KI Agenten und ihren wachsenden Einfluss verstehen

KI Agenten sind autonom agierende Software-Programme entwickeln, um spezifische Arbeitsaufträge auszuführen, mithilfe von Künstlicher Intelligenz (meist basierend auf LLMs – Large Language Models). Sie können Daten analysieren, Entscheidungen treffen und mit anderen Systemen oder Nutzern agieren.

Mit diesen Fähigkeiten repräsentieren sie ein ganz neues Level an Automatisierung: Klassische Automatisierungsansätze (z. B. RPA) fokussieren auf der Wiederholung von repetitiven, regelbasierten Aufgaben. KI Agenten hingegen können autonom agieren und Entscheidungen auf Basis der verarbeiteten Daten treffen, aus Erfahrungen lernen und so Workflows automatisieren, welche vorher menschliches Eingreifen erforderten.

Mit fortschreitender technologischer Entwicklung wird erwartet, dass KI-Agenten noch intelligenter werden und über verbesserte Fähigkeiten in den Bereichen logisches Denken, strategische Planung und Erinnerungsvermögen verfügen.

Der Einsatz von KI-Agenten kann zu erheblichen Verbesserungen der Prozesseffizienz, Kundenzufriedenheit und damit dem Unternehmenserfolg als Ganzes führen und sie zu einem wertvollen Bestandteil der modernen Unternehmenslandschaft machen. Daher werden KI-Agenten in den nächsten Jahren zu integralen Bestandteilen der IT-Architekturen von Unternehmen werden und neben traditionellen Geschäftssystemen wie ERP- (Enterprise Resource Planning), CRM- (Customer Relationship Management) oder SCM-Systemen (Supply-Chain-Management) etc. bestehen und mit diesen zusammenarbeiten.

Die Herausforderung KI Agenten zu integrieren

Obwohl KI-Agenten viele Vorteile bieten, stellt ihre Integration in bestehende IT- und Geschäftsprozesse einige Herausforderungen dar:

1. Orchestrierung von mehreren Agenten

Die Verwaltung mehrerer KI-Agenten erfordert einen koordinierten Ansatz. Ohne eine geeignete Orchestrierung können Agenten isoliert voneinander arbeiten, was zu Ineffizienzen und potenziellen Konflikten bei der Ausführung von Aufgaben führt. In einem Kundenservice-Szenario könnte beispielsweise ein KI-Agent Anfragen bearbeiten, während ein anderer Aufträge verarbeitet. Wenn diese Agenten nicht synchronisiert sind, kann dies zu verzögerten Antworten oder doppelten Arbeitsaufwänden führen. Eine effektive Orchestrierung stellt sicher, dass KI-Agenten nahtlos kommunizieren, Kontextinformationen austauschen und zusammenarbeiten, um gemeinsame Ziele zu erreichen.

2. Einbindung in bestehende Geschäftsprozesse

Der Einsatz von KI-Agenten bedeutet nicht nur die Implementierung neuer Technologien, sondern auch deren Integration in bestehende Geschäftsprozesse. Dadurch wird sichergestellt, dass KI-Agenten mit den Unternehmenszielen in Einklang stehen. In einem Vertriebsprozess könnte ein KI-Agent beispielsweise Kundendaten analysieren, um Erkenntnisse zu gewinnen. Wenn dieser Agent jedoch nicht in den Vertriebsprozess eingebettet ist, erreichen die Erkenntnisse das Vertriebsteam möglicherweise nicht rechtzeitig, um umgesetzt werden zu können. Die effektive Einbettung von KI-Agenten erfordert ein umfassendes Verständnis der Geschäftsprozesse und die Fähigkeit, Arbeitsabläufe so anzupassen, dass KI-gesteuerte Aufgaben wertstiftend integriert werden können.

3. Tool- und Datenintegration

KI-Agenten benötigen Zugriff auf verschiedene Tools und Datenquellen, um effektiv agieren zu können. Die Integration dieser Systeme kann komplex und zeitaufwändig sein. Ein KI-Agent, der beispielsweise zur Optimierung von Lagerbeständen entwickelt wurde, muss Daten aus Verkaufssystemen, Lieferantendatenbanken und Lagerverwaltungstools abrufen. Ohne eine nahtlose Integration basieren die Aktionen des Agenten möglicherweise auf unvollständigen oder veralteten Informationen, was zu suboptimalen Entscheidungen führen kann. Für die Effektivität von KI-Agenten ist es daher entscheidend, dass sie plattformübergreifend in Echtzeit auf genaue Daten zugreifen können.

