267 - KI ist nicht nur ein Tool und nicht nur ein Mitarbeiter – KI wird zum Betriebssystem des Unternehmens.

Hallo und herzlich willkommen zu einer neuen Besode von The State Of Process Automation. Ich bin Christoph Bachheim und freue mich, dass auch heute wieder mit dabei bist. Heute bei mir ein Stammgast. Felix Schlender, er ist der Gründer und Geschäftsführer von EI First und betreibt auch den gleichnamen Podcast EI First. Felix, schön, dass du da bist. Hallo, Christoph. Vielen Dank, dass ich wieder hier sein darf. Die letzte Folge, wo du bei mir im Podcast zugast warst, ist ja durch die Decke gegangen, einer der meistgehörten Folgen auf jeden Fall mit den 20/26 Productions. Deswegen schön, dass wir wieder sprechen. Felix, ich wollte genau den gleichen Punkt ansprechen. Wir haben das Jahr gemeinsam eröffnet. Und ich leh's natürlich immer deine Beiträge, die du auf LinkedIn bohst, auf deiner Website, deiner Newsletter. Und da ist mir einen Punkt aufgefallen, du hast in der Vergangenheit immer häufig über das Thema gesprochen, dass das Wichtig ist, kaillagenten so spezifisch wie möglich zu gestalten. Und das wird auch ein Skill werden, der in den nächsten Jahren sehr, sehr wichtig ist. Wenn ich jetzt aber die letzten Wochen und Monate anschaue, hat sich da ein bisschen was von deiner Perspektive geändert. Nimm uns damit mit rein, was man der Punkt, warum sich da was verändert hat und was hat sich konkret verändert. Also erst mal vielen Dank fürs Gute aufpassen. Und ich glaube, Anpassungsfähigkeit ist eine enorme wichtige Fähigkeit im Kali-Zeitalter, was wir bei uns als Team auch immer wieder spüren. Und was wir schon immer gemacht haben in den letzten Jahren, auch sowohl in Richtung unserer Kunden, aber auch wie unsere eigene Firma weiterentwickeln, ist immer wieder zu schauen, wie sich die Fähigkeiten von künstlicher Intelligenz weiterentwickeln und uns dann zu fragen, ob mit diesen neuen Fähigkeiten die Art und Weise, wie wir Kailley einsetzen, noch die richtige ist. Und um einmal kurz zurückzublicken bis Ende letzten Jahres, haben wir unsere Organisation als eine Art hybrideorganisation aufgebaut. Also wir haben Kailley in Form von Agenten als Mitarbeiter definiert und auch so in unsere Prozesse und in unser Organikramen mit eingebaut. Also haben mal über unsere gesamte Wertschöpfungskette die Jobs to be dann abgeleitet und dann für diese Aufgabengebiete Agenten-Personas als Art digitale Kollegen aufgebaut. Die hatten dann spezifische Arbeitsanweisungen, Briefings, Rollenprofile, Tools, die sie braucht, um den Job zu machen und Zugriff auf die Daten benötigten, um diesen Job zu machen. Und da hatten wir dann irgendwann 25 davon und so sind wir aus dem Jahr 2025 rausgegangen. Und was hat sich dann verändert? Weil das klingt ja erst mal vernünftig und so beduhr, oder bei diesen Aufbau hast du die ja was gedacht. Aber was hat sich dann verändert? Genau. Und es war auch lange Zeit wirklich unser starker Wachstumsmotor. Also wir konnten damit unsere bestehenden Kollegen, sowohl in dem, was wir an Output erreichen könnten, deutlich erhöhen. Als auch unsere Firma erweitern mit Fiechkeiten, wo wir ansonsten niemanden hätten einstellen müssen, eine Buchhaltung, zum Beispiel. Aber wir haben uns, indem wir KI als Mitarbeiter definiert haben, nicht nur die Vorteile reinguholt, nämlich schön klar abgegrenztes Aufgaben, klare Übergabepunkte. Man wusste immer, wer ist wofür verantwortlich, das sind alles Vorteile dieser Form. Wir haben uns gleichzeitig auch die Nachteile von menschlichen Organisationen importiert. Nämlich wie ist das, wenn man irgendwann so 25 Kollegen hat, weiß man nicht mehr unbedingt, was der eine oder andere eigentlich den ganzen Tag lang macht. Man hat irgendwann Wissensinseln und immer mehr Koordinationsaufwand zwischen den einzelnen Kollegen. Jeder, der in einem unternehmen arbeitet, kennt das. Und das hatten wir dann auch irgendwann. Und trotzdem hätte ich gesagt, Ende 2025, genau das ist die intellektuelle Nuss, die wir knacken müssen. Wir müssen verstehen, wie sich multiagentend Systeme so aufbauen lassen, dass Agenten auch untereinander zusammenarbeiten und größere Probleme lösen können, genauso wie wir das in Teams machen. In Teams bringen wir verschiedene stärken Erfahrungswissen und so weiter zusammen, um gemeinsam größere Probleme lösen zu können. Deswegen gibt es Unternehmen mit Teams. Genau das wollte ich auch mit den Agenten lösen und wie wir verschiedene Hierarchie-Level und Kollaborations-Michernismen dort einbauen können. Aber es war sehr experimentell noch letztes Jahr. Also ich fand es sehr herausfordernd, dass wirklich nicht nur in so einer Art Pilotproof of Concept Test Umgebung hinzubekommen sollen im produktiven Einsatz. So, jetzt spann ich den Bogen. Ich glaube es war Anfang Februar. Diesen