Q&A: Agentische KI im Einzelhandel und in der Lieferkettenplanung

Jul 23, 2025 • 8 min

Wir haben uns mit den RELEX-Experten Max Mononen, Product Director, und Rich Kurhajetz, Senior Strategist, zusammengesetzt, um herauszufinden, was agentische KI ist, wie sie in der Praxis funktioniert und wie Unternehmen sie erfolgreich einsetzen können.

Was ist agentenbasierte KI?

Max: KI-Agenten sind kleine autonome Einheiten, die mit übermenschlicher Effizienz handeln, sich anpassen und zusammenarbeiten. Innerhalb eines Systems können sie einzeln oder als Netzwerk von Entscheidungsträgern agieren. Man gibt ihnen ein Ziel vor, und sie führen kontinuierlich Diagnosen, Optimierungen und Aufgaben durch, um komplexe Probleme zu lösen und dieses Ziel zu erreichen. Sie können durch Datensysteme und in Zukunft auch durch andere Agenten ausgelöst werden.

KI-Agenten sind kleine autonome Einheiten, die mit übermenschlicher Effizienz handeln, sich anpassen und zusammenarbeiten.

Ich möchte jedoch auf eine wichtige Nuance hinweisen: Die Aufgabe des Agenten ist es, ein Ziel zu erreichen. Wenn ich sage, dass ein Agent „handelt”, dann meine ich damit, dass er entscheidet, welche Aufgabe er zur Erreichung dieses Ziels ausführen will, und dann ein Tool zur Ausführung dieser Aufgabe einsetzt. Ihm stehen verschiedene Tools zur Verfügung – Algorithmen, Code und mathematische Berechnungen – und diese Tools führen die Aktion aus. Der Agent analysiert dann das Ergebnis, stellt fest, ob er erfolgreich war oder nicht, und ruft in einer kontinuierlichen Schleife weitere Tools auf, bis das Ziel erreicht ist.

Aus diesem Grund sind Agenten ohne eine robuste Plattform mit hochwertigen Daten und bewährten maschinellen Lern- und Optimierungsfunktionen nicht viel wert. Agenten sind nur so effektiv wie die Tools, die sie nutzen können.

Wie unterscheiden sich KI-Agenten von Chatbots?

Max: Der größte Unterschied zwischen Agenten und KI-Chatbots besteht darin, dass Agenten Maßnahmen ergreifen und Chatbots Informationen liefern.

Bei RELEX haben wir zum Beispiel Rebot, unseren freundlichen KI-Assistenten , der sich wie ein Kopilot verhält. In seiner aktuellen Version greift er auf das RELEX-Repository mit branchen- und lösungsspezifischem Wissen zu, aber er greift nicht auf Daten in der RELEX-Umgebung eines Kunden zu. Sie können Rebot also bitten, einen Branchenbegriff oder eine Lösungsfunktion zu erklären oder verschiedene Möglichkeiten zur Messung der Genauigkeit von Bedarfsprognosen zu skizzieren, und es wird Ihnen diese Antworten geben. Aber es schaut sich nicht Ihre Daten an. Rebot fungiert als 24/7-Berater, der Unternehmen dabei hilft, das Onboarding zu beschleunigen, den täglichen Betrieb zu erleichtern und das Verständnis der Benutzer für die Lösung zu verbessern, damit sie sich bei ihren Entscheidungen sicherer fühlen.

Der größte Unterschied zwischen Agenten und Chatbots der KI-Generation besteht darin, dass Agenten Maßnahmen ergreifen und Chatbots Informationen liefern.

Agenten sind die natürliche Weiterentwicklung von Conversational Chatbots. Aber im Gegensatz zu KI-Assistenten leben sie in Ihrer Umgebung und können daher auf der Grundlage Ihrer Daten Maßnahmen ergreifen – transparent, sicher und in Zusammenarbeit mit Menschen.

