Kontext: Aufbau einer vertrauenswürdigen Datengrundlage für agentische KI

Kontext ist entscheidend für unsere Kommunikation. Aussagen, die aus dem Zusammenhang gerissen werden, können genau das Gegenteil dessen zu bedeuten scheinen, was beabsichtigt war. Begegnen wir jemandem außerhalb des gewohnten Kontexts, fällt es uns möglicherweise schwer, die Person wiederzuerkennen. Kontext ist der Kitt, der menschliche Beziehungen zusammenhält und uns hilft, unseren sozialen Interaktionen Bedeutung zu verleihen.

Dasselbe gilt für KI-Agenten. Kontext ermöglicht es Agenten, Mehrdeutigkeiten aufzulösen – zum Beispiel zwischen Apple (dem Technologieunternehmen), Apple (dem Plattenlabel) und einem Apfel (der Frucht) zu unterscheiden. 

Diese eindeutige Zuordnung ist entscheidend, denn Unternehmens-KI trifft Entscheidungen und handelt blitzschnell: Sie kennzeichnet Transaktionen, genehmigt Kredite und löst Warnmeldungen aus. Wenn Agenten die Entitäten in ihren Arbeitsabläufen nicht verstehen, werden sie zwar weiterhin handeln, aber Sie können sicher sein, dass ihnen Fehler unterlaufen. 

Da einige Schätzungen darauf hindeuten, dass ein typisches Großunternehmen bis zu 1.600 Agenten einsetzen wird bis zum Ende dieses Jahres, werden sich diese Fehler schnell vervielfachen.

Die Komplexität der Auflösung digitaler Identitäten

Agentische KI sorgt zu Recht für große Begeisterung. Solange Agenten die Entitäten in ihren Datensätzen jedoch nicht wirklich verstehen, laufen wir Gefahr, auf Sand zu bauen. 

Dieses Problem lässt sich nicht leicht lösen. Ein einzelner Kunde kann beispielsweise in verschiedenen Unternehmensdatenbanken unter unterschiedlichen Namen auftauchen (J. Bloggs, Jane Bloggs, Bloggs usw.). Ebenso kann ein einzelnes Unternehmen über seine verschiedenen Tochtergesellschaften hinweg jeweils separat erfasst sein. Wie können Agenten erkennen, dass diese scheinbar unterschiedlichen Entitäten tatsächlich zu einem einzigen Profil gehören? 

Derzeit können sie das oft nicht. Das liegt daran, wie Agenten aufgebaut sind. Im Kern ist ein Agent ein System, das Eingaben entgegennimmt und Ausgaben zurückgibt. Doch wie viele Daten sollten wir Agenten genau bereitstellen? Untersuchungen zeigen, dass übermäßig lange Kontextfenster Agenten zum Halluzinieren bringen. Stellt man ihnen dagegen zu wenige Daten bereit, treffen sie eine Entscheidung mit großer Sicherheit und handeln auf Grundlage ungenauer Informationen. Unternehmen müssen hier eine feine Balance finden und dem System weder mehr noch weniger Kontext bereitstellen, als es benötigt. 

Datenintegration ist entscheidend

Das Datenvolumen ist nur ein Teil der Herausforderung. Unternehmen müssen auch die Datenqualität und die Integration berücksichtigen. Schlechter Kontext entsteht durch mangelhaft verknüpfte Daten. Halluzinationen können auftreten, wenn die Daten, die ein Agent für eine Entscheidung benötigt, auf verschiedene voneinander abgeschottete Datenbanken, Apps und Geschäftsbereiche verteilt sind. Etwa 80–90 % des Geschäftskontexts finden sich in isolierten und unstrukturierten Dateien auf voneinander getrennten Systemen. Ohne Zugriff auf diese Informationen beruhen KI-Ausgaben auf unvollständigen Annahmen. 

Trotz all dieser Probleme schreitet der Einsatz von KI-Agenten rasch voran. Wenn Führungskräfte ihren Agenten nicht zutrauen können, präzise Entscheidungen zu treffen und richtig zu handeln, müssen sie mehr in menschliche Kontrolle investieren, als andernfalls nötig wäre. Statt der autonomen, hocheffizienten Agenten, auf die sie gehofft hatten, bleiben Unternehmen unzuverlässige Werkzeuge, die sie ständig beaufsichtigen müssen. Die Alternative besteht darin, das Geschäftsrisiko und die Arbeitsbelastung der Compliance- und Rechtsabteilungen zu erhöhen. 