Jahres hat leise still und heimlich. Ich fand es zwar nicht der große Big Bang, wie das so im letzten Jahr öfter war. Enttropik, das O-Bus 4.6-Modell veröffentlicht. Also ihr neues Frontiermodell mit der höchsten Leistungsfähigkeit. Und dann gibt es ja immer verschiedene Benchmarks gegen diese Modelle getestet und zum Teil natürlich auch optimiert werden. Das möchte ich mit dazu sagen. Also es ist nicht so, dass diese Benchmarks rein objektiv sind, sondern natürlich kennen auch die Modellanbieter, teilweise diese Kriterien für die Benchmarks und optimieren. Da gehen, damit die möglichst hoch im Vergleich zu den anderen Modellen abschneiden. Aber trotzdem sieht man ja den Trend der Fiechkeiten, was diese Modelle leisten können. Und eine Benchmark, die wir uns immer schon anschauen, ist die Autonomie, mit der die Modelle komplexere Aufgaben eigenständig lösen können oder lösen können. Das wird von Mieter, also METR.org, könnt ihr mal eingeben in den Browser, da seht ihr die Testergebnisse über die letzten Jahre. Ein GPT 3 Modell von Oben AI vor 3, 4 Jahren. Das konnte zum Beispiel Aufgaben lösen für die ein Mensch, wenige Sekunden gebraucht hätte. Deswegen konnten wir damals super einfache Texte generieren oder auswerten lassen. Das Meer war einfach nicht drin. Und dann im Laufe der Zeit konnten die Modelle immer eigenständiger, immer komplexere Aufgaben lösen. Beispielsweise dann schon mal selbstständig eine Recherche machen und basiert auf der Recherche irgendein Text generieren. Das hat schon mal, hätte in den Menschen schon mal eine halbe Stunde vielleicht gekostet. Und jetzt konnte es opos 4.6 Modell in einigen Tests bis zu 11 oder 12 Stunden. Also Aufgaben lösen für die Menschen bis zu 11 oder 12 Stunden gebraucht hätten. Und Mieter, diese Organisationen, die das testet, hat dann sogar veröffentlicht, dass sie gar nicht mehr Aufgaben in ihrer Test-Suite hatten, die komplex genug waren, um zu schauen, ob die Modelle noch mehr geschafft hätten. Und dann gab es natürlich auch viele Aufgaben, wo Menschen wenige Stunden für gebraucht hätten oder bis zu eine Stunde, die die Modellischen relativ zuverlässig, wenn den durchläufen, erreichen konnten. Und das war aber, wenn man sich die Kurve anschaut, wie sich diese Fähigkeit weiterentwickelt hat, also autonom komplex Aufgaben zu lösen, sieht man dort einen exponentiellen Anstieg von dieser Kurve. Also ein deutliches Sprung von diesem Modell im Vergleich zu dem vorherigen Modell. Und als wir diesen Sprung gesehen haben und immer wenn wir das in der Vergangenheit gesehen haben, haben wir uns gefragt, ist die Art und Weise, wie wir gerade KI bei uns einsetzen, noch die Richtige, wenn sich auf einmal das gehören, in all unseren digitalen Kollegen verändert hat. So, und was haben wir dann gemacht? Wir haben dann die Arbeitsanweisungen, das also die System-Prompt in all unseren Agenten genommen und in ein Ordner gesteckt. Wir haben die Schnittstellen, die zu anderen Tools, die diese KI-Agenten ansprechen konnten, einem KI-Agenten zugänglich gemacht und wir haben dem Zugriff auf sämtliche, sämtliche Wissensbasen gegeben. Also wir hatten jetzt alles aus dem 25-Agenten rausgeholt und quasi für einen Agenten zugänglich gemacht. Dem haben wir das Modell Opus 4.6 unter die Haube gesteckt und haben den neuen verschiedenen Aufgaben gegeben, aus dem Kassema-Support-Marketing-Vertrieb, wo wir vorher spezialisierte Agenten für hatten und wollten mal sehen, wie löst der die? So, und dann haben wir schön beobachten können, dass der sich für jede Aufgabe Art-Tuduliste erstellt hat und dann relativ zuverlässig in die einzelnen Anweisungen gegangen ist, geguckt hat, hey, wie wurde das denn sonst gemacht? Wo finde ich die Prozessbeschreibung? Welche Daten brauche ich dafür, die in der Prozessbeschreibung beschrieben sind und welche Schnittstellen muss ich ansprechen, um die Aufgabe zu erledigen? So, und da war dann für mich, da hat es dann klick gemacht, weil ich dann verstanden hatte, ja, okay, KI braucht gar nicht dieses, dieses Enge-Corset eines digitalen Mitarbeiters. Weil mit diesem neuen Modell kann es sich dynamisch so zusammenbauen, aus den Bausteinen bedienen, wie es notwendig ist, um Arbeit der reinkommt zu erledigen. Ja, dann dadurch eben eure Arbeitsweise komplett umgestellt. Und du hast jetzt schon gesagt, das ist so das Betriebssystem von euch geworden. Beschreib vielleicht mal, was verstehst du konkret jetzt im diesem Kontext unter Betriebssystem? Ja, ich denke, das ist ein Wort und wenn man sich auch andere Begriffe dafür finden kann, Aber KI als Betriebssystem unserer Arbeit, unseres Unternehmens zu definieren, bedeutet für mich, dass ich ein Systembau, das Zugriff hat auf alles, was wir als Organisationen können. Das sind unsere Fähigkeiten und Prozesse. In der KI- sprache, gerade von