Wie Scheer PAS die Orchestrierung von KI Agenten ermöglicht

Um diese Herausforderungen effektiv zu bewältigen, benötigen Unternehmen Lösungen, die Funktionen zur Orchestrierung und Integration von Geschäftsprozessen bieten. Scheer PAS vereint diese Funktionen in einer einheitlichen Plattform und ermöglicht so eine effiziente und prozessgesteuerte Integration von KI-Agenten in bestehende IT-Landschaften.

End-to-End Prozessautomatisierung und Orchestrierung

Scheer PAS ermöglicht die Gestaltung, Implementierung und Verwaltung komplexer Geschäftsprozesse mithilfe eines benutzerfreundlichen Drag-and-Drop BPMN-Modellierungstools. Durch die Orchestrierung von KI-Agenten innerhalb dieser Prozesse stellt Scheer PAS sicher, dass jeder Agent als integraler Bestandteil des End-to-End-Workflows fungiert. Diese Orchestrierung ermöglicht eine nahtlose Zusammenarbeit zwischen KI-Agenten, menschlichen Aufgaben und traditionellen IT-Systemen und führt so zu effizienteren und effektiveren Ergebnissen.

Applikationen & Datenintegration

Scheer PAS bietet umfangreiche Integrationsmöglichkeiten, sodass KI-Agenten auf verschiedene Anwendungen und Datenquellen zugreifen und mit diesen interagieren können. Diese nahtlose Integration stellt sicher, dass Agenten jederzeit über die benötigten Informationen verfügen. Vor allem aber ermöglicht Scheer PAS die Steuerung der Interaktionen von KI-Agenten mit IT-Systemen über definierte API-Zugangspunkte. Durch die zentrale Verwaltung dieser APIs kann sichergestellt werden, dass KI-Agenten innerhalb festgelegter Parameter arbeiten und nur auf die Daten und Funktionen zugreifen, für die sie autorisiert sind. Diese Konfiguration erhöht nicht nur die Sicherheit, sondern gewährleistet auch die Einhaltung von Unternehmensrichtlinien und gesetzlichen Vorschriften.

Fazit

Der Einsatz von KI-Agenten zur Automatisierung von Aufgaben und Arbeitsabläufen birgt sowohl Chancen als auch Herausforderungen. Um das volle Potenzial auszuschöpfen und gleichzeitig die Kontrolle und Konsistenz über alle Geschäftsprozesse hinweg zu gewährleisten, benötigen Unternehmen Plattformen wie Scheer PAS, die umfassende End-to-End-Prozessorchestrierung und Integrationsfunktionen bieten.

The post Warum Orchestrierung von KI Agenten kritisch für den Unternehmenserfolg ist appeared first on Scheer PAS.

Stellen Sie sich vor, Ihre Integrationen benötigen keine statischen Regeln, Entscheidungen oder Datentransformationen mehr. Und trotzdem geschieht die Ausführung weiterhin intelligent und adaptierbar in einem automatisierten System.

Das ist unsere Zielsetzung für unsere aktuelle Entwicklung an Scheer PAS iPaaS: Die Intelligenz und Autonomie von KI Agenten mit der Welt der Integration und Automatisierung verbinden.

Warum wir Integration neu denken müssen

Seien wir ehrlich, Integration von Systemen und Prozessautomatisierung hat sich im letzten Jahrzehnt kaum weiterentwickelt. Immer noch definieren wir Datenverknüpfungen, modellieren Prozessabläufe und bauen Integrationslogik. Entweder durch Programmiersprachen oder im No / Low-Code Ansatz. Eine durchaus zeitaufwendige Art, um Geschäftsprozesse zu automatisieren. Auch geraten wir bei aufwändigeren Prozessketten schnell an eine Komplexitätsschwelle, welche uns die Limitierungen von statischen Logikfolgen aufzeigt.

Wir glauben, es ist Zeit für einen gänzlich neuen Ansatz. Ein Ansatz, der das Beste der traditionellen, regelbasierten Systeme mit der Adaptivität von KI verbindet.

Durch die Nutzung von KI Agenten, wird es nicht mehr notwendig sein jede Datenumwandlung, Verknüpfung oder Entscheidung zu definieren. Stattdessen werden intelligente Agenten unmittelbar in der Automatisierung von Aufgaben tätig werden und kontextbezogene Entscheidungen treffen. Dadurch vermindern wir die notwendigen Arbeitsschritte und erzielen eine schnellere Delivery der Lösung.

