Use Cases für Agent-basierte KI in E-Commerce, HR und Finanzwesen.

Agent-basierte künstliche Intelligenz (KI) verändert weiterhin Unternehmensabläufe. Agent-basierte KI kann – unter menschlicher Aufsicht – planen, entscheiden und mehrstufige Aufgaben ausführen, um konkrete Ziele zu erreichen. Sie kann Kontext interpretieren, komplexe Szenarien „durchdenken“ und Aktionen systemübergreifend koordinieren.

Agent-basierte KI transformiert bereits heute Kernfunktionen von Kundendienst und E-Commerce bis zu Personalwesen und Cyber-Sicherheit. Egal, ob euer Unternehmen seine ersten AI Agents einsetzt oder bestehende Funktionen erweitert – der erste Schritt besteht darin zu verstehen, wie diese Technologie über einfache Automatisierung hinausgeht und Abläufe auf Unternehmensebene ermöglicht.

Die folgende Tabelle zeigt, wie Agent-basierte Workflows im Vergleich zu herkömmlichen generativen Modellen neue Maßstäbe für Geschäftseffizienz setzen:

In diesem Artikel erkunden wir ausführlich, wie in den vier genannten Geschäftsbereichen AI Agents zum Einsatz kommen, die unter menschlicher Aufsicht Probleme „durchdenken“ und zu deren Lösung beitragen können:

• Use Cases für Agent-basierte KI im Kundendienst
• Use Cases für Agent-basierte KI im E-Commerce
• Use Cases für Agent-basierte KI im Personalwesen
• Use Case für Agent-basierte KI in Finanzwesen und Cyber-Sicherheit
• Wie Agent-basierte KI Unternehmen hilft

Kundendienst ist eine der praktischsten Umgebungen für Agent-basierte KI. Diese Implementierungen schaffen reaktionsschnellere, proaktivere und effizientere Support-Erlebnisse und geben Kundendienstpersonal die Freiheit, sich auf komplexe, wertschöpfende Interaktionen zu konzentrieren.

1. Proaktiven Support ermöglichen.

AI Agents können Routineanfragen bearbeiten, häufige Probleme lösen und Retouren verwalten. Diese Anwendungen gehen weit über skriptbasierte Chatbots hinaus – sie verstehen Kontext, greifen auf mehrere Systeme zu, führen vorgegebene Workflows durch und eskalieren Probleme mit relevantem Kontext.

Nehmen wir beispielsweise an, ein Kunde meldet ein defektes Gerät. Ein AI Agent kann so konzipiert werden, dass er ihn durch eine mehrstufige Fehlerbehebung mit interaktiver Diagnose führt. Ein AI Agent, der die richtigen Wissensquellen nutzt, kann auf die Produktdokumentation zugreifen, die spezifische Gerätekonfiguration des Kunden analysieren und die Diagnoseschritte zur Behebung der Störung durchgehen. Falls die Fehlerbehebung nicht erfolgreich ist, kann der AI Agent so konzipiert werden, dass er ein Support-Ticket mit vollständigem Diagnoseverlauf erstellt. Das Ticket kann jeden versuchten Schritt und die Ergebnisse jedes Tests enthalten, sodass die Fachkraft, die übernimmt, nicht bei null anfangen muss.

2. Personalisierte Kundeninteraktionen im großen Maßstab ermöglichen.

Über die Problemlösung hinaus können AI Agents Kundendaten in Echtzeit analysieren, um maßgeschneiderte Empfehlungen und Content zu liefern. Agents können die Interaktion verbessern, indem sie jeden Kunden und jede Kundin als Individuum mit einzigartigen Bedürfnissen behandeln.

Wenn ein Kunde den Support kontaktiert, kann ein AI Agent auf seinen kompletten Verlauf zugreifen, einschließlich vergangener Käufe, vorheriger Interaktionen und Verhaltensmuster. Ein AI Agent kann einem langjährigen Kunden mit einer Historie von Premium-Käufen andere Optionen anbieten als einem Erstkäufer. Diese Personalisierung erstreckt sich auch auf proaktive Interaktion, bei dem Agents Gelegenheiten erkennen, relevante Produkte vorzuschlagen oder Kundschaft basierend auf ihren spezifischen Bedürfnissen über anstehende Verlängerungen zu informieren.

