{"id":1059214,"date":"2025-12-16T17:06:30","date_gmt":"2025-12-16T17:06:30","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=1059214"},"modified":"2026-01-08T15:05:07","modified_gmt":"2026-01-08T15:05:07","slug":"agentic-ai-user-guide-to-process-driven-transformation","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/de\/blog\/agentic-ai-user-guide-to-process-driven-transformation\/","title":{"rendered":"Agentic AI: Ein Benutzerhandbuch zur prozessgesteuerten Transformation"},"content":{"rendered":"

Ist Agentische KI<\/strong> einfach eine Erweiterung des generative KI<\/strong> Projekte, die bis jetzt durchgef\u00fchrt wurden? Die Antwort lautet nein. Der Schwerpunkt liegt nicht mehr auf der lokalen Optimierung durch einen einzelnen Anwendungsfall, sondern auf der vollst\u00e4ndigen Neuerfindung von Kerngesch\u00e4ftsprozessen, um einen greifbaren und messbaren Wert zu erzielen.<\/p>\n

Ein Agent ist kein umbenannter Assistent. Ein Assistent antwortet oder generiert Inhalte. Ein Agent hingegen verfolgt ein bestimmtes Gesch\u00e4ftsziel, trifft Entscheidungen, interagiert mit Systemen und f\u00fchrt Aktionen aus. Er unterh\u00e4lt einen Status, verwaltet Ausnahmen und eskaliert, wenn er an seine Grenzen st\u00f6\u00dft. Dieser Unterschied ist nicht nur kosmetisch: Ein Agent ist nicht dazu da, zu \u201cantworten\u201d, sondern um in einem Prozess handeln<\/strong>.<\/p>\n

Von GenAI zu Agentischer KI: Ein Paradigmenwechsel<\/h2>\n

Der Ansatz von Agentische KI<\/strong> markiert einen klaren Bruch mit dem bisherigen GenAI<\/strong> Welle, die oft nur bruchst\u00fcckhaft und von Fall zu Fall angegangen wurde<\/span><\/span>.<\/p>\n

Die Debatte bewegt sich von den \u201ckonzeptionellen Sph\u00e4ren zu den die betriebliche Realit\u00e4t von Gro\u00dfkonzernen<\/strong>,Das haben Unternehmen wie Orange, SNCF Voyageurs und die Beaumanoir-Gruppe k\u00fcrzlich bewiesen. Heute wird das Thema \u201dvon oben\u201c behandelt, direkt von Exekutivaussch\u00fcssen (Comex), die von der Generaldirektion oder dem Chief Transformation Officer geleitet werden. Die Debatte bewegt sich von \u201dkonzeptionellen Sph\u00e4ren in die operative Realit\u00e4t gro\u00dfer Unternehmen\u201c, wie Unternehmen wie Orange, SNCF Voyageurs und die Beaumanoir-Gruppe k\u00fcrzlich bewiesen haben. Heute wird das Thema \u201dvon oben\u201c behandelt, direkt von den Exekutivaussch\u00fcssen (Comex), die von der Generaldirektion oder dem Chief Transformation Officer geleitet werden.<\/p>\n

Diese Ver\u00e4nderung der Gr\u00f6\u00dfenordnung ist signifikant. Er stellt einen echten Paradigmenwechsel dar, so Hanan Ouazan, Partner & Generative AI Lead bei Artefact. Das Ziel besteht nicht mehr darin, einen Algorithmus schrittweise zu verbessern, sondern Prozesse von Grund auf zu \u00fcberdenken und zu automatisieren, um einen direkten, messbaren Nutzen zu erzielen. Investitionsrendite (ROI)<\/strong>.<\/p>\n

Hanan Ouazan weist auch auf die Grenzen des bisherigen Ansatzes hin: \u201cSelbst wenn Sie Ihren Algorithmus lokal stark optimiert haben, bleibt er lokal. Sie sind von vielen anderen Aspekten des Prozesses abh\u00e4ngig, die ebenfalls sehr wichtig sind, um den endg\u00fcltigen ROI zu erreichen\u201d. Durch die Konzentration auf den gesamten Prozess verspricht Agentic AI, die \u201centt\u00e4uschenden Effekte\u201d isolierter Optimierungen zu \u00fcberwinden.<\/p>\n

