Agentic Automation: Mission Automatisierung in regulierten Branchen

Agentensystemen bieten eine Fülle an Möglichkeiten und Versprechungen für die moderne Automatisierung. Doch ist dies der gesuchte Hammer für jeden Nagel und wie lässt sich diese innovative und mächtige Technologie wirtschaftlich wertschöpfend nutzen?

Der neue Trend: Agentensysteme

Selbstständiges, autonomes und kontextsensitives Arbeiten mithilfe von Technologie. Was zunächst wie eine Wunschvorstellung klingt, ist seit dem vergangenen Jahr in greifbare Nähe gerückt. Agentensystemen sind das Stichwort und haben nicht nur die Fachwelt beeindruckt, sondern Unternehmen, die diese Technologie nutzen wollen vor neue Herausforderungen gestellt. Wo Firmen in weniger stark regulierten Bereichen neue Geschäftsfelder und Potenziale erschließen, fragen sich Unternehmen aus hochreguliertem Bereich mit einer Vielzahl an Auflagen, wie der Einsatz von Agentensystemen transparent, strukturiert und profitabel gelingen kann. Dabei sind es gerade diese Unternehmen wie Versicherungen, öffentliche Behörden und Banken, die von der autonomen Kapazität profitieren können, um komplexe und oft analoge Prozesse intelligent und unkompliziert zu automatisieren. Um zu verstehen, wie Agentic Automation, die Automatisierungswelt revolutioniert, ist es notwendig zu verstehen, welche Reise diese Technologie bereits hinter sich und wo sie ihren Ursprung hat.

Von Robotern, die das Denken lernen

Wer an Automatisierung denkt, denkt an Roboter. Nicht anders war und ist es in der digitalen Automatisierungslandschaft. Robotic Process Automation beschreibt die deterministische Bearbeitung digitaler Prozesse mithilfe von Software-Robotern. Der Clou ist, dass bei RPA die Eingaben des Menschen simuliert werden. RPA ist schnell und unkompliziert einsetzbar und Unternehmen konnten damit schnell Effizienzpotenziale in Softwarebasierten Prozessen heben. Die Durchdringung von RPA stieg trotz der Limitierungen: Der deterministische Ansatz, dem RPA folgt, erfordert, dass Daten und Abläufe strukturiert und transparent vorliegen, um automatisiert werden zu können. Das Automatisieren von Dokumenten (zum Beispiel Policen), deren Inhalt zunächst interpretiert werden musste, war nur schwer bis unmöglich und verringerte das Automatisierungspotenzial.

Um das Automatisierungspotenzial zu erhöhen, ist ein Ansatz entstanden, bei dem mithilfe von Künstlicher Intelligenz versucht wurde diese Lücke zu schließen: Das sogenannte AI powered Automation (kurz: AiPA) beziehungsweise zu deutsch die KI-gestützte Automatisierung. Hierbei werden weiterhin deterministische RPA-Prozesse an gezielten Stellen mit Künstlicher Intelligenz erweitert, um so die Verarbeitung „intelligenter“ zu gestalten. Die Verarbeitung wird in der Tat intelligenter und Potenziale, die zuvor unerreichbar waren, nun doch greifbar. Wo liegt also das Problem? KI-Modell müssen auf die Zwecke, für die sie genutzt werden sollen, speziell trainiert und mit Quality-Gates gesichert werden.

Wenn wir von Agenten-Systemen oder Agentic Automation sprechen, sprechen wir von autonomen, selbstständigen und lernfähigen Systemen. Dies gelingt durch eine Kombination eines KI-Modells und den sogenannten „Tools“, die ein Agent dazu ermöglicht selbstständig Aktionen durchzuführen. Statt also „nur“ für einen Zweck trainiert zu sein, kann ein Agent Daten, Dokumenten und Anliegen interpretieren, in einzelne Aufgaben zerlegen und mit zugewiesenen Tools selbstständig extrahieren, klassifizieren und verarbeiten. Gesteuert werden derartige Agenten über Prompts, die die Arbeitsweisung bereitstellen und darlegen, wie ein Agent einen Input zu verstehen und was damit zu tun hat. Ab da übernimmt das System die Interpretation. Werden mehr Daten benötigt, um eine Entscheidung herbeizuführen, werden verfügbare Tools durchsucht, ausgeführt und die Ergebnisse eigenständig verarbeitet. Die Vorteile liegen auf der Hand: Flexible Inhalte und auch komplexe Strukturen können interpretiert und verarbeitet werden, ohne dass es notwendig ist, diese in einer Detailtiefe zu beschreiben. Wie sollen nun Versicherungen, Banken oder öffentliche Behörden diese Technologie einsetzen, wenn sie nicht einschätzen können ob die Agenten korrekt arbeiten?

Die intelligente Revolution der Prozessautomatisierung

Wir bei adesso haben uns diesem Problem angenommen und nutzen KI-Agenten als Teilelement einer großeren Automatisierungsstruktur. Unser Agentic Automation nutzt Agenten isoliert, zielgerichtet und transparent, indem wir diese mit Tools und Anweisungen ausstatten und in einen Prozessablauf einbinden, der über einen Prozessworkflow gesteuert wird. Nicht-deterministisches Vorgehen trifft auf deterministisches Prozessdesign, denn gerade im hochregulierten Bereich sind Prozesse Regularien, Abläufen und Gesetzen unterworfen, die selten flexibel gestaltet sind. Ganz anders die Daten, die eingehen. Diese sind oft vielschichtig, unstrukturiert und verschieden. Wir folgen der Philosophie „Flexibler Input, strukturiertes Ergebnis“. Mithilfe einer workflowbasierten Prozessstruktur definieren wir genau welche Ergebnisse wir im Prozess erwarten und richten die Agenten darauf aus. Dies bedeutet, dass wir den Vorteil einer flexiblen Verarbeitung nutzen, diese aber in vordefinierte Strukturen gießen und damit Transparenz schaffen sowie fehlerhafte Ergebnisse verhindern. Unsere Agenten dürfen flexibel arbeiten, sollen aber zu einem der Ergebnisse kommen, die wir in unserem Prozess erwarten. Der Weg wird flexibel, das Ziel bleibt gleich.

Mit RPA, Agentic Automation und einer Workflow-Steuerung sind Bestandteile vorhanden, um langfristig eine zukunftsfähige, nachhaltige und intelligente Prozessplattform zu etablieren. Die obere Grafik bildet eine solche Business Automation Plattform ab, mit der auch für hochregulierte Unternehmen eine vollständige, transparente Verarbeitung möglich wird.