Entropic, wird das Skills-Grader genannt. Immer mehr Anbieter gehen jetzt, bauen diese Skillfunktionen in ihre Produkte ein. Alles, was wir als Organisationen können, alles, was wir als Organisationen wissen, das sind unsere Daten, alle Systeme, die wir nutzen, Drittanbieter, Tools und alle Regeln, die bei uns gelten. Das ist eine Gawane ins Könntemann sagen, wie wir sicher verantwortungsvoll arbeiten, Gesetze, die gelten und eingehalten werden müssen. Wenn wir KI-Zugriff auf diese Dinge geben, alles, was wir als Organisationen können, wissen Systeme, die wir nutzen, regeln, die gelten, dann kann KI digitale Arbe, also sich aus diesen Dingen so bedienen, dass sie digitale Arbeit, die reinkommt, erledigen kann. Wenn, und jetzt will ich nicht, ich will hier nicht, der Typ sein, der jetzt sagt, KI kann das alles machen, weil es hängt natürlich davon ab, wie gut unsere Daten sind, wie gut unsere Prozesse beschrieben sind, dass wir Schnittstellen in die Tools legen, dass wir klare Regeln definieren und dieses System fortlaufend weiterentwickeln. Das ist nicht einfach so getan, und die KI obendraufzusetzen ist der einfachste Teil. Also eigentlich alles so edlich wie vorher, nur das KI jetzt deutlich dynamischer arbeiten kann. Wie schreibt das gerne mal, weil er stelle ich mir vor, du hast schon so schön gesagt, alles was das Unternehmen weiß. Ihr habt natürlich super viel, schon sukzessive dokumentiert, aber es gibt natürlich auch Fälle, wo zum Beispiel eine Kundenanfrage reinkommt, dann der Agent schaut, okay, welche Fähigkeit würde ich dafür brauchen. Sieht die Fähigkeit, ja, ich darf da in der Wissensdatenbank nachschauen, bezogen auf die alten Referenzfälle für wie löse ich das Problem beckunden. Ich finde aber nichts. Wie ist das dann weitergedacht, so dass man eben genau den Fall, der noch nicht passiert ist, trotzdem arbeiten kann, abarbeiten kann? Soll ich einmal vielleicht an einem Beispiel so diesen gesamten Prozess durchgehen, genau. Also vielleicht vorher, bis Ende 2025, hatten wir noch stark, Newscase basiert, gearbeitet, beziehungsweise stark, Workflow basiert. Bedeutet, wir haben für sämtliche Aufgaben immer definiert, wie sieht der Prozess dann dahinter aus und wann übernimmt welcher Agent, welcher Aufgabe? Ja. Jetzt, Beispiel, ich habe einen Termin mit einem potenziellen Kunden. Wir zeichnen natürlich alle Gespräche bei uns auf. Ich komme gerade aus einem Kunden-Workshop vor Ort. Dann wird das natürlich auch vor Ort transkribiert, indem ich mein Handy auf den Tisch lege, mit einer App. Aber alles, was passiert, muss als Kontext in das System reinfließen. Deswegen muss alles irgendwie digital aufgezeichnet. Wer natürlich immer mit Zustimmung, aber ich habe noch niemanden erlebt, der dem nicht zugestimmt hat, tatsächlich. Also, Fertriefsthemen wird aufgezeichnet. Danach läuft das Transkript in eine Datenbank rein. Wir haben als zentrale Datenbasis, haben wir Notion als System. Aber ich würde mich jetzt gar nicht so sehr aufhängen, welches System das ist, weil das könnte auch ein SharePoint sein, oder das könnte auch eine Drive-Struktur oder irgendwas anderes sein, irgendwo wo Daten gespeichert werden können. Also, das läuft rein und wird dokumentiert in einer Meeting-Datenbank. Dann werden aus diesem Transkript-Aufgaben extrahiert, die anhand des Transkriptes erledigt werden müssen. Beispielsweise, ein Angebot zu erstellen und ein Referenz-Case für diesen Kunden, den er sich gewünscht hat, aufzubereiten. Diese Aufgaben werden dann in eine Aufgaben-Datenbank geschrieben. Und immer dann, wenn neue Einträge in dieser Datenbank gemacht werden, wird, ja, auch von einem Agent, wird rausgesucht. Was habe ich denn für zur Verfügung stehende Skills, also Prozesse, Standard Operating Procedures, um diese Aufgaben lösen zu können? Beispielsweise gibt es dann ein Skill Referenz-Case-Aufbereiten und einen Skill Angebot erstellen. Die findet er dann, die sind in einer anderen Datenbank, alle dokumentiert mit sehr detaillierter Beschreibung, wie dieser Prozess abläuft und matcht sie mit der Aufgabe. Jetzt zu deiner Frage, wenn in dem Meeting noch eine andere Manfrage aufkommt. Beispielsweise, was könnte das sein, könnte es du mir. Ich erfinde jetzt etwas, ja. Aber könnte es du mir mal eine Roadmap schicken, wie so ein Projekt anhand der besprochenen Timeline von eurer Seite aussehen könnte, also so ein Meilensteinplanung mit der Zeitplanung. Und das haben wir vielleicht noch nicht definiert, wie wir so etwas erstellen, nach welchen Regeln und als Aufbereitung uns an den Kunden schicken zu können. Dann würde der Agent sehen, okay, für diese Aufgabe finde ich keine passenden Skill. Also hat er einen Skill, der heißt Skill erstellen, sei so ein Metaskill, um neue Skill zu erstellen, würde er dann nutzen, um einen Vorschlag zu erstellen, wie