Engineering
AI-Systeme & Agenten
Daten und Wissen intelligent nutzen, Geschäftsprozesse gezielt automatisieren, Menschen bei komplexen Aufgaben unterstützen und von zeitaufwendigen Tätigkeiten entlasten.
Moderner Wissenszugang und Intelligente Automatisierung
Artificial Intelligence (AI) verändert grundlegend, wie Unternehmen mit Daten und Wissen arbeiten und ihre Geschäftsprozesse gestalten können. Informationen lassen sich nicht mehr nur abrufen und auswerten, sondern zunehmend im fachlichen Kontext interpretieren und für konkrete Aufgaben nutzen. Gleichzeitig entstehen neue Möglichkeiten, Arbeitsabläufe zu vereinfachen, Entscheidungen vorzubereiten und bislang manuelle Tätigkeiten zu automatisieren. Damit erweitert AI die Möglichkeiten klassischer Unternehmenssoftware und schafft neue Formen der Zusammenarbeit zwischen Menschen und Systemen.
Vom Assistenten bis zum eigenständigen Agenten
Die Bandbreite der AI-Lösungen reicht von Assistenten, die Informationen erschließen, Inhalte erstellen oder Entscheidungen vorbereiten, über spezialisierte AI-Anwendungen bis zu Agenten, die Werkzeuge nutzen, auf Unternehmenssysteme zugreifen und mehrstufige Aufgaben bearbeiten. Entscheidend ist nicht der größtmögliche Automatisierungsgrad, sondern die passende Lösung für den jeweiligen Anwendungsfall. Dafür müssen AI-Modelle, Unternehmensdaten, fachlicher Kontext und bestehende Prozesse sinnvoll zusammenspielen.
QUNIS entwickelt AI-Systeme und Agenten für konkrete betriebliche Anforderungen. Wir identifizieren geeignete Einsatzmöglichkeiten, konzipieren und realisieren passende Lösungen und integrieren sie in bestehende Daten- und Systemlandschaften. Dabei berücksichtigen wir Datenqualität, Sicherheit, Governance und den produktiven Betrieb von Anfang an.
Der Nutzen definiert die geforderte AI-Lösung
Nicht jede Aufgabe erfordert einen autonomen Agenten. Während AI-Assistenten Menschen gezielt bei der Informationsverarbeitung und Entscheidungsfindung unterstützen, können spezialisierte AI-Anwendungen einzelne Arbeitsschritte übernehmen. Agenten gehen einen Schritt weiter: Sie können innerhalb definierter Grenzen eigenständig Aktionen planen, Werkzeuge nutzen und mehrstufige Abläufe ausführen.
Welche Form der AI sinnvoll ist, hängt vor allem davon ab, welcher Nutzen erzielt werden soll. Die konkrete Aufgabe, die verfügbaren Daten und Systeme sowie die Anforderungen an Sicherheit und Kontrolle bestimmen, wie die Lösung gestaltet werden muss. Entscheidend ist die passende Balance zwischen menschlicher Steuerung und automatisierter Ausführung.
Mehr dazu im Video.
Hier wird ein Video eines externen Anbieters eingebunden. Um es anzusehen, stimme bitte in den Cookie-Einstellungen der Kategorie Funktionalität zu.
Vorteile für Ihr Unternehmen
Wissen verfügbar machen
AI-Systeme erschließen Informationen aus Dokumenten, Daten und unterschiedlichen Wissensquellen. Mitarbeitende finden relevante Antworten schneller und können vorhandenes Unternehmenswissen gezielter nutzen.
Mitarbeitende gezielt entlasten
Wiederkehrende Recherchen, Auswertungen, Dokumentationen und andere zeitaufwendige Tätigkeiten lassen sich durch AI unterstützen oder automatisieren. So entsteht mehr Freiraum für Aufgaben, die Erfahrung, Kreativität und menschliches Urteilsvermögen erfordern.
Geschäftsprozesse automatisieren
AI-Agenten können mehrstufige Aufgaben bearbeiten, Informationen zwischen Systemen austauschen und definierte Aktionen ausführen. Das reduziert manuelle Übergaben und beschleunigt betriebliche Abläufe.