Der Online-Handel ist über einfache Produktempfehlungen hinausgewachsen. Agent-basierte KI kann dabei helfen, größere Teile der Shopping-Journey zu verwalten und sich an Kundenverhalten und Marktanforderungen anzupassen.

1. Personalisierte Shopping-Erlebnisse liefern.

Während herkömmliche KI Produkte basierend auf dem vorschlägt, was man gerade angeklickt hat, kann Agent-basierte KI so konfiguriert werden, dass sie wie ein persönlicher Einkaufsberater agiert. Sie zeigt nicht nur eine Liste ähnlicher Artikel an, sondern versteht das Ziel des Käufers oder der Käuferin. Agents können Produktempfehlungen kuratieren und ganze Shopping-Erlebnisse basierend auf individuellen Kundenpräferenzen, Browsing-Verhalten und Kaufhistorie maßschneidern.

Wenn ein Kunde beispielsweise eine Wandertour plant, können bestimmte AI Agents die Wetterprognose für das Ziel, die Kaufhistorie für die richtige Größe und das Budget analysieren, um eine komplette Ausrüstungsliste zu erstellen. Fragt der Kunde: „Kommen diese Stiefel vor Freitag an?“, antwortet der AI Agent nicht nur mit „ja“. Er führt gleichzeitig Dutzende Hintergrundaufgaben aus, um sicherzustellen, dass diese Antwort stimmt. Der Agent kann lokale Lagerbestände prüfen, Versandfenster bestätigen und den Artikel temporär reservieren, während der Kunde sich entscheidet. Diese aktive Unterstützung verwandelt einen statischen Katalog in ein dialogorientiertes, zielgerichtetes Erlebnis.

Diese Personalisierung erfolgt während der gesamten Shopping-Journey. Während Kundschaft stöbert, Artikel in den Warenkorb legt oder Käufe abbricht, passen Agents die Empfehlungen entsprechend an. Das Erlebnis fühlt sich weniger wie das Blättern durch einen statischen Katalog an und mehr wie die Zusammenarbeit mit einem sachkundigen „Personal Shopper“, der sich alle Vorlieben merkt.

2. Dynamische Preisgestaltung und automatisierte Auftragsabwicklung.

Im Hintergrund übernehmen AI Agents komplexe Logistikaufgaben, die normalerweise konstantes menschliches Monitoring erfordern. In einer Umgebung mit hohem Volumen ändern sich Preise und Lagerbestände minütlich.

• Dynamische Preisgestaltung: Anstatt dass Menschen manuell Rabatte anpassen, können Agents so konzipiert werden, dass sie Preise der Konkurrenz und lokale Nachfrage überwachen. Wenn ein bestimmter Artikel in Social Media im Trend liegt, der Bestand aber niedrig ist, kann der Agent den Preis anpassen, um die Marge zu maximieren. Umgekehrt kann der Agent eine lokalisierte Promotion auslösen, um einen Bestand abzubauen, wenn der Absatz in einer bestimmten Region schleppend ist.
• Problemlösung beim Versand: AI Agents für Logistik können so konfiguriert werden, dass sie den gesamten Zyklus vom Kauf bis zur Lieferung verwalten. Dazu gehört die Aktualisierung des Bestands über alle Kanäle, die Auswahl optimaler Routen und die Koordination mit Partnern. Diese Agents können sich auf die Behandlung von Ausnahmen spezialisieren. Wenn beispielsweise ein Sturm eine Sendung verzögert, identifiziert der Agent jede betroffene Person. Er kann so konfiguriert werden, dass er das Paket von einem anderen Drehkreuz umleitet oder eine proaktive Benachrichtigung mit einem Rabattangebot für den nächsten Kauf als Reaktion auf die Verzögerung versendet. Bis ein Mensch den Morgenbericht überprüft, hat der Agent bereits betroffene Bestellungen markiert, Lösungsschritte empfohlen oder vorab genehmigte Reaktionen ausgeführt.

