Bessere Geschäftsergebnisse durch Multi-Agent-Systeme erzielen

Erhöhte KI-Anforderungen sind im Unternehmen die neue Normalität, und Organisationen treiben agentische KI mit Unternehmensdaten an, um riesige Datenmengen in umsetzbare Daten umzuwandeln und Produktivität sowie Betrieb zu steigern. Das Versprechen und der Fortschritt der agentischen KI sind enorm und real. Es ist kein Plug-and-Play; es geht darum, Systeme zu entwerfen, die den Geschäftswert steigern – durch Kosten, Qualität, Geschwindigkeit und Skalierbarkeit.

Laut einer Prognose von Gartner^® werden "über 40 Prozent der agentischen KI-Projekte bis Ende 2027 wegen steigender Kosten, unklarer Geschäftswerte oder unzureichender Risikokontrolle eingestellt." Wir vertreten die Ansicht, dass agentische KI ein Wendepunkt sein kann, nur nicht überall. Diese Absagerate sagt weniger über die Technologie aus, sondern mehr darüber, wie Organisationen sie angehen. In Situationen, in denen ich Erfolge bei agentischer KI gesehen habe, beginnen die Gespräche mit Teams, die wissen, wann KI-Agenten eingesetzt werden, wann man bei der Automatisierung bleiben muss und wann man den Arbeitsablauf überdenken muss.

Wie sich KI-Agenten unterscheiden

Agentische KI nutzt ausgefeilte und iterative Planung, um komplexe, mehrstufige Probleme autonom zu lösen. Ein System von KI-Agenten für IT-Betrieb (ITOps) kann beispielsweise die Ursache eines Serviceproblems triagieren und isolieren, indem es die Situation bewertet und potenzielle Ursachen anhand von kontextbezogenen Daten aus der Service-Topologie, Telemetriesignalen und Änderungsereignissen identifiziert. Es gibt verschiedene Arten von Agenten für unterschiedliche Aufgaben:

• Nicht-deterministische Agenten nutzen das Schließen, um herauszufinden, welche Aufgaben erledigt werden müssen, und verfolgen, was bereits erledigt wurde. Der BMC HelixGPT Situation Observer ist ein gutes Beispiel für diesen Agententyp. Er lernt, den Kontext dynamisch über Infrastruktur-, Anwendungs- und Netzwerkressourcen hinweg zu analysieren; Ereignisrauschen zu reduzieren; und die mittlere Zeit bis zur Auflösung (MTTR) basierend auf dem situationsgetriebenen Workflow zu optimieren – alles ohne menschliches Eingreifen.
• Deterministische Agenten führen Workflows mit vorgegebenen Schritten aus. Der BMC HelixGPT Employee Navigator ist ein Beispiel für einen deterministischen Agenten und macht einen großen Schritt hin zu besseren, natürlicheren und menschenähnlicheren Self-Service-Support-Erlebnissen durch "Sehen und Hören". Wenn der Agent aufgerufen wird, greift er auf eine Liste von Tools zurück und nutzt das beste, um die richtigen Informationen bereitzustellen, um Lösungen und Erfüllung zu beschleunigen.

Oft benötigt man eine Kombination von KI-Agententypen, um komplexe Probleme zu lösen. KI-Agenten können viele interessante Dinge leisten, bieten aber den höchsten Wert, wenn sie in einem Multi-Agenten-System zusammenarbeiten, um prozessintensive Situationen zu lösen.

BMC Helix' Multi-Agentensystem-Ansatz

Agentische KI dreht sich nicht um einen einzelnen "magischen" Agenten – es geht darum, die richtige Mischung aus Modellen, Techniken, Werkzeugen, Daten und strukturierten Workflows mit autonomer Entscheidungsfindung zu orchestrieren, um komplexe Probleme zu lösen. Aufgaben, die früher mehrere spezialisierte Werkzeuge erforderten, können nun von einem einzigen, gut gestalteten Multi-Agenten-System bewältigt werden. Dieser Ansatz vervielfacht die Produktivität und senkt die Kosten, indem die richtigen Werkzeuge für die Aufgabe verwendet werden.

Der BMC HelixGPT Best Action Planner ist ein gutes Beispiel für einen Orchestrator oder Planer, der Ihnen die besten Behebungsschritte zur Problemlösung sowie relevante IT-Planungs- und Optimierungsinformationen gibt. Dieses Multi-Agenten-System berücksichtigt die einzigartigen Daten und Prozesse einer Organisation bei der Erstellung eines Aktionsplans zur Lösung eines Vorfalls.