Anwendungen interagieren lassen
Bestehende Software und digitale Services lassen sich um AI-Funktionen erweitern. So entstehen neue Möglichkeiten für die Interaktion mit Anwendungen, die Verarbeitung von Informationen und die Unterstützung fachlicher Prozesse.
Entscheidungen schneller machen
AI-Systeme führen relevante Informationen zusammen, erkennen Zusammenhänge und bereiten komplexe Sachverhalte verständlich auf. Das unterstützt fundierte Entscheidungen und erleichtert den Umgang mit großen Informationsmengen.
Neue Services, Angebote und Geschäftsmodelle umsetzen
AI erlaubt Lösungen, die mit klassischen Anwendungen bislang nur schwer oder mit hohem Aufwand realisierbar waren. Unternehmen haben damit die Möglichkeit für neue digitale Services, intelligente Produkte und datenbasierte Geschäftsmodelle, die ihr Leistungsangebot erweitern, bestehende Leistungen neu gestalten oder zusätzliche Wertschöpfungspotenziale erschließen.
AI ist nicht gleich AI. Es ist nicht die Technologie, die entscheidet, sondern welchen Einsatz Sie planen und welchen Nutzen Sie ziehen wollen. Dies allein bestimmt Modelle, Umsetzung und Architektur.
Wolfgang DödlingerSenior Consultant
QUNIS
Intelligente Assistenten, autonome Agentensysteme und mehr
AI-Systeme unterscheiden sich darin, welche Aufgaben sie übernehmen, auf welche Informationen und Anwendungen sie zugreifen und wie eigenständig sie handeln können. Die Bandbreite reicht von dialogorientierten Assistenten über wissensbasierte Anwendungen bis zu Agentensystemen, die komplexe Abläufe koordinieren. Unterschiedliche Technologien, Modelle und Architekturansätze lassen sich dabei je nach Anwendungsfall kombinieren.
AI-Assistenten und Copiloten
Dialogorientierte AI-Systeme unterstützen Menschen bei konkreten Aufgaben. Sie beantworten Fragen, erstellen Inhalte, analysieren Informationen oder begleiten Arbeitsschritte direkt in bestehenden Anwendungen. Die Interaktion erfolgt überwiegend auf Initiative der Nutzenden.
RAG-basierte Wissenssysteme
Retrieval-Augmented Generation (RAG) verbindet generative AI mit gezieltem Zugriff auf externe Wissensquellen. So können AI-Systeme beispielsweise Unternehmensdokumente, Richtlinien oder technische Informationen für kontextbezogene Antworten heranziehen.
Spezialisierte AI-Anwendungen
Für klar definierte Fachaufgaben lassen sich AI-Funktionen direkt in Anwendungen und Prozesse integrieren. Dazu gehören beispielsweise die Klassifikation von Dokumenten, die Extraktion von Informationen, die Erkennung von Auffälligkeiten oder die Unterstützung fachlicher Entscheidungen.
AI-Agenten
AI-Agenten können innerhalb definierter Grenzen Aufgaben eigenständig bearbeiten, erforderliche Schritte planen, Werkzeuge aufrufen und mit angebundenen Systemen interagieren. Sie eignen sich insbesondere für Aufgaben, bei denen mehrere Aktionen und Entscheidungen aufeinander aufbauen.
Multi-Agenten-Systeme
Mehrere spezialisierte AI-Agenten arbeiten zusammen und übernehmen unterschiedliche Teilaufgaben eines übergeordneten Prozesses. Sie können Informationen austauschen, Ergebnisse weitergeben und ihre Aktivitäten koordinieren, beispielsweise bei komplexen Analysen oder systemübergreifenden Abläufen.
AI-gestützte Automatisierung
AI-Funktionen lassen sich mit klassischen Automatisierungs- und Workflow-Technologien kombinieren. So können strukturierte Prozessschritte durch die Verarbeitung unstrukturierter Informationen, sprachbasierte Interaktionen oder kontextabhängige Entscheidungen ergänzt werden.