Was sind KI-Agenten?

KI-Agenten sind autonome, aufgabenorientierte Komponenten, die auf fortschrittlichen Large Language Models (LLMs) basieren. Sie sind in der Lage, Eingaben zu interpretieren, Situationen zu analysieren und Aktionen auszuführen – und das alles, ohne dass jeder Schritt fest programmiert sein muss. Im Gegensatz zu herkömmlichen Programmen können sich KI-Agenten in Echtzeit an veränderte Daten und Anforderungen anpassen, wodurch sie sich für dynamische und komplexe Umgebungen eignen.

Sie legen dabei fest, was die Zielsetzung des Agenten sein soll, definieren Tools und Datenquellen die einbezogen werden sollen und überlassen der KI den Rest. Egal, ob es um die Synchronisierung von Datensätzen, die Automatisierung von Entscheidungen oder die Durchführung komplexer Integrationen geht – KI-Agenten liefern genau dort intelligente Automatisierung, wo sie benötigt wird.

Was Sie als Nutzer erwartet

Im Scheer PAS Designer werden wir eine Low-Code-Umgebung bereitstellen, mit der Integrationsentwickler KI-Agenten für ihre Integrations- und Automatisierungsaufgaben entwickeln und bereitstellen können. Darüber hinaus können Anwender die autonome, dynamische und intelligente Natur der Agenten mit den statischen und klar definierten Integrations- und Automatisierungsfunktionen kombinieren, für die Scheer PAS bekannt ist. Dank dieses hybriden Ansatzes können Sie KI-Agenten dort einsetzen, wo Flexibilität und Entscheidungen in Echtzeit gefragt sind, ohne dabei Kontrolle und Zuverlässigkeit einzubüßen.

Kernfunktionen in der Arbeit mit KI Agenten werden dabei sein:

• Definieren von strukturierten Eingabe-/Ausgabeformaten und promptbasierte Aufgabenbeschreibungen
• Auswahl an integrierten Tools oder Einsatz von externen Lösungen mithilfe des Model Context Protocol (MCP)
• Entwickeln Sie eigene, benutzerdefinierten Tools und stellen Sie diesen den KI-Agenten zur Verfügung
• Auswahl des optimalen LLMs zur Steuerung der Verhaltensmuster der KI
• Eigenständige Ausführung von KI-Agenten oder Integration in BPMN –Workflows und Integrationsdienste

Auszug: Das Model Context Protocol (MCP)

Aktuelle Entwicklungen wie das Model Context Protocol (MCP) befassen sich mit den Integrationsherausforderungen von KI-Agenten. MCP ist ein offener Standard, der eine nahtlose Verbindung zwischen KI-Agenten und externen Datenquellen sowie Tools ermöglicht. MCP dient als universeller Adapter, über den die Agenten ohne individuelle Integrationen auf die benötigten Informationen jeder Datenquelle zugreifen können. Scheer PAS wird das Model Context Protocol unterstützen.

Potenzielle Einsatzgebiete

KI-Agenten können in verschiedenen Branchen und Szenarien neue Möglichkeiten eröffnen. Sie sind nicht auf einen bestimmten Bereich oder Anwendungsfall beschränkt. Ob Integrationsaufgaben oder Geschäftsprozessautomatisierung – KI-Agenten können sowohl in Anwendungsfällen eingesetzt werden, die traditionell auf statischer Logik und festen Arbeitsabläufen basieren, als auch in solchen, die bisher zu komplex, dynamisch oder unstrukturiert waren, um effizient automatisiert zu werden. Beispiele hierfür sind:

• Automatische Synchronisierung von Kundendaten zwischen einem Salesforce-CRM- und einem SAP-ERP-System, Behebung von Formatierungsfehlern sowie Anreicherung von Datensätzen mithilfe KI-gesteuerter Logik.
• Extrahieren von Informationen aus unstrukturierten Dokumenten – ein KI-Agent könnte beispielsweise eingehende Kundenservice-E-Mails bearbeiten, die darin beschriebene Anfrage oder das Problem verstehen, über die geeignete Antwort oder Maßnahme entscheiden und automatisch die erforderlichen Aktualisierungen oder Workflows in internen IT-Systemen wie Ticketing-, CRM- oder ERP-Plattformen auslösen.

