Nahe Zukunft – zielgerichtete Autonomie
Es entstehen denkende Agenten, die Absichten interpretieren und Unteragenten und Werkzeuge koordinieren. Bei der Behebung eines Problems leitet ein orchestrierender Agent beispielsweise Werkzeuge weiter, erstellt einen Lösungsvorschlag und lässt ihn durch den Benutzer freigeben.
Danach erst Proaktivität und Prognosen
Schließlich entwickeln sich die Agenten von reaktiv zu proaktiv weiter. Ab diesem Zeitpunkt sind sie in der Lage, frühe Signale von Ausfällen, Abweichungen oder Ineffizienzen zu erkennen, bevor diese auftreten. Sie können vorausschauende Analysen durchführen, um vorherzusagen, was passieren wird, und entsprechende Handlungsempfehlungen geben. Mit der Zeit sind KI-Agenten in der Lage, zu lernen und sich zu verbessern, sodass sich ihre Arbeitsabläufe kontinuierlich verbessern. Es folgen drei Anwendungsfälle in der Fertigung für KI-Agenten.
Probleme lösen
Angenommen, ein Bediener versucht, ein Problem zu beheben. Der Supervisor-Agent (Orchestrator) interpretiert die Absicht (David möchte ein Problem beheben) und leitet die Anfrage an einen wissensbasierten Agenten weiter. Dieser sucht nach möglichen Antworten. Wenn keine Lösung gefunden wird, schlägt der Orchestrator den nächstbesten Schritt vor: ‚Möchten Sie, dass ich das als Problem in Poka für Sie erfasse?‘. Der Agent erstellt unter Verwendung des ihm bereits vorliegenden Kontexts (Anlage, Ausrüstung usw.) den Entwurf für einen Problembericht und bittet den Benutzer um eine endgültige Bestätigung, bevor er ihn einstellt.
