1. Überblick
Im ersten Teil dieses Artikels haben wir uns mit den theoretischen und technischen Grundlagen agentischer KI-Systeme beschäftigt: Wie sind sie aufgebaut? Welche Komponenten benötigen sie? Und was unterscheidet sie von klassischen KI-Anwendungen?
Doch Theorie allein reicht nicht – die wahre Stärke agentischer Systeme zeigt sich erst in der praktischen Anwendung. In diesem zweiten Teil möchte ich daher eines unserer kürzlich abgeschlossenen Projekte bei RAUSCH Technology genauer beleuchten: einen Multi-Agenten-Workflow für strategische Portfolio-Analyse, den wir für das Beratungsunternehmen K’UP entwickelt haben.
Sie erfahren in diesem Artikel:
- Wie ein komplexes Multi-Agenten-System konkret funktioniert
- Welche Herausforderungen in der Praxis auftreten und wie wir sie lösen
- Welche Best Practices sich aus unserer Projekterfahrung ableiten lassen
- Warum agentische Systeme gerade für mittelständische Unternehmen relevant sind
2. Praxisbeispiel: Portfolio-Analyse mit Multi-Agenten-System
Bei RAUSCH Technology haben wir kürzlich einen Strategy Agent für das Beratungsunternehmen K’UP entwickelt, der die strategische Portfolio-Analyse für Unternehmen revolutioniert. Das System besteht aus spezialisierten Agenten, die orchestriert zusammenarbeiten.
Ausgangssituation
Ein Unternehmen möchte sein Produktportfolio strategisch bewerten: Welche Produkte haben Wachstumspotenzial? Wo drohen Risiken? Welche Investitionen sind sinnvoll?
Der Multi-Agenten-Workflow
Phase 1: Kontext-Agent sammelt Unternehmensinformationen
Der Kontext-Agent recherchiert systematisch zum Unternehmen:
Unternehmenswebsite, Geschäftsberichte, Pressemitteilungen
Bisherige Marktpositionierung und Zielgruppen
Unternehmensstrategie und Vision
Ergebnis: Umfassendes Unternehmens-Profil mit Kernkompetenzen, Produktportfolio und strategischer Ausrichtung.
Phase 2: Research-Agent analysiert Markt und Wettbewerb
Basierend auf den Kontextinformationen recherchiert der Research-Agent:
Identifikation relevanter Wettbewerber pro Produkt oder Kategorie
Marktgröße, Wachstumsraten und Trends
Technologische Entwicklungen im Marktumfeld
Kundenbedürfnisse und Pain Points
und bewertet jedes Produkt hinsichtlich 8 Kategorien:
Marktgröße, Marktanteil, Wettbewerbsintensität, Relevanz von Markt-Entwicklungen,
Relativer Marktanteil, Markenstärke, Vertriebskapazität und Innovationskraft.
Aus diesen Werten lassen sich dann auch die Marktattraktivität und Wettbewerbsstärke berechnen.
Ergebnis: Detaillierte Markt- und Wettbewerbsanalyse für jedes Produkt, inklusive Bewertungen von 1-5 für die oben aufgeführten Kategorien.
Phase 3: Strategy-Agent führt Potenzialanalyse durch
Auf Basis der Bewertungen und Hintergrundinformationen erstellt der Strategy-Agent dann Handlungsempfehlungen und Visualisierungen:
Produkt A (IoT-Sensorsystem)
Marktattraktivität: 4 = Hoch (Markt wächst 15% p.a.)
Wettbewerbsstärke: 3 = Mittel (3 starke Wettbewerber, aber technologischer Vorsprung in Energieeffizienz)
Empfehlung: Investition in Marketing und Vertriebsausbau, Potenzial für Marktführerschaft
Produkt B (Legacy-Steuerungssystem)
Marktattraktivität: 2 = Niedrig (Markt schrumpft 5% p.a.)
Wettbewerbsstärke: 4 = Hoch (etablierte Kundenbasis)
Empfehlung: Cash-Cow-Management, schrittweiser Ausstieg, Migration zu Produkt C
Produkt C (Cloud-Plattform)
Marktattraktivität: 5 = Sehr hoch (Emerging Market, 40% Wachstum)
Wettbewerbsstärke: 2 = Niedrig (Late Mover)
Empfehlung: Strategische Partnerschaft oder Akquisition erwägen, hohe Investition erforderlich
Phase 4: Reporting und Handlungsempfehlungen
Das System generiert (je nach Nutzeranfrage) beispielsweise eine Executive Summary mit:
Portfolio-Matrix (Marktattraktivität vs. Wettbewerbsstärke)
Priorisierte Handlungsempfehlungen
Investitionsvorschläge mit ROI-Schätzungen
Risikobewertung pro Produkt
Ergebnis
Was traditionell ein wochenlanges Strategieprojekt wäre, liefert der Multi-Agenten-Workflow in unter einer Stunde – mit kontinuierlich aktualisierbaren Daten und nachvollziehbaren Quellen für jede Aussage.
