AI-Agenten: Bitte kein weiteren Proof of Concepts mehr sondern echte Prozessautomatisierung, so geht’s

Wie Sie wissen, sind wir der klaren Überzeugung das AI mehr als nur GPT oder das Bearbeiten von Text ist. Klar eine gute Basis ist es alleweil, aber wirklichen nutzen mit AI kann nur generiert werden, wenn die AI-Arbeiten übernimmt und dabei auch noch auf Ihren eigenen Daten basiert. 

Lesen Sie den Blog oder schauen Sie hier das NotebookLM Video.

IT-Dienstleister verkaufen derzeit fast ausschliesslich Proof of Concepts. Das erzeugt den Eindruck, dass auch sie nicht wirklich wissen, wohin die Reise geht. Doch was, wenn Sie einen anderen Weg einschlagen? Einen Weg, der Innovation mit konkretem Mehrwert verbindet? 

Wie wäre es aber wenn wir auf der Basis eines Innovationsprozesses versuchen Mehrwert zu generieren? Wie? Ganz einfach. 

Versammeln Sie die innovativen Mitarbeiterinnen und Mitarbeiter aus Ihren Fachbereichen und analysieren Sie gemeinsam die bestehenden Prozesse. Ziel ist es, Einsatzgebiete für AI zu identifizieren – insbesondere dort, wo Arbeitsschritte zwar viel Aufwand erzeugen, aber keinen echten Mehrwert liefern. 

Genau diese „High Volume – Low Value Tasks“ sind auch Thema der Eisenhower-Matrix. 

Basierend auf den heutigen Möglichkeiten der künstlichen Intelligenz, rücken vor allem Aufgaben aus dem Quadranten «nicht wichtig aber dringend» in den Vordergrund zur Automatisierung  

Doch welche Aufgaben verursachen grosses Volumen mit wenig Wert? 

Hier einge Beispiele zur Inspiration: 

Kundeninteraktionen geschehen heute auf sehr vielen Kanälen, sei dies per Mail, per Supporttool, per Formular, per Telefon oder per Messaging App.  

Mit einer AI basierten «Dispachting» Lösung können Informationen nicht nur schneller zu betroffenen Stelle weitergeleitet werden, sondern es kann auch versucht werden, das Anliegen direkt zu beantworten oder im Minimum zu reagieren, wenn vom Kunden weitere Informationen oder Dokumente benötigt werden. Wichtig ist bei solchen Lösungen aber wie immer, dass diese auf ihren Daten resp. ihrem gesammelten Wissen basieren. Generische Lösungen auf bestehenden Modellen (LLM) wie bspw. GPT 5 ohne das Beachten ihres Wissens sind meist zum Scheitern verurteilt. 

Beispiel 2: 

Es gibt Prozesschritte die basierend auf den Daten des Kunden, sowie ihren Vorgaben vollständig automatisiert werden können. Nehmen wir als Beispiel eine Versicherung welche kleinere Schäden anhand der Angaben des Kunden inkl. einem Bild zum Schadenfall, vollständig automatisch abwickelt. Die KI kann dabei das Bild analysieren, die Offerte beurteilen, die Vergangenheit der Kunden miteinbeziehen und die Vorgaben der Versicherung ebenfalls berücksichtigen. Wichtig hier ist, dass der Mensch im Zweifelsfalle mit in den Loop in Form einer Prüfung miteinbezogen wird. Zweifel in diesem Fall heisst, dass ein statistischer Schwellwert bei der Beurteilung unter einen gewissen Wert ist. Sollte sich die KI nur zu 60% sicher sein den richtigen Entscheid zu treffen, ist es ratsam den Fall an einem Menschen weiterzuleiten. 

Beispiel 3: 

Als letztes Beispiel wollen wir ein Beispiel aus der IT erwähnen. Sollten Sie in der Welt des Supportes zuhause sein, so kennen sie das Problem sicher: Ein Problem eines Kunden wurde mittels Konfiguration oder Entwicklung gelöst. Alles gut und recht, wer aber sorgt dafür das die entsprechenden Dokumentationen wieder aufdatiert werden? Diese Arbeit kann ein Agent für sie übernehmen. Anhand der abgearbeiteten Tickets, der Dokumentationen, der Konfigurationen oder des Source Codes, kann dieser die bestehenden Dokumentationen anpassen und einem Benutzer zur Freigabe geben. Einfach und unkompliziert. 

Und wie finden sie nun ihre Anwendungsfälle? Ganz einfach.  

In einem ersten Schritt werden wir sie im Rahmen eines Workshops auf dem Thema AI fit machen. Was ist Machine Learning, wie funktionieren RAG-Lösungen, was ist der Unterschied zwischen GPT 5 und 3.5 und viele weitere Themen werden wir zusammen angehen. 

Im zweiten Schritt werden sie ihre möglichen Potentiale auf Post It’s dokumentieren und anschliessend im folgenden Rahmen beurteilen. 

Unser Ziel wird es sein möglichst schnell und ohne zu grosse Investitionen Quick Wins umzusetzen, nicht als Proof of Concept sondern als echte Lösung welche einen echten Mehrwert schafft. 

Am eindrücklichsten lässt sich der Nutzen von AI-Agenten an echten Erfahrungen aufzeigen. Deshalb lassen wir eine unserer Kundinnen zu Wort kommen: Simone Siddiqui von der SUPRISE KULTOUR AG berichtet im Interview, wie sie den Workshop erlebt hat und welche konkreten Einsatzgebiete dabei identifiziert wurden. 

Wir würden uns freuen auch ihre Potentiale freilegen zu dürfen, frei nach dem Motto: Das es funktioniert wissen wir, welches Potential AI Agenten beinhalten zeigen wir ihnen ohne Umschweife. 

Jörg Bieri