KI-Agenten, agentische Fähigkeiten und KI-Workflows sind in aller Munde. Mit 007 hat dies allerdings nur am Rande zu tun. Das Bild vom Agenten hilft trotzdem, die Sache besser zu verstehen. Worum geht es? Die meisten Erklärungen zu KI-Agenten sind entweder zu technisch oder so allgemein, dass am Ende unklar bleibt, worum es eigentlich geht. Um KI-Agenten wirklich verstehen zu können, sind Praxisbeispiele sinnvoll, in diesem Fall der Einsatz eines KI-Agenten bei der Arbeit von Betriebsrat, Personalrat & Co. Der folgende Artikel macht den Unterschied zwischen einem einfachen Prompt, einem Kl-Workflow und einem KI-Agenten deutlich. Zudem beleuchtet er, worauf Interessenvertretungen bei der Implementierung achten sollten.
Vom KI-Agenten noch weit entfernt: Der Prompt
Beliebte KI-Chatbots wie ChatGPT, Google Gemini und Claude sind Anwendungen, die auf sogenannten großen Sprachmodellen beruhen. Diese „Large Language Models“ (LLM) sind gut darin, Texte schnell und umfassend zu generieren und zu bearbeiten.
Das Prinzip ist einfach: Jemand gibt eine Anweisung ein, einen sogenannten Prompt. Das Sprachmodell erzeugt auf dieser Grundlage ein Ergebnis. Wenn zum Beispiel ein Betriebsratsmitglied ChatGPT bittet, eine E-Mail-Einladung zur nächsten BR-Sitzung zu verfassen, ist sein Prompt die Eingabe und der daraus resultierende E-Mail-Text die Ausgabe.
So weit, so vertraut. Schwieriger wird es, wenn die KI mehr können soll als nur formulieren. Fragt jemand ChatGPT, wann seine nächste BR-Sitzung stattfindet, dann wird ChatGPT scheitern. Das LLM kennt diese Information nicht, weil es keinen Zugriff auf meinen Kalender hat. Hier braucht der Betriebsrat eine erweiterte KI-Lösung, die nicht nur Texte erstellen kann, sondern auch in seinem Kalender suchen kann.
Dieser Sachverhalt macht zwei wesentliche Merkmale großer Sprachmodelle deutlich:
- Erstens verfügen sie trotz ihres kontinuierlichen Trainings an riesigen Datenmengen nur über begrenzte Informationen zu persönlichen Daten oder internen Unternehmensdaten.
- Zweitens sind sie passiv, d. h. sie warten auf einen Prompt und antworten erst dann.
Der KI-Workflow als kleiner Helfer von Betriebsrat, Personalrat & Co.
Hier kommen KI-Workflows ins Spiel. Um auf das Beispiel zurückzukommen: Was wäre, wenn unser Betriebsrat dem Sprachmodell sagt, dass es jedes Mal, wenn er eine Einladung zur BR-Sitzung haben möchte, diese mit dem Datum der nächsten Sitzung erstellt? In diesem Fall haben wir es bereits mit einem KI-Workflow zu tun. Denn er legt fest, welche Schritte die KI in einer bestimmten Reihenfolge ausführen soll: Die KI schaut zuerst im Kalender nach, übernimmt das Datum und formuliert dann die E-Mail. Voraussetzung ist natürlich, dass sie überhaupt auf den Kalender zugreifen darf.
Aber hier wird es knifflig. Was wäre, wenn der Betriebsrat den folgenden Anschlussprompt formuliert: „Suche heraus, welche Anfragen und Beschlussvorlagen ich für diese BR-Sitzung brauche, und füge sie der Tagesordnung inkl. Verlinkungen zu Unterlagen bei“. Das Sprachmodell wird die Anfrage nicht beantworten können, weil es die Anweisung, nach dem Ablageort der Unterlagen zu schauen, die relevanten Unterlagen zur nächsten Sitzung herauszusuchen und in der Tageordnung zu verlinken, nicht umsetzen kann.
Dies ist ein grundlegendes Merkmal von KI-Workflows. Sie können nur Pfaden folgen, die von Menschen vorgegeben werden. Unabhängig, wie viele Schritte wir hinzufügen, es ist trotzdem nur ein einziger KI-Workflow. Auch, wenn man dem Sprachmodell zusätzliche Daten in Form von angehängten Dateien zur Verfügung stellt.
Eigenständigen Denken und Handeln: KI-Agenten im ReAct-Modus
Im Unterschied zum KI-Workflow erkennt ein KI-Agent selbstständig Teilaufgaben und führt sie aus. Im Beispiel der Betriebsratsarbeit hieße das: er prüft, welche Themen für die nächste Sitzung wichtig sind, durchsucht dafür etwa Protokolle oder E-Mails, sucht die passenden Anträge und Beschlussvorlagen in der Ablage, fügt die Links ein und erstellt daraus eine fertige Einladung mit Tagesordnung.
Das „eigenständige“ Handeln des KI-Agenten basiert auf dem Prinzip des ReAct, ein Kunstwort, das für „Reasoning + Acting“ steht. Das Modell kombiniert logisches Denken und Handeln. Das Sprachmodell wird dadurch tatsächlich zu einer Art Agent, der im Auftrag eines anderen selbstständig handelt, überlegt („Ich brauche mehr Infos…“), Aktionen ausführt („Ich rufe eine API (Schnittstelle) auf und schaue am Ablageort nach…“), um am Ende eine finale Antwort zu erzeugen.
Weiterführende Informationen findet ihr etwa bei SAP, Microsoft oder Wikipedia.
KI-Agenten im Einsatz? Die TBS unterstützt euch gerne!
KI-Agenten werden in den nächsten Jahren immer stärker in Geschäftsprozessen in Unternehmen eingesetzt werden und diese erheblich vereinfachen, beschleunigen und dabei auch Entscheidungskompetenzen den Beschäftigten wegnehmen.
Die Fragen aus Sicht der Betriebs- und Personalräte liegen auf der Hand:
- Was passiert beim Aufsetzen dieser KI-Agenten?
- Wer übernimmt später die Haftung für deren Ergebnisse?
- Was passiert mit den Aufgabenzuschnitten der Beschäftigten, die um Routineaufgaben erheblich entlastet werden?
All diese Aspekte sind mitbestimmungspflichtig und mit den Unternehmen abzustimmen. Hierbei fallen viele Detailfragen an, die unter Einbeziehung eines KI-Experten oft einfacher zu klären sind. Hierbei können wir euch als TBS gerne unterstützen. Damit die KI-Agenten in Zukunft nicht im „Geheimdienst ihrer Majestät”, sondern offen und mitbestimmt für Gute Arbeit eingesetzt werden. Nehmt gerne Kontakt mit uns auf!
