Im ersten Teil dieser Blogreihe haben wir betrachtet, warum SAP Joule Studio eine wichtige Rolle für Unternehmen spielt, die individuelle KI-Lösungen entwickeln möchten. Doch bevor wir uns mit Themen wie Grounding, Sicherheit oder Governance beschäftigen, sollten wir eine grundlegende Frage beantworten:
Was genau ist eigentlich ein KI-Agent?
Wer sich mit SAP Joule Studio beschäftigt, stößt schnell auf Begriffe wie Skills, Agenten und Assistants. Häufig werden diese Begriffe synonym verwendet. Tatsächlich beschreiben sie jedoch völlig unterschiedliche Aufgaben.
Der einfachste Baustein in SAP Joule Studio ist der Skill. Ein Skill erledigt genau eine definierte Aufgabe. Er trifft keine eigenen Entscheidungen und verfolgt kein Ziel. Er führt lediglich eine bestimmte Funktion aus.
Einige Beispiele:
Man könnte sagen: Ein Skill ist das Werkzeug im Werkzeugkasten. Allein betrachtet ist ein Skill noch keine intelligente Anwendung.
Ein Agent besitzt ein Ziel und entscheidet selbstständig, welche Skills benötigt werden, um dieses Ziel zu erreichen. Stellen wir uns vor, ein Mitarbeiter fragt: Welche Kundenaufträge sind durch die Lieferverzögerung unseres Hauptlieferanten gefährdet?
Der Agent muss nun selbst überlegen:
Für jeden dieser Schritte nutzt er verschiedene Skills. Der Agent führt die Arbeit also nicht selbst aus. Er orchestriert die vorhandenen Fähigkeiten und kombiniert diese zu einer Lösung. Deshalb gilt vereinfacht: Skills führen Aufgaben aus. Agenten lösen Probleme.
Der Anwender interagiert mit dem Assistant. Ein Assistant kennt den Benutzer, dessen Rolle und den aktuellen Geschäftskontext. Er entscheidet, welcher Agent für eine Anfrage am besten geeignet ist.
Man kann sich das wie ein Unternehmen vorstellen:
Der Mitarbeiter spricht nur mit dem Ansprechpartner. Die eigentliche Arbeit geschieht dahinter.
Nachdem wir nun verstanden haben, wie Skills, Agenten und Assistants zusammenarbeiten, stellt sich die nächste Frage: Woher erhalten Agenten eigentlich die Informationen und Funktionen, die sie für ihre Arbeit benötigen?
Ein Agent kann nur dann eine Entscheidung treffen oder eine Aufgabe ausführen, wenn er auf die notwendigen Daten und Funktionen zugreifen kann. Er muss beispielsweise Kundenaufträge lesen, Bestellungen anlegen, Materialbestände prüfen oder Informationen aus einem Ticketsystem abrufen.
Früher wurde für solche Integrationen häufig individueller Programmcode entwickelt. Jede neue Anwendung benötigte eigene Schnittstellen und eigene Logik für die Kommunikation mit den angeschlossenen Systemen. Mit der zunehmenden Verbreitung von KI-Agenten wäre dieser Ansatz jedoch kaum skalierbar. Wenn jedes System und jeder Agent individuell integriert werden muss, entstehen schnell komplexe und schwer wartbare Landschaften.
An dieser Stelle kommt das Model Context Protocol (MCP) ins Spiel.
Das Model Context Protocol sorgt dafür, dass Agenten mit unterschiedlichen Systemen auf eine einheitliche Weise kommunizieren können. Man kann sich MCP wie einen standardisierten Adapter vorstellen. Ein Agent muss nicht mehr wissen, wie ein ERP-System, eine Datenbank oder eine externe Anwendung technisch aufgebaut ist. Stattdessen stellt das jeweilige System seine Funktionen über MCP bereit. Der Agent kann diese Fähigkeiten erkennen und bei Bedarf nutzen.
Ein Beispiel: Ein Agent soll herausfinden, warum sich eine Lieferung verspätet hat.
Dafür benötigt er Informationen aus verschiedenen Systemen. Über MCP kann er beispielsweise einen verfügbaren Service finden, der den aktuellen Lieferstatus liefert, einen anderen Service zur Materialverfügbarkeit aufrufen und zusätzliche Informationen aus einem Ticketsystem abrufen. Für den Agenten spielt dabei keine Rolle, ob diese Informationen aus SAP S/4HANA, einer Eigenentwicklung oder einer Drittanbieteranwendung stammen. Entscheidend ist lediglich, dass die Funktion über MCP bereitgestellt wird.
