Agentische KI und Computer Vision: Die Zukunft der Automatisierung

Künstliche Intelligenz (AI) und Computer Vision helfen Maschinen, die Welt wahrzunehmen und zu verstehen. Dank jüngster Fortschritte erleben wir nun einen großen Sprung nach vorn: KI-Innovationen, die nicht nur wahrnehmen, sondern auch eigenständig denken, planen und handeln. In einem früheren Artikel haben wir erläutert, wie Vision Agents visuelle Daten verarbeiten und analysieren sowie darauf reagieren können.

Heute sehen wir uns ein ähnliches Konzept an: agentische KI. Agentische KI-Systeme sind darauf ausgelegt, selbstständig zu arbeiten und menschenähnliche Fähigkeiten zum Schlussfolgern und Problemlösen einzusetzen, um vorgegebene Ziele zu erreichen. Anders als herkömmliche KI-Systeme, die einzelne Aufgaben anhand vorgegebener Anweisungen erledigen, können agentische KI-Systeme Aufgaben selbstständig planen und ausführen. Diese Agenten können sogar aus früheren Interaktionen lernen und Entscheidungen ohne menschliches Eingreifen umsetzen.

Im Bereich Computer Vision können agentische KI-Systeme Verfahren wie die Objekterkennung mit Computer-Vision-Modellen wie Ultralytics YOLO11 nutzen, um visuelle Daten in Echtzeit zu analysieren, Objekte zu erkennen, räumliche Beziehungen zu verstehen und auf Grundlage ihrer Umgebung selbstständig Entscheidungen zu treffen.

Was ist agentische KI?#

Im Kern sind agentische KI-Systeme auf autonomes, zielgerichtetes Denken, adaptive Problemlösung und kontinuierliches Lernen ausgelegt. Sie nutzen KI-Agenten, um ihre Umgebung zu verstehen, Entscheidungen zu treffen und Aufgaben auszuführen. Diese KI-Agenten setzen Computer-Vision-Modelle, Reinforcement-Learning-Verfahren und große Sprachmodelle (LLMs) ein, um komplexe Aufgaben zu erledigen. Dadurch eignen sie sich ideal zur Automatisierung von Geschäftsabläufen und zur Verbesserung der Entscheidungsfindung.

Ein agentisches KI-System in einem Lager kann beispielsweise mit Computer Vision Pakete erkennen, den Bestand verfolgen und Hindernissen ausweichen – ganz ohne menschliches Eingreifen. Mithilfe bestärkenden Lernens kann das System seine Bewegungseffizienz im Laufe der Zeit verbessern und die besten Routen erlernen, um Staus zu vermeiden. Gleichzeitig kann ein Chatbot mit LLM Beschäftigte unterstützen, indem er Fragen beantwortet und Verbesserungen im Betrieb vorschlägt. So wird der gesamte Arbeitsablauf effizienter.

Abb. 1 Überblick über die Funktionsweise agentischer KI.

Der entscheidende Unterschied zwischen einer herkömmlichen KI-Lösung und einer agentischen KI-Lösung besteht darin, dass agentische KI vorausschauend denken und sich an veränderte Situationen anpassen kann. Herkömmliche Computer-Vision-Systeme erkennen Objekte und klassifizieren Bilder zuverlässig, können ihr Verhalten aber nicht dynamisch anpassen. Sie benötigen einen Menschen, der eingreift und beim erneuten Trainieren oder bei der Feinabstimmung der Modelle hilft. Agentische KI hingegen nutzt fortschrittliche Methoden des maschinellen Lernens, um sich durch die Interaktion mit ihrer Umgebung laufend zu verbessern.

Agentische KI im Vergleich zu anderen fortschrittlichen KI-Innovationen#

KI entwickelt sich rasant weiter. Neue Konzepte wie generative KI, agentische Automatisierung und Computer Vision setzen sich in den verschiedensten Branchen schnell durch. Vergleichen wir diese Technologien, um besser zu verstehen, wodurch sich agentische KI auszeichnet.