Vom Modell bis zur produktiven Lösung
AI-Modelle bilden die technologische Grundlage unterschiedlichster AI-Systeme. Welche Fähigkeiten daraus entstehen, hängt vom Zusammenspiel der Modelle mit Unternehmensdaten, fachlichem Kontext und bestehenden Anwendungen ab. Je nach Anwendungsfall kommen unterschiedliche Technologien und Architekturbausteine zum Einsatz. Moderne Data & AI-Plattformen schaffen dafür eine leistungsfähige Grundlage.
Tools und Plattformen
Diese AI-Technologien stehen prinzipiell zur Verfügung
- AI-Modelle: GPT, Claude, Gemini und Open-Source-Modelle
- AI-Plattformen: Microsoft Azure AI Foundry, Databricks, Snowflake und SAP
- AI-Tools: Microsoft Copilot, GitHub Copilot und Databricks Genie
- Souveräne Alternativen: STACKIT und On-Premises-Lösungen
Daten, Wissen und Kontext
Diese Daten und Wissensstrukturen nutzt das AI-System
- Unternehmensdaten und Datenprodukte
- RAG und Wissensstrukturen
- Metadaten, Ontologien und Knowledge Graphs
- Fachlicher und semantischer Kontext
Integration, Steuerung und Betrieb
So wird eine nutzbare und verlässliche AI-Lösung daraus
- APIs, MCP und Systemanbindung
- Orchestrierung und Agentensteuerung
- Sicherheit und Data Governance mit AI-spezifischer Governance
- Evaluation, Monitoring und Betrieb
AI in jedem Bereich
Den möglichen Use Cases für AI-Systeme und Agenten sind fast keine Grenzen gesetzt. Sie reichen von der Unternehmenssteuerung, über den Personalbereich und Vertrieb bis hin zu Produktion, Service und Entwicklung. Von der Bearbeitung einzelner Fachaufgaben über die Unterstützung komplexer Prozesse bis zur Koordination von Abläufen über mehrere Systeme hinweg.
Unternehmenssteuerung und Controlling
Geschäftsdaten in natürlicher Sprache abfragen, Kennzahlen und Abweichungen analysieren, Berichte erläutern oder Auffälligkeiten in Datenbeständen identifizieren. AI in Analytics bringt beispielsweise Conversational Analytics, AI-gestützte Dashboard-Analysen oder die automatisierte Erstellung von Management-Reports.
Kundeninteraktion und digitale Services
Kundenanfragen im fachlichen Kontext bearbeiten, Servicevorgänge begleiten, individuelle Empfehlungen erstellen und digitale Produkte um AI-Funktionen erweitern. Beispielsweise durch virtuelle Serviceassistenten, AI-gestützte Kundenportale oder neue interaktive Funktionen in bestehenden Anwendungen.
Geschäftsprozesse und Workflows
Mehrstufige Aufgaben über unterschiedliche Anwendungen hinweg bearbeiten, Informationen abgleichen, Vorgänge aktualisieren und definierte Aktionen auslösen. Beispielsweise bei der Bearbeitung von Bestellungen, der Koordination von Freigaben oder der automatisierten Abwicklung wiederkehrender administrativer Prozesse bis hin zur IOT-Automatisierung.
Zugang zu Wissen und Informationen
Interne Wissensbestände, Richtlinien, Produktinformationen und Fachunterlagen durchsuchen, Fragen im jeweiligen Kontext beantworten und Informationen aus unterschiedlichen Quellen zusammenführen. Beispielsweise für interne Wissensassistenten, die Einarbeitung neuer Mitarbeitender oder den Zugriff auf umfangreiche technische Dokumentationen.
Dokumentenanalyse und -verarbeitung
Rechnungen, Verträge, Anträge und andere Dokumente auslesen, Inhalte extrahieren, klassifizieren und auf definierte Kriterien prüfen. Beispielsweise zur Bearbeitung von Eingangsrechnungen, zur Prüfung von Vertragsinhalten oder zur Vorbereitung nachgelagerter Freigabe- und Bearbeitungsprozesse.
Entwicklung und Data Engineering
Code und SQL-Abfragen erstellen, prüfen und optimieren, Tests generieren, Datenpipelines entwickeln und technische Dokumentationen erstellen. Beispielsweise durch AI-gestütztes Co-Programming, Entwicklungsassistenten oder die Unterstützung bei der Entwicklung und Wartung moderner Datenplattformen.
