Einleitung und Expertenvorstellung
Andrzej Kinastowski (AK): Konnichiwa. Willkommen im AI Automation Dojo, der Show für alle, die glauben, dass „Künstliche Intelligenz“ an den meisten Tagen immer noch eine sehr großzügige Bezeichnung ist. Heute setzen wir wieder unsere Schutzhelme auf und erkunden die digitale Baustelle namens UiPath Agents and UiPath Maestro. Sind das die Werkzeuge, die versprechen, ein perfekt synchronisiertes, automatisiertes Unternehmen zu erschaffen? Oder ist das Hochhaus der Effizienz doch eher eine digitale Barackensiedlung? Ich habe einen erfahrenen Architekten eingeladen – den Senior Developer Andrzej Ekiert –, der uns hilft, die Baupläne zu lesen.
Auf der heutigen Agenda: UiPath Agents – sind sie die unermüdlichen digitalen Mitarbeiter, die uns versprochen wurden, oder eher Gremlins, die man nach Mitternacht lieber doch füttern kann? UiPath Maestro – ist es wirklich der große Dirigent, oder nur ein überheblicher Verkehrspolizist, der an der Kreuzung von „es sollte funktionieren“ und „es tut es nicht“ steht? Und schließlich das philosophische Rätsel: Wenn ein unbeaufsichtigter Roboter eine Aufgabe in einem digitalen Wald erledigt und niemand da ist, um es zu sehen – hat das dem Unternehmen wirklich Geld gespart?
Ich bin euer Gastgeber, Andrzej Kinastowski, einer der Gründer von Office Samurai, dem Unternehmen, das glaubt: „Outside the box“ zu denken ist ein guter Anfang – aber vielleicht sollten wir zuerst nachsehen, was in der Box ist. Also, egal ob ihr euch schon einmal gefühlt habt, als würdet ihr digitale Katzen hüten, ob ihr vermutet, dass Maestro eigentlich nur aus drei Hamstern im Laufrad besteht, oder ob ihr einfach versucht, die Zukunft zu verstehen, ohne dabei einzuschlafen – ihr seid hier genau richtig. Heute begrüßen wir Andrzej Ekiert, einen unserer Senior Developer, einen Mann mit viel Erfahrung in verschiedensten Technologien und Projekten. Andrzej, willkommen im Podcast.
Andrzej Ekiert (AE): Hallo, danke, dass ich hier sein darf.
AK: Sag mir, warum bist du hier? Warum bist du derjenige, mit dem ich über UiPath Agents und UiPath Maestro spreche?
AE: Ich bin der Glückliche. Ich wurde ausgewählt, um einen einfachen Flow mit den AI Agents und Maestro von UiPath zu erstellen. Ich war wirklich begeistert davon, weil ich in meiner täglichen Arbeit UiPath nicht so oft benutze, mich aber sehr für KI-Themen interessiere. Als ich die Gelegenheit sah, etwas Neues mit UiPath und KI auszuprobieren, war ich froh, loszulegen und die neuen Möglichkeiten von UiPath zu erkunden.
AK: Du hast doch etwas umfassendere Erfahrung in der Arbeit mit KI, oder?
AE: Ja. In meiner RPA-Karriere war das erste Thema, mit dem ich gearbeitet habe, Document Understanding.
Danach begann ich zu überlegen, was wir sonst noch zur Automatisierung von Prozessen einsetzen können. RPA ist großartig – man kann damit sehr viel erreichen, aber eben leider nicht alles. Deshalb müssen wir uns mit Document Understanding oder KI weiterhelfen. So begann ich, die Welt der KI zu erkunden. Ich habe einige Kurse absolviert und ein postgraduales Studium in diesem Bereich abgeschlossen. Was ich wirklich wollte, war, KI irgendwie in Prozesse einzubinden, denn KI im Alltag zu nutzen, macht Spaß – aber das wahre Potenzial zeigt sich erst, wenn wir sehen, wie wir sie in Prozessen einsetzen und dadurch Geld sparen können.
