Agentic AI: Vom Assistieren zum Orchestrieren

Hier geht’s zum ersten & zweiten Teil der Trilogie.

Jean-Marc, zum Einstieg: Wer bist du und wofür bist du bei Oracle verantwortlich?

Jean-Marc Pfammatter: Ich bin Jean-Marc Pfammatter und bei Oracle für unsere Go-to-Market-Organisation in der Schweiz verantwortlich. Gemeinsam mit meinen Teams betreue ich unsere Kunden und Partner im Schweizer Markt. Neben dieser Aufgabe bin ich Vater von vier Kindern. Es ist also sowohl beruflich als auch privat meistens einiges los.

Agentic AI als nächste Entwicklungsstufe von KI

In unserer Gesprächsreihe ging es zunächst um Führung in Krisensituationen. Aus technologischer Sicht: Wo liegen die grössten Hürden, wenn Unternehmen unter Zeitdruck Transparenz und Handlungsfähigkeit herstellen müssen?

Oft liegt das Problem nicht daran, dass keine Daten vorhanden wären. Die grössere Herausforderung besteht darin, dass eine gemeinsame Sicht auf diese Daten fehlt. Wenn unterschiedliche Bereiche mit unterschiedlichen Interpretationen arbeiten, wird es schwierig, eine Situation einheitlich zu bewerten und schnell zu handeln.

Technologisch geht es deshalb darum, Transparenz über Daten, Prozesse und Organisationsgrenzen hinweg herzustellen. Führungskräfte müssen verstehen können, welche Daten wirklich relevant sind und welche Daten eine belastbare Grundlage für gute Entscheidungen bilden.

Im zweiten Gespräch dieser Reihe ging es um KI als intelligente Assistenz für Geschäftsleitungen. Was unterscheidet einen KI-Assistenten von Agentic AI?

Die Begriffe sind nicht immer messerscharf voneinander getrennt. Vereinfacht gesagt unterstützt ein KI-Assistent Menschen bei klar definierten, eher einfachen Aufgaben. Er liefert Informationen, erstellt Inhalte oder führt einzelne Aktionen aus. Typische Beispiele sind Chatbots, Copilots oder digitale Assistenten.

Agentic AI geht einen Schritt weiter. Sie reagiert nicht nur auf Anfragen, sondern kann eigenständig Ziele verfolgen, Aufgaben planen, Schritte orchestrieren und verschiedene Werkzeuge nutzen. Damit kommt sofort auch die Frage nach Kontrolle, Verantwortung und Human in the Loop ins Spiel.

Wann reicht klassische Automatisierung, wann ein KI-Assistent und wann wird Agentic AI wirklich interessant?

Wenn ein Geschäftsprozess klar definiert, stabil und regelbasiert ist, dann ist klassische Automatisierung oft die einfachere und effizientere Lösung. Das gilt besonders, wenn grosse Volumen verarbeitet werden sollen und die Abläufe sehr standardisiert sind. Agentic AI wird dort spannend, wo mehrere Systeme, verschiedene Prozesse oder unterschiedliche Ziele gleichzeitig berücksichtigt werden müssen. Also dann, wenn es komplexer wird, sich Rahmenbedingungen laufend verändern und Handlungsoptionen bewertet werden müssen.

Wenn mehrere Bereiche, Systeme und Prozesse betroffen sind: Wie sollten Unternehmen solche Fälle angehen?

Je breiter KI-Fähigkeiten in einem Unternehmen eingesetzt werden, desto wichtiger werden Security und Governance. Man muss unterscheiden, ob Agentic AI innerhalb einer bestimmten Applikation oder eines klar definierten Geschäftsprozesses eingesetzt wird. In diesem Fall kann sie die bestehenden Sicherheitsstandards der Applikation übernehmen und sich innerhalb dieser Leitplanken bewegen.

Wenn ein Prozess zusätzlich von einem Menschen geprüft oder freigegeben werden soll, lässt sich das entsprechend einbauen. Genau hier wird Human in the Loop relevant. Es geht also nicht darum, Menschen aus der Verantwortung zu nehmen, sondern klare Kontrollpunkte und Verantwortlichkeiten zu definieren.

Vom Pilotprojekt zur erfolgreichen Umsetzung

Viele Unternehmen haben in den vergangenen Jahren KI-Piloten gestartet. Wie sieht es bei Agentic AI aus? Sind Unternehmen heute reifer im Umgang damit?