Für Unternehmen hat das einen großen Vorteil: Neue Agenten können deutlich einfacher auf bestehende Systeme zugreifen, ohne dass jedes Mal komplett neue Integrationen entwickelt werden müssen.
In vielen Unternehmensprozessen reicht ein einzelner Agent allerdings nicht aus. Nehmen wir erneut das Beispiel einer Lieferverzögerung:
Ein Logistik-Agent kann erkennen, dass ein Problem vorliegt. Für eine vollständige Bewertung benötigt er jedoch möglicherweise zusätzliche Informationen aus anderen Fachbereichen. Vielleicht muss geprüft werden, welche Kunden betroffen sind, welche finanziellen Auswirkungen entstehen oder ob alternative Lieferanten verfügbar sind. Anstatt alle diese Fähigkeiten in einen einzigen Agenten zu packen, ist es oft sinnvoller, spezialisierte Agenten einzusetzen. Damit diese zusammenarbeiten können, benötigen sie ebenfalls eine gemeinsame Sprache.
Hier kommt das Agent-to-Agent-Protokoll (A2A) zum Einsatz. Während MCP die Kommunikation zwischen Agenten und Systemen ermöglicht, regelt A2A die Kommunikation zwischen verschiedenen Agenten. Vereinfacht gesagt erlaubt A2A einem Agenten, andere Agenten als Spezialisten einzubinden.
Ein Logistik-Agent kann beispielsweise einen Beschaffungs-Agenten um Unterstützung bitten. Dieser wiederum kann einen Risiko-Agenten hinzuziehen, um die Auswirkungen auf laufende Kundenaufträge zu bewerten. Für den Anwender bleibt diese Zusammenarbeit weitgehend unsichtbar. Er stellt seine Frage an einen Assistant und erhält eine konsolidierte Antwort. Im Hintergrund arbeiten jedoch mehrere spezialisierte Agenten zusammen und tauschen Informationen über A2A aus.
Man könnte sagen:
Genau dieses Zusammenspiel macht moderne Agentenplattformen so leistungsfähig. Statt monolithische Anwendungen zu entwickeln, entstehen Netzwerke spezialisierter Agenten, die ihre jeweiligen Stärken kombinieren können.
Skills, Agenten und Assistants übernehmen unterschiedliche Aufgaben und bilden gemeinsam die Grundlage moderner Agentenplattformen. Während Skills einzelne Funktionen bereitstellen, orchestrieren Agenten diese Fähigkeiten zur Lösung konkreter Geschäftsprobleme. Assistants fungieren dabei als zentrale Anlaufstelle für den Anwender.
Mit MCP und A2A entstehen darüber hinaus standardisierte Wege, um Agenten mit Unternehmenssystemen und anderen Agenten zu verbinden. Dadurch können Unternehmen ihre Agentenlandschaft schrittweise erweitern und bestehende Systeme in neue KI-gestützte Prozesse integrieren.
Im nächsten Artikel dieser Blogreihe betrachten wir, warum der Geschäftskontext für KI entscheidend ist und wie SAP mit Grounding, dem SAP Knowledge Graph und modernen RAG-Ansätzen die Grundlage für verlässliche Entscheidungen schafft.
Viele Unternehmen stehen aktuell vor der Frage, wann SAP-Standard-Agenten ausreichen und wann individuelle Agenten oder Skills sinnvoll werden. Genau an dieser Stelle unterstützen wir bei Rewion.
Gemeinsam identifizieren wir geeignete Anwendungsfälle, bewerten bestehende Prozesse und entwickeln eine Architektur, die zu Ihrer SAP-Landschaft passt. Dabei betrachten wir sowohl die Erweiterung bestehender SAP-Agenten als auch die Entwicklung eigener Agenten, Skills und Integrationsszenarien mit SAP Joule Studio.
Wenn Sie mehr über Grounding, Governance oder den wirtschaftlichen Einsatz von KI-Agenten erfahren möchten, empfehlen wir außerdem die weiteren Artikel dieser Blogreihe.
Willkommen bei unserem exklusiven Support für Bestandskunden. Hier finden Sie alle nötigen Informationen, um schnell und unkompliziert Hilfe bei technischen Anfragen zu erhalten.
Für eine direkte Unterstützung per Fernwartung, laden Sie bitte unser TeamViewer-Modul herunter:
Bitte beachten Sie: Dieser Kanal ist speziell für technische Anfragen unserer Bestandskunden vorgesehen. Für allgemeine Anfragen, Informationen zu unseren Dienstleistungen oder eine Erstberatung nutzen Sie bitte unser Kontaktformular oder schreiben Sie eine E-Mail an [email protected].