AK: Das ist ziemlich wichtig, denn viele Menschen tauchen tief in das KI-Feld ein und erforschen all die verschiedenen Dinge, die KI leisten kann – haben dann aber große Schwierigkeiten, diese KI-Fähigkeiten in etwas Umsetzbares zu übersetzen. In unserem Fall arbeiten wir im Bereich der Geschäftsprozesse, also lautet für uns die entscheidende Frage: Wie können wir all das, was KI kann, tatsächlich nutzen, um Geschäftsprozesse zu verbessern oder zu automatisieren?
AE: Das Thema, über das wir heute sprechen – UiPath Agents und die dazugehörige Lösung – ist genau die Antwort darauf. Es ist eine Sache, zu wissen, wie man etwas mit KI aufbaut, aber eine ganz andere, wie man es auf einen Geschäftsprozess anwendet. Wenn man beginnt, nach Prozessen zu suchen, in denen man AI Agents einsetzen kann, ist das am Anfang schwierig, denn das Schwierigste ist, den ersten Anwendungsfall zu finden. Aber sobald man merkt, dass es tatsächlich Bereiche gibt, in denen man diese AI Agents nutzen kann, öffnet sich der Geist, und man denkt: „Oh mein Gott, wir können das hier, das da und jenes auch machen – lass es uns ausprobieren, einfach testen, vielleicht können wir noch viel mehr damit erreichen.“ Doch dieser erste Schritt ist der schwerste.
Bevor es Maestro und die AI Agents von UiPath gab, war es für mich – ich bin ja nicht der typische Programmierer – ziemlich schwierig, UiPath mit meinen LLM-Skripten aus Python und anderen Dingen zu verbinden. Natürlich ist es nicht super kompliziert, man kann die Systeme schon verbinden, aber es war immer mit deutlich mehr Aufwand verbunden. Und dann kam UiPath und zeigte uns AI Agents und Maestro – und plötzlich wurde klar: Jetzt ist es wirklich einfach, RPA und KI-Agenten zu kombinieren, und das ist einfach großartig.
Erster Eindruck: Benutzerfreundlichkeit und Plattformintegration
AK: Das ist einer der großen Vorteile einer integrierten Plattform, oder? Alle Komponenten passen nahtlos zusammen, und es ist viel einfacher, sie zu verwenden – im Gegensatz zu der Strategie vieler Unternehmen, die sich viele verschiedene Einzelteile kaufen und dann enormen Aufwand betreiben müssen, um alles miteinander zu verbinden und sicherzustellen, dass es auch wirklich funktioniert. Als du angefangen hast, mit den UiPath Agents und UiPath Maestro zu arbeiten, hattest du ja bereits Erfahrung mit KI und RPA-Plattformen. Wir hatten ja frühen Zugriff, richtig? Das sah damals also noch nicht so aus wie heute – obwohl erst ein paar Wochen vergangen sind. Was waren deine ersten Eindrücke, als du mit diesen Tools gearbeitet hast?
AE: Ehrlich gesagt war mein erster Gedanke: „Oh mein Gott, das ist einfach – super einfach!“ Denn die Oberfläche zum Erstellen von AI Agents ist wirklich sehr benutzerfreundlich. All die Dinge, die ich in Kursen gelernt habe – also wie man Agenten mit Python erstellt – konnte ich hier einfach anwenden: UiPath kommt, ich kopiere den Code, füge ihn ein – fertig. Es ist so leicht. Jeder kann das machen. Mein letztes Projekt mit UiPath habe ich vor etwa einem Jahr, vielleicht sogar länger, abgeschlossen, und seitdem hatte ich keine Zeit, mich mit UiPath zu beschäftigen. Als dieses Projekt auftauchte, war ich total motiviert, aber auch etwas besorgt, dass mein fehlendes Wissen über die neuesten UiPath-Updates ein Problem sein könnte. Doch das war es überhaupt nicht – und das ist fantastisch, denn es war unglaublich einfach, wieder einzusteigen.
Am Anfang gab es ein paar kleine Bugs, aber wir hatten Glück – jedes Problem, das wir gemeldet haben, wurde schnell behoben, und wir bekamen Unterstützung von UiPath, wenn etwas nicht funktionierte. Für mich war das eine wirklich angenehme Überraschung, dass der Einstieg so unglaublich einfach war. Das Erste, was ich gemacht habe, war, dass ich meine bereits erstellten Agents genommen und einfach die Prompts in UiPath eingefügt habe. Und es hat fast genauso funktioniert. Ich hatte zuvor viel Zeit damit verbracht, meinen eigenen Agenten zu erstellen, aber mit UiPath (natürlich hatte ich die Prompts und vieles schon vorbereitet) konnte ich einfach Copy-Paste machen – und es funktionierte sofort. Es war erstaunlich, wie einfach das Ganze sein kann.
