AI Agent Studio: Schnelle Umsetzung vom Datenvertrag bis zum zertifizierten Marktplatz

Zusammenfassung der wichtigsten Punkte

Datenprodukte gehören zu den wertvollsten Ressourcen Ihres Unternehmens. Doch ein Datenprodukt, das lediglich auf einem Marktplatz angeboten wird, gleicht einem schönen, teuren Auto in einem Ausstellungsraum: Es sieht zwar gut aus, doch solange die Räder nicht in Bewegung sind und der Motor nicht läuft, ist es lediglich ein Stück Metall, das im Laden steht.

Stellen Sie sich „AI Agent Studio“ als das Lenkrad eines Autos vor. Dieses Produkt verwandelt zertifizierte Datenprodukte von statischen Ressourcen in dynamische, dialogfähige Agenten, mit denen Geschäftsanwender interagieren können. Die Interaktionen erfordern weder SQL-Kenntnisse noch das Warten auf die Unterstützung durch die Technikabteilung und erfolgen in einfachem Englisch.

Im Folgenden erläutern wir, wie AI Agent Studio KI für jeden Geschäftsanwender zugänglich macht, wodurch es sich von generischen Chatbot-Baukästen unterscheidet und warum fundierte Genauigkeit wichtiger ist als Benutzerfreundlichkeit.

AI Agent Studio: Mehr Möglichkeiten für Geschäftsanwender

AI Agent Studio ist die Self-Service-Ebene von Xebia Axis, die es Geschäftsanwendern ermöglicht, KI-Agenten zu erstellen, zu verwalten und mit ihnen zu interagieren. Es beseitigt die technischen Hürden, die den Einsatz von KI bislang auf Spezialisten beschränkt haben.

Mithilfe von Agent Studio können Geschäftsanwender:

Das Schöne daran? Es sind keine technischen Kenntnisse erforderlich. Jeder, der weiß, welche Daten er benötigt, kann ganz einfach einen Agenten erstellen.

So funktioniert AI Agent Studio

Jeder geschäftliche Nutzer, der mit AI Agent Studio arbeitet, verfügt über ein persönliches „Meine Agenten“-Fenster, in dem er alle von ihm erstellten Agenten einsehen kann. Bereits erstellte Agenten stehen jederzeit zur Verfügung. Es ist nicht erforderlich, diese für wiederkehrende Fragen oder Anforderungen neu zu erstellen.

Ein Nutzer kann einfach fragen: „Können Sie mir den aktuellen Lagerbestand mitteilen?“, und der KI-Agent ruft die Antwort aus dem zugrunde liegenden Datenprodukt ab. Auf der rechten Seite zeigt der Agent genau, wie er das Ergebnis generiert hat: die Herkunft der Daten, die von ihm ausgeführte Abfrage und wie er die Frage interpretiert hat. Diese „White-Box“-Transparenz schafft Vertrauen und verankert die Ergebnisse in den Bedürfnissen des Nutzers.

Drei Möglichkeiten zur Erstellung eines Agenten

Beim Anlegen eines neuen Agenten stehen den Benutzern drei verschiedene Optionen zur Verfügung:

1. Datenprodukt-Agent
Diese Option erstellt einen Agenten auf Basis eines zertifizierten Datenprodukts. Alle im Axis-Marktplatz verfügbaren Datenprodukte sind übersichtlich aufgelistet. Der Benutzer kann einfach eines auswählen, auf „Erstellen“ klicken, und schon ist der Agent einsatzbereit. Hier sind weder eine Konfiguration noch Programmierkenntnisse erforderlich.

2. Knowledge Assistant
Diese Option erstellt einen Agenten auf der Grundlage unstrukturierter Dokumente wie PDFs, Word-Dateien, Präsentationen und E-Mails. Benutzer laden die Dokumente hoch, die der Agent interpretieren und verarbeiten soll, und Axis übernimmt die Erfassung und Indizierung im Hintergrund. Der Agent kann dann auf der Grundlage dieser Dokumente Fragen beantworten.