es der Agent basiert auf dem gesamten Kontext, den er hat, machen würde. Und der würde dann wiederum in die Skill deaten Bank als neuen Eintrag reingeschoben mit Review, weil da muss natürlich erst mal ein Mensch drüber gucken, um zu entscheiden, passt das so oder wurde irgendetwas vergessen und der muss erst freigegeben werden, damit er bei der nächsten Ausführung dann berücksichtigt werden kann. Aber so gucken wir, dass für neue Aufgaben die reinkommen, wo wir selbst noch nicht dran gedacht haben, ein Prozess zu definieren oder vor allem nicht dran gedacht haben, dass von der KI selbst das erstellen. Aber da gibt es immer noch menschliche Qualitätsschleife. So, wenn jetzt dieses Skills gemetscht worden sind, dann kommt der nächste Agent, der führt einfach diesen Skill aus. Also der guckt dann in den Ablauf von der Prozessbeschreibung und geht die dann Schritt für Schritt ab. Und in der Prozessbeschreibung ist auch beschrieben, welcher Kontext muss wann wo geladen werden. Also in dem Fall muss der natürlich in das Meeting-Transcript rein gucken. Der muss in das CRM reinschauen, der muss in unser Angebotsdatenbank reinschrauben. Der muss in unser Produktdatenbank reinschauen, um sich die Informationen zu ziehen, der benötigt, um das Angebot zusammenzustellen. Das macht er dann. Und aktuell haben wir da auch so ein jungen Indelubprozess. Also ich bekomme dann eine Info. Hey, hier ist fertig. Kuckt dir das an und gibt das frei, bevor es zum Beispiel an den Kunden geschickt werden kann. Weil wir Regeln im System implementiert haben, dass beispielsweise nichts Autonomen nach außen geschickt werden kann von einem Agent, weil aktuell noch das für mich das Sicherheit zu Risiko, aber das Risiko zu groß ist, wenn jemand irgendwie über eine Prompt Injection versuchen würde, Daten abziehen zu wollen oder ähnliches, haben wir aktuell noch kein besseren Weg, um das zu vermeiden. Deswegen sagen wir, alles, was nach draußen geht, guck immer ein Mensch drüber und muss es frei geben. Und dann wird am Ende noch ein Feedback dokumentiert. Also wenn beispielsweise in dem Prozess irgendwas nicht funktioniert hat. Das hatte ich sogar letztens. Da hatte der Kunde eine spezifische Anforderung, die nicht in unserer Produktdokumentation beschrieben war, wie wir das anbieten. Der wollte ein spezifisches Training für sein Führungskräfte-Team. Da hatten wir nichts zu dokumentiert. Und dann hat der Agent in unsere Feedback-Daten man geschrieben, dass er genau diese Lücke gesehen hat, aus einem fehlenden Baustein in unser Angebot, mit Beschreibung und hat einen Vorschlag gemacht, wie wir das aufnehmen können. Und das wird dann auch wieder, bekomme ich dann wieder als Review und kann mich entscheiden, möchte ich das aufnehmen oder nicht oder noch abändern und kann dann wieder dem Agent sagen, okay, finde ich gut, bitte baut das so ein und dann kann er das in die entsprechende Datenbank reinschreiben. Das ist jetzt einmal so dieser gesamte Ablauf. Gesteuert wird das halt über ein Agent, der auf all diesen Bausteinen sitzt, mit verschiedenen Datenbanken, die dahinter hängen, wo alles dokumentiert wird, was gemacht wird, und wo es entsprechend auch freigabe Tore gibt von Menschen, die auch noch was machen müssen. Super spannend. Und Felix, was mich jetzt interessiert, du hast am Anfang gesagt, davor hatte dir um die 25 spezifische Kiergenden. Jetzt lege ich das mal um auf die aktuelle Arbeitsweise und sagt mal, es sind jetzt 25 Skills oder vielleicht sogar mehr Skills. Was sind eure Gedanken dazu, dass jetzt das System, das Betriebssystem auch nicht zu komplex wird, sondern schlang bleibt und man es gut warten, adaptieren kann. Die ehrliche Antwort darauf ist, dass wir das auch gerade noch lernen. Also ich denke, jetzt bringen wir dort immer mehr Prozesse überführen wir das System. Also wir haben natürlich erst mal alles von den 25 Agenten rüberziehen können. Deswegen war das auch schon gesagt, es ist nicht so. Das ist ein guter Vorarbeit. Ich würde auch nicht sagen, grundsätzlich falsch, aber wir haben gemerkt, es ist nicht, es es eskaliert nicht mit den Fähigkeiten von KI mit. Genau, aber das erst mal eingebracht und dann haben wir eine Lunglist erstellt über alle Bereiche von weiteren SOPs, die wir Schritt für Schritt dort überführen wollen und das machen wir jetzt zuksessive. Dann ist natürlich irgendwann die Frage, wenn wir dort sagen wir mal 200 Skills drin haben. Wie viele Skills stehen dann im Konflikt miteinander und findet der eten immer noch den richtigen Skill für die Aufgabe, wenn es mehrere Optionen gibt und wohnach bewertet erst dann. Ich denke auf diese Herausforderung werden wir noch stoßen und werden dann prüfen, was die beste Architektur und das beste Design ist, um genauso etwas lösbar zu machen. Genau, dass das jetzt die ehrlichste Antwort, die ich darauf geben kann, wobei wir jetzt gerade auch schon merken, dass natürlich die Modelle so gut mittlerweile geworden sind, dass sie ein Großteil der Komplexität, die wir vorher in sehr klein-schrittige Agenten viele deterministische Schritte, die wir in Workflows über Power Automate, N8N und ähnliches abgebildet haben, die Modelle wegabstrahlen diese Komplexität und sehr zuverlässig auch komplexere Aufgaben mit vielen Schritten einfach abarbeiten, wenn es eine klare Dokumentation dessen gibt und wenn wir sagen, das ist jetzt ja die schlechteste Karidis gibt und exponentielle Entwicklung, aktuell halten die Skalierungsgesetze annehmen, dann wird das bald von den Modellen selbst immer immer besser gemacht werden können und dann glaube ich also worauf liegen, wie am meisten wird, extrem hohe Qualität in der Beschreibung unserer Prozesse und dass wir die Datenbasis, die wir haben fortlaufend aktuell halten. Das sind die beiden kritischsten Punkte meiner Meinung nach, weil Schnittstellen zu anderen Systemen ist bei uns sehr einfach, wir sind junges Unternehmen Cloud First, sehr viel Standard Software, das ist bei anderen Unternehmen natürlich eine technische Herausforderung, die das werden muss, aber lässt sich alles lösen Daten und Prozessqualität da legen wir dann ein paar Stunden. Du hast gerade schon angesprochen, bei euch ist es unter Anführungszeichen leichter, weil ihr seid ein junges Unternehmen und habt noch gar nicht dazu die Legacy Software, die der besser schon gar nicht mehr unterwarten steht, aber trotzdem irgendwie noch am Leben ist in vielen Unternehmen und man wundert sich immer was, das gibt es immer noch, aber ja, es gibt ja noch andere Software immer noch und deswegen wäre mal spannend, was sind deine Überlegungen jetzt, wenn du das, was du gerade beschrieben hast, umlegst auf so ein typischen Mittelständler, wie bedürst du das konkret, umlegen, bezogen auf Empfehlung, wie man genau beginnt in diese Richtung zu gehen? Ja, also wie machen wir das gerade mit anderen Kunden? Wir schauen uns quasi an, was sind die Bausteine aus dieser systemischen, aus diesem Systemischen Design? Und was hast du? Du hast einen, einen Agent, das ist eine reine Ausführungseinheit, die auf diesem System sitzt und sich aus den Bausteinen bedient. Der Agent ist aber so gesehen dumm, ja, der hat jetzt kein Namen und kein Charakter, so hatten wir vorher unsere Agents gemacht, der hat eine Rolle und Namen und Gesicht sogar und so weiter. Der hat einfach nur nur die, das ist ungefähr eine Seite, das ist Themenanweisung, wo geschrieben ist, du bist die zentrale Ausführungseinheit vom AI First Operating System, hier findest du die Skills und wenn du eine Anfrage bekommst, suchst du in dieser Datenbank nach dem passenden Skill und dann gibt es noch ein paar weitere Anweisungen, aber das ist der Kern von allem so ein paar weitere Anforderungen und der leht auch ein Kontext-Profil, damit er bei jeder Ausführung weiß, wer sind wir als Firma, wer bin ich als Mensch, was mache ich als Team und so und so. Das ist immer mitgeladen, aber so gesehen ist er ansonsten eine leere Ausführungshülle. Und alles was umgesetzt wäre, aber den brauche ich irgendwo, ja, also ich brauche ein tooling, eine technische Infrastruktur, wo es diesen Agent gibt. Und der könnte in Azure, AI leben und gehostet werden, es kann in einem Tool, in der KTI-Plattform wie Lengdog passieren. Claude, Entropic mit Claude, macht das natürlich vorher, die haben viele dieser Logiken, die wir adaptiert und noch etwas für uns angepasst haben, kommen auch so aus der Entropic Richtung, wo wir uns vieles abgeschaut haben. Microsoft im Co-Pilot geht jetzt mit Co-Pilot Co-Work in diese Richtung. Google mit Gemini wird das das ähnliches bringen. Das brauche ich so. Dann musst du die Überlegen, wo leben deine Skills, deine Prozesse, die dieser Agent dann leht und ausführen kann. Da gibt es dann in manchen Tools, gibt es schon dafür Funktionen, die es auch so heißen. Manchmal kann man sich aber auch in eine Brücke bauen und sagt, "Baut eine Datenbank", da sind die Prozesse-Vokumentationen drin und sagt, "Kuck da rein und ziehe dir die raus." Auch in Claude, zum Beispiel, Claude-Code-Bereich, das sind ja Markdown, also Textdateien, die in einem Ordner liegen, die einfach nur abgehoben werden. Das brauche ich. Dann brauche ich natürlich Zugriff auf meine Datenbanken. Da ist alles, was in Form von Wissensgrafen geht, natürlich sehr interessant, weil ich auch die Zusammenhänge zwischen verschiedenen Daten abbilden kann und dem Agent helfen kann, quasi durch meine Wissensarchitektur zu navigieren. Wir haben so eine Kontextkarte aufgebaut. Da wollen Sie wieder eine große Datenbank, wo für alle Domänen, die da drunterliegenden Daten Quellen beschrieben sind und auch der Pfad in diese Datenquelle