Context Engineering: KI-Agenten fehlt Unternehmenswissen

Nur 7 Prozent der Unternehmen halten ihre eigenen Daten für vollständig KI-bereit. Das ergab eine Untersuchung von Harvard Business Review Analytic Services im Auftrag des Datenplattform-Anbieters Cloudera. Der Anbieter von Analyseplattformen Starburst sieht darin ein Zeichen dafür, dass vielen Unternehmen vor allem Kontext fehlt, also die geschäftliche Bedeutung von Daten, die in keiner Datenquelle festgehalten ist. Ohne diesen Kontext lieferten KI-Agenten, die in Tests überzeugen, im Betrieb häufig irrelevante, ungenaue oder erfundene Antworten.

Laut einer Studie von Deloitte scheitern 48 Prozent der Unternehmen bei der Automatisierung mit KI daran, dass sich ihre Daten nicht durchsuchen lassen. 47 Prozent nennen die fehlende Wiederverwendbarkeit der Daten als Hindernis.

Datensilos und Wissen in Köpfen

Starburst unterscheidet zwei Arten von verborgenem Kontext. Die erste Art ist grundsätzlich vorhanden, aber für KI-Agenten technisch nicht erreichbar, etwa weil Daten in abgeschotteten Systemen liegen. Sie lässt sich über Konnektoren anbinden, muss aber häufig zusätzlich bereinigt und vereinheitlicht werden. Die zweite Art ist nirgends dokumentiert und existiert nur im Wissen einzelner Beschäftigter, etwa die Methodik hinter einer Tabelle, der ein Unternehmen vertraut, weil es der Person vertraut, die sie pflegt. Diese Art von Wissen erweist sich laut Starburst in der Praxis als das häufigere Hindernis.

Widersprüche und Halluzinationen

Das Problem allein an die KI zu delegieren, hält Starburst für ungeeignet. Ein Modell könne vorhandenes Wissen zusammenfassen, aber ohne Vorgaben kein verlässliches neues Wissen erzeugen. Fehlt menschlich geprüfter Kontext, treten laut Starburst zwei typische Fehler auf. Liegen der KI widersprüchliche Werte vor, etwa unterschiedliche Angaben zum Umsatz einer Region aus verschiedenen Quellen, wählt sie mitunter willkürlich einen davon. Fehlt eine Information ganz, versucht das System sie abzuleiten und erzeugt dabei möglicherweise ein plausibel klingendes, aber falsches Ergebnis.

Kontext in die semantische Schicht

Unter Context Engineering versteht Starburst, die Bedeutung von Daten systematisch zu erfassen und KI-Agenten zugänglich zu machen. Ziel ist eine semantische Schicht zwischen Rohdaten und den Anwendungen oder Agenten, die sie nutzen. Dafür seien zwei Schritte nötig: Zum einen müsse der Zugriff auf verteilte Daten sichergestellt werden, etwa über föderierten Datenzugriff statt neuer Migrationsprojekte. Zum anderen müssten Unternehmen Lücken identifizieren, an denen KI-Agenten scheitern, die zuständigen Fachleute bestimmen, deren Wissen dokumentieren und Prozesse einrichten, um neues Geschäftswissen laufend zu erfassen. Diesen zweiten Schritt bezeichnet Starburst als vor allem kulturelle und menschliche Aufgabe.

(red/Starburst)