Hohe Investitionen und Risiken im Datenschutz als mögliche Hürden
Typische Hürden sind die Datenqualität und -verwaltung, die Koordination zwischen Agenten, und widersprüchliches und unvorhersagbares Verhalten. Für CFOs und Controller verdienen dabei zwei Aspekte besondere Aufmerksamkeit:
Zum einen erfordern komplexe MAS-Architekturen signifikante Investitionen in Infrastruktur und Fachpersonal. Verschiedene Plattformen wie werben zwar damit, dass sich dort AI-Agenten ohne Programmierkenntnisse „ in Minuten erstellen lassen“. Solche Statements sollten allerdings mit Vorsicht interpretiert werden. Für einfache Einzelagenten mag das der Fall sein, aber die Entwicklung von kollaborierenden Multi-Agenten Systemen ist in der Praxis technisch noch sehr anspruchsvoll.
Zum anderen bergen autonom agierende Agenten neue Sicherheitsrisiken, da unkontrollierte Tool-Nutzung – etwa durch Hackerangriffe auf kompromittierte API-Schnittstellen – oder Datenlecks sensibler Kundeninformationen regulatorische Sanktionen (DSGVO-Verstöße) und Imageschäden durch Medienberichte über Sicherheitsvorfälle auslösen können.
Fazit
Multi-Agenten Systeme haben das Potential, AI in der die Finance-Funktion von einer unterstützenden zu einer aktiv steuernden Instanz zu machen. Viele Venture-Capital-Firmen investieren massiv in das gesamte Spektrum der AI Agententechnologien, ebenso wie viele der heute führenden GenAI und Technologieanbieter. Was heute verfügbar ist, ist nur ein Vorgeschmack auf das, was noch kommen wird. Viele Experten erwarten, dass die Evolution sowohl der GenAI-Modelle, als auch der Agenten und der Orchestrierungs-Plattformen sich in den kommenden Jahren deutlich weiterentwickelt.