AK: Das erinnert mich ein wenig an meinen ersten Eindruck von RPA vor vielen, vielen Jahren. Damals habe ich Skripte in VBA und anderen Sprachen geschrieben, um Dinge im Büro zu automatisieren. Und dann kam RPA, und plötzlich konnte ich das Gleiche viel einfacher, mit viel weniger Aufwand und auf eine skalierbare, besser kontrollierbare Weise umsetzen. Es fühlt sich ein bisschen so an, als würde sich die Geschichte wiederholen. Das heißt natürlich nicht, dass es sinnlos ist, zu lernen, wie man etwas in Python oder auf niedrigerer Ebene macht – aber nicht jeder muss so tief eintauchen, oder?
AE: Genau. Viele meiner Freunde im RPA-Bereich haben überhaupt keinen IT- oder Programmierhintergrund. Sie lernen einfach das Tool, also UiPath, und legen los. Natürlich muss man bei UiPath die Grundlagen verstehen, aber man muss kein Entwickler sein – und kann es trotzdem effektiv nutzen, und das ist einfach großartig. Ich hatte keine Angst davor. Es war einfach purer Spaß, ehrlich gesagt, weil ich das nicht erwartet hatte. Ich dachte, es würde schwierig werden. Ich habe viel Zeit in Kurse investiert, um die Möglichkeiten der AI Agents zu verstehen – und dann kam UiPath, und du musst nur ein paar Prompts kopieren und einfügen, und es funktioniert. Das waren wirklich die positiven Aspekte, oder?
Schmerzpunkte und Best Practices für Maestro
AK: Aber was waren die Schmerzpunkte? Du hast erwähnt, dass einige Dinge nicht funktioniert haben. Ich kann mir vorstellen – und ich habe auch von den Entwicklern gehört, die an diesem Projekt gearbeitet haben –, dass nicht alles so reibungslos und perfekt lief, wie wir es uns gewünscht hätten. Welche Dinge waren also problematisch?
AE: Es gibt immer Dinge, die man ändern würde. Vielleicht fange ich mit Maestro an, denn dort sind mir mehr Dinge aufgefallen, die mich ein bisschen gestört haben. Erstens konnten wir nicht gemeinsam im selben Projekt arbeiten. Für uns war das ein großes Problem, weil wir nicht viel Zeit hatten, um das Projekt abzuschließen. Jeder hat ja auch andere Aufgaben, manchmal hat man nur ein zwei-Stunden-Fenster, um daran zu arbeiten – und genau dann ist der Kollege ebenfalls im Projekt aktiv. Natürlich kann man die Lösung kopieren und einfügen oder parallel etwas anderes machen, aber am Ende muss man alles wieder zusammenführen, und das kostet Zeit und Nerven.
AK: Für diejenigen, die es noch nicht ausprobiert haben: Maestro ist sozusagen die oberste Ebene, auf der man den gesamten Prozess orchestriert. In Maestro verbindet man verschiedene Elemente – Agents, API-Aufrufe, Roboter und das Action Center – also all diese Komponenten. Man kann zwar an den einzelnen Teilen separat arbeiten, aber in der Maestro-Ansicht, also der BPMN-Ansicht, kann immer nur eine Person gleichzeitig Änderungen vornehmen.
AE: Mit Maestro würden wir unsere Arbeit jetzt anders planen, um uns gegenseitig nicht zu unterbrechen. Aber du weißt ja – es ist etwas Neues. Man hat einen Teil des Prozesses fertiggestellt und ist neugierig zu testen, will ihn einfach ausführen, um zu sehen, was funktioniert und was nicht. Die Agents und die kleinen Teile des Flows kann man natürlich separat testen, das geht. Aber die wahre Freude kommt, wenn man den gesamten Ablauf von Anfang bis Ende starten und die Ergebnisse sehen kann. Es ist einfach ein tolles Gefühl, wenn es endlich funktioniert.