3. Super-Agent
Dies ist die leistungsstärkste Option. Ein Super-Agent vereint mehrere Funktionen, wie beispielsweise Datenprodukt-Agenten, Wissensassistenten und sogar andere Agenten, in einer einzigen Konversationsschnittstelle. Ein Geschäftsanwender kann dem Super-Agenten eine Frage stellen, woraufhin dieser die Anfrage an den entsprechenden zugrunde liegenden Agenten weiterleitet oder Informationen aus mehreren Quellen zusammenführt.

Beispiel: Super Agent für Lagerbestand und Vertrieb

Ein regionaler Vertriebsleiter öffnet das Agent Studio, um seinen Super-Agenten um einen Vergleich der Umsätze zweier verschiedener Quartale zu bitten, da er sich Sorgen um den Lagerbestand eines bestimmten Produkts macht.

Der Super Agent wird diese Frage nicht selbst beantworten, da sie verschiedene Bereiche betrifft, und wird sie daher weiterleiten an:

Sobald die Daten vorliegen, fasst der Super-Agent diese zu einer einzigen Antwort zusammen, die eine nach Priorität geordnete Liste der gefährdeten Produkte, den jeweiligen Absatztrend sowie einen Hinweis darauf enthält, welche Artikel aufgrund von Lieferverzögerungen am dringendsten sind. Zudem sorgt er für einen übersichtlichen Überblick über die Quellen, da der Nutzer jederzeit nachverfolgen kann, welcher Agent zu welchem Teil der Antwort beigetragen hat.

Für diesen gesamten Vorgang sind weder SQL-Kenntnisse noch Wartezeiten noch das Eröffnen eines Tickets erforderlich. Es handelt sich um eine einfache geschäftliche Anfrage, die in leicht verständlichem Englisch beantwortet wird und auf kontrollierten Daten basiert.

Das Problem des Datenzugriffs

In traditionellen Organisationen folgt die Gewinnung von Erkenntnissen aus Daten einem fehlerhaften Muster:

Dieser Ansatz ist langsam, frustrierend und nicht nachhaltig. Die Umfrage „Data & AI Monitor 2026“ von Xebia unter mehr als 600 Unternehmen bestätigt, dass Unternehmen zwar wissen, wo sie KI einsetzen können, die Wertschöpfung jedoch hartnäckig auf einem niedrigen Niveau verharrt. Der Engpass liegt nicht in der Strategie, sondern in der Umsetzung. Laden Sie den „Data & AI Monitor 2026“ von Xebia herunter.

Unternehmen suchen händeringend nach besseren Möglichkeiten, Wert aus ihren Daten zu schöpfen und Anwendungsfälle für den Einsatz von KI zu entwickeln. Doch nur eine Minderheit ist der Ansicht, dass sie den Wert, den KI bietet, voll ausschöpft. Das Problem liegt nicht in den Daten selbst, sondern in der Fähigkeit, mit ihnen zu „kommunizieren“ und ordnungsgemäß darauf zuzugreifen.

Die Agent-Technologie, die das Problem der Datenschulden so dringlich macht, ermöglicht auch eine schnellere Lösung – allerdings nur, wenn die Nutzer mit ihren Daten kommunizieren können.

Agenten freigeben: MCP und A2A

Sobald ein Agent erstellt wurde, kann er für andere freigegeben werden. Axis Agent Studio unterstützt zwei Standardprotokolle für die Freigabe von Agenten:

Ein Benutzer klickt einfach auf „Expose“, erhält den MCP-Servercode und leitet diesen an sein technisches Team weiter. Das Team integriert ihn in nachgelagerte Anwendungen, wobei keine Neuentwicklung erforderlich ist.

Was Axis Agent Studio auszeichnet

Allgemeine Chatbot-Baukästen zeichnen sich durch ihre Benutzerfreundlichkeit aus. Sie garantieren jedoch weder Genauigkeit noch Geschwindigkeit. Axis AI Agent Studio verbindet Selbstbedienung mit fundierter Genauigkeit und Geschwindigkeit durch zwei wesentliche Alleinstellungsmerkmale.