Wenn ein Problem auftritt, folgt das Multi-Agent-System demselben Prozess wie Human Site Reliability Engineers (SREs) oder DevOps-Ingenieure bei der Diagnose und Lösung. Es durchläuft einen Analyseplan, indem die domänenspezifischen Agenten aufgerufen werden, um folgende Informationen zu verarbeiten und darauf basierende Entscheidungen zu treffen:

• Protokolle
• Metriken
• Spuren
• Veränderung (jüngste, vergangene, ähnliche Veränderungen)
• Dokumente
• Arbeitsabläufe

Das Multi-Agent-System, geschult auf Ihre Vorfalldaten, Chatskripte, Ursachenanalyse und deren Fähigkeit, Service-Level-Ziele (SLOs), Abhängigkeitsdiagramme und Change Logs zu verstehen und zu korrelieren, kann einen Großteil der manuellen Untersuchungen ersetzen, die SREs und DevOps-Ingenieure typischerweise durchführen müssen, um den Umfang eines Problems einzugrenzen. Diese Orchestrierungs- und Planungsschicht wird zunehmend wichtig, da KI-Agenten im gesamten Unternehmen implementiert werden.

Wenn verschiedene Teile der Organisation KI-Agenten implementieren und manuelle Prozesse automatisieren, kann man schnell zu flickenteppichartigen Architekturen kommen, die zu komplex werden, um sie neu zu denken. CIOs müssen von Anfang an ein Multi-Agenten-Framework entwickeln, um KI-Agenten in Unteragenten zu unterteilen, die jeweils durch neue Arbeitsabläufe in das System aufgenommen werden können. Fragen wie "Welche Entscheidungen können wir sicher auslasten?" und "Wo können Maßnahmen standardisiert werden?" sind entscheidend, um erfolgreiche Ergebnisse zu gewährleisten.

Wahrnehmung des Geschäftswerts

Der eigentliche Wert der agentischen KI liegt darin, die Unternehmensproduktivität zu steigern, anstatt nur einzelne Aufgaben zu automatisieren. Das bedeutet, ein Multi-Agenten-System über Service Management und Betrieb hinweg einzuführen, das strategische Ziele wie folgende Ziele übereinstimmt:

Umsatzwachstum: Ein besseres Mitarbeitererlebnis kann das Umsatzwachstum erheblich steigern. Engagierte Mitarbeiter sind zufriedener, produktiver und innovativer, was wiederum zu mehr Umsatz und Umsatz führt. Mit BMC HelixGPT Employee Navigator sind die Mitarbeiter befähigt, Tickets zeitnah zu lösen, indem sie schneller auf unternehmensweites Wissen zugreifen und automatisierte Eskalationen an die entsprechenden Teams weiterleiten.

Kostenoptimierung: Die Kostenoptimierung ist ein entscheidender Bestandteil der organisatorischen Nachhaltigkeit. CIOs können KI und integrierte Arbeitsabläufe nutzen, um sich wiederholende Aufgaben zu automatisieren, das Ticket-Volumen zu senken und die Reaktion auf Vorfälle zu optimieren. Durch die Erstellung eines einzelnen Vorfalls für viele korrelierte Ereignisse sowie der betroffenen Service- und Konfigurationselemente (CI)-Details reduziert der BMC HelixGPT Situation Observer die Anzahl der erstellten Tickets sowie deren entsprechende Kosten und Vorfallstörungen erheblich.

Risikomanagement: CIOs können KI-Agenten einsetzen, um die Behebung von Schwachstellen zu beschleunigen. Der BMC HelixGPT Vulnerability Resolver wurde entwickelt, um Ihren Schwachstellenmanagementprozess zu beschleunigen und zu stärken, sodass es einfacher denn je ist, Schwachstellen in großem Umfang zu visualisieren, zu priorisieren und darauf zu reagieren. Mit der Flexibilität, zwischen SaaS oder einer On-Premises-Implementierung zu wählen, können CIOs die Bereitstellung an Sicherheitsanforderungen, regulatorische Anforderungen oder Infrastrukturpräferenzen anpassen.

Fazit

KI, insbesondere agentische KI, ist nicht mehr angenehm – und die richtige Enterprise-Agentic-Orchestrierungsplattform bietet die Governance und Skalierbarkeit, die Multi-Agent-Deployments benötigen, um vom Pilot- in die Produktion zu gelangen. Während KI die IT-Arbeit weiter transformiert, müssen CIOs und IT-Führungskräfte einen strategischen Ansatz verfolgen, um agentische Systeme in ihre Prozesse zu integrieren. Fügen Sie Agenten nicht einfach in Alt-Workflows ein und erwarten Sie Transformation – es ist Zeit, Workflows komplett neu zu überdenken.

Diese Beiträge sind meine eigenen und spiegeln nicht unbedingt die Position, Strategien oder Meinung von BMC wider.