AK: Vor allem, weil man in Maestro sehr visuell sehen kann, wie der Prozess verläuft – alles wird grün, man erkennt sofort, was passiert. Aber wahrscheinlich geht es auch darum, dass wir erst noch die Best Practices für die Arbeit mit diesem neuen Tool finden müssen. Genauso wie damals, als wir vor vielen Jahren gelernt haben, Bots zu entwickeln – da mussten wir auch erst verstehen, wie man sie in Komponenten aufteilt, jede Komponente separat testet und so weiter. Ich vermute also, dass sich das mit der Zeit von selbst einspielen wird.
AE: Ich frage mich auch, denn bei RPA haben wir ja mit bestimmten Best Practices angefangen, die sich im Laufe der Zeit weiterentwickelt haben. UiPath gibt natürlich eigene Best Practices vor, aber wir als Unternehmen passen diese Prozesse an und verändern sie. Dabei kommt es vor, dass man zwei Variablen mit demselben Namen, aber unterschiedlicher ID hat. Das war wirklich knifflig und es war nicht einfach herauszufinden, welche Variable wir eigentlich verwenden wollten.
AK: Wir sprechen hier von der Maestro-Ebene, richtig? Also von den Variablen, die entstehen, wenn man zum Beispiel einen Agenten einbindet – er bekommt Inputs, gibt Outputs zurück, und dafür braucht man entsprechende Variablen. Und all diese Variablen sind auf der Hauptebene von Maestro sichtbar. Wenn das Projekt groß ist, kann ich mir vorstellen, dass das ziemlich unübersichtlich wird.
AE: Ja, da gibt es wirklich eine Menge. Eine weitere Sache, an die ich mich erinnere: Wenn wir Änderungen an den Agents vorgenommen haben – also zum Beispiel eine Variable hinzugefügt oder entfernt haben – dann wurden diese, soweit ich mich erinnere, in Maestro entweder gelöscht oder haben einfach nicht mehr funktioniert. Man musste sie also erneut anlegen. Wenn man zum Beispiel drei Eingabevariablen hat und dann einen Namen ändert oder etwas anpasst – bei UiPath Studio wird das normalerweise sofort synchronisiert, aber hier nicht. Wir müssen uns einfach bewusst machen, dass das Ganze noch ganz am Anfang steht – das offizielle Release war erst vor sechs oder sieben Wochen, also ist das alles noch ziemlich frisch.
Testen von Agents: Nichtdeterminismus und LLM als Schiedsrichter
AK: Genau. Im Moment ist es noch so etwas wie ein kleiner Testlauf, und wir werden sehen, wie sich das Ganze entwickelt – aber ich bin überzeugt, dass UiPath wie immer großartige Arbeit leisten wird. Wenn es ums Testen geht – du hast das Thema ja angesprochen – ist es eine Sache, den gesamten Maestro-Flow zu testen, aber bei den Agents sieht das etwas anders aus. Das Testen von generativer KI ist grundsätzlich schwierig, weil man nichtdeterministische Ergebnisse bekommt. Es ist oft gar nicht so einfach zu beurteilen, ob die Antwort, die ein Agent in einem bestimmten Fall liefert, richtig oder falsch ist – denn meist geht es ja nicht einfach nur darum, zwei Zeichenketten zu vergleichen. Wie funktioniert das also bei den UiPath Agents?
AE: Zuerst kann man ganz einfach testen, indem man den Input nach dem ersten Prompt eingibt und direkt das Output-Ergebnis erhält. Das ist eine sehr schnelle Methode, um Dinge während der Automatisierung zu überprüfen. Wenn man den Agent jedoch fertiggestellt hat und ein richtiges Testing durchführen möchte, bietet UiPath etwas wie ein Evaluation Set (ich erinnere mich nicht mehr genau an den Namen). Dort kann man alle Testdaten hinterlegen, die man gesammelt hat, und dann mit einem Klick alles ausführen. Anschließend bekommt man die Ergebnisse jedes einzelnen Tests angezeigt.