Der Unterschied zwischen generativer KI und agentischer KI#

Wenn du Werkzeuge wie ChatGPT verwendet hast, kennst du generative KI bereits. Dieser KI-Bereich konzentriert sich darauf, Inhalte wie Texte, Bilder oder Code anhand von Nutzereingaben zu erstellen. Generative KI fördert Kreativität und die Entwicklung von Ideen, folgt jedoch erlernten Mustern und arbeitet innerhalb vordefinierter Grenzen. Sie kann weder selbstständig Entscheidungen treffen noch eigenständige Ziele verfolgen.

Agentische KI hingegen verfolgt aktiv Ziele. Sie kann sich dynamisch an ihre Umgebung anpassen, ohne ständig menschliche Eingaben zu benötigen. Statt lediglich Inhalte zu generieren, handelt sie und löst Probleme selbstständig.

Agentische Automatisierung und agentische KI hängen eng zusammen#

Agentische Automatisierung und agentische KI gehen Hand in Hand: Die agentische KI liefert die Intelligenz, auf der die Automatisierung beruht. Betrachten wir ein sicherheitsbezogenes Computer-Vision-System.

Das agentische KI-System analysiert die Situation, entscheidet über die beste Reaktion und handelt selbstständig. Erkennt beispielsweise eine in Computer Vision integrierte KI-Sicherheitskamera einen Eindringling, sendet das agentische KI-System nicht bloß eine Warnmeldung: Es prüft, ob die Person zur Belegschaft gehört, verriegelt bei Bedarf Türen, verfolgt ihre Bewegungen und schickt sogar eine Drohne zur Überwachung.

Agentische Automatisierung sorgt dafür, dass all diese Aktionen nahtlos zusammenwirken. Sie verbindet verschiedene Systeme wie Sicherheitskameras, Türschlösser und Drohnen, damit diese automatisch und abgestimmt reagieren können. Während agentische KI die Entscheidungen trifft, sorgt agentische Automatisierung dafür, dass sie effizient und ohne menschliches Eingreifen umgesetzt werden.

Abb. 2. Vergleich von agentischer KI und agentischer Automatisierung. Abbildung des Autors.

So funktioniert agentische KI#

Nachdem wir nun besser verstehen, was agentische KI ist, wollen wir uns ansehen, wie sie funktioniert.

Agentische KI-Systeme arbeiten in einem zyklischen Prozess aus Wahrnehmung, Entscheidungsfindung, Handlung und Anpassung. So lernen sie mit der Zeit und verbessern sich kontinuierlich. Dank dieses fortlaufenden Kreislaufs können die Systeme eigenständig arbeiten und komplexe Ziele erreichen.

Hier ein kurzer Überblick über die Schritte dieses fortlaufenden Kreislaufs:

• Wahrnehmung: Das agentische KI-System erfasst und analysiert Daten von Kameras, Sensoren und Interaktionen mit Nutzenden, um seine Umgebung besser zu verstehen.
• Entscheidungsfindung: Das System bewertet verschiedene Optionen, sagt mögliche Folgen voraus und wählt anhand von Schlussfolgerungen und einer Risikobewertung die beste Handlung aus.
• Handlung: Sobald eine Entscheidung getroffen ist, führt das System Aufgaben aus, indem es physische Geräte steuert, mit anderen Systemen interagiert oder Ergebnisse erzeugt.
• Anpassung: Das System lernt anhand von Feedback aus Erfahrungen und nutzt maschinelles Lernen sowie bestärkendes Lernen, um seine Leistung mit der Zeit zu verbessern – insbesondere bei komplexeren Aufgaben.

Abb. 3 So funktioniert agentische KI.

Praxisanwendungen agentischer KI#

Sehen wir uns nun einige Beispiele aus der Praxis an, in denen agentische KI zum Einsatz kommt. Diese Systeme werden in verschiedenen Branchen eingesetzt, um Daten zu analysieren und selbstständig Entscheidungen zu treffen, die bessere Ergebnisse ermöglichen.

Agentische KI bei der Wirkstoffentwicklung#

Die Wirkstoffentwicklung umfasst mehrere wichtige Schritte: von der Identifizierung biologischer Zielstrukturen, die mit Krankheiten in Verbindung stehen, über die Untersuchung potenzieller Wirkstoffe und die Optimierung ihrer chemischen Strukturen bis hin zu präklinischen Tests. Dieser komplexe, zeitaufwendige Prozess erfordert umfangreiche Datenanalysen und Experimente, um wirksame und sichere Behandlungsmethoden zu finden.

