Agentische KI für Lagerprozesse

Es gibt einen neuen Begriff im KI-Lexikon. Paul Hamblin fragte Raphaël Hervé von Manhattan Associates, um Agentic AI und sein Potenzial zur Transformation der Lagerprozessausführung zu erklären.

Künstliche Intelligenz, Maschinelles Lernen, Generative KI – die Schlagwörter kommen ständig. „Das ist die Welt von heute, Konzepte werden so schnell entwickelt“, lächelt Hervé (im Bild, unten), Senior Director, Technische und Support-Services bei den führenden Supply-Chain-Technologieunternehmen Manhattan Associates.

Der neueste Begriff ist Agentic AI. Kommen wir direkt zur Sache – was ist das?

„Wenn wir KI in ihrer ursprünglichen Definition betrachten, ging es über mehrere Jahrzehnte um die Fähigkeit, komplexe Algorithmen zu verstehen“, beginnt er. „Dann entwickelten wir IT-Systeme, die Vorhersagen auf einer sehr hohen Anzahl von Datensätzen treffen konnten und diese sogar verbessern konnten, was wir ‚Maschinelles Lernen‘ nennen. Vor zwei Jahren kam dann Chat GPT zusammen mit dem Begriff ‚Generative KI‘, die ich als die Fähigkeit beschreiben würde, Inhalte – sei es Text, Musik, Klänge oder Bilder – zu verstehen und auch solche Inhalte zu erstellen. Wenn man Sprache verstehen kann, kann man diese Systeme dazu bringen, Aufgaben für einen auszuführen.“

AI-Agenten gehen noch einen Schritt weiter. Sie sind darauf ausgerichtet, tatsächlich ein bestimmtes Ziel zu erreichen, anstatt nur eine Antwort zu geben.

Autonome Fähigkeit

Ein wichtiger Durchbruch ist die Autonomie, sagt er.

„Operativ sind AI-Agenten befugt, Entscheidungen zu treffen und auf diese Entscheidungen zu reagieren. Sie haben auch die Fähigkeit, mit dem Nutzer in normaler Sprache zu interagieren. Agenten nehmen Anweisungen in natürlicher Sprache entgegen und zeigen die getroffenen Entscheidungen sowie die ergriffenen Schritte in natürlicher Sprache an. Denken Sie daran, dass sie ein endgültiges Ziel haben und in der Lage sind, die Schritte, die sie autonom zur Erreichung dieses Ziels folgen sollten, abzuleiten.“

Als Laie, wie viele andere auch, bin ich ebenso nervös wegen des viel befürchteten Chaos-Potenzials von KI wie ich von ihren transformativen, positiven Fähigkeiten beeindruckt bin. Macht die Autonomie von Agentic AI nicht wahrscheinlicher, dass sich wiederholende Fehler in das System einprogrammiert werden könnten?

„Gute Frage, aber wie jedes System muss auch dieses abgestimmt und optimiert werden“, sagt Raphaël Hervé. „Lassen Sie mich das umkehren. Wenn ein komplexes IT-System, das NICHT auf generativer KI basiert oder nicht autonom arbeitet, einen Fehler macht, ist es tatsächlich sehr schwer zu verstehen warum. Denn man muss debuggen, analysieren, in den Quellcode eintauchen. Bei einem Agenten müssen Sie ihm nur sagen: ‚Ich denke, das ist falsch. Warum hast du das gesagt?‘ Und der Agent wird sagen: ‚Ich habe das aus folgendem Grund getan‘, und es ist daher viel einfacher, die Ursache der Anomalie zu erkennen. Agentic AI ist viel dynamischer in Bezug auf Feinabstimmung als in der Vergangenheit möglich war. Und im Gegensatz zu Ihrem Hund oder Ihrem Kind wird es Ihren Anweisungen nicht widerstehen“, fügt er hinzu.

Die Klarheit der AI-Agenten bei der Erklärung, welche Schritte sie unternehmen und warum, ist beruhigend. „Sie sind sehr effizient bei Anpassungen, falls Sie welche benötigen“, verspricht er.

Es gibt mehrere logistische Kontexte im Portfolio der Manhattan Associates-Lösungen.

