Mobile-Menu
  DB Podcast

Enterprise AI

KI-Agenten: Warum Kontextmodelle zum Erfolgsfaktor werden

< zurück

Seite: 2/2

Anbieter zum Thema

Celonis SE
xSuite Group GmbH
Esker Software Entwicklungs-und Vertrieb
Yorizon GmbH & Co. KG

Wie Kontextmodelle KI-Agenten effizienter machen

Kontextmodelle schaffen eine zusätzliche Ebene zwischen Unternehmensdaten und KI-Modellen. Sie verbinden Prozessdaten, Unternehmenswissen und operative Entscheidungslogik miteinander und stellen strukturierte Informationen für KI-Systeme bereit.So ermöglichen sie es KI-Agenten, ein besseres Verständnis dafür zu entwickeln, wie Prozesse, Daten und Entscheidungen in einem Unternehmen zusammenhängen. Gleichzeitig können Kontextmodelle dazu beitragen, den Ressourcenverbrauch von KI-Anwendungen zu reduzieren.

Als intelligente Vermittlungsschicht zwischen Unternehmensdaten und Large Language Models sorgen sie dafür, dass nur relevante Informationen verarbeitet werden. So präzisiert ein Kontextmodell beispielsweise die Datenextraktion und übermittelt nur die Informationen an das LLM, die für die konkrete Aufgabe tatsächlich benötigt werden. Dadurch kann sich die Menge der Input-Daten deutlich reduzieren. Da Kontextmodelle Prozesszusammenhänge verstehen, können sie außerdem doppelte oder unnötige Informationen herausfiltern, bevor eine Anfrage an ein Sprachmodell gesendet wird. Gleichzeitig muss die zugrundeliegende Prozesslogik nicht bei jeder Anfrage erneut ausführlich beschrieben werden, weil sie bereits strukturiert im Kontextmodell hinterlegt ist. Prompts können so verkürzt werden.

Auch der Informationsabruf wird gezielter: Statt große Datenmengen oder Dokumente unspezifisch zu durchsuchen, erhält die KI genau die Informationen, die sie zur Bearbeitung einer Anfrage benötigt. Das kann nicht nur den Ressourcenverbrauch senken, sondern auch die Qualität der Ergebnisse verbessern. Wenn KI-Systeme zielgerichteter arbeiten, sinkt außerdem der Aufwand für zusätzliche Prüf- und Korrekturschleifen.

Der reale Ressourcenverbrauch rückt in den Fokus der Kostenbetrachtung und Unternehmen stehen plötzlich vor einer neuen Herausforderung: Die Ausgaben für KI-Anwendungen entwickeln sich von planbaren Fixkosten zu dynamischen Nutzungskosten.

Kontext als Steuerungsebene für Enterprise AI

Kontextmodelle übernehmen damit zunehmend die Rolle einer Steuerungsebene für Enterprise AI. Sie helfen KI-Agenten, sich innerhalb komplexer Unternehmensprozesse zu orientieren und effizienter zu arbeiten. Der Vergleich mit einem Navigationssystem liegt nahe: Ohne Orientierung müssen KI-Agenten ihren Weg selbst durch Daten, Prozesse und Entscheidungen finden. Mit zusätzlichem Geschäftskontext erhalten sie dagegen eine strukturierte Grundlage, um schneller zum gewünschten Ergebnis zu gelangen.

Die Diskussion um Enterprise AI dürfte sich deshalb in den kommenden Jahren weiter verschieben. Stand bislang vor allem die Leistungsfähigkeit der Modelle im Mittelpunkt, wird es künftig stärker um ihre effiziente Nutzung gehen. Kontextmodelle werden dabei eine wichtige Rolle spielen. Denn je stärker Unternehmen agentische KI in ihre operativen Abläufe integrieren, desto wichtiger wird die Fähigkeit, KI-Systemen den richtigen Geschäftskontext bereitzustellen – nicht nur für bessere Ergebnisse, sondern auch für einen wirtschaftlichen KI-Einsatz.

Manuel Haug
ist Field CTO bei Celonis, Anbieter einer Process-Intelligence-Plattform.

Bildquelle:

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte