KI-Agenten & Assistenten.

Ein Chatbot antwortet, ein KI-Agent handelt. Der Unterschied liegt darin, dass ein Agent mehrstufige Aufgaben ausführt, dabei Werkzeuge und Fachsysteme benutzt und ein verwertbares Ergebnis liefert, statt nur Text zu erzeugen. Ein Agent kann beispielsweise eine eingehende Anfrage klassifizieren, in angebundenen Systemen nach dem passenden Vorgang suchen, relevante Belege auslesen und daraus einen Antwortentwurf erstellen. Er plant also mehrere Schritte und entscheidet, welches Werkzeug er wann einsetzt. Bei jamani gilt dabei ein fester Grundsatz: In kritischen Schritten entscheidet weiterhin ein Mensch. Was ein Agent tun darf, wird vorher bewusst festgelegt und über Berechtigungen technisch durchgesetzt. Diese Trennung zwischen Vorbereitung durch die Maschine und Entscheidung durch den Menschen ist der Grund, warum sich solche Lösungen auch in regulierten Bereichen verantworten lassen.

Durch klare Leitplanken, Freigabeschritte an sensiblen Stellen und durchgehende Audit-Spuren. Der Grundsatz lautet: Ein Agent darf nur das, was vorher bewusst erlaubt wurde — nicht alles, was technisch möglich wäre. Konkret bedeutet das erstens eng gefasste Berechtigungen, sodass ein Agent nur auf die Daten und Funktionen zugreift, die seine Aufgabe erfordert. Zweitens definierte Haltepunkte: Alles, was nach außen wirkt oder schwer rückholbar ist — Versand, Buchung, Freigabe — wird einem Menschen vorgelegt statt selbstständig ausgeführt. Drittens Nachvollziehbarkeit, denn jeder Schritt wird protokolliert, sodass sich im Nachhinein rekonstruieren lässt, auf welcher Grundlage der Agent gehandelt hat. Ergänzend werden typische Fehlerfälle vor dem Produktivgang gezielt durchgespielt. Dass ein Modell gelegentlich falsch liegt, ist dabei die Planungsannahme, nicht der Ausnahmefall.

jamani wählt Modelle technologieoffen nach Aufgabe, Datenschutzanforderung und Wirtschaftlichkeit aus — von gehosteten Programmierschnittstellen bis zu Modellen, die im eigenen Umfeld betrieben werden. Eine feste Anbieterbindung gibt es nicht, und das hat einen praktischen Grund: Die Leistungsfähigkeit und die Preise verschieben sich in diesem Feld laufend, sodass eine heute getroffene Festlegung in einem Jahr überholt sein kann. Lösungen werden deshalb so gebaut, dass sich das Modell hinter einer Anwendung austauschen lässt, ohne den umgebenden Prozess neu bauen zu müssen. Die Auswahl richtet sich am konkreten Fall aus: Anspruchsvolle Analyse- und Formulierungsaufgaben verlangen ein starkes Modell, einfache Klassifikation läuft oft mit einem kleineren und deutlich günstigeren. Wo Daten das Haus nicht verlassen dürfen, wird der Betrieb im eigenen Umfeld geprüft.