beschrieben ist. Also es entweder liegt das noch mal in einem anderen System oder es liegt in einem anderen Ordner oder in einer anderen Datenbank und der kann quasi über diese Kontextkarte navigieren und darüber die richtige Datenquelle für den Auszuführendensginffin. Das brauchen wir natürlich die Schnittstellen und dann brauchen wir verschiedene Regeln, die aber eher systemisch implementiert werden können, beispielsweise, bevor etwas nach draußen gibt, es immer eine menschliche Qualitätskontrolle. Oder der Agent hat gar nicht die API-Schnittstelle, um beispielsweise E-Mails versenden zu können. Und dann gibt es noch eine Feedback-Datenbank, aber das ist dann auch einfach nur noch eine Aktion, die der Agent immer am Ende ausführt, wenn er sein Prozess abgeschlossen hat, wo es eingetragen wird. Also es ist gar nicht jetzt von der Architektur, Herr gar nicht so kompliziert. Wie wir anfangen ist immer, wir fangen da an, wo wir heute sind, mit dem, was wir jetzt haben. Weil wenn du anfängst und sagst und ich erlebe immer wie das ist total interessant, wenn ich mit anderen Leuten spreche, wird immer sofort diese 100%-Lösung vorgestellt. Und dann bist du aber immer an dem Punkt, dass du das Unternehmen neu bauen musst. Und jetzt endet meistens da. Wir haben nichts dokumentiert, können wir nicht machen. Wir sind in der komplett anders aufgestellt, können wir nicht machen. Wir sind technologisch, haben wir zufläggesysteme, können wir nicht machen. Und dann ist man genau an dem Punkt, den du gerade beschrieben hast. Man beginnt gar nicht, aber eigentlich wär es notwendig mal den ersten Schritt zu machen. Genau und was wir, wir schauen uns zum Beispiel die Readiness von den unterschiedlichen Fachbereichen an oder anders organisiertes von Business units und gehen dann in einen Fachbereich rein. Aber wir suchen uns quasi den Bereich im Unternehmen, wo wir die Voraussetzungen für das, was wir brauchen, wo die am besten sind. Und wo sind denn die Prozesse schon robust digitalisiert und idealerweise auch schon dokumentiert? Oder wo können wir relativ schnell in diese Dokumentation kommen, weil die Prozesse seit Jahren gleich ablaufen und irgendwie digital schon abgebildet sind? Wo haben wir möglichst viel Cloud-Tooling, was einfach angesprochen werden kann? Wo ist die Datenbasis schon die beste? Und dann legen wir dort los und dann kann man ja anfangen und sagen, okay, dann dieses System kann ja wachsen, auch bei uns wächst das ja. Jeden Monat haben wir bestimmte Ziele immer mehr Prozesse da rein zu überführen. Wir haben ja nicht in unserem Anfang hingesetzt, sondern gesagt, jeden einzelnen Prozess schreiben wir jetzt. Auch ist ja auch gar nicht notwendig. Aber dann kann halt dieser Prozess nicht von der KI ausgeführt werden. Man kann ja mit den wichtigsten Prozessen anfangen und dann Schritt für Schritt mehr und mehr dort überführen Testen und beim Testen weiter verbessern und genauso gehen wir es dann auch mit unseren Kunden. Ganz cool, bevor es weitergeht. Wenn dir der Podcast gefällt und durch in Zukunft praxisne Tipps und inspirierende Gäste hören möchtest, dann kannst du uns ganz einfach unterstützen. Mit einer 5-sterne Bewertung und einem Abo hilfst du uns, sich para zu werden und zog es gleichzeitig dafür, dass State of Process Automation weiter wächst und wir noch mehr wertvolle Inhalte für dich und die gesamte Community produzieren können. Danke für deine Unterstützung. Ich glaube, so bedoagell auch beschrieben, was dieses kontinuierlich weiterarbeiten ist extrem wichtig. Also vom Mainz her, weil ich muss irgendwo mal beginnen und ich habe vielleicht irgendwo im Customer Service ein, zwei Wissensartikel. aber wenn ich dann es so aufsetze. dann wird es Tag für Tag, Woche für Woche ja immer größer, immer besser. Und wenn ich aber nie beginne, dann bleibst bei den zwei Wissensartikeln und ich muss jede Frage, die reinbekommen, immer und immer wieder komplett manuell machen. Genau, ja. Und im Endeffekt ist es jetzt, wenn man einmal diese Systemarchitektur hingestellt hat, dann geht es um diese zwei Dinge, nämlich Prozesse zu explizit zu machen. Das ist oft die Prozesse, es wird ja irgendwas gemacht, jeden unter dem, passiert ja in den ganzen Tag, was die Leute machen. Das muss nur explizit gemacht werden und das größere Herausforderungen, kennst du ja wahrscheinlich auch von vielen anderen Gästen auch Entscheidungen zu treffen, wie genau dieser Prozess jetzt durchgeführt werden soll und da auch Überlappungen, Konflikte, die es da vielleicht gibt zu lösen und das nächste ist dann die Datenbasis bereitzustellen, damit ja und das ist, wir haben gesagt, wir haben quasi gesagt, wir bauen unser Unternehmen so um, dass nicht nur wir, sondern KI in diesem Unternehmen optimal arbeiten kann, weil wir sind eine Wissensfirma, die hauptsächlich