Das Skalierungsproblem bei der Produktivität von Multi-Agenten-Systemen: Ihre Inhalte

Das Versprechen von KI-Agenten unterscheidet sich nicht wesentlich von dem anderer technologischer Entwicklungen im Bereich der Enterprise-Technologie: höhere Geschwindigkeit, größere Effizienz und mehr Leistung durch dieselben Teams.

Doch das Ausmaß dieses Versprechens ist weitaus größer, und es erfüllt sich tatsächlich. Box-Kunden setzen Agenten für die Erstellung von Entwürfen, Recherchen, Genehmigungs- und Support-Workflows sowie für operative Aufgaben im gesamten Unternehmen ein.

Theoretisch verschaffen multiple Agenten Unternehmen einen sich verstärkenden Vorteil. Wenn ein Agent Zeit spart, sollten fünf oder zehn diesen Zeitgewinn vervielfachen.

Dennoch stellen viele fest, dass das Gegenteil der Fall ist. Mit steigender Anzahl von Agenten entwickeln sich die Ergebnisse nicht linear. Die Agenten müssen die Arbeit der anderen wiederholen. Unterschiedliche Systeme liefern widersprüchliche Ergebnisse. Die Governance-Teams bemühen sich, Schritt zu halten. Anstatt den Wert zu vervielfachen, stoßen Sie auf ein Produktivitätsparadoxon bei Multi-Agenten: Je mehr Agenten Sie hinzufügen, desto schwieriger wird es, Konsistenz, Vertrauen und Kontrolle aufrechtzuerhalten.

Wesentliche Erkenntnisse:

Das Hinzufügen mehrerer KI-Agenten führt nicht automatisch zu einer Steigerung der Produktivität, da ohne gemeinsamen Kontext und ohne klare Steuerung eine Skalierung zu Doppelarbeit, Inkonsistenzen und Verwirrung führen kann
Orchestrierung allein kann die Fragmentierung durch den Einsatz mehrerer Agenten nicht beheben; Unternehmen benötigen eine vertrauenswürdige Inhaltsgrundlage mit einheitlichen Berechtigungen, Versionsverwaltung, Aufbewahrungsfristen und Herkunftsnachweis
Die Produktivität von Multi-Agenten-Systemen lässt sich nur dann vervielfachen, wenn alle Agenten auf die gleiche, geregelte und verbindliche Informationsquelle zurückgreifen, die team- und Workflow-übergreifend gilt

Verwirrung in großem Umfang

Über Copiloten mit einem einzigen Verwendungszweck hinaus konzentrieren sich die Erwartungen der Unternehmen zunehmend auf Multi-Agenten-Systeme als nächste Stufe der KI-Einführung. Doch bereits die ersten Implementierungen zeigen eine Tendenz zur Fragmentierung, mit voneinander getrennten „Inseln“ von Agenten, die den Kontext nicht ausreichend miteinander teilen können, um unternehmensweit einen Mehrwert zu schaffen.

Um es klar zu sagen: Die einzelnen Agenten versagen nicht. Tatsächlich erfüllt jeder einzelne genau den Zweck, für den er entwickelt wurde. Wenn Agenten jedoch in kontextuellen „Inseln“ agieren, hat jeder von ihnen nur einen Teilüberblick über das gesamte Unternehmen. Ein Agent entwirft einen Vertrag auf der Grundlage einer veralteten Richtlinie. Ein anderer nimmt Bezug auf eine andere Vertragsversion. Ein Dritter kann nicht auf dieselben Datensätze zugreifen, da die Zugriffsrechte uneinheitlich sind. Ein vierter liefert eine Antwort ohne eindeutige Herkunftsangabe, sodass die Teams nicht sicher sind, auf welche Quelle sich diese stützt oder ob sie überhaupt vertrauenswürdig ist. Jeder einzelne läuft Gefahr, Doppelarbeit, Einschnitte oder eine Abweichung von den Richtlinien zu verursachen. Das Unternehmen hat zwar den Automatisierungsgrad erhöht, jedoch nicht die Abstimmung verbessert.

Die instinktive Reaktion auf dieses Durcheinander besteht oft darin, eine weitere Ebene der Koordination hinzuzufügen, um unzusammenhängende Inhalte aufeinander abzustimmen. Doch aus fragmentiertem Ausgangsmaterial lässt sich kein gelungenes Ergebnis orchestrieren. Sollten die zugrunde liegenden Inhalte inkonsistent, unzureichend verwaltet oder für verschiedene Akteure auf unterschiedliche Weise nicht zugänglich sein, führt die Orchestrierung lediglich dazu, dass die Verwirrung schneller von einem Ort zum anderen verlagert wird. Aufgaben lassen sich damit zwar eleganter aufeinander abstimmen, doch kann es kein Vertrauen schaffen, wenn der zugrunde liegende Kontext instabil ist.