Ein Beispiel ist Labor Agent, der eigentlich kein vollständig autonomer Agent ist, der ein Ziel eigenständig erreicht. Man kann ihn eher als Assistenten zur Verwaltung Ihrer Arbeitseffizienz sehen.

„Aber er kann Daten autonom durchsuchen, analysieren und Ratschläge zur Optimierung Ihrer Arbeit geben“, erklärt Raphaël. „Ein typischer Anwendungsfall könnte sein, dass ein Lagerleiter den Labor Agent fragt, ob die Verpackungsfristen des Tages in Bezug auf Personalressourcen wahrscheinlich eingehalten werden. Wenn der Labor Agent antwortet, dass das Team wahrscheinlich zu spät kommt, weil drei Personen fehlen, kann er die Möglichkeit prüfen, Kapazitäten anderswo zu nutzen, zum Beispiel beim Kommissionieren. Dieses Team könnte bis zu fünf Personen bereitstellen, sodass der Labor Agent vielleicht die drei besten Ressourcen mit den höchsten Bewertungen und Leistungen beim Verpacken auswählt. Er kann dann alle Beteiligten per Nachricht neu zuweisen und per Text kommunizieren. Der Agent arbeitet autonom und spricht mit dem Nutzer in natürlicher, normaler Sprache.“

Zeitersparnis

Die Frage, die alle Lagerleiter – und Finanzverantwortlichen – beantworten möchten, ist: Wie werden wir die Vorteile im täglichen Einsatz sichtbar machen?

Ein wertvoller Gewinn ist Zeit, die in jedem Lagerkontext unbezahlbar ist.

Das Beispiel, das wir gerade gegeben haben, ist vielleicht eine 30-sekündige Unterhaltung per Text, die in der Vergangenheit 15-20 Minuten gedauert hätte. Wenn die Verpackung verspätet ist, weil drei Personen fehlen, ist das eine komplexe Berechnung ohne Unterstützung des Labor Agent. Sie müssten Prozesse, Zeitpläne, Leistung der Packkräfte vergleichen. Es gibt große Variablen, die Sie dann mit Ihren Erwartungen abgleichen müssen. Der Agent kann das in Sekunden für Sie erledigen.

Manhattans Transportportfolio bietet AI-Agenten mit ähnlichen Vorteilen.

„Unser Frachtrechnungs-Agent ist in der Lage, jegliche Form von Dokumenten – PDF, E-Mail, Tabellen – zu erfassen, die als Frachtrechnungsunterlagen verwendet werden, und automatisch die tatsächlichen Kosten mit den erwarteten Kosten dieser Sendung abzugleichen. Diese Aufgabe wurde traditionell manuell erledigt, wobei Zeit für den Erhalt der Dokumente, den Vergleich von Bildschirmen, Versandkosten, Steuern, Fahrstunden aufgewendet wird, was bis zu 15 Minuten pro Rechnung dauern kann. Wir haben einen Agenten entwickelt, der alles automatisch aufnimmt, die Sendung erkennt, sie mit den Erwartungen abgleicht und etwaige Anomalien erklärt. Was früher mehrere Stunden pro Tag in Anspruch nahm, wird jetzt in wenigen Momenten erledigt.“

Manhattan hat AI-Agenten im Januar dieses Jahres offiziell eingeführt und vermarktet die Technologie an alle Kundensegmente, groß und klein. Es umfasst sogar die Agent Foundry, einen Entwicklerarbeitsraum, in dem Kunden ihre eigenen Agenten nach ihren spezifischen Anforderungen erstellen können, entweder aus Vorlagen oder von Grund auf.

Raphaël Hervé ist voller Zuversicht hinsichtlich der Aussichten.

Wir glauben, dass Agentic AI für unsere Kunden sehr leistungsfähig ist, was Produktivitätssteigerungen betrifft. Es wird die Mensch-Maschine-Interaktionen drastisch verbessern und den Zugang zu Daten und Funktionen schneller und einfacher machen. Kunden werden eine Beschleunigung bei der Projektumsetzung erleben, weil Integration, Mapping und Entwicklung viel schneller erfolgen.“