Ja, Unternehmen und Organisationen in der Schweiz werden erfahrener im Umgang mit KI und auch mit Agentic AI. Wir sehen, dass immer mehr Unternehmen nicht mehr nur in der Pilotphase sind, sondern KI bereits produktiv einsetzen. Ein wichtiger Unterschied zu früher ist, dass Geschäftsziele heute klarer und bewusster definiert werden. Viele Unternehmen haben verstanden, dass KI und Agentic AI nicht primär als Technologieprojekt gedacht werden sollten. Entscheidend ist der gewünschte Business Outcome. Die Technologie ist so vielseitig, dass man sich sonst sehr schnell in Nebenschauplätzen verliert.

Wer sollte bei einem Agentic-AI-Projekt am Tisch sitzen?

Auf jeden Fall die Businessnutzerinnen und Businessnutzer. Also jene Menschen, die den Geschäftsnutzen am besten verstehen und die Prozesse aus der Praxis kennen. Dazu gehören aber auch die Verantwortlichen für Sicherheits- und KI-Strategie im Unternehmen. Eine unternehmensweite Strategie ist wichtig, damit man effizient und wirksam vorgehen kann.

Und natürlich braucht es auch Expertinnen und Experten, die sich mit der Technologie und den Produkten auskennen. Agentic AI ist kein Thema, das allein in der IT oder allein im Business gelöst werden kann.

Welche technologischen Grundlagen braucht es, bevor Agentic AI produktiv eingesetzt werden kann?

Die Basis sind vertrauenswürdige Daten. Ohne qualitativ gute Daten kann auch Agentic AI keine guten Ergebnisse liefern. Die Daten müssen den richtigen Kontext bereitstellen. Dazu kommt eine leistungsfähige Infrastruktur, die in der Lage ist, die notwendigen Datenmengen zu verarbeiten. Und schliesslich müssen Geschäftsprozesse möglichst integriert sein oder integrierbar gemacht werden. Erst wenn Daten, Infrastruktur und Prozesse zusammenspielen, lässt sich Agentic AI skalieren und in echten Geschäftsnutzen überführen.

Viele Unternehmen arbeiten mit historisch gewachsenen Systemlandschaften. Ist das ein Hindernis für Agentic AI?

Es ist zumindest eine Herausforderung. Viele Unternehmen haben über die Jahre Systeme und Anwendungen aufgebaut, die historisch gewachsen sind. Unternehmensteile wurden akquiriert oder abgestossen, manche Prozesse laufen über Drittanbieter, andere sind nicht vollständig digitalisiert oder automatisiert. Das führt häufig zu Insellösungen. Unternehmen müssen deshalb einerseits ihr Datenhaus in Ordnung bringen und andererseits Prozesse stärker integrieren und vereinheitlichen. Gleichzeitig kann KI aber auch helfen, solche Brüche besser zu überbrücken. Je besser Daten und Prozesse integriert sind, desto besser wird der Outcome. Aber KI-Projekte können auch dazu beitragen, Daten zu vereinheitlichen und Prozesse stärker zu streamlinen.

Sollten Unternehmen mit kleinen, spezialisierten Agenten starten oder zuerst ihre gesamte Daten- und Prozesslandschaft neu ordnen?

Aus unserer Sicht braucht es beides. Eingebettete KI-Anwendungen, auch agentische Funktionen innerhalb bestehender Geschäftsapplikationen, bieten bereits grosse Effizienzpotenziale. Wenn sie in Plattformen wie Oracle Fusion integriert sind, lassen sie sich relativ einfach aktivieren und können den Arbeitsalltag schnell erleichtern.

Gleichzeitig müssen Unternehmen breiter denken. Sie sollten sich fragen, was ihre Unternehmensstrategie bedeutet, wo sie automatisieren, beschleunigen oder die Qualität von Entscheidungen verbessern wollen. Genau dort können agentische Ansätze helfen, das Unternehmen gezielt zu stärken.

Sicherheit und Governance als Erfolgsfaktoren

Wie sollten Unternehmen Themen wie Zugriffsrechte, Security, Datenhoheit und Nachvollziehbarkeit angehen?

Am einfachsten ist es dort, wo agentische KI-Fähigkeiten bereits in Applikationen eingebettet sind. Dann können sie die Zugriffsrechte der jeweiligen Benutzer erben und sich innerhalb der Leitplanken bewegen, die in der Geschäftsapplikation bereits definiert sind. Wenn Unternehmen darüber hinausgehen und Agentic AI über verschiedene Systeme hinweg einsetzen möchten, braucht es ein belastbares Framework und eine klare Security-Strategie. Der Zugriff auf Daten muss genau verstanden und geregelt sein. Mitarbeitende und KI-Agenten dürfen nur auf jene Daten zugreifen und jene Prozesse auslösen, die dafür vorgesehen sind.