Agentische KI bricht auch mit der klassischen Automatisierung. Automatisierung f\u00fchrt eine festgelegte Abfolge von Aufgaben aus. Die Agentisierung f\u00fchrt Arbitrierung, Kontrolle und die F\u00e4higkeit ein, einen Kontext zu interpretieren und den Weg zur Erreichung eines Ziels anzupassen. Wir sprechen nicht mehr von einem festen Arbeitsablauf, sondern von einem System, das navigiert<\/b> einen Gesch\u00e4ftsprozess.<\/p>\n

Den Kurs bestimmen: Die \u201cWarum, Wo, Wie\u201d-Methode f\u00fcr die Unternehmensausrichtung<\/h2>\n

Um ein solches Ziel zu erreichen, ist ein klarer strategischer Rahmen unerl\u00e4sslich. Um diesen Wandel zu strukturieren, schl\u00e4gt der Experte einen einfachen, aber wirkungsvollen methodischen Rahmen vor: die \u201cTriptychon \u201dWarum, Wo, Wie\"<\/strong>. Der Ansatz besteht darin, nacheinander drei grundlegende Fragen zu beantworten, um das gesamte Unternehmen auszurichten.<\/p>\n

    \n
  1. Das \u201cWarum\u201d: Die Definition des \u00fcbergeordneten strategischen Ziels.<\/b> Dieser Schritt legt das Ausma\u00df der Ambitionen fest und rechtfertigt die notwendigen Investitionen. Dieses \u201cWarum\u201d kann verschiedene Formen annehmen, wie der kundenorientierte \u2019Kompass\u201c von SNCF Voyageurs oder die Priorisierung der unmittelbaren \u201dprofessionelle Effizienz<\/strong>\u201d f\u00fcr seine Teams.<\/li>\n
  2. Das \u201cWo\u201d: Die Definition des Spielfelds.<\/b> Sobald das Ziel festgelegt ist, w\u00e4hlt das Unternehmen die vorrangigen Funktionen und Prozesse aus, in denen der Wert am effektivsten erfasst werden kann.<\/li>\n
  3. Das \u201cWie\u201d: Die Definition der konkreten Mittel.<\/b> Dazu geh\u00f6rt die Einrichtung der technologischen Plattform, der Governance und der Organisationsstruktur, die die Umstellung unterst\u00fctzen wird. Diese Governance ist entscheidend: Agentische KI<\/strong> muss gekl\u00e4rt werden, wer die Gesch\u00e4ftsregeln definiert, wer die Agenten \u00fcberwacht und wer sensible Aktionen autorisiert.<\/li>\n<\/ol>\n

    Diese organisatorischen Entscheidungen, mehr noch als die Technologie, erm\u00f6glichen die Skalierung. Der Rahmen stellt sicher, dass die Initiative fest in der Strategie des Unternehmens verankert ist.<\/p>\n

    Auswahl der Schlachten: Identifizierung von Voraussetzungen und geeigneten Prozessen<\/b><\/h2>\n

    Der Erfolg einer Agentische KI<\/strong> Projekt h\u00e4ngt von einer rigorosen Bewertung von drei wesentlichen Voraussetzungen ab:<\/p>\n

