Wie machen KI-Agenten Unternehmenswissen wiederverwendbar?

Eine Reklamation führt zu einer neuen Prüfregel. Das Team bespricht sie, setzt sie um und stellt später fest: Die Reklamationen gehen zurück. Einige Wochen danach tritt ein ähnlicher Fall auf. Jetzt beginnt die Suche von vorn, weil die Entscheidung nur in einem Gespräch oder im Kopf eines Mitarbeiters steckt.

Ein KI-Agent für Unternehmenswissen kann solche Erfahrungen für spätere Aufgaben nutzbar machen – sofern er über passende Speicher- und Abrufmechanismen verfügt. Das System speichert relevante Entscheidungen, Begründungen, Ergebnisse und Arbeitsweisen strukturiert. Bei einer neuen Aufgabe kann der Agent passenden Kontext abrufen und daraus einen Vorschlag ableiten.

Vom Ergebnis zum abrufbaren Kontext

Wiederverwendbares Wissen entsteht nicht automatisch aus jedem Chat. Entscheidend ist, was aus der Arbeit erhalten bleibt:

1. Entscheidung festhalten: Was wurde beschlossen und warum?
2. Geltungsbereich nennen: Für welchen Fall gilt die Regel? Welche Ausnahmen gibt es?
3. Ergebnis ergänzen: Was hat funktioniert? Was musste später korrigiert werden?
4. Quelle und Zeitpunkt bewahren: Dadurch lässt sich einschätzen, ob der Eintrag noch aktuell ist.
5. Später prüfen: Passt die frühere Erfahrung wirklich zur neuen Aufgabe?

Ein fiktives Beispiel: Ein Maschinenbauer prüft Ersatzteile vor dem Versand anhand einer festen Liste und fotografiert sie. Für Expresslieferungen gilt eine Ausnahme. Bei einer späteren Reklamation kann ein entsprechend ausgestatteter Agent die Prüfliste vorschlagen und auf die Ausnahme hinweisen. Ob dieser Vorschlag passt, entscheidet weiterhin der zuständige Mitarbeiter.

Ein vollständiges Gesprächsarchiv genügt dafür nicht. Veraltete oder widersprüchliche Informationen können die Arbeit erschweren. Das System muss deshalb Zusammenhänge sichtbar machen und Unsicherheiten kenntlich machen.

Was einen KI-Agenten dabei auszeichnet

Ein Sprachmodell beantwortet eine Anfrage. Ein KI-Agent kann zusätzlich ein Ziel verfolgen, Informationen beschaffen, Werkzeuge verwenden und mehrere Arbeitsschritte ausführen. Anthropic unterscheidet dabei zwischen festgelegten Abläufen und Agenten, die ihren Lösungsweg teilweise selbst bestimmen.

Das Unternehmenswissen liegt nicht automatisch im Modell. Für eine dauerhafte Erinnerung braucht es zusätzliche Speicher- und Abruffunktionen. IBM beschreibt verschiedene Formen solchen Wissens, etwa konkrete Vorgänge, Fakten und Regeln sowie eingeübte Arbeitsweisen.

Welche Aktionen der Agent ausführen darf, wird über Rechte, Grenzen und die jeweilige Konfiguration festgelegt. Routineaufgaben können innerhalb dieses Rahmens selbstständig laufen. Bei sensiblen oder folgenreichen Aktionen kann eine ausdrückliche Entscheidung erforderlich sein.

Wie Needs das Prinzip einordnet

Needs positioniert sich als gemeinsames KI-Agenten-Team, das Unternehmenskontext nutzt und Wissen für die Zusammenarbeit verfügbar macht. Die menschliche Kontrolle bleibt dabei an den Stellen, an denen das Unternehmen sie für seine Abläufe und Risiken braucht.

Für den Einstieg empfiehlt sich ein begrenzter Anwendungsfall mit erkennbarem Ergebnis. OpenAI empfiehlt ebenfalls, Agentensysteme schrittweise aufzubauen.

Wenn Entscheidungen und Erfahrungen nicht jedes Mal neu zusammengesucht werden sollen, lernt Needs kennen.