Qualitätsprüfung

Auf der AMB 2026 in Stuttgart präsentiert Consulteer, wie KI-Agenten und menschliche Entscheidungen in intelligenten Produktionssystemen synergistisch zusammenarbeiten. Ein konkreter Anwendungsfall zur automatisierten Qualitätsprüfung zeigt, wie KI menschliche Expertise sinnvoll ergänzt. Hierbei interpretiert ein KI-Agent Prüfaufträge, während ein mobiles Robotersystem die Bauteile erfasst und analysiert. Bei Unsicherheiten wird der Mensch in den Entscheidungsprozess einbezogen, was das Wissen des Systems erweitert. Die Mensch-Maschine-Schnittstelle ist entscheidend, da sie die technische Komplexität verringert und relevante Informationen bereitstellt. Mit der zunehmenden Automatisierung wandelt sich die Rolle des Menschen von der direkten Bedienung hin zur Überwachung und Entscheidungsfindung. Dies erfordert ein Umdenken im Human-Centered Design, um die Zusammenarbeit zwischen Mensch und KI zu optimieren. Der Use-Case der Qualitätsprüfung illustriert die breitere Anwendbarkeit dieser Prinzipien in Bereichen wie Wartung, Logistik und Prozessüberwachung, und definiert somit die nächste Generation industrieller Interaktion als ein Zusammenspiel von Mensch, Maschine, Software und KI-Agenten.

In einem Interview hebt Kai Fürderer von der Gesellschaft für Qualitätsprüfung hervor, dass künstliche Intelligenz (KI) das Informations- und Entscheidungsverhalten von Bankkunden grundlegend verändert. Immer mehr Kunden wenden sich direkt an KI-Systeme, was die Sichtbarkeit qualitativ hochwertiger Inhalte für Banken entscheidend macht. Um in der digitalen Welt wahrgenommen zu werden, müssen Banken in Beratungsqualität investieren und glaubwürdige, fachlich fundierte Inhalte bereitstellen, da Suchmaschinenoptimierung allein nicht ausreicht. Regionalbanken haben hierbei einen Vorteil, da sie ihre Kunden gut kennen und über hohe Beratungskompetenz verfügen. Unabhängige Bankentests sind wichtig, um Orientierung und Vertrauen zu schaffen. Fürderer betont die Notwendigkeit, die Beratungsqualität digital sichtbar zu machen, insbesondere im Bereich der Altersvorsorge. Trotz der Möglichkeiten von KI bleibt persönliche Beratung unverzichtbar, um individuelle Bedürfnisse zu berücksichtigen. Banken, die frühzeitig ihre fachliche Kompetenz präsentieren, können sich somit einen nachhaltigen Wettbewerbsvorteil sichern.

Der Artikel "AI Agent Evaluation: How to Know If Your Agent Actually Works" beleuchtet die Herausforderungen bei der Evaluierung von KI-Agenten in der Produktion. Der Autor teilt eine persönliche Erfahrung, in der ein Agent trotz positiver Testergebnisse 1.200 Support-Tickets falsch kategorisierte, was auf unzureichende Evaluierungsmethoden hinweist. Er argumentiert, dass die Evaluierung von Agenten komplexer ist als die von Modellen, da Agenten nicht deterministisch arbeiten. Zur Leistungsbewertung empfiehlt er Metriken wie Aufgabenerfüllung, Kosten und Latenz sowie eine dreischichtige Teststrategie, die Unit-Tests, Szenariotests und adversariale Tests umfasst. Zudem wird die Verwendung eines weiteren LLM zur Qualitätsprüfung der Agentenausgaben vorgeschlagen. Der Autor betont die Bedeutung von kontinuierlicher Integration und Automatisierung der Tests, um die Qualität der Agenten zu sichern und frühzeitig Probleme zu identifizieren. Abschließend fordert er Teams auf, die Evaluierung ernst zu nehmen, um zuverlässige Agenten zu entwickeln und unerwartete Fehler zu vermeiden.

Die globale Umfrage von TELUS Digital und Ryan Strategic Advisory zeigt, dass viele Unternehmen im Bereich Customer Experience (CX) auf menschliche Agenten setzen, die durch KI unterstützt werden. Allerdings nutzen nur 32% der befragten Unternehmen KI-gestützte Tools zur Qualitätsprüfung und Coaching, was bedeutet, dass die Mehrheit nicht über die nötigen Instrumente verfügt, um die KI-Leistung effektiv zu überwachen. Dies führt dazu, dass Probleme oft erst spät erkannt werden, wenn die Kundenergebnisse bereits leiden. Obwohl Unternehmen bereit sind, in KI zu investieren, fehlt es häufig an einer konsolidierten Strategie zur optimalen Nutzung dieser Investitionen. TELUS Digital empfiehlt eine umfassende Bewertung der KI-Implementierung und die Schaffung einer intelligenten Schicht, die verschiedene KI-Anwendungen integriert. Die Ergebnisse verdeutlichen die Notwendigkeit, die Kluft zwischen KI-Investitionen und der erforderlichen Infrastruktur zu schließen, um die Leistung im Kundenservice zu verbessern und einen höheren Return on Investment zu erzielen.