Fujitsus selbstentwickelnde Multi-Agenten-Technologie

Gesetze werden novelliert, Systeme aktualisiert, Spezifikationen angepasst, betriebliche Abläufe verändert. In Unternehmen ist das der Normalfall. Gerade in Bereichen mit hohem Dokumenten- und Regelaufkommen hing es bislang stark vom Erfahrungswissen einzelner Fachkräfte ab, welche Informationen relevant sind, welche Kriterien Vorrang haben und wie weit die Auswirkungen einer Änderung reichen.
Herkömmliche KI-Agenten verarbeiten Anweisungen zuverlässig, aber sie analysieren nicht eigenständig, warum eine Aufgabe misslingt. Also müssen Fachleute kontinuierlich nachjustieren: Prompts anpassen, Suchstrategien verändern, Bewertungskriterien und Betriebsregeln aktualisieren. Genau diesen manuellen Anpassungsaufwand möchte wir bei Fujitsu reduzieren.

Die neu entwickelte Technologie lässt mehrere KI-Agenten als Team arbeiten. Sie lernen fortlaufend und sicher aus den Ergebnissen ihrer täglichen Arbeit, aus menschlichem Feedback, aus geänderten Richtlinien und aus neuen Spezifikationen. Das Besondere: Während der Ausführung analysieren die Agenten selbst, warum eine Aufgabe gelungen oder misslungen ist, und leiten daraus konkret nutzbares Wissen ab, statt einfach nur generierte Verbesserungsvorschläge zu speichern.

Bevor ein Vorschlag übernommen wird, wird er verifiziert. Nur was sich als tatsächlich wirksam erweist, fließt in nachfolgende Vorgänge ein. Dieser Verifikationsschritt ist entscheidend, denn er macht das System zwar lernfähig, aber nicht beliebig: Es soll sich sicher weiterentwickeln, nicht unkontrolliert. Aufgaben, die bislang kontinuierlich von Fachleuten übernommen wurden, etwa das Anpassen von Prompts oder das Aktualisieren von Bewertungskriterien, können die Agenten damit selbst übernehmen. Wird die KI direkt in der Umgebung eines Kunden eingesetzt, passt sie sich fortlaufend an die dort geltenden individuellen Regeln und Entscheidungsmaßstäbe an.

Wir beschreiben dieses Ziel als eine Geschäftsgrundlage, die gemeinsam mit Menschen und ihrer Umgebung mitwachsen sollte.

Die Technologie wurde in zwei konkreten Bereichen erprobt und die Ergebnisse ausgewertet.
Erstens beim automatisierten Ausbau unternehmensspezifischer Sprachmodelle. Hier übernehmen die Multi-KI-Agenten den gesamten Prozess: Datenauswahl, Anpassung der Trainingsbedingungen, Bewertung und Verbesserung, Schritte, die bislang von Fachleuten gesteuert wurden. Jeder Agent generiert Verbesserungsvorschläge auf Basis von Betriebs- und Bewertungsergebnissen, verifiziert sie und übernimmt nur die wirksamen. So verbessert sich die Modellleistung kontinuierlich, ohne dass Menschen jeden Schritt begleiten müssen. Takane, ein japanischsprachiges großes Sprachmodell (LLM), das für den sicheren Einsatz in Unternehmen entwickelt wurde, hat auf diese Weise sein Sprachmodell für mehrere Branchen automatisiert weiterentwickelt, darunter Fertigung, Gesundheitswesen, Finanzwesen und öffentliche Verwaltung. Im laufenden Betrieb ergab sich dabei eine durchschnittliche Genauigkeitssteigerung von 28 Punkten gegenüber dem unspezialisierten Ausgangsmodell. Im medizinischen Bereich etwa ermöglicht die Technologie, Diagnosen, Krankheitsstadien und Behandlungspläne strukturiert und einheitlich aus unstrukturierten Daten wie Arztbriefen und Befunden zu extrahieren.

Zweitens bei der Suche nach Design-Spezifikationen in großen Geschäftssystemen, konkret bei einem elektronischen Patientenaktensystem für mittelgroße und große Krankenhäuser sowie bei Fachverfahren für Kommunalverwaltungen. Bislang brauchte es erfahrene Expert*innen mit tiefem Wissen über Vorschriften, Geschäftsprozesse und Systemarchitektur, um bei gesetzlichen oder politischen Änderungen den Umfang der betroffenen Software zu bestimmen. Mit der neuen Technologie lernen die Agenten aus früheren Suchergebnissen, aus Fehlversuchen und aus menschlichen Korrekturen und verbessern eigenständig, wie weit sie ihre Suche fassen und welche Dokumente sie heranziehen. Sie übernehmen dabei erkennbar die Herangehensweise erfahrener Fachleute, etwa verwandte Randdokumente mit zu prüfen und thematisch naheliegende Unterlagen nicht vorschnell auszuschließen.

Fachkräftemangel, sich wandelnde Vorschriften, der Verlust von Erfahrungswissen beim Ausscheiden erfahrener Mitarbeitender: Das sind strukturelle Herausforderungen, mit denen Unternehmen branchenübergreifend zu tun haben.