      \n
    1. Prozesswissen:<\/b> Es ist zwingend erforderlich, eine klare Abbildung der aktuellen Abl\u00e4ufe zu haben, da oft eine erhebliche L\u00fccke \u201czwischen dem Prozess, wie er auf dem Papier steht, und dem Prozess, wie er im Unternehmen betrieben wird\u201d besteht. Funktionen wie Finanzen oder Recht, wo \u201choheitliche\u201d Eins\u00e4tze eine strenge Dokumentation erfordern, sind oft g\u00fcnstigere Ausgangspunkte.<\/li>\n
    2. Data und Reifegrad von Informationssystemen:<\/b> Die Automatisierung st\u00f6\u00dft oft auf Altsysteme, die nicht f\u00fcr die Interoperabilit\u00e4t konzipiert wurden. Ein Agent muss nicht nur in der Lage sein, Informationen zu lesen, sondern sie auch zu schreiben, um Aktionen auszuf\u00fchren, was offene Systeme voraussetzt. Diese F\u00e4higkeit erfordert eine pr\u00e4zise Architektur: einen Orchestrator, einen Kontextspeicher, Verbindungen zu Gesch\u00e4ftssystemen und eine \u00dcberwachungsschicht. Das Ziel ist es, ein transversales \u201cNervensystem\u201d hinzuzuf\u00fcgen, das Prozesse und Informationssysteme (IS) miteinander verbindet, anstatt das, was bereits existiert, neu zu erfinden.<\/li>\n
    3. Organisatorische Reife:<\/b> Eine Struktur, die in der Lage ist, neue Prozesse zu beaufsichtigen und menschliche Eingriffe zu integrieren (\u201cMensch in der Schleife<\/strong>\u201c), und die Bew\u00e4ltigung des Wandels ist unerl\u00e4sslich.<\/li>\n<\/ol>\n

      Die Ber\u00fccksichtigung dieser drei Dimensionen ist entscheidend f\u00fcr eine reibungslose Einf\u00fchrungsphase.<\/p>\n

      Eine pragmatische Roadmap f\u00fcr die Implementierung<\/b><\/h2>\n

      Sobald die in Frage kommenden Prozesse identifiziert sind, sollte die Einf\u00fchrungsmethodik entschieden pragmatisch sein.<\/p>\n

      Der erste Schritt besteht darin, Prozesse zu priorisieren, indem der potenzielle Wert (erwarteter Gewinn) gegen die Komplexit\u00e4t der Transformation (technisch, menschlich, organisatorisch) abgewogen wird. Ein entscheidender Schritt besteht dann darin, den Zielprozess \u201cin einer idealen Welt\u201d ohne Zw\u00e4nge neu zu schreiben und anschlie\u00dfend die Abweichung von der Realit\u00e4t zu messen.<\/p>\n

      Hanan Ouazan warnt jedoch vor einer gro\u00dfen Falle: \u201czu versuchen, den Prozess von morgen sofort nachzubilden\u201d. Dieser Ansatz ist zum Scheitern verurteilt. Am besten ist es, eine Roadmap in \u201cBrocken\u201d zu erstellen und dabei mit den am leichtesten zug\u00e4nglichen Bereichen zu beginnen.<\/p>\n

      Oney liefert mit seinem Agentic Proof of Concept ein konkretes Beispiel: Die Tochtergesellschaft von BPCE konzentrierte sich auf das spezifische Ziel, \u201cden Abschluss eines Privatkredits zu rationalisieren\u201d. Anstatt alles neu zu erfinden, begann man mit der Automatisierung der Analyse der 42 erforderlichen Dokumente. Dieser einzige Schritt spart drei Tage im Gesamtprozess und bringt einen sofortigen Gewinn.<\/p>\n

      Dieser schrittweise Ansatz sichert das Projekt ab, beseitigt aber nicht alle Hindernisse. Zu den in der Praxis beobachteten Gegnern geh\u00f6ren: die Entwicklung eines Agenten, bevor der Prozess gekl\u00e4rt ist, die Gew\u00e4hrung von zu viel Spielraum f\u00fcr einen kritischen Agenten ohne Sicherheitsvorkehrungen oder die Annahme, dass ein Agent eine Rolle ohne Reorganisation \u201cersetzen\u201d wird. Umgekehrt ist die Vorstellung, dass ein Agent ein fertiges Produkt ist, obwohl er st\u00e4ndig \u00fcberwacht und angepasst werden muss, ein weiterer Fallstrick.<\/p>\n

      Herausforderungen jenseits der Technologie: Governance, Altlasten und Reife der Tools<\/b><\/h2>\n

      Agentische KI<\/strong> Projekte stehen vor Herausforderungen, die weit \u00fcber den rein technologischen Rahmen hinausgehen.<\/span><\/p>\n

