Dieser Agent kann seine besten Ergebnisse erzielen, wenn er auf einer vernetzten Fertigung aufbauen kann. Maschinen und Systeme brauchen effiziente Schnittstellen für einen schnellen und korrekten Datenaustausch.

Was sagst du zu den AI-Agents? Wo siehst du die ersten Einsatzfelder und den größten Vorteil? Was hält dich/euch davon ab die Agents in eurem Betrieb zu installieren und zu trainieren?

Teile gerne deine Learnings mit der Community.

Du hast Fragen zu dem Thema oder möchtest mir ein Feedback zum Newsletter geben? Zögere bitte nicht!

Du kannst mich jederzeit über mein LinkedIn-Profil oder per E-Mail erreichen. Dein Feedback ist für mich extrem wichtig. Denn nur so kann ich diesen Newsletter mit noch mehr produktivem Input für dich füllen.

Abonniere jetzt unseren wöchentlichen Produktivitäts-Pilot Newsletter!

Dein Produktivitäts-Pilot

Martin Posarnig