Aufbau einer Datengrundlage mit Kontext

Was ist also zu tun? Entscheidend ist, Agenten eine präzise und verifizierte Datengrundlage bereitzustellen. Diese Datengrundlage führt fragmentierte Daten aus internen und externen Quellen zusammen und sorgt für eine einheitliche Governance strukturierter und unstrukturierter Daten. Anschließend reichert sie die Daten mit Kontext an, sodass die in die KI eingespeisten Informationen Beziehungen aus der realen Welt statt isolierter Datensätze widerspiegeln. So können Agenten eine Person mit ihren Aliasnamen oder eine Tochtergesellschaft mit ihrer Muttergesellschaft verknüpfen. 

Mit einer Datengrundlage, die Kontext bereitstellt, werden KI-gestützte Abläufe präzise und nachvollziehbar und ermöglichen fundierte Entscheidungen. Unternehmen können ihren Agenten vertrauen, statt sie ständig beaufsichtigen zu müssen. So profitieren sie umfassend von agentischer Automatisierung, ohne auf übermäßige Kontrolle angewiesen zu sein. 

Aus technischer Sicht entsteht Kontext durch zwei Fähigkeiten. Die erste ist die Entitätsauflösung. Sie verknüpft Datensätze, die sich auf dieselbe Entität beziehen, wenn die entsprechenden Verweise über verschiedene Systeme und Datentypen verstreut sind. Die Datensätze werden zu einer einheitlichen und verlässlichen Ansicht von Personen, Organisationen und Vermögenswerten zusammengeführt. Doppelte Datensätze und Mehrdeutigkeiten, die häufig die Datenqualität beeinträchtigen und zu fehlerhaften KI-Ergebnissen führen, werden so beseitigt. 

Die zweite Fähigkeit sind Wissensgraphen. Sie schaffen Kontext, indem sie die Beziehungen zwischen Entitäten modellieren: wie Kunden mit Konten verknüpft sind, wie Transaktionen mit Verhaltensweisen zusammenhängen und wie sich Risiken über Netzwerke hinweg ausbreiten. In Kombination mit der Entitätsauflösung bilden Wissensgraphen die Daten so präzise ab, wie sie in der realen Welt vorliegen, und stellen KI-Agenten die Grundlage bereit, die sie benötigen, um erfolgreich und in großem Maßstab zu arbeiten. 

Vorteile, die über agentische KI hinausgehen

Natürlich sind KI-Agenten nicht die einzigen Nutzer von Daten in Unternehmen. Eine kontextreiche Datengrundlage stellt sicher, dass auch Mitarbeitende im operativen Bereich, Compliance-Teams, Geschäftsanalysten, HR-Teams und alle anderen Datennutzer gleichermaßen von einem einheitlichen und präzisen Bild der Welt profitieren. 

Das kann wiederum dazu beitragen, das Kundenerlebnis zu verbessern. Wenn ein Unternehmen beispielsweise mehrere Profile desselben Kunden führt, kann es dazu kommen, dass verschiedene Teams den Kunden mehrfach kontaktieren. Solche Erlebnisse können Kunden gelinde gesagt frustrieren. Kontextbasierte Daten verbessern das Kundenerlebnis, weil sie Unternehmen ein umfassenderes Verständnis ihrer Kunden ermöglichen und sicherstellen, dass sie angemessen angesprochen werden. Letztlich ist dies ein stärker auf den Menschen ausgerichteter Ansatz, mit dem Unternehmen Zeit und Geld sparen können. 

KI bei der Wahrheit halten

Gartner prognostiziert, dass 40 % der Unternehmensanwendungen in diesem Jahr aufgabenspezifische KI-Agenten enthalten werden – gegenüber weniger als 5 % im Jahr 2025. Das Zeitalter der agentischen KI hat begonnen. 

Allerdings werden nicht alle, die in die Technologie investieren, in gleichem Maße von den umfassenden Vorteilen agentischer KI-Workflows profitieren. Organisationen, die die Grundlagen schaffen, indem sie für eine einheitliche, kontextreiche Datengrundlage sorgen, können den Ergebnissen der KI vertrauen und rasch skalieren. Die übrigen werden Zeit und Mühe darauf verwenden, ihre neuen Systeme ständig zu überwachen. Der Erfolg hängt daher davon ab, von Anfang an eine dynamische Kontextebene in den Technologie-Stack für agentische KI einzubetten.