In unserem Fall ging es darum, Lebensläufe (CVs) auszulesen und Informationen über Personen zu extrahieren, die bei uns als RPA Developer anfangen möchten. Wir haben dem Agenten einfach eine Menge Lebensläufe gegeben, ihn ausgeführt und dann beobachtet, ob das Output tatsächlich das war, was wir wollten. Für Produktionsprozesse und produktive Agents sollte dieser Testsatz natürlich deutlich größer sein – und vielleicht wäre es sogar besser, ein anderes LLM einzusetzen, das unser LLM überprüft, denn manuell ist das auf Dauer nicht effizient. In unserem Fall haben wir einfach die Evaluierungsfunktion genutzt – und sie hat einwandfrei funktioniert.
AK: In den Evaluationen gibt es, soweit ich gesehen habe, auch die Möglichkeit, ein LLM als „Judge“ zu verwenden – also ein System, das nicht einfach nur Strings eins zu eins vergleicht, sondern eine informierte Entscheidung trifft. Das Testen von LLM-Tools ist generell eine Herausforderung, also werden wir sehen, wie sich das weiterentwickelt. Du hast vorhin erwähnt, dass die Integration innerhalb der Plattform vieles erleichtert, weil man andere Komponenten problemlos anbinden kann. Wie siehst du das?
AE: Das war für mich eine weitere positive Überraschung. Ehrlich gesagt hatte ich den Data Service von UiPath zuvor noch nie benutzt – das war wirklich das erste Mal, dass ich ihn geöffnet habe. In meinen bisherigen Projekten hatte ich ihn einfach nie gebraucht, aber hier war er notwendig. Und es war so einfach! Die Verbindung der AI Agents mit anderen Tools ist super unkompliziert – man hat einfach ein Dropdown-Menü, wählt aus, was man möchte, und es funktioniert sofort. Einfach großartig.
Für meinen Agenten musste ich einige HR-Daten extrahieren – also Informationen, die jemand vielleicht über unser Unternehmen wissen möchte, wenn er bei uns zu arbeiten beginnt. Wir mussten den Agenten also mit relevanten Daten füttern, also habe ich einfach unsere HR-Willkommens-PDFs und ähnliche Dokumente kopiert und eingefügt. Dann habe ich ihn ganz einfach über ein Dropdown-Menü mit dem Data Service verbunden, den entsprechenden Ordner ausgewählt – und das war’s. Genau so funktioniert es auch mit anderen Tools. Ich habe es zwar noch nicht getestet, aber soweit ich weiß, kann man aus diesen Agents heraus sogar Roboter starten. Das ist großartig, denn damit kann man ganz einfach einen Chatbot erstellen, über den jeder im Unternehmen schreiben kann: „Okay, ich brauche dieses Dokument oder jenen Bericht“, und der AI Agent startet dann den Prozess, der genau diesen Bericht erstellt. Das ist wirklich beeindruckend, weil man dadurch Echtzeitdaten aus verschiedenen Datenbanken abrufen kann – wann immer man sie braucht.
Das Versprechen der Hyperautomatisierung und zukünftige Funktionalitäten
AK: Mit einer sehr benutzerfreundlichen Oberfläche, oder? Genau das war ja lange Zeit eine Herausforderung. Im Laufe der Zeit ist es immer einfacher und intuitiver geworden. Ich erinnere mich noch daran, wie wir früher Automatisierungen manuell gestartet haben – es gab viele verschiedene Ansätze: angefangen bei ausführbaren Dateien, die über die UiPath-API einen Job gestartet haben. Später haben wir Microsoft Teams angebunden, aber man musste dort noch sehr spezifische Befehle eintippen. Dann kamen UiPath Apps und andere Lösungen. Doch jetzt ist es so weit, dass man mit dem System wie mit einem Menschen interagieren kann. Man kann einfach fragen: „Hey, kannst du mir einen Bericht erstellen?“ – und das System fragt dann zurück: „Welchen Bericht möchtest du? Für welches Datum?“ usw. Sobald es alle Informationen hat, startet es automatisch die passende Automatisierung und liefert das Ergebnis.
