Agenten wollen gehätschelt werden

Gastkommentar von Stefan Issing, Presales Director DACH bei IFS

Industrieunternehmen stehen bei agentischer AI noch ganz am Anfang und führen erste Pilotprojekte durch. Dennoch sollten sie sich bereits jetzt auf den organisationsweiten Roll-out dieser Technologie vorbereiten, sonst laufen sie Gefahr, stecken zu bleiben. Stefan Issing, Presales Director DACH bei IFS, zeigt die größten Stolperfallen beim Übergang von der Pilotphase zur Skalierung auf.

Automatisierte Qualitätskontrolle, vorausschauende Instandhaltung, Optimierung des Materialflusses: AI-Agenten, die bestimmte Aufgaben ohne menschlichen Input autonom erledigen und dabei selbstständig Entscheidungen treffen, versprechen Industrieunternehmen erhebliche Effizienzgewinne. Einige Unternehmen haben auch bereits Pilotprojekte gestartet oder sogar schon erste AI-Agenten implementiert.

Im nächsten Schritt, der weiteren Skalierung dieser Technologie, warten aber zahlreiche Herausforderungen auf die Industrieunternehmen. Darauf sollten sie sich vorbereiten, sonst laufen sie Gefahr, in der Übergangsphase von Pilotprojekten zum breiten Einsatz agentischer AI stecken zu bleiben.

Das sind die größten Hindernisse:

Angst vor Veränderung.
Wenn es um die Einführung von Technologien geht, die ihre Abläufe drastisch verändern, zögern Industrieunternehmen oft. Diese Zurückhaltung resultiert aus der Sorge, die Kontrolle über wichtige Geschäftsprozesse zu verlieren, und aus der Ungewissheit, wie sich diese Veränderungen auf die Arbeitsabläufe auswirken. Bei der Einführung autonomer Systeme wie AI-Agenten dürften diese Bedenken besonders groß ausfallen.

Schwierige Erfolgsmessung.
Ohne klar definierte Erfolgskennzahlen ist es für Unternehmen schwierig, die Wirksamkeit von IT-Tools zu bewerten. Bei agentischer AI ist es aber besonders herausfordernd zu ermitteln, wie sie sich konkret auf wichtige Geschäftsergebnisse wie Produktivität, Kosten oder betriebliche Effizienz auswirkt. AI-Agenten agieren oft in komplexen dynamischen Umgebungen, was eine objektive und vergleichbare Bewertung erschwert. 

Unklarheit über Anwendungsfälle.
Welche komplexen Prozesse AI-Agenten effektiv abbilden können, ist nicht ohne Weiteres ersichtlich. Um es herauszufinden, benötigen Unternehmen fundierte Fachkenntnisse und ein klares Verständnis ihrer internen Abläufe. Andernfalls besteht die Gefahr, dass sie agentische AI nur für einfache Aufgaben einsetzen und damit das Potenzial bei weitem nicht ausschöpfen.

Mangelnde Datenbereitschaft.
Agentische AI ist auf verfügbare und qualitativ hochwertige Daten angewiesen. Für Industrieunternehmen ist die Aufbereitung und Bereitstellung der Daten eine besonders große Herausforderung, da sie oftmals viele Altsysteme im Einsatz haben und ihre Datenlandschaft stark fragmentiert ist. Sie benötigen ein Data Framework, das eine Vielzahl von AI-Agenten unterstützen kann, die nahezu in Echtzeit riesige Datenmengen verarbeiten. 

Widerstände in der Belegschaft.
Da agentische AI bestimmte Aufgaben vollständig automatisiert und von Menschen übernimmt, ist Widerstand von Mitarbeitern vorprogrammiert. Sie können sich zwar auf ihre hochwertigen Aufgaben konzentrieren und Agenten unterstützen, die Genehmigungen benötigen oder mit Unsicherheit behaftet sind. Sie müssen bei ihrer Arbeit aber zweifellos ein gewisses Maß an Autonomie aufgeben.

Fazit:

Für einen erfolgreichen organisationsweiten Roll-out von agentischer AI müssen Industrieunternehmen strategische Investitionen tätigen und methodisch vorgehen. Sie sollten klare Rollen und Geschäftsergebnisse für die Agenten definieren und ihre Daten und ihre Infrastruktur bereit machen. Um einen reibungslosen Übergang zu gewährleisten, ist es außerdem wichtig, in Onboarding-Initiativen für die Mitarbeiter zu investieren und frühzeitig funktionsübergreifende Teams zu bilden.