Technologien

Informationstechnologien sind in vielfacher Hinsicht zu kritischen Elementen unseres Lebens erwachsen. Wir verlassen uns auf ihre ständige Verfügbarkeit und Sicherheit. Wir genießen ihre Vorteile täglich.

Die Netzwerk-Protokolle des Internets haben den Grundstein für die Vernetzung der Menschheit gelegt. Cloud-Technologien und die mit der Virtualisierung von Infrastruktur einhergehende lineare Skalierbarkeit, haben den Zugang zur Nutzung jeglicher Daten geschaffen.

Neuronale Netze, wie sie Sprachmodellen zum Einsatz kommen, bilden die nächste Abstraktionsschicht. Sie demokratisieren die Nutzbarkeit der enthaltenen Information und deren inhärenten Potenziale durch die Verwendung natürlicher Sprache als Schnittstelle.

Search, RAG & Context Engineering

Viele Unternehmen stehen noch ganz am Anfang. Wissen ist in Silos verteilt, Dokumente sind fragmentiert und Daten unstrukturiert. Bereits die Auffindbarkeit von Information ist häufig ein noch nicht gelöstes Problem. Ist Information nicht sofort verfügbar, entstehen Ineffizienzen. Aufgaben werden wiederholt von Neuem gelöst. Anweisungen können regelmäßig nicht befolgt werden, da sie schlicht unbekannt sind. Und Wissen geht mit der Zeit verloren – ob durch einfaches Vergessen, durch Wechsel von Mitarbeitern oder fehlende Kommunikation.

AI bzw. LLMs bereiten durch ihre Fähigkeit auch unstrukturierte Daten in herausragender Qualität zu verarbeiten, einen ganz neuen Zugang zu existierender Information. Sie ermöglichen das Schöpfen und Verteilen von Wissen in einer gänzlich neuen Qualität und Quantität. Doch erst, wenn das Problem der Anbindung der Quellen sicher und regulatorisch konform im Unternehmen gelöst ist, kann davon profitiert werden.

Basierend auf den Ergebnissen einer Suche können Prompts dynamisch augmentiert werden, um mit gezieltem Input den optimalen Output eines Modells zu erzeugen – man spricht hier von RAG. Durch systematisch Anreicherung und Reduzierung des Kontexts wird schließlich eine Kontrollierbarkeit der Ergebnisse erzielt.

Workflow Automation, MCP & Agentic AI

Der Unterschied zwischen einer Automatisierung und einem Agenten besteht in der selbstständigen Ausführung. Selbst verschachtelte Prozesse können mit der entsprechenden Logik automatisiert werden. Nachdem ein Workflow gestartet und durchlaufen wurde, ist die Automation abgeschlossen. Gibt es einen neuerlichen Vorgang, wird die Automatisierung erneut von einem Menschen parametrisiert und gestartet. Ein Agent geht weiter und läuft dauerhaft - beispielsweise, um zu prüfen, ob weitere Vorgänge auf Bearbeitung warten, und deren Automation zu starten.

Für viele Prozesse braucht es keine Agenten, um diese zu automatisieren. Wenn ein sich häufig wiederholender Ablauf bisher nicht automatisiert wurde, ist dies möglicherweise der Komplexität des Prozesses oder der komplexen Implementierung der Logik geschuldet. AI scheint magische Versprechen einzulösen, Protokolle wie MCP machen den Zugriff auf externe Anwendungen greifbar. Doch häufig liegen strukturelle oder organisatorische Probleme im Unternehmen vor, welche auch KI nicht bewältigen kann. Diese müssen vorab gelöst werden.

Effizienzsteigerungen müssen bei Erwägung von Automatisierung planbar und messbar sein. Nur durch klar definierte Kriterien und kontinuierliche Überprüfung und Optimierung können Mehrwerte geschaffen werden.