Das Ergebnis ist nicht gesteigerte Intelligenz, sondern zunehmende Verwirrung.

Sichere Inhaltsschicht ermöglicht eine klare Skalierung von Agenten

Agenten schaffen keinen Mehrwert im luftleeren Raum. Sie rufen Enterprise-Inhalte ab, werten diese aus und leiten Maßnahmen daraus ab: Verträge, Richtlinien, Produktspezifikationen, Wissensartikel, Unterlagen und andere betriebliche Dokumente. Dieser Inhalt stellt den entscheidenden Kontext dar, den agentengesteuerte Workflows benötigen.

Eine einheitliche Content-Ebene entscheidet darüber, ob Ihre Agenten auf der Grundlage derselben Faktenlage arbeiten oder auf der Grundlage fragmentierter Annäherungen daran. Wenn die Content-Ebene verbindlich und geregelt ist, können die Agenten die Arbeit der jeweils anderen ergänzen. Ein Entwurfsagent greift beispielsweise auf denselben Richtlinienkatalog zurück, den auch ein Überprüfungsagent verwendet, sodass keine Konflikte entstehen. Wenn die Rahmenbedingungen für die Arbeit einheitlich sind, kommen Teams wesentlich schneller voran. (Das gilt natürlich auch außerhalb des KI-Bereichs.)

Eine einheitliche Content-Ebene gewährleistet zudem ein höheres Maß an Inhaltssicherheit innerhalb agentische KI-Workflows. Wenn Agenten nur die Daten abrufen können, zu deren Nutzung sie berechtigt sind, sind ihre Ergebnisse weitaus zuverlässiger, nachvollziehbarer und sicherer für die weitere Verarbeitung. Anstatt Antworten auf der Grundlage unvollständiger oder widersprüchlicher Informationen zu generieren, stützen sich die Agenten zum richtigen Zeitpunkt auf das richtige Quellenmaterial. Dies verhindert eine Abweichung von den Richtlinien und gibt den Teams mehr Sicherheit, dass die von der KI generierten Ergebnisse das Geschäftsgeschehen korrekt widerspiegeln.

Was der „Governance unterliegende Inhalte“ für Multi-Agenten-Systeme bedeuten

Eine der Governance unterliegende Content-Ebene ist nicht lediglich ein Speicherort, an dem sich zufällig Dateien befinden. Bei Multi-Agenten-Systemen bedeutet „der Governance unterliegender Inhalt“, dass das Unternehmen den Daten vertrauen kann, die die Agenten abrufen und auf deren Grundlage sie handeln. Im Zeitalter der agentischen KI spielen mehrere Faktoren bei der Content-Governance eine Rolle:

Im Anfang stehen Berechtigungen. Agenten sollten nur auf die Daten zugreifen dürfen, für die sie eine Zugriffsberechtigung besitzen, und diese Zugriffskontrollen müssen über alle Tools und Teams hinweg einheitlich sein. Ohne eine Berechtigungsverwaltung stehen Unternehmen unmittelbar vor einem Zielkonflikt zwischen Nutzen und Risiko abwägen zu müssen. Entweder wissen die Agenten zu wenig, um effektiv zu sein, oder sie wissen zu viel und gefährden damit das Unternehmen.
Die Versionsverwaltung ist entscheidend. Wenn mehrere Agenten mit unterschiedlichen Versionen eines Vertrags, einer Richtlinie oder einer Spezifikation arbeiten, verfügt die Organisation nicht mehr über ein gemeinsames Lagebild. Die Ausgaben weichen voneinander ab, nicht weil die Modelle fehlerhaft sind, sondern weil die Referenzdaten nicht stabil sind.
Auch die Aufbewahrung spielt eine Rolle. Enterprise-Agenten können nicht verantwortungsvoll skaliert werden, wenn diese Agenten auf Inhalte zugreifen, die eigentlich hätten archiviert, gelöscht oder gemäß einer bestimmten Lebenszyklusrichtlinie verwaltet werden müssen. Die Abstimmung der Aufbewahrungsrichtlinien stellt sicher, dass KI-Systeme innerhalb des gleichen Frameworks für die Verwaltung der Daten betrieben werden wie der übrige Unternehmensbereich.
Die Herkunft ist das letzte Puzzlestück. In einer Multi-Agenten-Umgebung sorgt die Rückverfolgbarkeit der Herkunft dafür, dass Ergebnisse überprüfbar und vertrauenswürdig sind. Die Teams müssen wissen, woher eine Antwort stammt, auf welchem Quellenmaterial sie basiert und ob diese Quelle zum Zeitpunkt der Verwendung als maßgeblich galt. Ohne Herkunft lässt sich jede Ausgabe nur noch schwerer überprüfen, und jede Ausnahme lässt sich nur noch schwerer untersuchen.

