Organizational Memory for Agentic Business Process Execution
Dieses Paper schlägt eine geteilte, gesteuerte „organisatorische Gedächtnis“-Architektur vor, um die Skalierbarkeits- und Konsistenzbeschränkungen aktueller LLM-basierter Agentensysteme durch die Zentralisierung fragmentierter organisationsspezifischer prozeduraler Kenntnisse für eine zuverlässige Ausführung von Geschäftsprozessen zu überwinden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich ein riesiges, geschäftiges Büro vor, in dem tausende intelligente, KI-gesteuerte Assistenten (nennen wir sie „digitale Praktikanten“) eingestellt sind, um komplefxe Aufgaben zu erledigen, wie etwa den Kauf von Büromaterial, die Genehmigung von Rechnungen oder das Verwalten von Projekten. Diese Praktikanten sind unglaublich intelligent; sie können E-Mails lesen, natürliche Sprache verstehen und eigenständig Lösungen für Probleme finden.
Es gibt jedoch ein großes Problem: Diese Praktikanten kennen Ihre spezifischen Unternehmensregeln nicht.
Das Problem: Die „Silos“ und das „verlorene Handbuch“
Im Moment müssen Sie, wenn Sie möchten, dass ein Praktikant weiß, dass „wir Laptops nur von Anbieter X kaufen“ oder „Rechnungen über 500 $ benötigen eine Unterschrift des Managers“, diese Regeln in das spezifische Anleitungshandbuch („Prompt“) des jeweiligen Praktikanten schreiben.
Dies ist für große Unternehmen ein Desaster, weil:
- Es repetitiv ist: Sie müssen dieselbe Regel für den „Laptop-Käufer“-Praktikanten, den „Rechnungsprüfer“-Praktikanten und den „Budgetmanager“-Praktikanten schreiben.
- Es unordentlich ist: Wenn das Unternehmen die Regel in „Rechnungen über 200 $ benötigen eine Unterschrift“ ändert, müssen Sie jedes einzelne Handbuch der Praktikanten suchen und aktualisieren. Wenn Sie eines vergessen, herrscht Chaos.
- Es verwirrend ist: Die Regeln sind überall verstreut – einige stehen in einem PDF-Policy-Dokument, einige in einem Flussdiagramm, einige in einem alten E-Mail-Verlauf und einige in einer Tabelle. Die Praktikanten können diese verstreuten Dateien nicht gut lesen.
Die Lösung: Das „Unternehmensgehirn“ (Organisatorisches Gedächtnis)
Die Autoren schlagen vor, ein gemeinsames „Unternehmensgehirn“ namens Organisatorisches Gedächtnis aufzubauen.
Betrachten Sie dies nicht als eine riesige Bibliothek voller Bücher, sondern als einen riesigen, organisierten Aktenschrank aus „atomaren Regeln“.
Anstatt einem Praktikanten ein ganzes 50-seitiges Richtliniendokument zum Lesen zu geben (was ihn verwirren oder zu viel Zeit kosten könnte), zerlegt dieses System jede Regel in kleine, in sich geschlossene Karten, die „Prozess-Atome“ genannt werden.
- Die Karte (Atom): „Wenn eine Kaufanfrage von der Marketingabteilung kommt und über 1.000 $ liegt, muss sie vom Vizepräsidenten genehmigt werden.“
- Die Tags: Diese Karte ist mit den Schlagworten „Marketing“, „Kaufanfrage“ und „Genehmigung“ versehen.
Wie es funktioniert (Die Analogie)
1. Der Bibliothekar (Gedächtniskuration)
Bevor die Praktikanten das Gehirn nutzen können, fungiert ein menschlicher Experte (der „Bibliothekar“) als Gatekeeper.
- Er nimmt die unordentlichen Dokumente (PDFs, Flussdiagramme, alte E-Mails).
- Er extrahiert die spezifischen Regeln und wandelt sie in diese ordentlichen „atomaren Karten“ um.
- Entscheidend: Der Bibliothekar prüft auf Konflikte. Wenn ein Dokument sagt „Genehmigung unter 500 $“ und ein anderes „Genehmigung unter 200 $“, erkennt der Bibliothekar den Widerspruch und fragt einen Menschen, welche Regel Vorrang hat.
- Sob es genehmigt ist, werden diese Karten in das gemeinsame „Unternehmensgehirn“ abgelegt.
2. Der intelligente Abruf (Gedächtniskonsum)
Wenn ein Praktikant (ein KI-Agent) eine Aufgabe erhält, rät er nicht. Er bittet das „Unternehmensgehirn“ um Hilfe.
- Die Anfrage: Der Praktikant sagt: „Ich habe eine Anfrage von Marketing für einen 1.200 $ teuren Laptop.“
- Der Filter: Das System prüft die Tags. Es ignoriert die HR-Regeln und die IT-Sicherheitsregeln. Es zieht sofort nur die spezifischen Karten heraus, die für „Marketing“, „Laptop“ und „Hoher Wert“ relevant sind.
- Das Ergebnis: Der Praktikant erhält eine winzige, perfekte Liste von Regeln, denen er folgen muss. Er wird nicht durch irrelevante Informationen abgelenkt.
Das Experiment: Hat es funktioniert?
Die Autoren testeten dies mit einem fiktiven „Purchase-to-Pay“-Szenario (Einkaufsprozess im Unternehmen). Sie verglichen drei Arten von Praktikanten:
- Der naive Praktikant: Er hatte keine Unternehmensregeln. Er rät basierend auf allgemeinem Wissen. (Er scheiterte in 70 % der Fälle).
- Der Suchmaschinen-Praktikant: Er nutzte ein Standard-Suchwerkzeug (RAG), um relevante Dokumente zu finden. Er war besser (70–80 % Erfolgsquote), übersah aber oft Regeln, die nicht im exakt gleichen Satz wie die Anfrage standen.
- Der organisierte Praktikant: Er nutzte das „Unternehmensgehirn“ mit den atomaren Karten. Er war zu 88–95 % erfolgreich.
Das Fazit
Die Autoren kommen zu dem Schluss, dass für den zuverlässigen Einsatz von KI-Agenten in großen Unternehmen nicht einfach ein Stapel Dokumente ausgereicht oder man ihnen nicht einzeln etwas „beibringen“ kann. Wir benötigen ein zentralisiertes, von Menschen gesteuertes System, das Unternehmensregeln in kleine, handhabbare Stücke zerlegt und dem richtigen Agenten zur richtigen Zeit das richtige Stück liefert.
Es ist der Unterschied zwischen dem Geben eines ganzen Kochbuch-Bestands an einen Koch gegenüber der Übergabe einer spezifischen, exakt abgemessenen Zutatenliste für das Gericht, das er gerade zubereitet.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.