In Arbeitsabläufe eingebettete Entscheidungen

Der Agent lernt idealerweise sein Verhalten direkt durch Beobachtung des bereits umgesetzten Prozesses oder eines Teilprozesses.

In Arbeitsabläufen werden Entscheidungen meist entweder innerhalb von Arbeitsschritten (Aktivitäten) beispielsweise durch Business-Rule-Tasks, oder an vorgesehenen Verzweigungspunkten, wie Business Process Model Notation (BPMN)-Gateways, getroffen. Die Bandbreite reicht von einfachen binären bis hin zu komplexen Fällen. Einige Entscheidungen lassen sich durch klare Regeln definieren, wie beispielsweise die Revision eines Dokuments oder einfache Preisbestimmung, während andere sehr komplex sind, wie die Auswahl einer Medikation bei einer bestimmten Kombination von Krankheiten.

Vielen Organisationen nutzen bereits BPM als Grundlage für die digitale Transformation. Prozessdiagramme die auch Entscheidungsprozesse abbilden, werden schnell unübersichtlich. Ausgelagerte Geschäftsregeln laufen Gefahr, übersehen zu werden oder verwaisen oft, da sie ungewartet bleiben. Entscheidungsprobleme, die mehrere Aktivitäten umfassen und von einem Software-Agenten bearbeitet werden sollen, lassen sich in vielen Fällen zusammenfassen. Die Transformation bestehender Prozesse zum Beispiel die Kombination von Business Process Model Notation (BPMN) und Decision Model Notation (DMN) vereinfacht die Wartung, die Konzeption und den Einsatz von Software-Agenten.

Decision Mining ans Optimizing

Ist der Entscheidungsprozess nicht vollständig oder nur unvollständig abgebildet, ermöglichen Software-Agenten durch Decision Mining, Entscheidungen nachzuvollziehen bzw. zu extrahieren. Vollständig manuell modellierte Entscheidungsprozesse, wie beispielsweise Preisbildung, Pflanzenpflege oder Bestellprozesse, können durch den Einsatz von Software-Agenten automatisiert werden.

Der Software-Agent lernt das gewünschte Verhalten durch Simulation, durch Beobachtung des implementierten Prozesses oder durch Rückmeldung der Präferenzen der Benutzer. Dies kann er sowohl durch die Analyse von Aufzeichnungen der Status-Aktions-Folgen als auch in Echtzeit tun und seine Ausgaben anhand der Prozessparameter prüfen. Hat der Software-Agent das gewünschte Verhalten erlernt, kann er die bisherige Implementierung erweitern und ersetzen oder dem Benutzer Vorschläge anzeigen.

Software-Agenten können mit bereits erlernten Grundfähigkeiten ausgestattet werden, die sie aus öffentlichen Daten oder Simulationen erwerben und bei Bedarf auf vorhandenes externes Wissen zurückgreifen, das beispielsweise in einem Knowledge Graph oder in großen Sprachmodellen codiert ist.

Software-Agenten sind durch ihre Architektur klar von ihrer Umgebung abgegrenzt und interagieren durch Beobachten und Handeln. Diese klare Trennung der Verantwortlichkeiten ermöglicht es jedem Agenten, eine spezifische Aufgabe mit einem eindeutigen Ziel zu erfüllen.