Wie behalten Unternehmen die Kontrolle, wenn mehrere KI-Agenten im Einsatz sind?

Dafür braucht es entsprechende Werkzeuge, um Zugänge und Zugriffsrechte zu verwalten. Entscheidend ist, dass KI-Agenten nicht losgelöst von bestehenden Kontrollmechanismen arbeiten, sondern in ein klares Sicherheits- und Governance-Modell eingebettet sind.

Ein wichtiger Punkt im Oracle-Ansatz ist, dass wir KI zu den Daten bringen und nicht umgekehrt. Die Daten der Kunden sollen ihre Systeme und ihre Umgebung nicht verlassen. Die KI-Fähigkeiten werden in die Systeme und in die Umgebung der Kunden gebracht.

Wie Agentic AI echten Geschäftsnutzen schafft

Wie lässt sich der geschäftliche Mehrwert von Agentic AI messen?

Das hängt stark vom jeweiligen Case ab. Unternehmen haben in der Regel ein klares Bild ihrer strategischen Ziele und der Hebel, mit denen sie ihren Geschäftserfolg verbessern wollen. Dabei kann es um Absatz, Kunden, Kosten, Geschwindigkeit oder den besseren Einsatz vorhandener Ressourcen gehen. Agentic AI sollte entlang dieser strategischen Ziele eingesetzt werden. Am Anfang steht also die Frage, welcher konkrete Geschäftsnutzen erreicht werden soll. Wenn dieser Nutzen klar definiert ist, ergibt sich daraus auch das Vorgehen. Dann wird Technologie nicht verspielt oder nebenbei eingesetzt, sondern zielgerichtet.

Welche Unterstützung könnte Agentic AI in einer Krisensituation leisten?

Agentic AI kann die Qualität der vorhandenen Informationen verbessern und Zusammenhänge über das gesamte Unternehmen hinweg sichtbar machen. Ein KI-Agent könnte zum Beispiel gleichzeitig finanzielle Auswirkungen eines Krisenfalls berechnen und alternative Lieferoptionen entlang der Supply Chain vorschlagen. Gerade in Krisensituationen zählt Geschwindigkeit. Wenn Informationen schneller zusammengeführt, bewertet und in Handlungsoptionen übersetzt werden können, verbessert das die Entscheidungsfähigkeit eines Unternehmens deutlich.

In welchen Branchen seht ihr derzeit die konkretesten Anwendungsfelder für Agentic AI in der Schweiz?

Grundsätzlich ist das branchenunabhängig. Jede Organisation kann von agentischer KI profitieren. Besonders relevant sehen wir solche Projekte aber dort, wo anspruchsvolle Compliance-Anforderungen bestehen, viele Daten vorhanden sind und viele Transaktionen verarbeitet werden. Das gilt zum Beispiel für Finanzdienstleister. Aber auch in allen Bereichen mit direktem Consumer-Bezug sehen wir grosses Potenzial.

Welche Rolle möchte Oracle bei dieser Transformation übernehmen?

Unsere Rolle kann nur sein, Unternehmen durch diese Transformation zu begleiten. Ich sehe Oracle gerne als eine Art Business Hyperscaler. Das bedeutet, dass wir bei den Geschäftszielen eines Unternehmens ansetzen und es dann dabei unterstützen, den angestrebten Geschäftsnutzen mit technologischen Möglichkeiten zu realisieren. Dazu gehören auch Lösungen im Bereich Agentic AI.

Welche drei Themen sollten CEOs und Verwaltungsräte jetzt auf die Agenda nehmen?

Erstens die Qualität der Daten. Unternehmensführungen müssen darauf achten, dass Daten einheitlich, belastbar und über Unternehmensbereiche hinweg nutzbar sind. Zweitens die Geschäftsprozesse. Unternehmen sollten prüfen, ob Prozesse bereits über Einheiten hinweg vereinheitlicht sind oder ob hier noch Handlungsbedarf besteht. Drittens Sicherheit und Risiko. Unternehmen müssen klären, ob ihr Sicherheitsdispositiv robust genug ist und wie sie in einer Welt, in der KI-Fähigkeiten immer wichtiger werden, mit Daten und Zugriffsrechten umgehen wollen.

Hier geht’s zum ersten & zweiten Teil der Trilogie.