Wenn Agenten Daten aus inkonsistenten Quellen beziehen, verbreiten sich Fehler schneller. Wenn sie keinen der Governance unterliegenden Kontext teilen können, schaffen Teams parallele Workflows und führen doppelte Überprüfungen durch. Governance wird reaktiv, da das Unternehmen ständig versucht, das Geschehene im Nachhinein zu erklären oder zu korrigieren. Chaotisches Wissen und eine schwache Governance führen dazu, dass Agenten abdriften oder Risiken verursachen.

Fragmentierung von Inhalten erhöht das Risiko um ein Vielfaches

Jeder weitere Agent sollte das System stärken und nicht schwächen. Ohne eine gemeinsame, der Governance unterliegende Inhaltsgrundlage vergrößert jeder neue Agent jedoch das Risiko von Inkonsistenzen. Im Allgemeinen lassen sich wenige, gut unterstützte Agenten besser skalieren als viele, die nicht miteinander verbunden sind.

Wir bei Box haben zunächst einen Sandbox-Ansatz verfolgt, um mit KI-Agenten zu experimentieren, sind aber schließlich von über 100 Experimenten zu einer kleineren Auswahl an „Big Bets“ übergegangen. Dabei konzentrieren wir uns auf Anwendungsfälle, die sich gut wiederholen lassen und kritisches Denken erfordern. Wir haben diese äußerst wirkungsvollen Agenten auf der Grundlage zuverlässiger Daten, Berechtigungen und Wissensquellen entwickelt.

Außerdem haben wir die Einführung nicht nur als technische Umsetzung, sondern auch als operatives Vorhaben und als Maßnahme im Bereich des Änderungsmanagements betrachtet. Wir haben die Workflows so umgestaltet, dass die Agenten nun fester Bestandteil der täglichen Arbeit sind und nicht mehr nur als optionale Zusatztools dienen. Wir haben klare Zuständigkeiten für die Umsetzung und die kontinuierliche Verbesserung festgelegt. Zudem überprüfen wir regelmäßig, wie sich unsere agentischen Maßnahmen auswirken, sodass die Skalierung ein kontinuierlicher Prozess bleibt und nicht nur einmalig erfolgt.

Der Weg zu einer sich vervielfachenden Produktivität

Unternehmen sollten die Skalierung von Agenten genauso betrachten wie jedes andere kritische Betriebssystem: nicht als eine Ansammlung isolierter Tools, sondern als eine koordinierte Umgebung, die auf einer vertrauenswürdigen Infrastruktur aufbaut.

Bei Multi-Agenten-Systemen besteht diese Infrastruktur aus einem einzigen Dateisystem für Inhalte. Die Unternehmen, denen es gelingt, ihre Produktivität zu steigern, sind diejenigen, die ihre Inhalte als maßgebend, berechtigungsabhängig, versionsverwaltet, auf die Aufbewahrungsfristen abgestimmt und hinsichtlich ihrer Herkunft rückverfolgbar gestalten. Sie verschaffen den Agenten eine gemeinsame Kontextebene, die team- und toolübergreifend sicher funktioniert. Und sie werden Governance nicht als Hemmnis für die Einführung von KI betrachten, sondern als die Voraussetzung, die eine groß angelegte Umsetzung erst ermöglicht.

Erfahren Sie, wie Sie mit Box Automate eine agentische Automatisierung des Workflows auf einer einzigen sicheren Inhaltsebene erstellen können.

* Wir setzen uns stetig dafür ein, Produkte und Services mit Datenschutz, Sicherheit und Compliance höchsten Grades anzubieten. Dennoch stellen die Informationen in diesem Blogbeitrag keine Rechtsberatung dar. Wir empfehlen potenziellen und bestehenden Kund:innen dringend, bei der Beurteilung von Compliance nach geltendem Recht eigene Sorgfaltsprüfungen durchzuführen.