Seit Jahren sprechen wir über Hyperautomatisierung – ein Begriff, der geprägt wurde, um eine Plattform zu beschreiben, in der alle Komponenten nahtlos zusammenarbeiten können. Und jetzt hat man wirklich das Gefühl, dass UiPath dieses Versprechen endlich einlöst, oder? Der Fakt, dass man in Maestro einfach ein Element einfügen und dann eines der veröffentlichten Projekte oder Roboter aus dem Orchestrator auswählen kann, oder den Data Service, um Daten daraus zu beziehen, oder den Integration Service (für diejenigen, die ihn noch nicht genutzt haben: damit kann man vorbereitete API-Aufrufe zu praktisch jedem erreichbaren System ausführen) – sobald man diese konfiguriert hat, wählt man sie einfach aus, gibt ein paar Parameter an, und es läuft einfach. Genau das war es, was uns die Hyperautomatisierung versprochen hat: dass man einfach und flexibel auf verschiedene Teile des eigenen Ökosystems zugreifen und mit ihnen arbeiten kann – sei es Document Understanding, Communication Mining, ein Roboter oder was auch immer man braucht.
AE: Das stimmt. Mit Maestro sieht das jetzt wirklich nach Hyperautomatisierung aus. Es ist eine sehr einfache Möglichkeit, alles miteinander zu verbinden. Ich will nicht sagen, dass man damit das gesamte Unternehmen in einem einzigen Flow abbilden kann – aber theoretisch könnte man es, wenn man wollte.
AK: Ich weiß zwar nicht, warum man das tun sollte, aber möglich ist es auf jeden Fall. Gibt es denn Funktionen in den Agents oder in Maestro, die derzeit noch fehlen? Etwas, auf das du oder unser Team noch wartet, bis es implementiert wird?
AE: Auf jeden Fall die Dinge, die ich schon erwähnt habe und die mich im Moment ein bisschen stören – es wäre schön, wenn man sie ändern oder anpassen könnte. Aber ehrlich gesagt betrifft das eher Maestro als die AI Agents. Wovor ich allerdings ein bisschen Angst habe, ist, dass wenn wir zu viele neue Funktionen in die AI Agents integrieren, sie ihre Einfachheit verlieren könnten. Dann wären sie nicht mehr so zugänglich für alle, denn aktuell kann ja sogar ein RPA Developer ohne tiefgehende KI-Kenntnisse problemlos damit arbeiten.
Sie könnten auf jeden Fall mehr Optionen für Eingaben in die Agents integrieren. Momentan gibt es nur String-Objekte und ein paar wenige andere Typen, aber mir hat die Möglichkeit gefehlt, den Agents beliebige Eingaben zu geben – also wirklich das, was ich möchte. Aktuell gibt es dafür keinen Weg, und das schränkt die Flexibilität etwas ein.
AK: Etwas, worauf ich persönlich warte, ist die Möglichkeit, ein eigenes LLM anzubinden. Das steht ja bereits auf der Roadmap, und wir wissen, dass es kommen wird – aber viele Unternehmen möchten lieber ihren eigenen LLM-Engine verwenden, den sie selbst hosten und ansprechen können.
AE: Das stimmt. Momentan kann man sich mit GPT-4 und noch einem weiteren Modell verbinden – ich glaube, es ist Anthropic Claude oder vielleicht GPT Mini oder etwas in der Art. Aber wenn man bereits eine Lizenz für ein anderes KI-Tool besitzt, wäre es natürlich großartig, wenn man dieses ebenfalls direkt einbinden könnte.
Low-Hanging Fruit: ideale Automatisierungsprozesse
AK: Wenn du darüber nachdenkst, was AI Agents und Maestro alles leisten können – welche Prozesse glaubst du, lassen sich damit besonders gut automatisieren? Was wären deiner Meinung nach die „Low-Hanging Fruits“, also die einfach erreichbaren ersten Anwendungsfälle für diese ganze Agents-und-Maestro-Geschichte?
AE: Ich denke, Kundenservice, ganz klar Kundenservice wäre der erste Bereich. Und natürlich auch im HR-Bereich bei größeren Unternehmen. Für kleine Firmen wie unsere lohnt sich das vielleicht nicht sofort, aber ich habe gehört, dass wir bei der letzten Stellenausschreibung rund 500 Lebensläufe bekommen haben – das ist gar nicht so einfach, alle durchzusehen. Da können uns die Agents wirklich unterstützen und viel Arbeit abnehmen.
