Umsetzungshürden

Bild 2: Welche Bedenken und Hindernisse die Befragten bei der Implementierung von Agentic AI für Prozesse in der Life-Science-Branche sehen. © PTA

Eine Implementierung von Agentic AI kann nicht von heute auf morgen stattfinden, auch darin sind sich die Befragten aus der Life-Science-Branche mehrheitlich einig: Alle erwarten einen hohen bis sehr hohen zeitlichen Aufwand bei der Umsetzung und Einführung der neuen Technologie. Dabei stellen vor allem Kosten und Budgetbeschränkungen (67 Prozent aller Befragten) und technische Hürden (63 Prozent) die Branche vor große Herausforderungen. Weitere Stolpersteine stellen laut den befragten Unternehmen Sicherheits- und Datenschutzbedenken (48 Prozent), unklare regulatorische Vorgaben (26 Prozent) sowie organisatorische Barrieren (22 Prozent) dar (s. Bild 2). Bei der Unterstützung zur Implementierung von Agentic AI setzen diese vor allem auf Workshops mit branchenspezifischen Anwendungsbeispielen. Aber auch standardisierte Leitfäden (52 Prozent) sind bei den Life-Sciences-Unternehmen sehr willkommen, da sie im Rahmen vorgegebener und normierter Prozessabläufe unterstützen können.

Der vierstufige Weg zur autonomen Intelligenz

Agentic AI basiert auf einem iterativen Prozess, der vier Stufen umfasst: wahrnehmen, denken, handeln und lernen. Bei der Wahrnehmung erfasst und verarbeitet die neue Evolutionsstufe künstlicher Intelligenz Daten aus unterschiedlichen Quellen, wie beispielsweise Datenbanken. Im Rahmen des "Denkprozesses" steht ein besonderes Sprachmodell, das Large Language Model (LLM), im Vordergrund. Dieses ist für die Entwicklung von Aufgaben und Lösungen sowie für die Steuerung routinierter Prozesse zuständig, zum Beispiel den Einsatz von Generativer AI zur Inhaltserstellung. Beim Handeln geht es um die konkrete Ausführung von Aufgaben auf Basis der zuvor erstellten Pläne. Hierfür werden externe Tools und Software über digitale Schnittstellen integriert. In Feedback-Loops lassen sich schließlich die bis dato gesammelten Interaktionsdaten zur Optimierung der Agentic AI verwenden. Dadurch kann sich ihr Vorgehen stetig verbessern. Und genau aufgrund des funktionalen Aufbaus ist Agentic AI gerade in komplexen Laborumgebungen, in denen Prozessabläufe streng reguliert sind, allerdings immer wiederkehrend durchlaufen werden – Stichwort Automatisierung – von großem Wert.

Zum Aufwand für Agentic-AI-Nutzung

Keine Frage, Agentic AI birgt großes Potenzial. Trotz des frühen Entwicklungsstands plant die Mehrheit der deutschen Unternehmen über alle Branchen hinweg, ihre Agentic-AI-Budgets in den nächsten drei Jahren zu erhöhen. Der überwiegende Anteil der Entscheider verspricht sich durch die Nutzung der neuen Technologie strategische sowie operative Vorteile. Denn mit der Nutzung von Agentic AI verschiebt sich der Fokus von einer reinen Inhaltserstellung auf autonomes Handeln und Entscheiden. Als neue Evolutionsstufe künstlicher Intelligenz könnte Agentic AI die bisherigen Strukturen der Geschäftswelt umfassend verändern.

Für den langfristigen Erfolg mit Agentic AI benötigen Unternehmen aus der Life-Science-Branche jedoch sowohl technisch als auch personell externe Unterstützung: 89 Prozent der Unternehmen rechnen mit einem hohen, 11 Prozent sogar mit einem sehr hohen Zeitaufwand. Ein Trend, der sich auch branchenübergreifend in Zahlen niederschlägt: Die meisten branchenübergreifend befragten Unternehmen sehen den größten Unterstützungsbedarf bei der Sicherstellung der Datenqualität (49 Prozent) und der Integration von Daten und bestehenden Systemen (46 Prozent). Allerdings stellen auch die Qualifizierung der Mitarbeitenden (44 Prozent), die Beratung zu rechtlichen und regulatorischen Anforderungen (44 Prozent) und die technologische Beratung bezüglich AI-Lösungen (38 Prozent) Bereiche dar, in denen Unterstützung erforderlich sein wird. Ohne praxisnahe Schulungen und Trainings, aber auch Workshops mit branchenspezifischen Anwendungsbeispielen sowie persönliche Beratungen oder Coachings durch externe Experten wird die erfolgreiche Einführung von Agentic AI schnell zu einer Herkulesaufgabe. Die erfolgreiche Implementierung erfordert also mehr als Technologie: Entscheidend sind ein klares Prozessverständnis, umfassende Automatisierungsbereitschaft und eine hohe Datenqualität. Der Schlüssel liegt in kleinen sowie praxisnahen Schritten, externer Unterstützung und organisationaler Offenheit.

Zur Studie:

Die Erhebung für den Report "Agentic AI in der Praxis – Potenziale, Hürden und Handlungsfelder für Unternehmen" wurde im Rahmen einer computergestützten Web-Befragung (CAWI) durchgeführt. Ziel der Erhebung war es, ein fundiertes Meinungsbild zur aktuellen Nutzung, zu Herausforderungen sowie zu den zukünftigen Potenzialen von Agentic AI in deutschen Unternehmen zu gewinnen.

Die Stichprobe umfasste 200 Entscheider aus Unternehmen mit mindestens 100 Mitarbeitenden. Die Befragten setzen sich aus zwei Hauptzielgruppen zusammen: zum einen IT-Entscheidungsträger und IT-Entscheidungsträgerinnen (100 Personen), zum anderen Entscheidungsträger und -trägerinnen aus den Bereichen Öffentlichkeitsarbeit/Marketing, Verkauf/Vertrieb, Innovation sowie Customer Experience (insgesamt 100 Personen). Voraussetzung für die Teilnahme war ein mindestens grundlegendes Verständnis von Agentic AI. Die teilnehmenden Unternehmen stammen aus den Branchen Versicherungen, Gesundheitswesen, Konsumgüter & Einzelhandel, Energie, Banken, Life Science sowie Logistik. Durch diese Branchenvielfalt sollte sichergestellt werden, dass die Erhebung ein breites Spektrum an Perspektiven auf die Nutzung und Relevanz von Agentic AI abdeckt. Die Befragung wurde im Zeitraum vom 20. Februar bis 26. Februar 2025 durchgeführt.

AUTOR
Dr. René Külheim
Head of Artificial Intelligence
PTA Programmier-Technische Arbeiten GmbH, Mannheim
Tel.: 0621/419600
[email protected]
www.pta.de