KI-Agent – Best Practices

KI-Agenten sind leistungsstarke digitale Kollegen, die Generative KI mit Automatisierung kombinieren. Um die besten Ergebnisse zu erzielen, befolgen Sie diese praktischen Best Practicesy – basierend auf realen Erfahrungen und Expertenempfehlungen.

Agents fokussiert halten
  • Enger Aufgabenbereich: Jeder Agent sollte ein klares Problem lösen. Vermeiden Sie allgemeine Agents, die versuchen, zu viel zu tun. Zum Beispiel in großen Workflows, verwenden Sie einen Supervisor Agent, der Aufgaben an spezialisierte Agents delegiert (z. B. Supervisor für Schadensfälle → Sachbearbeiter für Schadensdetails + Sachbearbeiter für Betrugsüberprüfung + Sachbearbeiter für Genehmigung).
  • Vermeiden Sie Tool-Überlastung: Halten Sie die Anzahl der Tools gering (≤10 ist vorgeschrieben). Zu viele Tools führen zu Verwirrung und höheren Ausfallraten.
Entscheiden Sie zwischen Automatisierung vs. Agent
  • Deterministische Automatisierung verwenden: Automatisierungen, Prozesse und API-Aufgaben eignen sich am besten für Schritte, die zuverlässig skriptgesteuert und gewartet werden können.
  • KI-Agenten verwenden: Am besten geeignet für Aufgaben, die logisches Denken, Flexibilität oder dynamische Entscheidungsfindung erfordern. Verwenden Sie nicht standardmäßig Agents für alles – die meisten Prozesse bleiben Standardautomatisierungen.
Vermeiden Sie die Stapelverarbeitung in einem einzelnen Agent
  • Keine großen Tabellen/Listen Füttern Sie einen Agent nicht mit Massendaten (z. B. 20 Anspruchs-IDs).
  • Schleife außerhalb des Agent: Verwenden Sie einen Prozess oder Bot, um jeweils einen Artikel zu senden.
  • Beispiel: Ein Prozess durchläuft die Zeilen einer Anspruchstabelle und ruft den Agent für jede Zeile auf.
Verwenden Sie Dummy- oder Validierungs-Tools

  • Sollte Ihr Agent gelegentlich erforderliche Ausgaben übersehen, fügen Sie ein Tracking-/Validierungs-Tool hinzu.

  • Dieses Tool gibt einfach das zurück, was der Agent bereitgestellt hat, und markiert, was fehlt.

  • Agents bemerken Lücken eher und leiten an einen Menschen weiter, wenn ein solches Tool vorhanden ist.

Mensch in der Schleife für Zuverlässigkeit

  • Stellen Sie immer eine Möglichkeit bereit, damit Menschen die Daten überprüfen oder fehlende Daten ergänzen können.

  • Schrittweise Onboarding-Strategie:

    • Beginnen Sie mit 100 % menschlicher Überprüfung der Agent-Ausgaben.

    • Wenn das Vertrauen wächst, Überprüfung reduzieren (z. B. 50 %, dann 10 %).

    • Schließlich werden nur Ausnahmefälle überprüft.

  • Dies baut Vertrauen im Laufe der Zeit auf und verhindert eine übermäßige Abhängigkeit von ungetesteten Agents.

Schreiben Sie ausgewogene Prompts
  • Klarheit und Präzision sind wichtig: Zu vage Formulierungen führen zu Unklarheiten; zu präskriptive Formulierungen führen zu Starrheit.
  • Vermeiden Sie lange Prompten: Anleitungen im Aufsatzstil verringern die Genauigkeit.
  • Kontext bereitstellen: Geben Sie gerade genug für die Tool-Auswahl und Entscheidungsfindung.
Strukturieren Sie Eingaben und Ausgaben für die Automatisierung
  • Strukturierte Variablen verwenden: Bevorzuge `claim_id`, `policy_id` gegenüber einzelnen JSON-Strings.
  • Verwenden Sie JSON nur, wenn es erforderlich ist: Wenden Sie es nur an, wenn Sie direkt mit APIs integrieren.
  • Automatisierungsfreundlich: Strukturierte Variablen sind für die nachgelagerte Verarbeitung einfacher.
Testen und verfeinern
  • Vielseitige Tests: Führen Sie sowohl den Happy Path als auch die Randfälle aus.
  • Governance-Protokolle nutzen: Analysieren Sie die Argumentation, Tool-Aufrufe und Datenlücken.
  • Schnell iterieren: Passen Sie Prompts, Ausgaben und Tools kontinuierlich an.
Für Zuverlässigkeit bauen

  • Validieren Sie Ausgaben (keine Nullwerte in erforderlichen Feldern).

  • Fügen Sie Fehlerbehandlungspfade für fehlende oder inkonsistente Daten hinzu.

  • Verwenden Sie Data Tracker oder Dummy Tools, um die Vollständigkeitsprüfungen zu verbessern.