Rich: Aus der Nutzerperspektive können die Interaktionen mit Agenten und mit KI-Assistenten sehr ähnlich aussehen. Normalerweise gibt es ein Eingabefeld, in das man seine Fragen und Aufforderungen eintippt. Aber der größte Unterschied ist das, was sich unter der Haube befindet. Bei einem generativen KI-Chatbot, LLM oder GPT stellen Sie eine Frage, und er antwortet – aber er handelt nicht. Agentische KI kann auf der Grundlage der von Ihnen vorgegebenen Parameter und Regeln wahrnehmen, entscheiden und handeln.

Wie funktioniert agentenbasierte KI in der Praxis, und was sind die wichtigsten Anwendungsfälle?

Max: Ganz einfach: Alles, was ein Benutzer innerhalb des RELEX-Systems tun kann, kann auch ein Agent tun. Und weil der Agent nicht die zeitlichen Beschränkungen hat, die Menschen haben, kann er viel mehr Aufgaben erledigen. Aber ein Agent hat in der Regel nur eine einzige Aufgabe, die er ausführen soll. Diese Einschränkung ist Teil der Leitplanken, die dafür sorgen, dass er nichts verändert, was er nicht soll.

Ein konkretes Beispiel ist die Business Rules Engine (BRE), die der RELEX-Kernlogik zugrunde liegt. Die BRE ermöglicht es den Benutzern, Regeln und Arbeitsabläufe einzurichten, die automatisch in Abhängigkeit von Eingaben, Daten und Schwellenwerten ausgelöst werden. In einem agentenbasierten System könnten Sie einen Agenten verwenden, um einen solchen Workflow auszuführen.

Ein Agent hat normalerweise nur eine einzige Aktion, die er ausführen soll. Diese Einschränkung ist Teil seiner Leitplanken.

Sie könnten zum Beispiel eine Aufforderung wie diese verwenden: “Helfen Sie mir, ein Dashboard zu erstellen, das meinen entgangenen Verkaufswert für diese verschiedenen Arten von Artikeln an diesen verschiedenen Standorten zeigt . Fassen Sie die Maßnahmen zusammen, die ich ergreifen sollte, um diese Umsatzeinbußen zu verhindern.” Anstatt diese Dashboards selbst in der Benutzeroberfläche zu erstellen, können Sie sie vorkonfigurieren und bei Bedarf abrufen.

Rich: Automatisierung im Allgemeinen ist ein wichtiger Anwendungsfall. Denken Sie nur an Einzelhandels- und Lieferkettenplanungssysteme. Da gibt es so viel Mathematik, so viele Daten, so viele komplexe Entscheidungen. Bei Agenten gibt es unglaublich viel Spielraum für die Automatisierung. Wir sprechen nicht davon, alles in Ihrer End-to-End-Plattform zu automatisieren. Der Mensch sollte in der Schleife sein. Aber wir sprechen davon, Agenten auf sehr spezifische Weise zu beauftragen und zu schulen, um Planungsentscheidungen zu unterstützen.

Mit Agenten gibt es unglaublich viel Spielraum für die Automatisierung.

Im Moment muss beispielsweise die Anzahl der Planungsausnahmen, die überprüft werden müssen, für einen Menschen überschaubar bleiben. Aber das kann dazu führen, dass man sich die Frage stellt: “Haben wir etwas wirklich Wichtiges übersehen?” Die Stärke der KI liegt in der Fähigkeit, all diese Daten zu analysieren, auf hoher Ebene zu analysieren und zu priorisieren, Maßnahmen bei kleineren Problemen zu ergreifen und größere Probleme aufzudecken, die eine menschliche Überprüfung erfordern.

Diese Breite und Tiefe der Datenanalyse eröffnet ein ganz neues Feld fortgeschrittener Analysen, für die ein Benutzer früher möglicherweise nicht ausgebildet war. Mit speziellen Agenten kann ein Einsteiger oder ein mittlerer Benutzer durch etwas so Einfaches wie Prompt-Engineering einige sehr fortschrittliche Analysen freischalten.

Wie wird sich agentenbasierte KI auf die Zukunft der Arbeit und der Benutzerrollen auswirken?