1. Auf Ontologie basierende Akteure

Viele KI-Chatbots versuchen zu erraten, was Ihre Daten bedeuten. Die Agenten von Axis tun dies nicht. Hinter den Kulissen erstellt Axis auf der Ebene der Rohdaten eine Ontologie im Open Knowledge Format (OKF) sowie eine Resolved Entity Matrix.

Das bedeutet, dass der Agent niemals Vermutungen anstellt. Der Kontext steht dem Agenten bereits zur Verfügung: die Beziehungen zwischen den Datenelementen, die geschäftliche Bedeutung sowie die Governance-Regeln. Wenn ein Nutzer eine Frage stellt, generiert der Agent eine regelkonforme Abfrage auf der Grundlage der Ontologie – nicht anhand von Musterabgleich oder Heuristiken.

2. Deterministischer Code für häufig gestellte Fragen

Nicht jede Frage muss ein LLM befragen. Für die 100 häufigsten Fragen, die Nutzer immer wieder stellen, kann Axis deterministischen Code speichern, der die Antwort direkt abruft.

So funktioniert es:

Dadurch werden Halluzinationen von LLMs bei gängigen Fragen vollständig vermieden. Vermutungen und Abweichungen werden aus der Gleichung eliminiert. Bei derselben Frage wird stets dieselbe deterministische Logik angewendet: Axis speichert den Code, nicht die Daten, sodass bei jeder Abfrage aktuelle Informationen direkt aus der Quelle abgerufen werden. Bei Fragen, die nicht im Cache enthalten sind, gewährleistet die fundierte Ontologie präzise Ergebnisse.

Je mehr das Unternehmen lernt, desto größer kann der Cache werden. Jede Frage kann dem deterministischen Satz hinzugefügt werden, wodurch die Abhängigkeit von LLMs schrittweise verringert und Geschwindigkeit sowie Genauigkeit gesteigert werden.

Vertrauen entsteht durch Transparenz. AI Agent Studio ist keine „Black Box“. Jede Chat-Zeile hinterlässt eine Trace-ID, die in Axis Observability einfließt. Jede Antwort des Agenten wird gespeichert und ausgewertet. Die Nutzer sehen genau, wie der Agent jede Antwort generiert hat: die Herkunft, die Abfrage, die Argumentation. Dadurch ist der Agent eine „White Box“ und keine „Black Box“.

Vom Datenprodukt zur geschäftlichen Wirkung

Ihre Datenprodukte sind wertvoll, doch ihr Wert reicht nur so weit wie der prognostizierte Wert der Entscheidungen, die sie ermöglichen. Solange es für Geschäftsanwender keine Möglichkeit gibt, mit ihnen zu interagieren, bleiben sie lediglich Vermögenswerte auf einem Marktplatz und keine Werkzeuge in den Händen der Entscheidungsträger.

Xebia Axis Agent Studio schließt diese Lücke. Es ermöglicht Geschäftsanwendern, KI-Agenten zu erstellen, zu verwalten und zu teilen, ohne dass technische Fachkenntnisse erforderlich sind. Es stützt diese Agenten auf regulierte Daten und Ontologien, um die Genauigkeit zu gewährleisten. Und es bietet die Transparenz, die Anwender benötigen, um den Antworten vertrauen zu können.

Dieselbe Agenten-Technologie, die das Problem der Datenverschuldung so dringlich macht, sorgt auch dafür, dass es schneller gelöst werden kann. Xebia Axis stellt den Geschäftsanwendern speziell entwickelte Agenten zur Seite, wobei die Governance direkt in die Plattform integriert ist.

Machen Sie den nächsten Schritt hin zu einem „Agentic Enterprise“, in dem jeder Geschäftsanwender mit seinen Daten interagieren kann. Erfahren Sie mehr über Xebia Axis.