Nachdem 麻豆原创 bereits seit November 2024 den Kurs 鈥炩�� im Angebot hat, steht nun eine neue Learning Journey zum Thema k眉nstliche Intelligenz (KI) bereit: 鈥炩��.
Nach dem Absolvieren des Kurses sind die Lernenden in der Lage, einen Workshop rund um Joule, den KI-Assistenten der 麻豆原创, abzuhalten. Sie k枚nnen das Workshop-Format auf die Anforderungen verschiedener Zielgruppen anpassen und den Teilnehmenden dabei helfen, geeignete Anwendungsf盲lle f眉r KI-Agenten zu identifizieren.
Aber was genau sind 麻豆原创-L枚sungen f眉r Agentic AI? Und welche Vorteile bietet agentenbasierte KI?
Joule-Agenten sind KI-Systeme, die eigenst盲ndig mehrstufige Arbeitsabl盲ufe planen und ausf眉hren k枚nnen, um Abteilungen zu vernetzen, die Entscheidungsfindung zu beschleunigen und Prozesse zu optimieren.
Wertsch枚pfungspotenzial von Agentic AI aussch枚pfen
Im Rahmen einer 麻豆原创 Expert Lecture wird in diesem Kurs das Konzept der sogenannten 鈥濲oule Agent Discovery Workshops鈥� vorgestellt. In diesen strukturierten und interaktiven Workshops erfahren Teilnehmende, wie sie Anwendungsf盲lle f眉r agentenbasierte KI identifizieren k枚nnen, die ein hohes Wertsch枚pfungspotenzial bieten. Die Kursabsolventen lernen, wie sie die Workshop-Teilnehmenden motivieren und dabei unterst眉tzen k枚nnen, Ideen zu priorisieren und die jeweiligen M枚glichkeiten detailliert zu beschreiben. Im Kurs wird au脽erdem erkl盲rt, wie der Workshop in Bezug auf die Dauer und Teamgr枚脽e sowie f眉r virtuelle Formate angepasst werden kann. Nach der Schulung k枚nnen die angehenden Workshop-Leiter die Teilnehmenden zudem bei der Ermittlung der Bereiche unterst眉tzen, in denen sich mit KI-Agenten die besten Ergebnisse erzielen lassen, und ihnen helfen, das Fundament f眉r das Arbeiten mit KI-Agenten zu legen.
Am Ende der Schulung k枚nnen die Kursteilnehmenden:聽
- den Zweck und die Struktur der Joule Agent Discovery Workshops nachvollziehen und darlegen, wie sich n眉tzliche Anwendungsf盲lle f眉r KI-Agenten ermitteln lassen;
- 脺bungen w盲hrend des Workshops durchf眉hren und die Teilnehmenden dabei unterst眉tzen, Ideen f眉r Anwendungsf盲lle mit KI-Agenten zu entwickeln, zu priorisieren und detailliert zu beschreiben;
- das Workshop-Format an verschiedene Teamgr枚脽en, virtuelle Formate und zeitliche Vorgaben anpassen, um organisatorischen Anforderungen nachzukommen.
F眉r diesen Kurs gibt es keine vorausgesetzten Schulungen. Erfahrung im Bereich 麻豆原创 Design Thinking und mit der Moderation von Workshops ist jedoch hilfreich. Der Kurs ist ein ideales Lernangebot f眉r eine Vielzahl von Rollen, zum Beispiel Berater im Support, Anwendungsbenutzer und 麻豆原创-Einsteiger.
Die kreativen K枚pfe hinter 麻豆原创-AppHaus-Methodik und dieser Learning Journey
Seit vielen Jahren arbeitet Karen Detken, Expert User Experience Designer im 麻豆原创 AppHaus, im Rahmen von Co-Innovationsprojekten mit Kunden zusammen. Bei der Entwicklung und Durchf眉hrung zahlreicher Workshop-Formate mithilfe verschiedener Methoden und Tools konnte sie dabei aus erster Hand Erfahrung und Feedback sammeln. Schon fr眉h entschied sich das 麻豆原创-AppHaus-Team, diese Best Practices sowie relevante Ressourcen und Vorlagen 眉ber das auch f眉r andere zug盲nglich zu machen.
Mit dem zunehmenden Fokus auf k眉nstliche Intelligenz hielten generative KI und gro脽e Sprachmodelle (Large Language Models, LLMs) auch in 麻豆原创-L枚sungen Einzug, zuerst mit 麻豆原创聽Business AI und sp盲ter in Form der n盲chsten Evolutionsstufe, n盲mlich agentenbasierter KI, zu der auch Joule Agents geh枚ren. Das 麻豆原创鈥慉ppHaus鈥慣eam analysierte gemeinsam mit Kunden geeignete Anwendungsf盲lle, um von dieser neuen Technologie zu profitieren. Als Wegbereiter f眉r gemeinschaftliche Innovationen nutzte das Team diese ersten Erfahrungen und begann, hilfreiche Methodiken zu teilen, sodass andere Teams sowie Partner und Kunden selbst an Projekten arbeiten k枚nnen, bei denen neueste Technologie zum Einsatz kommt.