Agentische KI in Verbindung mit Computer Vision hilft dabei, wichtige Schritte wie die chemische Synthese zu automatisieren und den Prozess schneller und effizienter zu gestalten. Bei der chemischen Synthese werden durch kontrollierte Reaktionen verschiedene chemische Verbindungen kombiniert, um neue Stoffe wie Arzneimittel herzustellen. Bisher mussten Wissenschaftler Faktoren wie Temperatur, Lösungsmittelzusammensetzung und Kristallisationsdauer manuell und durch Versuch und Irrtum anpassen.

Agentische KI-Systeme können nun Reaktionen in Echtzeit überwachen, sichtbare Veränderungen wie Farbverschiebungen oder Kristallbildung analysieren und unmittelbar Entscheidungen treffen. Erkennt das System beispielsweise, dass eine Reaktion nicht wie erwartet verläuft, kann es sofort die Temperatur anpassen oder die benötigten Chemikalien hinzufügen, um den Prozess zu optimieren. Indem das System kontinuierlich aus vergangenen Reaktionen lernt, verbessert es mit der Zeit seine Genauigkeit, verringert den Bedarf an manuellen Eingriffen und beschleunigt die Arzneimittelentwicklung.

Abb. 4 Beispiel für einen automatisierten Laboraufbau.

Den E-Commerce mit agentischer KI neu gestalten#

Agentische KI verändert das Online-Shopping und macht das Einkaufserlebnis personalisierter, effizienter und stärker automatisiert. Statt Produkte nur anhand früherer Käufe zu empfehlen, kann agentische KI das Surfverhalten analysieren, vorhersagen, was eine Kundin oder ein Kunde als Nächstes wünschen könnte, und Produktempfehlungen in Echtzeit anpassen.

Mithilfe von Computer Vision kann agentische KI auch visuelle Suchanfragen analysieren und Produktbilder erkennen, um genauere Empfehlungen anzubieten. Schaut sich jemand beispielsweise häufig Turnschuhe an, kann das agentische KI-System angesagte Modelle hervorheben, Rabatte anbieten oder passende Accessoires vorschlagen. Außerdem kann es Preise und Werbeaktionen an die Nachfrage anpassen und so das Einkaufserlebnis dynamischer gestalten.

Neben Empfehlungen verbessert agentische KI die Logistik im E-Commerce, indem sie Lagerbestände verwaltet, Nachbestellungen vorhersagt und die Auftragsabwicklung automatisiert. Computer Vision ermöglicht agentischen KI-Systemen, Lagerbestände in Echtzeit zu verfolgen, falsch abgelegte Artikel zu erkennen und die korrekte Kategorisierung von Produkten sicherzustellen. Wenn sich ein Artikel schnell verkauft, kann das System eine Nachbestellung auslösen oder Alternativen vorschlagen. Durch kontinuierliches Lernen und Anpassen macht agentische KI das Online-Shopping für Kundinnen, Kunden und Unternehmen schneller, intelligenter und reibungsloser.

So baust du ein agentisches KI-System#

Nachdem wir uns Beispiele für agentische KI aus der Praxis angesehen haben, sprechen wir nun darüber, wie du ein solches System aufbaust.

Wenn du eine Computer-Vision-Anwendung entwickelst, können Modelle wie Ultralytics YOLO11 (inzwischen durch Ultralytics YOLO26 abgelöst) deinem agentischen KI-System helfen, seine Umgebung besser zu verstehen. Dank der Unterstützung verschiedener Computer-Vision-Aufgaben kann YOLO11 agentischen KI-Systemen eine genaue Analyse visueller Daten ermöglichen.

