Vom Large Language Model zum Large ACTION Model

Do it right, lieber AI Agent!

Nice, but…

Neulich wurde mein Flug gecancelt. Ich gehe in die App und ein Bot erklärt mir, was geschehen ist und welche Optionen nun zur Auswahl stehen. Im ersten Moment kommt ein wohliges Gefühl bei mir hoch: «Oh wie nett und empathisch!» Doch das gute Gefühl legt sich schnell. Denn eine Erklärung reicht nicht. Am liebsten würde ich meine Lieblingsoption wählen, und ein AI-Agent erledigt selbständig die dafür notwendigen Schritte.

Die Realität ist, dass die meisten AI-Agents heute die Arbeit nicht zu Ende führen können. Sie basieren auf Large Language Models (LLMS), welche dafür designt sind, zu verstehen und zu erklären. Aber Kunden wollen mehr. Kunden wollen Action! Denn mit einer freundlichen Erklärung allein ist der Flug noch nicht umgebucht, das Ticket noch nicht in meinem Wallet, der Kalendereintrag noch nicht aktualisiert, die Rechnung noch nicht ausgestellt usw.

«LLMs verstehen zwar, was der Kunde will. Sie haben aber nicht die Fähigkeit, die richtigen nächsten Schritte eigenständig zu wählen und die Bearbeitung systemübergreifend voranzutreiben.»

Action statt Worte

LLMs haben die Art und Weise, wie wir mit Maschinen agieren, auf den Kopf gestellt. Gespräche wirken heute natürlich und intuitiv. Sie verstehen unsere «messy» Gedanken, behalten den Kontext und liefern Antworten. Starre Skripte wurden von dynamischen Dialogen abgelöst, die sich in Echtzeit anpassen und zutiefst menschlich wirken. Interpretation und Ausdruck sind ihre Stärken. Doch ihre Möglichkeiten sind begrenzt. Grund dafür ist das Design: LLMs stossen dort an ihre Grenzen, wo Aufgaben übergreifende Workflows erfordern – über Kanäle, Systeme, Richtlinien und Zeit hinweg.

Genau hier kommen Large Action Models ins Spiel. Anstatt nur Erklärungen zu liefern, führen LAM Aufgaben bis zum Ende durch. Right first time. Ohne die festgelegten Leitplanken zu verlassen. LAMs erweitern die Konversations-Intelligenz um die Superkraft Action alias Ausführung aka Handlung. Sie sind darauf ausgelegt, reale Abläufe zu durchdenken und innerhalb bestehender, freigegebener APIs, gesteuerter Workflows und richtlinienbasierter Funktionen zu handeln.

«Large Action Models sprechen nicht darüber, was passieren könnte. Sie konzentrieren sich darauf, was als Nächstes geschehen sollte – und führen den Prozess konsequent bis zum Abschluss weiter. Jeder Schritt ist nachvollziehbar, gesteuert und transparent.»

Hier trennt sich aus Kundensicht die Spreu vom Weizen: Gespräche enden nicht mehr mit «jemand wird sich darum kümmern» oder «kümmern Sie sich selbst darum». Gespräche enden mit «Ihr Anliegen wurde für Sie gelöst».

Autonome Agenten: Die ausführende Kraft einer Plattform

Bestimmt hatten auch Sie schon ein ähnliches Erlebnis wie ich mit dem Flug. Wir finden ein solches Szenario überall dort wieder, wo Unternehmen «mal etwas mit KI» machen wollten – und raus kam ein isolierter Bot. Dieser kommuniziert zwar im Idealfall freundlich und empathisch – die eigentliche Last bleibt jedoch beim Kunden: warten, erneut versuchen, recherchieren oder eskalieren. Was bleibt ist Zusatzaufwand. Und ein durchzogenes Kundenerlebnis.

Anders verhält sich der Fall, wenn man die Kraft einer Plattform nutzt, wie jene der Genesys Cloud. Der Agentic Virtual Agent wurde entwickelt, um Prozesse von Anfang bis zum Abschluss durchzuführen. Die Virtual Agents wissen, was sie dürfen, wie sie vorgehen müssen und wann menschliches Urteilsvermögen gefragt ist.

Bleiben wir beim Beispiel des stornierten Fluges: Statt lediglich Umbuchungsoptionen aufzulisten, kann der Genesys Cloud Agentic Virtual Agent mich als Reisenden authentifizieren, Verfügbarkeiten prüfen, einen neuen Flug und einen neuen Sitzplatz zuweisen, – sofern erlaubt – Gutschriften anwenden, die Buchung aktualisieren und das Ergebnis bestätigen. Und das alles innerhalb ein und derselben Interaktion – und in Bruchteilen von Sekunden.

Das Ergebnis: Ich beende die Interaktion nicht mit einer Zusammenfassung meiner Probleme – sondern mit der Lösung.

Das funktioniert deshalb, weil die virtuellen Assistenten darauf trainiert sind, in realen Unternehmensumgebungen zu operieren. Sie arbeiten mit Tools und Richtlinien und nicht mit hypothetischen Workflows. Sie basieren auf dem Scaled Cognition APT-1 LAM, das heisst: jede ausgeführte Aktion ist nachvollziehbar und steuerbar. Nichts wird improvisiert oder in ein nachgelagertes Ticket ausgelagert. Die native Unterstützung offener Standards wie Agent-to-Agent (A2A) und Model Context Protocol (MCP) ermöglicht es den KI-Agenten, sicher miteinander und systemübergreifend zu interagieren – ohne Kontext oder Kontrolle zu verlieren.

Execution und Governance gehen Hand in Hand. Die agentischen virtuellen Assistenten arbeiten innerhalb klar definierter Grenzen, setzen Richtlinien in Echtzeit durch und eskalieren nur dann, wenn menschliche Expertise notwendig ist.

Benefits für Kund:innen

Die Kundschaft interessiert nicht, wie viele Teams, Systeme oder Anwendungen hinter einer Interaktion stehen. Sie erwarten eine Lösung. Der Genesys Cloud Agentic Virtual Agent erfüllt genau diese Erwartung: durch eine durchgängige, unterbruchsfreie Experience, bei der Fortschritt sichtbar und Ergebnisse klar sind – selbst wenn Prozesse über mehrere Bereiche und Applikationen hinweg laufen.

Vor allem aber verändern Virtuelle Agenten die Customer Experience grundlegend: Sie fühlt sich nicht länger wie eine Abfolge von Entschuldigungen und Erklärungen an, sondern wird vorausschauend gestaltet – durch vorab definierte Journeys statt nachträglicher Korrekturen.

Fazit

Wenn Ihre KI ein Problem erklärt, anstatt es zu lösen, ist sie in einer Punktlösung gefangen. Ähnlich wie früher, als wir Telefonie, Chat, E-Mail, Workforce Management etc. als separate Kanäle und Instrumente betrachtet haben, nutzen viele Firmen KI heute in einem Silo. Wirkung entfalten Sie, wenn die KI ihre Kraft innerhalb einer Plattform entfachen kann – für ein Kundenerlebnis, das nicht erklärt, sondern löst.