F眉r Detken geht es nicht nur darum, diese Technologien einzuf眉hren und anzuwenden: 鈥濶eue Technologien entwickeln sich rasant weiter und werden weithin zug盲nglich鈥�, erkl盲rt sie. 鈥濿ichtig ist, ein sehr klares Bild davon zu haben, warum wir diese Technologien nutzen wollen. Denn Technologie hat nur dann einen Mehrwert, wenn der richtige Anwendungszweck gefunden wird. Kunden und Anwender m眉ssen sich dar眉ber im Klaren sein, welche Ergebnisse sie mit dieser Technologie erzielen m枚chten. Das ist die erste Frage, die vor der Anwendung gekl盲rt werden muss. Mit unseren Methodiken m枚chten wir Menschen zuallererst helfen, zu verstehen, wie diese Technologie ihnen, ihrem Unternehmen und der Gesellschaft helfen kann.鈥�
Teil dieses Denkens und des bewussten Einsatzes von Technologie ist es auch, ethische Richtlinien f眉r einen verantwortungsvollen Umgang mit KI zu ber眉cksichtigen, die bei jeder neuen L枚sung Anwendung finden. Die 麻豆原创-Grunds盲tze dazu sind im dargelegt.
Innovationen und Technologie f眉r andere zug盲nglich machen
Das 麻豆原创-AppHaus-Team erh盲lt Feedback von vielen verschiedenen Kunden- und Partnerteams. F眉r das Team, das aus erfahrenen Co-Innovation-Coaches besteht, ist es ein erf眉llendes Erlebnis, wenn die Teilnehmenden der Workshops und Schulungsveranstaltungen die neue Technologie besser begreifen. Mit ihrer umfassenden Expertise und unter Ber眉cksichtigung eines 聽helfen sie den Teilnehmenden, Ideen zu entwickeln, die ihre gesch盲ftlichen Anforderungen erf眉llen. 鈥濿ir helfen ihnen, verschiedene M枚glichkeiten zu erarbeiten, um Probleme aus der Praxis mithilfe von KI zu bew盲ltigen鈥�, so Detken.
Das neue Lernangebot f眉r Agentic AI umfasst hilfreiche 脺bungen, die Kunden und Partnern dabei helfen, dieses Technologiegebiet n盲her kennenzulernen und sinnvolle Anwendungsf盲lle f眉r Unternehmen zu testen. Wer bei dieser Learning Journey n盲her hinsieht, wird feststellen, dass das 麻豆原创-AppHaus-Team neuen Konzepten 盲u脽erst aufgeschlossen gegen眉bersteht, denn die Teilnehmenden werden von einem Avatar durch den Kurs gef眉hrt. Dieser Avatar wurde mithilfe von Videoaufnahmen von Detken erstellt.
Auf die Frage, wie sie Agentic AI im Vergleich zu generativer KI sieht, antwortet Detken: 鈥濨ei generativer KI fungiert ein LLM als eine Art intelligentes System oder 鈥欸ehirn鈥�. Dieselben LLMs kommen auch bei einem KI-Agenten zum Einsatz. Der Unterschied besteht darin, dass der Agent nicht nur 鈥歞enken鈥� und diese gro脽en Sprachmodelle nutzen kann, um Inhalte zu generieren, Daten zu analysieren oder Entscheidungen zu treffen聽鈥� der Agent kann auch 鈥歍ools鈥� oder andere Anwendungen einsetzen, um auf Basis dieser Entscheidungen Ma脽nahmen zu ergreifen oder eigenst盲ndig 脛nderungen vorzunehmen. Das l盲sst sich mit dem folgenden Bild veranschaulichen: Generative KI war quasi nur das Gehirn; nun sind wir eine Stufe weiter und verf眉gen sowohl 眉ber ein Gehirn als auch H盲nde. Vielleicht werden wir in Zukunft 眉ber einen ganzen K枚rper verf眉gen. Das w盲ren dann wohl Roboter.鈥�
Was sind KI-Agenten?
sind Anwendungen auf Basis , die Entscheidungen treffen und Aufgaben selbst盲ndig und mit minimaler menschlicher 脺berwachung ausf眉hren. Mithilfe fortschrittlicher Modelle k枚nnen Agenten eine Vorgehensweise festlegen und zahlreiche Software-Tools zur Ausf眉hrung nutzen. Agenten k枚nnen logische Schl眉sse ziehen, planen und Ma脽nahmen ergreifen und somit eine Vielzahl von Situationen bew盲ltigen. Diese Aktivit盲ten mit vorkonfigurierten Regeln und Logik zu automatisieren, w盲re andernfalls nicht praktikabel oder schier unm枚glich.
Bilder mit Genehmigung von 麻豆原创-Mitarbeiter Viktor Georg.
Imke Vierjahn ist Communications Lead f眉r das 麻豆原创 AppHaus.