Erfolgreiche Kunden und Projekte
So entsteht Ihre AI-Lösung
Ausgangssituation und AI-Potenziale analysieren
Geschäftsziele, Prozesse sowie die bestehende Daten- und Systemlandschaft bilden den Ausgangspunkt. Gemeinsam identifizieren wir geeignete AI-Potenziale und prüfen die technischen und organisatorischen Voraussetzungen.
AI Use Cases entwickeln und priorisieren
Konkrete Anwendungsfälle bewerten wir beispielsweise mit der ICE-Methode nach Nutzen, Machbarkeit, Wirtschaftlichkeit und Skalierbarkeit. Daraus entstehen Prioritäten, erste Umsetzungsschritte und eine bedarfsgerechte Roadmap.
AI-Lösung und Architektur konzipieren
Der Anwendungsfall bestimmt die Lösung: AI-Modelle, Technologien und Architektur werden aufeinander abgestimmt und mit Daten, Wissen und bestehenden Anwendungen verbunden. Sicherheit, Governance und Betrieb fließen von Anfang an in die Konzeption ein.
Prototypen entwickeln und evaluieren
Erste Prototypen machen die geplante Lösung überprüfbar. Ergebnisqualität, Modellverhalten und technische Machbarkeit werden anhand konkreter Anwendungsfälle getestet und die Lösung iterativ weiterentwickelt.
AI-Systeme integrieren und produktiv setzen
Die entwickelten Lösungen werden in bestehende Anwendungen, Datenlandschaften und Geschäftsprozesse integriert. Berechtigungen, Kontrollmechanismen, Monitoring und klare Verantwortlichkeiten sichern den zuverlässigen Produktivbetrieb.
Mitarbeitende befähigen und Veränderungen begleiten
Neue AI-Systeme verändern Aufgaben, Arbeitsabläufe und Zusammenarbeit. Kommunikation, Schulungen und gezieltes Enablement unterstützen Mitarbeitende und Führungskräfte bei der Einführung und nachhaltigen Nutzung.
Häufige Fragen zu AI-Systemen und Agenten
Was versteht man unter AI-Systemen und was unter AI-Agenten?
AI-Systeme sind Anwendungen, die mithilfe von Artificial Intelligence (AI) Informationen verarbeiten, Inhalte erzeugen, Zusammenhänge erkennen oder Aufgaben unterstützen und automatisieren. Sie können auf unterschiedlichen AI-Modellen, Datenquellen und Technologien basieren. AI-Agenten sind eine besondere Form solcher Systeme: Sie können innerhalb definierter Grenzen eigenständig Handlungsschritte planen, Werkzeuge nutzen, mit Anwendungen interagieren und mehrstufige Aufgaben bearbeiten.
Wann ist ein AI-Agent sinnvoll und wann reicht ein AI-Assistent?
Ein AI-Assistent eignet sich insbesondere für Aufgaben, bei denen Menschen gezielt Informationen abrufen, Inhalte erstellen oder Analysen durchführen möchten. AI-Agenten kommen infrage, wenn mehrere Arbeitsschritte miteinander verbunden, Informationen aus verschiedenen Systemen verarbeitet oder definierte Aktionen eigenständig ausgeführt werden sollen. Entscheidend sind der konkrete Anwendungsfall, der gewünschte Automatisierungsgrad sowie die Anforderungen an Sicherheit, Kontrolle und Wirtschaftlichkeit.
Welche Voraussetzungen braucht ein Unternehmen für den Einsatz von AI-Systemen und Agenten?
Die Voraussetzungen hängen vom geplanten Anwendungsfall ab. Wichtig sind geeignete Daten und Wissensquellen, der Zugriff auf relevante Anwendungen sowie klare fachliche Anforderungen und Verantwortlichkeiten. Hinzu kommen Aspekte wie Datenschutz, Sicherheit, Governance und die technische Infrastruktur. Nicht jedes Unternehmen benötigt dafür zunächst eine umfassende neue Data & AI-Plattform. Häufig lassen sich bestehende Daten- und Systemlandschaften gezielt erweitern.
Wie gelingt der wirtschaftliche Einstieg in AI-Systeme und Agenten?