Rich: Ich denke, die Menschen fragen sich: “Werde ich meinen Job verlieren oder werde ich eine andere Arbeit machen? Wird diese Rolle abgeschafft, oder werden wir anfangen, mehr Rollen von Datenwissenschaftlern zu schaffen?”

Im Grunde genommen bleibt die Arbeit bestehen. Sie führen übergeordnete Arbeiten aus und streichen die banalen Aufgaben, aber Sie brauchen immer noch diese Analystenrollen, um die Behandlung von Ausnahmen und die Behebung von einfacheren Aufgaben zu überprüfen.

Agenten werden jedoch die Art und Weise verändern, wie Benutzer mit ihren Planungssystemen interagieren und einen Mehrwert schaffen. Wer kann am besten mit KI umgehen? Nun, derjenige, der die besten Fragen stellt . Es braucht einen gebildeten Benutzer.

Max: Es gibt einen Grund für die Interaktion zwischen Mensch und Computer. Auch wenn Agenten viele Aufgaben übernehmen, sind Sie der , der sie kontrolliert . Als Superuser legen Sie die Regeln, Ziele und Vorgaben fest, die der Strategie und den Prioritäten Ihres Unternehmens entsprechen.

Wer kann am besten mit KI umgehen? Nun, derjenige, der die besten Fragen stellt.

Der größte Unterschied besteht darin, dass Sie mit Agenten jetzt Tausende von Junior-Analysten zur Verfügung haben. Sie können sie anweisen, bestimmte Maßnahmen zu ergreifen, indem Sie die Parameter auf der Grundlage Ihrer Ziele ändern. Da die Agenten sich wiederholende Aufgaben erledigen, können Sie sich auf die Aufgaben konzentrieren, die den größten Mehrwert bringen und Ihr Unternehmen voranbringen.

Auch die Zusammensetzung von Teams wird sich ändern, denn schon jetzt sind Teams, die KI-Tools und Kopiloten einsetzen, besser als Teams, die dies nicht tun. Das bedeutet, dass Unternehmen in der Lage sein werden, mit der gleichen Anzahl von Mitarbeitern, die sie jetzt haben, zu skalieren und mehr zu erreichen.

Welche Leitplanken sollten bei der Implementierung von agentenbasierter KI beachtet werden?

Rich: Wenn man KI ohne einen guten Plan in sein aktuelles System einbaut, besteht die Gefahr, dass man im großen Maßstab viel mehr schlechte Arbeit leistet. Man kann sehr schnell sehr viel Schaden anrichten, weil man jetzt eine große Anzahl von Änderungen vornehmen kann.

Welche Leitplanken sollten Sie also einrichten? Nun, denken Sie an Menschen, Prozesse und Technologie. Einem Analysten der Einstiegsebene würden Sie nicht erlauben, größere Änderungen an Ihrem Monats- oder Jahresplan vorzunehmen. Diese Art von rollenspezifischen Berechtigungen sollten auch für Agenten gelten.

Max: Genau, denken Sie über die Berechtigungen nach, die Sie Ihren Mitarbeitern geben. Sie können diese Berechtigungen in drei grundlegende Kategorien aufteilen.

Entscheiden Sie zunächst, welche Tools Sie den Agenten zur Verfügung stellen. Wie ich bereits erwähnt habe, können Agenten nur die ihnen zur Verfügung stehenden Tools verwenden. Beschränken Sie sie auf die Werkzeuge, die sie benötigen, um das von Ihnen vorgegebene Ziel zu erreichen.

Denken Sie dabei an Menschen, Prozesse und Technologie. Diese Art von rollenspezifischen Berechtigungen sollten auch für die Agenten gelten.