digitale arbeitet. Also massive Disruption durch das, was KI kann. Also wird sich ein Großteil der Arbeit, die wir heute machen, zu KI-Verschieden oder verschiebbar werden. Wir können ja immer noch entscheiden, wollen wir das verschieben oder nicht, aber es wird verschiebbar werden. Also im Großteil von dem, was wir heute auch in unser Beratungsprojekt machen, wird KI ja auch machen können. Es sind immer noch die Frage, akzeptieren, dass die Kunden und wie schaffen wir es unsere Methoden dort zu sauber zu überführen, aber es ist alles lössbar. Also haben wir gesagt, dann müssen wir doch jetzt anfangen, wenn immer größer Teil der Arbeit von KI gemacht werden kann, unser Unternehmen so zu denken und zu bauen, dass KI da richtig gut arbeiten kann. Und das sind genau die Sachen, jetzt geht es aber zum Anfang zurück, das ist heimlich gesagt haben, okay, aber dann ist diese Agenten, logik gar nicht mehr die richtige, sondern müssen wir ja einfach alles bereitstellen, womit wir Menschen heute arbeiten können, so dass KI das genauso gut nutzen kann. Aber wenn KI diese Prozesse genauer kennt und die Daten mit den vollstellenden Kontext hat, kann sie eigentlich heute schon sehr viele Aufgaben so machen, also kann genauso guten Angebot erstellen, wie ich das machen würde. Auf viele, ich lasse mir viele E-Mail vorlagen, vor schreiben auf E-Mails, die ich so bekomme. Und da sind manche viel besser. Als ich es gemacht hätte, wenn ich mit der begrenzten Zeit vielleicht auch vor allem auf Supportanfragen, die von Kunden bekommen, genauso in anderen Bereiten. Ich finde auch also diese Vorbereitung, also ich nutze auch Kuhberg zum Beispiel, die man Kundentermine alles wird transkribiert. Ich habe dann eigenes Template, was basierend auf die unterschiedlichen Kundentermine, mir die Insights aus dem Transkrib gibt, die ich gerne hätte, dann geht Kupelot her und erstellt ein E-Mail, so wie ich es eben im Vorfeld definiert habe. Im E-Mail ist dann auch die Präsentation im Anhang so vorbereitet, dass es der der Kunde auch öffnen kann, weil, wie kann es das dann verbacken oder scheren mit den Kunden, sodass das auch öffnen kann, ist auch schon vorbereitet und im Prinzip habe ich dann die fertige E-Mail vor mir mit dem bassenden Anhang und kann noch mal checken, okay, basst das wirklich so, sind dann auch die Next Dabs, bezogen erfolget der Miene, etc. drinnen, auch schon zum Beispiel abgeglich mit meinen Kalender, okay, da hätte ich dann freie Fenster, die sind als der Mienverschläge in der E-Mail und dann kann ich selber kontrollieren, checken, okay, basst, darf rausgehen oder ich schreib noch was um. Und da fall ist er lediglich. So, ja, bestes Beispiel, wenn du alles was worauf du zugefasst für KI-demokratisierst, dann ist genau das möglich und dann mit Lösungen wie Coburg, wo jetzt halt sämtliche Anwieder hingehen, kannst du ja nicht nur die Daten rauslesen, sondern du kannst ja auch wieder in das System reinschreiben, oder? Also du kannst ja mir auch einfach sagen, was auf ich war, stellen mir eine SharePoint, Liste und hier sind schon mal ex-Kunfen Transkripte und zieh mir da sämtliche Informationen so und so raus und bereite die Strukturiert in einer Datenbank auf. Das genau der Punkt, wir haben ja am Anfang des Jahres, habe ich den Punkt Action Lea in die Folge gebracht und eigentlich geht es dadurch noch mehr in die Richtung, weil so wird du gerade gesagt, dass ich kann dann in andere Systeme reinschreiben. Ich bin gar nicht mehr im CRM, sondern ich bin im Group Helot und der schreibt in CRM meine Updates zum Beispiel rein oder erstellt eine Opportunity hinterlegt das E-Mail und das ist dann alles im CRM und wo man dann wieder bei dem Punkt sind, den nur beschrieben hast, dem er wissen muss, strukturiert dokumentiert sein, das ist dann im CRM alles strukturiert dokumentiert, aber ich arbeite nicht direkt die meiste Zeit im CRM, sondern bin im Co-Pile-Trinnen oder schreibende E-Mail etc. Eigentlich ist das doch jetzt die Form oder eigentlich ist KI jetzt so an dem Punkt, wo sie den Versprechen, die lange Zeit gemacht wurden und auch die Fantasie, die damit ein Hergängen eine KI im Unternehmen zusätzlich zu haben, nämlich, dass sie Arbeit für uns erledigen kann, dass wir jetzt wirklich an dem Punkt sind, wo sie dem immer mehr gerecht werden kann, wenn wir diese Voraussetzungen schaffen und gleichzeitig die technische Hörde der Implementierung immer kleiner wird, weil wir müssen nicht mehr und ich bin kein Freund davon zu sagen, es gibt jetzt nur noch den Weg oder nur noch den Weg, es gibt immer Graustufen dazwischen, das heißt nicht, dass wir jetzt nur noch ein super agent bei uns haben und die müssen wir einfach alles bereitstellen und dann ist das die einzige Form, wie wir mit KI arbeiten werden, das denke ich nicht, ich glaube, dass ein immer