Ein erfolgreicher Einstieg beginnt mit einem klar definierten Anwendungsfall und einem realistischen Blick auf Nutzen, Aufwand und technische Voraussetzungen. Nicht immer ist dafür ein komplexes Agentensystem erforderlich. Oft lassen sich mit einem überschaubaren AI Use Case und einem ersten Prototyp bereits wertvolle Erkenntnisse gewinnen. QUNIS unterstützt bei der Bewertung und Priorisierung geeigneter Anwendungen, entwickelt erste Lösungen und prüft deren Qualität und Wirtschaftlichkeit. Dabei berücksichtigen wir neben Entwicklungs- und Integrationskosten auch laufende Aufwände für Modelle, Infrastruktur, Betrieb und Weiterentwicklung.
Können AI-Systeme und Agenten in bestehende Unternehmensanwendungen integriert werden?
Ja. AI-Systeme und Agenten lassen sich über Schnittstellen, APIs und geeignete Integrationsmechanismen mit bestehenden Anwendungen, einer Data Platform und Geschäftsprozessen verbinden. Dadurch können sie beispielsweise Informationen aus unterschiedlichen Systemen zusammenführen, Fachaufgaben unterstützen oder definierte Aktionen auslösen. Welche Integrationsmöglichkeiten sinnvoll sind, hängt von der vorhandenen IT-Architektur und den Anforderungen des jeweiligen Anwendungsfalls ab.
Wie werden AI-Systeme und Agenten sicher und zuverlässig betrieben?
Für einen zuverlässigen Betrieb müssen AI-Systeme fachlich und technisch überprüft, überwacht und kontinuierlich weiterentwickelt werden. Dazu gehören geeignete Berechtigungen, Datenschutz- und Sicherheitsmaßnahmen, definierte Handlungsspielräume für Agenten sowie die Evaluation von Ergebnissen und Systemverhalten. Data Governance und AI-spezifische Governance schaffen den organisatorischen Rahmen. Besonders bei eigenständig handelnden Agenten sind klare Kontrollmechanismen und Verantwortlichkeiten wichtig.
Wie unterstützt QUNIS bei der Entwicklung und Einführung von AI-Systemen und Agenten?
QUNIS begleitet Unternehmen von der ersten Idee bis zum produktiven Einsatz von AI-Systemen und Agenten. Dabei verbinden wir als Data & AI-Beratung strategische Beratung mit technischer Umsetzung und organisatorischer Begleitung. Unsere Kompetenzen in Data & AI Strategy, Data Governance, modernen Datenplattformen und AI Engineering greifen ineinander, um Lösungen zu entwickeln, die sich in bestehende Systemlandschaften und Geschäftsprozesse integrieren lassen. Sicherheit, Wirtschaftlichkeit und die nachhaltige Nutzung im Unternehmen berücksichtigen wir von Anfang an.
Arbeitet QUNIS bei AI-Systemen und Agenten herstellerunabhängig?
Ja. QUNIS entwickelt AI-Systeme und Agenten herstellerunabhängig und wählt Modelle, Technologien und Plattformen passend zum jeweiligen Anwendungsfall aus. Dabei berücksichtigen wir bestehende IT-Landschaften, fachliche Anforderungen, Wirtschaftlichkeit, Datenschutz und Datensouveränität. Je nach Bedarf kommen Technologien von Microsoft, SAP, Databricks, Snowflake und weiteren Anbietern sowie Open-Source- und souveräne Lösungen zum Einsatz.
Weiterführend
Zentrale Themen im Umfeld
AI in Analytics
Daten intelligent nutzen, Geschäftsprozesse gezielt automatisieren, Menschen entlasten.
AI-Systeme & Agenten
Automatisierung, fundiertere Entscheidungen, neue Wissenssysteme
Data Contracts
Belastbare Nutzungsregeln und klare Verantwortlichkeiten für Ihre Daten.
Datenvisualisierung
Mehr Informationsqualität durch professionelle Berichtsstandards
Kommen Sie mit uns ins Gespräch!
Sie wollen dieses Thema vertiefen oder haben Fragen? Sagen Sie uns kurz, was Sie planen und erreichen wollen und wo Sie mit Ihrem Vorhaben gerade stehen.
Wir freuen uns auf den Austausch mit Ihnen!