Zweitens müssen Sie Regeln für die Agenten selbst festlegen. Wie selbstständig können sie handeln? Nehmen wir das Beispiel von vorhin, in dem wir darüber sprachen, einen Agenten aufzufordern, bei verlorenen Verkäufen zu helfen. Zunächst bitten wir um eine Analyse, um festzustellen, an welchen Standorten und bei welchen Produkten die meisten Umsatzeinbußen zu verzeichnen sind. Dann könnten Sie nach Vorschlägen fragen. Was sollte ich gegen das Problem der Umsatzverluste in den Geschäften dieser Region tun? Der Agent macht Vorschläge und fragt Sie, ob er Maßnahmen ergreifen soll. Er bittet Sie um Ihre Erlaubnis, bis sich seine Vorschläge als vertrauenswürdig erwiesen haben oder bis Sie Regeln oder andere Agenten eingerichtet haben, die automatisch die entsprechenden Maßnahmen ergreifen können.

Drittens: Legen Sie klare Regeln fest von . Hier geht es um Governance. Definieren Sie, in welchem Bereich jeder Agent tätig ist, welche Arbeitsabläufe er abwickelt und wie er sich verhalten soll, wenn Sie ihn dazu auffordern. Und legen Sie im Hintergrund harte Leitplanken fest. Sie möchten nicht, dass es Ihnen wie dem Schachagenten ergeht, der beim Spiel gegen das größte KI-Schachsystem zu schummeln begann, weil seine einzige Anweisung darin bestand, zu gewinnen – und nichts über die Einhaltung der Regeln gesagt wurde.

Wo sollten Unternehmen bei der Implementierung von agentenbasierter KI ansetzen?

Max Mononen: Der erste Rat, den ich geben würde, ist, einfach anzufangen. Wenn Sie RELEX verwenden, haben Sie bereits Zugang zu Rebot und vielen anderen KI-Funktionen. Wenn es um agentechnische KI geht, sollten Sie anfangen zu experimentieren und mit verschiedenen Systemen spielen . Das ist der einfachste Weg zu lernen. Aber seien Sie vorsichtig mit Ihren Daten. Wenden Sie sich an Ihre Rechtsabteilung, um sicherzustellen, dass Sie die richtigen Tools und Berechtigungen erhalten, die die Informationssicherheit und den Datenschutz nicht gefährden. Laden Sie keine Unternehmensdaten auf externe Systeme hoch, sondern probieren Sie die verfügbaren Tools aus.

Fangen Sie einfach an. Das ist der einfachste Weg, etwas zu lernen. Aber seien Sie vorsichtig mit Ihren Daten.

Legen Sie zweitens fest, welche Geschäftsergebnisse Sie erreichen wollen, und ermitteln Sie dann die Ergebnisse, die sich für KI eignen. Versuchen Sie nicht, alles mit agentenbasierter KI zu erreichen. Das würde nur dazu führen, dass Sie Agenten schaffen, die keinen Wert haben. Auch wenn Sie jetzt mehr tun können, müssen Sie Prioritäten setzen. Betrachten Sie den Zeitaufwand Ihres Teams und überlegen Sie, wo Sie Geld verlieren, wo Sie am meisten gewinnen könnten und wofür Sie im Moment keine Zeit haben.

Mit Hilfe von Agenten können Sie beginnen, sich mit Themen zu beschäftigen, für die Sie vorher keine Zeit hatten.

Viele Menschen denken sofort an die Reduzierung der Berichtszeit, und ja, Berichtsaufgaben können lästig sein. Aber gleichzeitig ist das eine Aufgabe mit sehr geringem Mehrwert. Mit Agenten können Sie sich mit den wichtigen Themen befassen, für die Sie bisher keine Zeit hatten, und den langen Schwanz von Problemen untersuchen und feststellen, wo Sie diese Agenten einsetzen können, um Daten zu visualisieren und Maßnahmen zu ergreifen.

Drittens: Beginnen Sie, falls noch nicht geschehen, mit der Implementierung einer Plattform, die den Agenten das zur Verfügung stellt, was sie zur Erledigung ihrer Aufgaben benötigen – die Funktionen für maschinelles Lernen, Optimierung und Datenmanagement, die Unternehmen bereits nutzen, um ihre Lieferketten- und Einzelhandelsplanung zu beschleunigen und zu verbessern.

Beitrag von

Richard Kurhajetz

Feldstratege

auf LinkedIn vernetzen

Max Forsius

Produktdirektor, AI Innovations