größerer Anteil der Arbeit genau in diese Logik wandern wird und deswegen KI im zum Betriebssystem unserer Arbeit wird und ein immer größeren Anteil digitaler Arbeit selbst ausführen kann oder zumindest unterstützt. Aber ich glaube weiterhin wird es auch noch deterministische Workflows geben, natürlich für klar, einfach repetitiver deterministische Prozesse, in denen keine Planung oder so gesehen, kein nachdenken, ich mache Anführungszeichen benötigt wird. Genauso wird es auch weiterhin noch ein paar spezifische Agents geben, die einfach genau für eine bestimmte Aufgabe optimiert sind, weil es vielleicht auch für manche Menschen einfacher ist zu sagen, das ist hier agent mit dem Namen 123 und immer den spreche ich an, wenn ich eine bestimmte Frage zu einem Thema habe oder der eine bestimmte Aufgabe für mich machen soll. Es heißt ja nicht, dass das jetzt nicht mehr ein Sinn mehr macht, aber ich habe die Zahlen gelesen, oder war es BCG oder McKinsey, bitte nicht darauf festnageln, eine Geoßunternehmenswartung, da wurden glaube ich 10.000 Agents erstellt. Wer soll denn 10.000 Agents verwalten, weiterentwickeln, überwachen, ja, das ist einfach total, sehr komplexes unterfangen, deswegen glaube ich, dass ein Teil und dieser wir bauen für alles mögliche, ein agent wegwandern wird in eine klare Dokumentation dieses Prozesses, wo dann ein agent, der da drauf sitzt, damit arbeiten kann. Ich seh beim Thema ein agent nacheinander, einfach aufzubauen, auch genau das Thema, was vor 3, 4, 5 Jahren das große Thema war, Robotics Process Automation, dort war genau der selbe Fall, man hat einen Newscase nach dem anderen automatisiert, hatte dann viel mehr ja BA-Bots als man eigentlich am Anfang annahmen und das wurde immer größer, immer größer und immer schwieriger zum warten und dann wurden Mitarbeiter eingestellt, um das Ganze nur zu warten und das Konstrukte und die Einsparung, also das Konstrukte ist komplexer geworden, Einsparung ein bisschen geringer und genauso, dass selben Gedanken nimmt man da jetzt in die KI-Welk mit rein und nicht so beduselnd beschrieben was, dass man sich überlegt, okay, was kann jetzt KI schon und wie muss ich eigentlich eben ein Betriebssystem oder meine Arbeitsweise dann verändern, dass ich da die Potenziale ausnutzen kann? Ja und vor allem, dass jetzt ein bisschen Glaskugel gucken ist dabei, aber wenn wir uns also es ist sehr interessant in den letzten drei Jahren wurde mehrfach eine Decke der KI-Fähigkeiten herbeibeschworen und immer wieder wurde diese Decke durchbrochen, wer weiß wie weit das noch gehen wird, würden wir jetzt den Skalierungsgesetz und dem Vorkast trauen, dann sind wir bald bei Aufgaben in einer Komplexität, wo Menschen Tage oder Wochen für brauchen würden, um diese Aufgaben zu lösen, die dann Modelle eigenständig in einem Lauf lösen können, wer weiß, ob es da hin kommt. Meinert wegen ich glaube, das habe ich auch schon in unserem letzten Podcast gesagt, können wir auf dem Pause knopftrücken, weil wir wissen sowieso überhaupt noch gar nicht die Fähigkeiten und die Power dieser Modelle zu hebeln überhaupt nicht, die Anwendungsfälle, die umgesetzt werden, sind ja noch sehr simpel, Kasselma support marketing vertrieb, ist ja noch gar nicht so, dass wir überhaupt schon angefangen haben, wirklich ganze Geschäftsmodelle Kernprozess, mal ganz neu zu denken und darüber ein Hebel zu erreichen und dafür würden wahrscheinlich auch die aktuellen Modelle ausreichen. Aber wenn wir davon ausgehen und jetzt schon mit den Und das ist ja immer die Herausforderung. Jetzt schon mitdenken, wie können sich die Fähigkeiten weiterentwickeln? Und was ist die richtige Architektur, um diese Fähigkeiten weiter zu hebeln? Dann müssen wir mitdenken, dass wir Menschen immer weniger vorgeben sollten und der KI immer mehr einen Ad Rahmen, das wird auch Harnis oft genannt. Also so ein Ad, wie ein Harnis, was ist die Übersetzung grüßt oder so? Ich glaube ich, ja, an dem, in dem sie sich bewegen kann, mit Zugriff auf Prozessen, Zugriff auf Daten, Zugriff auf Tools und Regeln, weil die Modelle wahrscheinlich selbst den besseren, schnelleren Weg finden werden, um eine Aufgabe zu lösen oder ein Ziel zu erreichen, als wir es vorgeben können. Und da mag ich jetzt jeder dran glauben oder nicht. Ja, ich glaube daran sehr, sehr stark und sehe das auch bei uns, dass wir viele Prozesse gar nicht mehr selbst vor definieren, sondern der KI sagen, da will ich ein Überleg du dir mal, was der beste Prozess ist, um dahin zu kommen und davon leiten wir dann die Dokumentation ab, anstatt das wir beispielsweise alles kleines Teil. Ich vorgehebe das funktioniert für uns. Felix, ich würde sagen, das ist eine gute Botschaft, um die heutige Folge abzuschließen. Wie man hat super viel Spaß gemacht. Danke, dass du dabei warst. Ciao. Vielen Dank, Kösoph.