3. Weitere Praxisbeispiele
Predictive Maintenance
Kontinuierliche Analyse von Sensordaten, Erkennung von Abweichungen, priorisierte Wartungsempfehlungen → weniger ungeplante Ausfälle.
Business Intelligence im Handel
Tägliche Analyse von Verkaufsdaten, Identifikation von Trends, filialspezifische Handlungsempfehlungen → optimierte Lagerbestände.
Forschung & Entwicklung
Systematische Literaturrecherchen, Patentanalysen, Identifikation von Forschungslücken → verkürzte Time-to-Market.
Competitive Intelligence
Kontinuierliche Analyse von Wettbewerbern, Markttrends und technologischen Entwicklungen in Echtzeit.
4. Technologie-Stack
Die Entwicklung agentischer Systeme basiert auf:
- Foundation Models: LLMs wie GPT-5, Claude Sonnet oder Open-Source-Alternativen
- Workflow-Orchestrierung: n8n für visuelle Workflow-Automatisierung und Agent-Orchestrierung
- Agent Frameworks: LangChain für modulare Entwicklung
- Tool Integration: Datenbanken, APIs, Code-Ausführung
5. Herausforderungen und Best Practices
Herausforderungen
Transparenz Agenten müssen ihre Schlussfolgerungen dokumentieren und erklären können – besonders in regulierten Branchen.
Ressourcenverbrauch LLM-basierte Agenten sind rechenintensiv. Optimierung durch Caching, effiziente Prompts und passende Modellwahl ist wichtig.
Qualitätssicherung Validierungsmechanismen (Plausibilitätsprüfungen, Faktenabgleich, statistische Validierung) sind essenziell.
Halluzinationen LLMs können falsche Informationen generieren. Gegenmaßnahmen:
Verankerung in echten Daten, Quellenangaben, mehrfache Validierung.
Best Practices
✓ Definiere klare Zielvorgaben und Grenzen
✓ Nutze robuste Tools mit aussagekräftigen Fehlermeldungen
✓ Protokolliere alle Aktionen (Logging ist entscheidend!)
✓ Implementiere Sicherheitsmechanismen gegen unerwünschte Aktionen
✓ Beginne mit einfachen Aufgaben und erweitere schrittweise
✓ Bei kritischen Entscheidungen: Human-in-the-Loop
Experten-Tipp:
Beginne mit Low-Risk Use Cases wie automatisierter Berichterstellung statt autonomer Produktionssteuerung. So kannst du Erfahrungen sammeln und Vertrauen aufbauen.
6. Warum agentische Systeme für dein Unternehmen relevant sind
Skalierbarkeit
Während menschliche Analysten begrenzt sind, lassen sich Agenten nahezu beliebig skalieren. Dutzende Agenten können parallel verschiedene Geschäftsaspekte überwachen.
Geschwindigkeit
In dynamischen Märkten ist schnelle Erkenntnisgewinnung entscheidend. Agenten erkennen Chancen früher und ermöglichen schnellere Entscheidungen.
Fachkräfteentlastung
Agenten schließen Lücken beim Fachkräftemangel, indem sie Routineaufgaben übernehmen. Analysten fokussieren sich auf komplexe Zusammenhänge.
Demokratisierung
Natürlichsprachliche Interfaces ermöglichen auch Nicht-Experten komplexe Analysen. Ein Produktionsleiter kann fragen „Warum ist die Ausschussrate gestiegen?“ und erhält fundierte Antworten.
Kontinuierliches Lernen
Agenten verbessern sich mit jeder Interaktion und merken sich erfolgreiche Strategien.
7. Fazit: Die Zukunft der Erkenntnisgewinnung ist agentisch
Agentische KI-Systeme markieren einen Paradigmenwechsel in der Erkenntnisgewinnung. Sie kombinieren analytische Kraft mit Autonomie und Flexibilität – von Datenanalyse über Predictive Maintenance bis Marktbeobachtung.
Es geht nicht darum, menschliche Expertise zu ersetzen, sondern zu erweitern. Agenten übernehmen repetitive Aspekte und schaffen Raum für kreatives Denken und strategische Planung.
Klein anfangen, groß denken
Beginne mit einem klar umrissenen Anwendungsfall – etwa der automatisierten Analyse deiner Produktionsdaten oder der kontinuierlichen Überwachung von Qualitätskennzahlen. Sammle Erfahrungen und erweitere schrittweise die Fähigkeiten deiner Agenten.
Bei RAUSCH Technology unterstützen wir dich: von der Identifikation geeigneter Anwendungsfälle über die technische Umsetzung bis zur Integration. Mit unserer Erfahrung aus Projekten wie KI-NERGY und unserer Expertise in KI-gestützten Analysesystemen helfen wir dir, agentische Systeme erfolgreich zu etablieren.
Die Zukunft der Erkenntnisgewinnung ist agentisch – und sie beginnt jetzt.
Kontaktiere uns für eine Beratung:
📧 post@rausch.se | 🌐 Technologieberatung & KI für den Mittelstand | RAUSCH Technology | 📞 0931 / 80 99 84 00
