AI-Agenten Experten prognostizieren, dass in den nächsten fünf Jahren „ jedes moderne, mit Usern interagierende AI-System … ein MAS“ sein wird. In diesem Kapitel werden vielversprechende zukünftige Aufgabenfelder für Multi-Agenten Systeme vorgestellt.
1. Abweichungsanalysen und automatische Kommentierung von Kennzahlen
Bereits jetzt verwenden Unternehmen automatische Abweichungsanalysen, um Entscheidungsverantwortliche auf unerwartete Entwicklungen bei Kennzahlen hinzuweisen. AI Multi-Agenten Systeme bieten das Potenzial, umfangreichere Daten als bisher in solche Analysen einzubetten. Multi-Agenten-Systeme können Finanz-, Betriebs- und Marktdaten aus verschiedenen Quellen automatisiert zusammenführen. Ein Agent übernimmt die Datenvalidierung, während andere Agenten branchenspezifische Benchmarks und historische Trends analysieren. Durch Machine-Learning-Algorithmen können Muster in den Daten erkannt und Abweichungen nach vordefinierten Wesentlichkeitskriterien identifiziert werden. Hierbei wird zwischen erwartbaren Schwankungen und potenziell risikobehafteten Abweichungen unterschieden. Nach Feststellung einer Abweichung analysieren dedizierte Agenten die zugrunde liegenden Ursachen, z. B. Veränderungen in Rohstoffpreisen, operative Ineffizienzen oder externe Markteinflüsse. Zukünftig können mit dieser Technologie Abweichungsanalysen und die automatische Kommentierung von Kennzahlen verbessert werden.
2. Treasury und Automatisierung von Cashflow Management
Multi-Agentensysteme können helfen, Prozesse im Treasury zu automatisieren und zu verbessern. Beispielsweise könnte ein Agent für das Lieferantenrisiko erkennen, dass es einen Lieferengpass gibt, der zu einer Produktionsverzögerung führen wird. Diese Information könnte er an einen Cash-Flow-Planungs-Agenten weitergeben, der daraufhin die Zahlungsziele für Kunden anpasst und bei absehbaren Liquiditätsengpässen eine Alternativfinanzierung anstößt.
Ein anderes Beispiel im Treasury könnte wie folgt aussehen:
- Ein Marktdatenagent überwacht kontinuierlich die Devisenkurse und Zinsmärkte.
- Ein Agent für die Liquiditätsoptimierung analysiert die Cash-Positionen in 30 Tochtergesellschaften.
- Ein Agent für die Risikobewertung bewertet das Kreditrisiko der Gegenparteien.
- Ein regulatorischer Agent stellt die Einhaltung der Basel III-Anforderungen sicher.
Diese Agenten arbeiten über gemeinsame APIs zusammen, wobei eine Koordinierungsschicht Konflikte löst und Aktionen priorisiert. Wenn der Marktdaten-Agent ein aufkommendes Währungsrisiko feststellt, löst er den Liquiditäts-Agenten aus, um Hedging-Szenarien zu simulieren, während der Regulierungs-Agent die vorgeschlagenen Transaktionen mit den Kapitaladäquanzregeln abgleicht.
3. Strategische Unternehmenssteuerung und Kapital-Allokation
Innovative Daten bieten neue, bisher ungeahnte Einblicke in Wettbewerber und Marktentwicklungen. MAS können riesige Datenmengen in Echtzeit verarbeiten und Muster und Trends schneller erkennen als herkömmliche Methoden, so dass Unternehmen ihre Strategien in einem unbeständigen Markt schnell anpassen können.
Multi-Agentensysteme können strategische Informationen kontinuierlich überwachen und analysieren, um ggf. den CFO auf kritische Entwicklungen hinzuweisen. Wird beispielsweise ein neues Risiko erkannt – wie ein Umsatzrückgang oder unerwartete Betriebskosten – kann das System automatisch vorschlagen, Mittel von Bereichen mit geringerer Priorität auf kritischere Bereiche umzuschichten. Ebenso können geplante Investitionen kontinuierlich im Hinblick auf veränderte Marktinformationen überwacht werden und so frühzeitig Überlegungen hinsichtlich Beschleunigung oder Verzögerung von Investitionen anzuregen.
4. Agenten als Vertreter von Personen und Unternehmen
Ein aktuelles Forschungspapier hat die Möglichkeit untersucht, sich von einem AI-Agenten bei Meetings vertreten zu lassen. Konkret wurde eine AI trainiert, die man in seinem Namen zu einem Meeting schicken kann, und die dort die Stimme und das Wissen des Auftraggebers nutzt, um dessen Agenda voranzubringen. Wenn diese Entwicklung weiter voranschreitet, könnten MAS auch Business Units vertreten und theoretisch gesamte Budgetierungszyklen autonom durchführen. AI-Agenten dann verhandeln dezentral Budgets zwischen Abteilungen, optimieren Allokationen mittels Echtzeit-KPIs und passen Pläne bei Marktschocks automatisch an. Noch weiter gedacht könnten MAS zukünftig auch unternehmensübergreifend agieren: Ein Agent eines Zulieferers verhandelt dann beispielsweise direkt mit dem MAS eines Herstellers über Preise und Liefertermine, während ein dritter Agent die Transaktionen Compliance-technisch absichert.