Diese Veränderung ermöglicht es E-Commerce-Marken, ihre Abläufe zu skalieren, ohne ein größeres Team einzustellen, das jede Preisänderung oder jeden Versandfehler verwaltet. Der Fokus verlagert sich von der Verwaltung der Site hin zum Wachstum des Unternehmens.

KI-Automatisierung in HR entwickelt sich von einfacher Datenbankpflege hin zu aktiver Personalunterstützung. Agent-basierte KI kann interne Prozesse optimieren und gleichzeitig das Mitarbeitererlebnis kontinuierlich verbessern.

1. Recruiting und Onboarding automatisieren.

Die Talentakquise umfasst zahlreiche wiederkehrende Aufgaben, die früher manuelle Überwachung erforderten. Agents können Teile der Recruiting-Pipeline koordinieren, administrative Last reduzieren und gleichzeitig das Erlebnis für Personalverantwortliche und Bewerbende verbessern.

Wenn eine Position frei wird, kann ein AI Agent Hunderte eingehender Lebensläufe anhand der Stellenanforderungen prüfen. Er kann die besten Kandidierenden basierend auf Qualifikation, Erfahrung und spezifischen Einstellungskriterien identifizieren. Der Agent markiert nicht nur einen Namen. Er kann erste Bewertungen durchführen und Kalender koordinieren, um Vorstellungsgespräche zu terminieren.

Sobald ein neuer Mitarbeiter oder eine neue Mitarbeiterin die Stelle antritt, wechselt der Agent in eine Onboarding-Rolle und erstellt einen maßgeschneiderten 30-Tage-Plan für die jeweilige Abteilung. Er führt durch die Dokumentation, richtet Systemzugriffe ein und stellt relevante Kolleginnen und Kollegen vor. So wird kein Teil des Integrationsprozesses übersehen.

2. Fortbildung und interne Mobilität unterstützen.

Über die Einstellungsphase hinaus agieren Agents als proaktive Karriere-Coaches für die bestehende Belegschaft. Anstatt dass Mitarbeitende statische interne Portale nach Entwicklungschancen durchsuchen müssen, bringen Agents Talente aktiv mit internen Anforderungen zusammen.

Ein AI Agent kann die aktuellen Qualifikationen und den Leistungsverlauf einer Person analysieren, um personalisierte Schulungspfade oder offene interne Rollen vorzuschlagen, die zu den Karrierezielen passen. Wenn beispielsweise ein Team-Mitglied Interesse an einer Führungslaufbahn äußert, kann der Agent relevante Zertifizierungskurse aufzeigen und benachrichtigen, wenn eine entsprechende Position in einer anderen Abteilung frei wird. Das schafft einen dynamischeren internen Arbeitsmarkt, in dem sich Mitarbeitende bei ihrer Weiterentwicklung unterstützt fühlen und der die Mitarbeiterbindung fördert.

Im Finanz- und Sicherheitsbereich liegt der Wert Agent-basierter KI in ihrer Fähigkeit, mit einer Geschwindigkeit und einem Umfang zu agieren, die für menschliche Teams physisch unmöglich sind. Diese Agents bieten ein Niveau an proaktivem Schutz, der so schnell reagiert wie moderne digitale Bedrohungen.

1. Betrugserkennung und proaktive Bedrohungssuche automatisieren.

Finanzbetrug und Cyber-Angriffe entwickeln sich ständig weiter und umgehen oft traditionelle, regelbasierte Systeme. Agent-basierte KI kann dem entgegenwirken, indem sie darauf trainiert wird, verdächtige Muster gleichzeitig über mehrere Datenquellen hinweg zu identifizieren und sofortige Maßnahmen zur Risikominderung zu ergreifen.