AK: Genau. Es ist völlig in Ordnung, wenn die KI dabei hilft, die Daten zu strukturieren und vorzufiltern – aber sie sollte nicht die Entscheidung treffen, wen wir einstellen. Wir wollen nicht, dass die KI die eigentliche Auswahlentscheidung für uns übernimmt.
AE: Ich würde sagen, Kundenservice wird der erste große Bereich sein. Aber auch in der Logistik kann ich mir das gut vorstellen – etwa ein Agent, der bei der Planung von Routen oder Reisen hilft, der bewertet, was sich lohnt und was nicht, und dadurch Unternehmen unterstützt. Das ist natürlich eine komplexere Aufgabe, aber ich bin sicher, dass Unternehmen in Zukunft genau solche Anwendungen einsetzen werden. Das Potenzial ist riesig. Ich erinnere mich noch, als Document Understanding etwas völlig Neues und Faszinierendes war – und wir dachten, „besser kann es eigentlich nicht mehr werden“. Und jetzt ist Document Understanding fast überall – es ist Business as usual geworden.
Ich glaube, dass wir in diesem Bereich eine Menge Arbeit haben werden. Momentan haben viele Unternehmen noch keine eigenen Agents, aber sie haben bereits ein Budget, um etwas in diesem Bereich zu machen – einfach, weil sie dabei sein wollen, da andere Unternehmen es auch tun. Ich kann mir gut vorstellen, dass AI Agents bald fast überall eingesetzt werden. Und wenn ein Unternehmen bereits UiPath nutzt, dann wird es früher oder später auch AI Agents verwenden – ganz sicher.
Hürden bei der Einführung und Low-Level- vs. High-Level-KI
AK: Was glaubst du, hält Unternehmen davon ab, diese Technologien einzusetzen? Viele Firmen sind ja noch zögerlich, wenn es um den Einsatz von AI Agents oder Maestro geht. Woran liegt das deiner Meinung nach?
AE: Sagen wir das Offensichtliche: Geld. Es ist immer noch relativ teuer, und vielleicht lohnt es sich nicht für jedes Unternehmen. Aber genau das gleiche Problem hatten wir auch vor fünf Jahren mit Document Understanding. Ich denke jedoch, das größte Hindernis ist dasselbe wie damals bei RPA: Menschen haben Angst vor den Möglichkeiten dieser Technologie. Viele befürchten, dass sie dadurch ihren Job verlieren könnten oder dass die KI sie ersetzt – und das stimmt einfach nicht.
AK: Wenn man Prozesse automatisiert, entlässt man niemanden – man versetzt die Menschen einfach in Bereiche, in denen ihre Arbeit mehr Sinn ergibt und echten Mehrwert schafft.
AE: Genau. Vielleicht ist das tatsächlich der beste Motivator: Neid. Man sieht, wie andere es machen und Vorteile daraus ziehen, und dann denkt man: „Okay, vielleicht sollten wir das auch machen.“ Ich bin sicher, das wird wie ein Schneeballeffekt – klein anfangen und dann immer schneller wachsen.
Ich glaube, es ist für uns inzwischen schon schwierig, in der Business-Analyse-Phase ein wirklich einfaches RPA-Projekt zu finden, das ohne zusätzliche Komponenten auskommt. Ich bin überzeugt, dass sich künftig auch AI Agents und Maestro-Flows in diese Richtung entwickeln werden – weil es nicht schwierig umzusetzen, aber gleichzeitig extrem hilfreich ist.
AK: Wenn man ein Budget für KI hat, dann sind die AI Agents und UiPath Maestro im Moment wahrscheinlich die beste Möglichkeit, es sinnvoll einzusetzen.
AE: Absolut. Selbst wenn man kein festes Budget hat, sollte man versuchen, etwas zu finden, um es einfach auszuprobieren – denn es lohnt sich allein schon, um zu verstehen, was gerade passiert, und die Fähigkeiten dieser Tools zu sehen. Wenn man sich heute nicht weiterentwickelt, dann geht man im Grunde einen Schritt zurück.