So baust du ein agentisches KI-System mit Ultralytics YOLO11 auf:

• Ziele festlegen: Lege den Zweck und die Ziele des KI-Agenten sowie die konkreten Aufgaben, die er zur Erfüllung seiner vorgesehenen Funktion ausführen muss, klar fest.
• Ultralytics YOLO11 trainieren: Sammle relevante Bild- und Videodaten, annotiere sie und trainiere YOLO11 speziell für deine Anwendung.
• YOLO11 integrieren: Verbinde YOLO11 mit einem KI-Framework, das Echtzeitanalysen und Entscheidungen auf Grundlage erkannter visueller Daten ermöglicht. Werkzeuge wie Ultralytics Agents können Erkennungen in automatisierte Aktionen umsetzen.
• Autonome Entscheidungsfindung ermöglichen: Richte Logik oder Modelle des maschinellen Lernens ein, mit denen der KI-Agent auf Grundlage der Erkennungen von Ultralytics YOLO11 Aktionen ausführen kann, etwa Warnmeldungen auslösen, Einstellungen anpassen oder Robotersysteme steuern.
• Rückkopplungsschleifen einbauen: Implementiere ein selbstlernendes System, in dem Ultralytics YOLO11 seine Genauigkeit durch erneutes Training mit neuen Daten verbessert und so die Modellleistung mit der Zeit steigert.

Abb. 5. So baust du ein agentisches KI-System mit Ultralytics YOLO11 auf. Bild vom Autor.

Vor- und Nachteile eines agentischen KI-Systems#

Hier sind einige der wichtigsten Vorteile, die agentische KI-Systeme verschiedenen Branchen bieten können:

• Höhere Effizienz: Agentische KI-Systeme können komplexe und zeitaufwendige Aufgaben automatisieren, Fehler reduzieren und menschlichen Arbeitskräften mehr Zeit für anspruchsvollere Tätigkeiten geben.
• Skalierbarkeit: Diese Systeme lassen sich leicht an verschiedene Branchen anpassen und bei Bedarf auf größere Arbeitsvolumen ausweiten.
• Kostensenkung: Indem agentische KI den Bedarf an manueller Arbeit verringert und Abläufe optimiert, hilft sie Unternehmen, Kosten zu senken und Ressourcen effizienter einzusetzen.

Agentische KI bietet zwar viele Vorteile in verschiedenen Bereichen, doch solltest du auch ihre möglichen Einschränkungen kennen. Hier sind einige wichtige Aspekte, die du berücksichtigen solltest:

• Verzerrungen in der KI: Agentische KI-Systeme können Verzerrungen aus den Trainingsdaten übernehmen und dadurch zu unfairen oder ungenauen Ergebnissen führen, insbesondere in Bereichen wie Personalbeschaffung und Strafverfolgung.
• Mangelnde Transparenz: Viele KI-Modelle funktionieren wie „Black Boxes“, sodass sich nur schwer nachvollziehen lässt, wie sie zu Entscheidungen kommen. Das kann in Branchen wie dem Gesundheits- und Finanzwesen problematisch sein.
• Regulatorische Herausforderungen: Die Entwicklung agentischer KI schreitet schneller voran als die Regulierung. Dadurch entstehen rechtliche Unsicherheiten und uneinheitliche Compliance-Standards weltweit.

Agentische KI-Systeme bieten viele Möglichkeiten. Dennoch ist es wichtig, ihre Vorteile mit ethischen Erwägungen, Transparenz und angemessener Regulierung in Einklang zu bringen, damit sie verantwortungsvoll eingesetzt werden.

Die wichtigsten Erkenntnisse#

In Verbindung mit Vision-KI-Modellen wie Ultralytics YOLO11 können agentische KI-Systeme die Automatisierung grundlegend verändern. Von selbstfahrenden Autos über Online-Shopping bis hin zum Gesundheitswesen helfen diese Systeme Unternehmen dabei, autonomer und schneller zu arbeiten.

Herausforderungen wie Verzerrungen, mangelnde Transparenz und unklare Vorschriften müssen jedoch weiterhin angegangen werden. Mit der Weiterentwicklung agentischer KI-Systeme wird es entscheidend sein, ein ausgewogenes Verhältnis zwischen Innovation und Verantwortung zu finden, um diese Innovationen bestmöglich zu nutzen.

Tritt unserer Community bei und besuche unser GitHub-Repository, um mehr über KI zu erfahren. Entdecke auf unseren Lösungsseiten verschiedene Anwendungen von KI in der Fertigung und Computer Vision im Gesundheitswesen. Sieh dir unsere Ultralytics-YOLO-Lizenzen an und starte noch heute mit Computer Vision!