Im Finanzbereich können Agents Transaktionsströme kontinuierlich überwachen. Betrachtet eine Anomalie wie eine Serie von hochwertigen Käufen, die nicht zum historischen Verhalten einer Person passen. Der AI Agent sendet nicht nur einen Warnhinweis, den ein Mensch Stunden später überprüft. Er kann zusätzliche Verifizierung auslösen oder in manchen Systemen eine Transaktion blockieren. Agents für Cyber-Security folgen einer ähnlichen Logik: Sie helfen dabei, Schwachstellen zu erkennen. Manche Agents können Bedrohungen schneller aufdecken und eindämmen als manuelle Workflows allein.

Die Einführung Agent-basierter KI im großen Maßstab erfordert mehr als nur intelligente Algorithmen. Organisationen benötigen ein Framework, das sicherstellt, dass Agents hilfreich, sicher und konform bleiben, während sie in komplexen Systemen agieren.

Agents benötigen ein vollständiges Bild einer Person, um effektiv zu sein. Adobe Experience Platform hilft durch das Echtzeit-Kundenprofil dabei, Kundendaten in einer Profilansicht zu vereinen, und gibt Agents damit die Informationen, die sie für präzisere Interaktionen benötigen.

Orchestrierung einer Belegschaft an AI Agents.

Unternehmen müssen heute möglicherweise mehrere Agents verwalten. Anstatt isoliert zu agieren, können Agents nun parallel an verschiedenen Aufgaben arbeiten. Hier sind nur einige Beispiele für Aufgaben, die Adobe-Agents erledigen können:

• Marketing Agent bietet eine einheitliche Ansicht darüber, wie Zielgruppen im gesamten Unternehmen definiert, verwaltet und aktiviert werden, und hilft dabei, Risiken zu reduzieren, die Datenintegrität zu verbessern und Personalisierung mit Verlässlichkeit zu skalieren.
• Content Advisor Agent macht Content sofort verfügbar und bereitet ihn für jeden Kanal auf, wodurch die Zeit für Suche und Größenanpassung reduziert wird.
• Brand Experience Agent beschleunigt die Erlebnisproduktion durch Aktualisierung bestehender Seiten und Erstellung neuer Inhalte zur Modernisierung konventioneller Websites für ein KI-basiertes Web.
• Brand Governance Agent setzt Markenrichtlinien durch, verfolgt Asset-Rechte und verwaltet Berechtigungen, um sicherzustellen, dass Content markenkonform, auflagenkonform und genehmigt ist.
• Data Engineering Agent optimiert Daten-Onboarding, SQL-Vorbereitung, Sammlung und Fehlerbehebung mit KI-gestützter Automatisierung für schnellere, zuverlässigere Aktivierung.
• Account Qualification Agent hilft Vertriebs-Teams dabei, Accounts schneller zu qualifizieren, indem er Account-Intelligenz vereint, Chancen priorisiert und die personalisierte Kontaktaufnahme automatisiert.
• Journey Agent hilft beim Erstellen, Analysieren und Optimieren von Journeys.
• Audience Agent in Real-Time CDP und Adobe Journey Optimizer kann Teams dabei helfen, Zielgruppen zu erstellen, zu verwalten und zu überwachen, Probleme wie Duplikate oder schrumpfende Zielgruppen zu erkennen und die Zielgruppengröße vor der Erstellung oder Aktivierung zu schätzen.
• Data Insights Agent in Customer Journey Analytics kann kanalübergreifende Performance-Daten analysieren, wichtige Muster oder Anomalien aufdecken und Visualisierungen erstellen, die erklären, warum bestimmte Journeys oder Angebote besser funktionieren als andere.
• Experimentation Agent in Adobe Journey Optimizer Experimentation Accelerator kann Ergebnisse zusammenfassen und Tests empfehlen.
• Product Support Agent hilft bei der Fehlerbehebung in Adobe Experience Platform, Real-Time CDP, Journey Optimizer, Customer Journey Analytics und Experience Manager, ohne Workflows zu verlassen, und erstellt bei Bedarf sogar Support-Tickets mit vollständigem Kontext.