AK: Du bist ja Teil des AI Devs 3 Trainings, richtig? Du hast also schon AI Assistants und Agents auf Low-Level-Ebene programmiert. Was würdest du sagen, sind die Vor- und Nachteile, wenn man es auf Low-Level, also auf Programmierer-Art, macht – im Vergleich zur High-Level-Variante mit Tools wie UiPath Agents und Maestro?
AE: Natürlich kann man auf Low-Level-Ebene wirklich alles anpassen und jede beliebige Engine verwenden. Man kann z. B. ein eigenes LLM wie Llama einsetzen (das, glaube ich, kostenlos ist), um einfache Dinge zu erledigen – und wenn das nicht reicht, nutzt man eben etwas Leistungsstärkeres, auch wenn es teurer ist. Das ist flexibel und oft auch kostengünstiger. Aber: Das ist nicht für jeden geeignet. Wenn man keinen Programmierhintergrund hat, wird es schnell schwierig, weil der Einstieg auf Low-Level-Niveau einfach viel komplexer ist.
Mit den AI Agents ist es viel einfacher. Man braucht keine Programmierkenntnisse oder technischen Grundlagen. Natürlich sollte man verstehen, wie ein LLM funktioniert und wie man Prompts schreibt – das ist in beiden Fällen entscheidend. Aber der größte Vorteil ist ganz klar: Der Einstieg ist wesentlich einfacher. Außerdem kann man mit den AI Agents mehr machen – nicht nur Textverarbeitung, sondern auch Grafiken bearbeiten, Transkripte aus Gesprächen erstellen und daraus Daten extrahieren. Die Funktionalität und Bandbreite sind also deutlich größer.
AK: Du meinst, wenn man es selbst programmiert, kann man viel mehr machen.
AE: Ja, genau. Am Ende wäre es wahrscheinlich am besten, beide Ansätze zu beherrschen und dann je nach Projekt die passende Technologie auszuwählen. Besonders, wenn man weiß, wie man etwas auf Low-Level-Ebene programmatisch umsetzt, kann man auch UiPath Agents oder Maestro nutzen, um ein Stück Code auszuführen, das etwas erledigt, was über die grafische Oberfläche sonst nicht möglich wäre, oder?
AE: Ganz genau. Aus dieser Perspektive ist es am besten, beide Welten nutzen zu können. Ich stimme völlig zu, dass der Einstieg viel einfacher ist, wenn man eine Plattform zur Verfügung hat, die man einfach verwenden kann. Wenn man hingegen alles von Grund auf selbst schreiben will, ist das zwar unglaublich spannend und macht viel Spaß, aber es erfordert auch sehr, sehr viel Arbeit. Dasselbe gilt für Communication Mining – mit UiPath und seiner benutzerfreundlichen Oberfläche ist alles einfach deutlich unkomplizierter.
AK: Das macht das Ganze deutlich skalierbarer, weil man in der gleichen Zeit viel mehr Projekte umsetzen und bis zur Produktivphase bringen kann. Am Ende ist es aber eine Abwägung: Entweder man behält die volle Kontrolle über seine Automatisierung – bezahlt dafür aber mit Zeit und dem Know-how, das man dafür braucht – oder man gibt ein Stück Kontrolle ab, kann dafür aber viel schneller und skalierbarer umsetzen.
AE: Genau.
AK: Vielen Dank, dass du in dieser Episode dabei warst. Ich freue mich schon darauf zu sehen, welche neuen Dinge du und die anderen aus unserem Team mit diesen Technologien entwickeln werdet.
AE: Ich hoffe es auch. Vielen Dank, dass ich dabei sein durfte – es war eine neue Erfahrung für mich, und ich freue mich sehr darüber.
AK: Vielen Dank, Andrzej. Und damit senken wir den Vorhang für eine weitere Aufführung unseres digitalen Orchesters. Ein herzliches Dankeschön an Andrzej Ekiert, der sich die Zeit genommen hat, die operative Realität von der Marketingfantasie zu trennen. Diese Episode wurde produziert und geleitet von der einen Person, die verhindert, dass der ganze Betrieb in einem Blue Screen of Death endet – Anna Cubal. Aufgenommen im Wodzu Beats Studio, wo wir an nur einen Prozess glauben: Kaffee rein, Podcast raus.
Bis zum nächsten Mal – und denkt daran, euch auch mal eine Pause zu gönnen.