Wann wird es verfügbar sein?

Die erste Version der KI-Agenten in Scheer PAS wird im Herbst 2025 für ausgewählte Nutzer verfügbar sein.

Wir glauben, dass diese Technologie nicht nur die Integration mit unserer Plattform verändern wird, sondern die gesamte Branche. Wenn Sie als Integrationsentwickler nach dem nächsten großen Schritt in der Automatisierung suchen, sind KI-Agenten genau das Richtige für Sie.

Folgen Sie unsere LinkedIn Kanal und unserem Blog für weitere Updates zu diesem Thema!

The post Eine neue Ära der Integration und Automatisierung: KI-Agenten in Scheer PAS appeared first on Scheer PAS.

At Scheer PAS, we are dedicated to providing a platform that empowers businesses to solve any integration and process automation challenge. That’s why with the release of Scheer PAS 24.2, we are excited to introduce the Java xlib DevKit – a feature that empowers users to develop custom functionality and offers the flexibility to solve almost any integration challenge, allowing organisations to seamlessly connect any system—regardless of whether it’s an old on-premise solution or a modern cloud-based service.

The Best of Both Worlds: Seamlessly Combine Pro-Code and Low-Code

Scheer PAS has always been about solving the most complex integration and automation challenges. While a pure Low-Code approach provides an excellent framework for simplifying development, it cannot always deliver the flexibility and advanced functionality required in certain real-world scenarios. In such cases, coding becomes essential to achieve the level of customization and precision needed.

The new Java xlib DevKit bridges this gap by allowing developers to create custom logic in Java. With this feature, developers can build custom adapters to interface with legacy systems, create specific data transformation logic, or connect with APIs not natively supported by Scheer PAS. This means that almost any integration requirement can be addressed, regardless of how unique or complex the situation may be.

Once compiled into an xlib library, this custom code can be imported into Scheer PAS Designer, making it readily available in the Low-Code development environment. This seamless combination of Pro-Code capabilities and Low-Code simplicity provides a powerful way to build solutions that meet specific business needs. It allows developers to implement advanced functionality that then can be used in the PAS Designer’s model-driven interface.

Simplifying Development and Reusability

Another significant advantage of the Java xlib DevKit is how it promotes the reusability of code. By compiling Java-based logic into a standardized xlib format, developers can create custom libraries that can be shared and reused across different projects and teams. This not only accelerates development but also ensures consistency and reduces duplication of effort.

For instance, once a developer builds an integration adapter for a particular system or service, the generated library can be used in future projects by other team members without having to start from scratch. It’s a powerful way to create a library of integration assets that scales with the organisation.

How it Works

The integration of the Java xlib DevKit into the Scheer PAS Designer is designed to be as seamless as possible:

1. Develop Custom Logic in Java: Developers can write custom Java code for any functionality, be it integration logic, adapters, or connectors to external systems.

2. Compile to xlib: Once the code is developed and tested, it’s compiled into the xlib format, making it ready for import.

3. Import into Asset Repository: The xlib library can then be easily imported into the PAS Asset Repository, making the custom logic available for use in PAS Designer Projects.

4. Drag, Drop, and Build: Users can now leverage the newly developed Java components within their diagrams, just like any other standard element in the Scheer PAS Designer.

This streamlined process removes much of the friction traditionally associated with combining Pro-code and Low-code, allowing developers and non-developers alike to work together more efficiently. Learn more about how Scheer PAS combines Low-Code and Pro-Code in UI Development here..

The post Introducing the Java DevKit: A New Era of Flexibility in Scheer PAS appeared first on Scheer PAS.

This includes not only the implementation phase, i.e. designing the process with a standardized modelling notation, but especially the way how processes are executed. Most business processes involve asynchronous processing, require the persistence of state information and proper error handling. It is important that the underlying technological concepts of the engines executing the processes support these requirements.

In this blog post, I will explain the basic concept of the Scheer PAS Process Engine.

Process Design and Implementation

The Scheer PAS Designer is the Low-Code tool of the PAS platform to design and develop end to end processes and their implementation. The modelling of the process is done in BPMN (Business Process Model and Notation) which is a standardized graphical notation, that provides a visual representation of the steps and activities involved in a business process. BPMN has the advantage that it is easily understandable by process experts, business users and developers which makes it a powerful notation to not only model but also automate processes. Automating a process with Scheer PAS always means drawing a BPMN in the first step. The figure below shows a simple example using the most common notation elements:

During process implementation, the modeler connects these elements (task, gateway, event, …) with activities to be carried out, which can be pre-built functional building blocks from libraries, user forms , or specific logic captured in a variety of ways (script, mapping diagram, activity diagram), for which Scheer PAS brings its own Low-Code editors.

