Glossar

Daten sind agentenfähig, wenn ein KI-Agent sie verlässlich lesen, zuordnen und mit Quelle verwenden kann. Digital vorhanden reicht dafür nicht: Ein PDF ist für Menschen lesbar, für einen Agenten oft nur ein Bild mit Buchstaben. Agentenfähig wird Wissen durch Lesbarmachen, Aufräumen, Zuordnen und Freigeben.

Sammelbegriff für KI-Systeme, die eigenständig planen, handeln und auf Rückmeldungen reagieren. Im Unternehmen entscheidet nicht das Sprachmodell über die Qualität, sondern die Datenbasis, die Werkzeuge und die Leitplanken, die man dem Agenten gibt.

Betrieb von KI-Agenten im Alltag: Überwachung, Protokollierung, Qualitätsmessung, Kostenkontrolle und kontinuierliche Verbesserung. Ohne AgentOps verschlechtern sich Agenten unbemerkt, wenn sich Daten oder Prozesse ändern.

US-Gesetz, nach dem US-Anbieter Behörden Zugriff auf gespeicherte Daten geben müssen – unabhängig davon, wo der Server steht. Wer sein Postfach oder Mailarchiv einem US-Dienst zur KI-Auswertung gibt, gibt damit sein wertvollstes Kundenwissen aus der Hand.

Der Zustand einer Datenbasis im Hinblick auf Automatisierung und KI: Sind Informationen auffindbar, eindeutig, aktuell und berechtigt? Die Agenten-Manufaktur prüft das im Agenten-Check – ohne Reifegrad-Scoring, anhand konkreter Prozessschritte.

Der Bauplan einer Datenbank: Welche Objekte gibt es (z. B. Kunde, Auftrag, Artikel), welche Eigenschaften haben sie und wie hängen sie zusammen. Ein gutes Datenmodell bildet die Fachlichkeit ab, nicht die zufällige Form einer alten Tabelle.

Europäische Verordnung über künstliche Intelligenz, die Anforderungen nach Risikoklassen festlegt – u. a. Transparenz, Dokumentation und menschliche Aufsicht. Nachvollziehbare Datenflüsse und protokollierte Agenten-Entscheidungen erleichtern die Umsetzung.

Produkt der Agenten-Manufaktur, das gewachsene Excel-Listen analysiert, bereinigt und in eine Datenbank mit Eingabemasken, Rechten und Historie überführt. Excel ist digitales Papier – Excel2Database macht daraus eine verlässliche Grundlage für Mitarbeitende, Portale und KI-Agenten.

Ergebnis des Agenten-Workshops: höchstens sechs Seiten mit Zielbild, Ausgangslage, Route in drei Etappen, Maßnahmen mit Umsetzer und Erfolgskriterium, Quick Wins und einem Abschnitt „bewusst nicht umgesetzt“.

Eine plausibel klingende, aber falsche Ausgabe eines Sprachmodells. Halluzinationen werden vor allem durch fehlende oder widersprüchliche Daten begünstigt – und durch saubere Datenbasis, Quellenbindung und Prüfschritte deutlich reduziert.

Gestaltungsprinzip, bei dem ein Mensch an definierten Stellen prüft oder freigibt, bevor ein Agent folgenreiche Aktionen ausführt – etwa bei Zahlungen, Verträgen oder Kundenkommunikation.

Der Weg von der Anfrage bis zum Geld auf dem Konto: Anfrage, Angebot, Auftrag, Leistung, Rechnung, Service. An jedem Schritt wird gefragt: Wer, womit, wo bricht es, wie oft, wie lange – und was passiert, wenn diese Person drei Wochen fehlt?

Ein KI-Agent ist eine Software, die ein Ziel selbstständig in Teilschritte zerlegt, dafür Werkzeuge nutzt (z. B. Datenbanken, E-Mail, ERP-Schnittstellen) und Ergebnisse prüft. Anders als ein Chatbot beantwortet er nicht nur Fragen, sondern erledigt Aufgaben – innerhalb klar definierter Regeln und Freigaben.

Offener Standard, über den KI-Modelle strukturiert auf Werkzeuge und Datenquellen zugreifen. MCP vereinfacht die Anbindung von Agenten an Unternehmenssysteme, ersetzt aber nicht die Arbeit an sauberen Daten und klaren Berechtigungen.

Stelle in einem Prozess, an der Informationen von einem System oder Format in ein anderes übertragen werden müssen – etwa vom PDF ins ERP oder von der E-Mail in die Excel-Liste. Medienbrüche kosten Zeit und erzeugen Fehler.

Optical Character Recognition: Software liest Schrift aus Bildern und Scans, etwa von Typenschildern oder eingescannten Seiten. OCR verwechselt leicht Zeichen wie 0 und O oder 1 und I – deshalb prüft und korrigiert bei agentenfähigen Dokumenten eine zweite Stufe das Ergebnis.

Die Ausführung wiederkehrender Arbeitsschritte durch Software statt durch Menschen – regelbasiert (Workflows, Schnittstellen) oder lernend (KI-Agenten). Ziel ist weniger Handarbeit, weniger Fehler und schnellere Durchlaufzeiten.

Ein erster spürbarer Schritt, der fünf Kriterien erfüllt: umsetzbar in höchstens zwei Wochen, höchstens ein Personentag Aufwand, messbarer Nutzen, keine neue Abhängigkeit und auf der Route zum Zielbild. Nach vier Wochen wird der tatsächliche Nutzen nachgefragt.

Verfahren, bei dem ein Sprachmodell vor der Antwort gezielt passende Informationen aus einer Wissensquelle abruft und sich darauf stützt. Die Antwortqualität hängt direkt davon ab, wie gut diese Quelle gepflegt, gegliedert und aktuell ist.

Technischer Zugang, über den Systeme Daten austauschen. Für KI-Agenten sind Schnittstellen die „Hände“: Erst über sie können Agenten Informationen lesen und Vorgänge in ERP, CRM oder DMS anstoßen.

Prinzip, nach dem jede Information genau an einer verbindlichen Stelle gepflegt wird. Kopien und Parallel-Listen entfallen; alle Menschen und Agenten arbeiten mit demselben, aktuellen Stand.

Grundlegende, selten wechselnde Daten wie Kunden, Lieferanten, Artikel oder Mitarbeitende. Fehlerhafte Stammdaten sind eine der häufigsten Ursachen dafür, dass Automatisierung und KI im Alltag scheitern.

Daten mit festem Aufbau: definierte Felder, Datentypen, eindeutige Schlüssel und Beziehungen – typischerweise in einer relationalen Datenbank. Strukturierte Daten sind die Voraussetzung dafür, dass KI-Agenten verlässlich rechnen, filtern und entscheiden können.

Informationen ohne festes Schema, etwa E-Mails, PDFs, Freitext-Notizen oder frei gestaltete Excel-Tabellen. Sie lassen sich mit KI auswerten, liefern ohne vorherige Strukturierung aber schwankende und schwer prüfbare Ergebnisse.