      Eine davon ist die extrem schnelle Entwicklung von Tools, die Hanan Ouazan mit dem Versuch vergleicht, \u201cein Foto von einem TGV zu machen, der mit 300 km\/h vorbeif\u00e4hrt\u201d. Es ist riskant, auf Technologien zu setzen, die sich noch in der Entwicklung befinden. Daher ist es wichtig, seine Schlachten klug zu w\u00e4hlen.<\/span><\/p>\n

      Ein zweites gro\u00dfes Hindernis ist organisatorischer Natur. Prozess-Transformation<\/strong> ist von Natur aus bereichs\u00fcbergreifend und kollidiert direkt mit siloartigen Organisationen, in denen \u201cjeder dem anderen auf die F\u00fc\u00dfe tritt\u201d. Wie das Beispiel von SNCF Voyageurs zeigt, sind diese Initiativen zum Scheitern verurteilt, wenn es kein klares Mandat auf h\u00f6chster Ebene gibt.<\/span><\/p>\n

      Schlie\u00dflich ist auch die Reife der aktuellen Tools ein Problem. Der Artefact-Experte sieht eine \u201criesige L\u00fccke\u201d zwischen L\u00f6sungen wie Unternehmens-Chatbots und komplexen Entwicklungsplattformen, die f\u00fcr Expertenprofile gedacht sind. Hanan Ouazan glaubt, dass es einen Bedarf gibt f\u00fcr \u201clow-code\u201d Tools<\/strong> um Gesch\u00e4ftsanwendern die Erstellung von Agenten zu erm\u00f6glichen, sowie modellunabh\u00e4ngige \u201cEnd-to-End\u201d-\u00dcberwachungsplattformen.<\/span><\/p>\n

      Standards f\u00fcr die Interoperabilit\u00e4t und \u00dcberwachung von Agenten<\/b><\/h2>\n

      Protokolle wie Agent to Agent (A2A) oder MCP befinden sich noch in der Anfangsphase, und der Markt ist noch nicht ausgereift. Der Experte stellt fest, dass ein CAC40-Anbieter, der verschiedene Modelle verwendet (Mistral, OpenAI, Google, Azure), derzeit nicht alle seine Systeme \u00fcberwachen kann. Seiner Meinung nach wird von den Anbietern dringend erwartet, dass sie dieses Problem l\u00f6sen Interoperabilit\u00e4t<\/strong> und gro\u00df angelegte Verwaltung. Sie m\u00fcssen in der Lage sein, L\u00f6sungen anzubieten, die \u201cden Aufbau von Agenten auf zuverl\u00e4ssige und robuste Weise skalieren\u201d und den \u201czuverl\u00e4ssige Steuerung<\/strong>\u201d dieser Mittel.<\/span><\/p>\n

      In Ermangelung einheitlicher Protokolle und \u00dcberwachungsplattformen sind Unternehmen derzeit gezwungen, entweder eine \u201cgro\u00dfe Wette\u201d einzugehen (alles auf ein einziges Modell zu setzen) oder \u201cSchnittstellen\u201d zu verwalten, was ihre F\u00e4higkeit zur Skalierung stark einschr\u00e4nkt. Die gr\u00f6\u00dfte technologische Herausforderung liegt im Fehlen von Standards und ausgereiften Verwaltungsl\u00f6sungen f\u00fcr die Interoperabilit\u00e4t und \u00dcberwachung von Agenten verschiedener Anbieter.<\/span><\/p>\n

      Die Landschaft wird sich in den n\u00e4chsten 12 bis 24 Monaten schnell ver\u00e4ndern: Das Aufkommen von Low-Code-Plattformen<\/strong> f\u00fcr Gesch\u00e4ftsanwender, die Standardisierung von Transaktionskonnektoren, die Verst\u00e4rkung der Beobachtungsfunktionen und das Auftauchen von spezialisierten Agenten, die direkt in die t\u00e4glichen Tools integriert sind.<\/span><\/p>\n

      Die Frage wird nicht mehr lauten: \u201cIst es machbar?\u201d, sondern: \u201cWelche Abfolge von Prozessen sollte umgestaltet werden und wie k\u00f6nnen wir sie effektiv \u00fcberwachen?\u201d.<\/span><\/p>\n

      Sehen Sie sich die replay der Pr\u00e4sentation an:
      \n<\/strong><\/p>\n