The Process Execution

Process models are translated by Scheer PAS into semantically equivalent state machines, which is a very powerful approach to define systems with complex and dynamic behaviour. It describes the behaviour of systems that can exist in different states and transitions between them based on certain conditions or events. Execution of these state machines is where the Scheer PAS Runtime comes into play. Related to BPMN process execution, the key elements of this process state machine can be described as follows:

States: A state represents a specific condition or situation that a process instance can be in at a given point in time.

Transitions: Transitions define the movement of a process instance from one state to another in response to a trigger or event.

Events: Events are occurrences or stimuli that can trigger a transition from one state to another.

Actions: Actions are tasks or operations associated with a state or a transition.

Following this state machine approach results in a set of advantages that our process engine can provide when it comes to the execution of a business process:

Asynchronous processing: The state machine concept is inherently asynchronous. This means that it is not necessary for previously started process instances to have ended in order to start a new process instance. Or in other words, several process instances can run in parallel, each one in different stages of the process.

Well-defined state: Each running process instance is in a well-defined state, at all times. It is always clear and transparent which actions have been performed, which events have occurred and what is still to happen.

Data safety: Information about the current state of a process instance as well as instance related process data can be persisted. This means, even if a running process instance is aborted due to unforeseeable reasons (e.g. system crash, power outage, …), the data is not lost, and the process instance can be restarted exactly in the same state with the same data.

In addition to the process state machine for executing the BPMN process, the Scheer PAS process engine also contains a service state machine, which encloses the process state machine.

This service state machine consists of a small set of states surrounding the process state machine and defining the Initialized, Aborted, Error and Done states of the process. This allows transitions from each process state into an Error, Abort or Done state without the need to explicitly model these options in the BPMN. The main advantage that comes with this approach is how potential errors can be handled. Let’s assume the following example:

One activity in the BPMN represents the task to connect to an SAP system and fetch data about a business partner. Due to some reason, the SAP system is not available at the time the process is executed. If the developer has special requirements on error handling and modelled it in the implementation of the process, then this explicit error handling defines what will happen. An example for an explicit handling of the error could be to include a timer event that triggers a reconnect to the SAP system on the next working day. The original process proceeds when the connection can be established.

If, however, there are no specific requirements, and the potential error is not explicitly taken care of – which is mostly the case in practice – then the process transitions automatically in the Error state of the service state machine. This prevents that the process gets stuck in some undefined intermediate state. There are two options now how to proceed from this state: The activity can be repeated manually when the SAP system is available again, or an automatic retry can be configured in which the process engine retries the SAP connection at regular intervals.

In general, this approach allows the developer to identify errors that occur in production, fix the process implementation (including proper error handling if reasonable), redeploy the improved service and restart the process instances from the state where they went into error. All this without losing data or actions that have been processed in the affected instances before the error occurred (-> see Data safety), and without affecting other running instances of the process.

REST Interface for processes

Within the Scheer PAS platform, each implementation of a process is built and deployed as individual service in a Docker container. This has the advantage that each process runs separately and is not affected by errors or maintenance of other services/processes.

To access the process, the Scheer PAS Process engine automatically generates a REST interface for the process state machine. This REST API provides endpoints to gather information on BPMN process instances and their state(s), and to trigger transitions. This approach also provides the option to realize inter-process communication via REST APIs, to build a custom UI layer on top of the process execution or to manage and publish process APIs via the Scheer PAS API Management.

Outlook: Scaling of Processes

With one of the coming Scheer PAS releases we will move to a Kubernetes platform architecture. In addition to separate services for each process, this will allow an easy and automated scaling, i.e. several replicas of the same service / process running in parallel. An individual process can be deployed several times, depending on the required resources, and handle more load in parallel or provide a high availability setup.

The highlight is: Even when there are several replicas of the same service, each executing different instances of the same process, the persisted data and state information will be synchronized between the replicas. This means if one replica of the service crashes, another replica will pick up the started process instances at the point where they were stopped and process them further.

I will explain this unique and powerful concept a bit more in detail in another blog post.

The post The Scheer PAS Process Engine appeared first on Scheer PAS.