Von der Idee zur Umsetzung in 3 Stunden: Ein Einblick in die erste „Agent Builders Challenge“

Stellen Sie sich vor, Sie könnten an einem einzigen Nachmittag einen maßgeschneiderten KI-Assistenten für Ihren Betrieb entwickeln. Einen, der Schichtübergaben automatisieren, neue Anwendungen prüfen oder sogar das Wissen Ihres erfahrensten Mitarbeiters erfassen könnte – und so jahrzehntelanges menschliches Fachwissen in eine skalierbare Ressource verwandeln würde.

Das ist das zentrale Versprechen hinter individuell gestaltbar neuen, individuell gestaltbar Tulip. Wir wollten jedoch den Hype ein für alle Mal hinter uns lassen und dieses Versprechen selbst auf die Probe stellen. Wie schnell könnte unsere Tulip das Potenzial agentischer KI in echte operative Ergebnisse umsetzen?

Auf unserer jährlichen Operations Calling haben wir daher zum ersten Mal die „Agent Builders Challenge“ veranstaltet. Das Prinzip war einfach: 15 führende App-Entwickler brachten ihre konkreten, alltäglichen betrieblichen Herausforderungen mit und setzten sich praktisch mit Tulip auseinander.

Das Ziel? Herauszufinden, was in nur drei Stunden möglich war . Die Ergebnisse waren verblüffend.

Kens Erfahrung verdeutlicht eine wichtige Erkenntnis des Tages: Die Entwickler waren keine Datenwissenschaftler. Es handelte sich um Betriebsexperten, die ihre Probleme in- und auswendig kannten. Die Agenten boten ihnen lediglich eine leistungsstarke neue Möglichkeit, dieses Fachwissen zu kodieren, anzuwenden und zu erweitern.

Wie unser Chief Product and Engineering Officer, Mason Glidden, erklärte, zeichnen sich Agenten dadurch aus, dass sie nicht nur analysieren, sondern auch handeln können. Sie „erschließen die Fähigkeit, Probleme zu lösen, bei denen zwar ein klares Ziel vorliegt, der Weg dorthin jedoch weitaus weniger eindeutig ist.“

Die Entwickler konnten diese wirkungsvollen Lösungen so schnell entwickeln, weil Tulip auf einer individuell gestaltbar, erweiterbaren Plattform basieren. Das bedeutet, dass ein Tulip – im Gegensatz zu starren, unflexiblen Agenten (den neuen Monolithen) – eine Komponente ist, die Sie schnell konfigurieren und direkt in Ihre operativen Anwendungen und Arbeitsabläufe einbinden können.

Wichtig ist, dass die Entwickler keine komplexen Algorithmen schreiben mussten, um einen leistungsstarken Agenten zu erstellen, der sich nahtlos in ihr Produktionssystem integrieren ließ. Sie nutzten einfach den No-Code-Agent-Builder Tulip und definierten:

• Das Ziel: Was der Agent erreichen sollte.

• Die Anleitung: Wie diese Ziele erreicht werden sollen, in leicht verständlicher Sprache.

• Die Tools: Welche Funktionen könnten nützlich sein (der Kern des Plattformvorteils) – wie beispielsweise der Zugriff auf bestimmte Tulip , andere Anwendungen oder Schnittstellen zu anderen Systemen wie ERP QMS.

Dank dieser Flexibilität und Transparenz können Sie einen Agenten entwickeln, der nicht nur ein Generalist ist. Es handelt sich um einen Spezialisten , der Ihre spezifischen Abläufe versteht und mit ihnen interagiert, wobei er Ihre Echtzeitdaten nutzt. Diese tiefe Integration in eine umfassendere Plattform, die Ihre Abläufe miteinander verbindet, macht sie so leistungsstark – und bietet die direkte Antwort auf die Einschränkungen von „aufgesetzten“ KI-Lösungen.

(Wenn Sie mehr über die Architektur und die Funktionen der individuell gestaltbar erfahren möchten, lesen Sie unseren Blogbeitrag zur Übersicht über KI-Agenten lesen.)

Die Teilnehmer des Workshops verwendeten wiederholt den Begriff „Human Macro“, um eine der größten Chancen von Tulip zu beschreiben: die Möglichkeit, das Fach- und Prozesswissen ihrer Experten endlich in ein Tool zu integrieren, das jeder in ihrem Unternehmen nutzen kann. Wie einer der Entwickler es formulierte:

Am beeindruckendsten war die Vielfalt der Herausforderungen, die die Entwickler durch die Konfiguration desselben Basis-Tools bewältigten – von der Produktionsanalyse an vorderster Front bis hin zur Backend-App-Governance. Die Lösungen ließen sich ganz natürlich in zwei Hauptkategorien einteilen und zeigten, wie Agenten die Effizienz auf jeder Ebene der Fertigungsorganisation steigern und neue Potenziale erschließen können.

Diese Mitarbeiter unterstützen die Teams an vorderster Front – von den Bedienern bis hin zu den Produktionsleitern – und schließen so die Lücke zwischen Daten und Maßnahmen in der Fertigung.

• Agent für die Schichtübergabe: Ein Team hat diesen Agenten entwickelt, um Produktionsdaten wie KPIs, Sicherheitsprobleme und Maschinenbetriebsstunden) zu analysieren und automatisch eine priorisierte Aufgabenliste für die nächste Schicht zu erstellen. Wie Jason Gillespie von Jazz Pharmaceuticals anmerkte,könnte dieser einzelne Anwendungsfall „mindestens 10 Stunden pro Woche“ einsparen, da die 2 bis 4 Stunden pro Tag entfallen, die die Teams allein für das Sammeln von Informationen aufwenden.

• Agent zur Bestandsanalyse: Ein anderes Team hat diesen Agenten entwickelt, um Stücklisten zu durchsuchen, Komponenten zu identifizieren, bei denen in naher Zukunft ein Lieferengpass droht, und vorbeugende Maßnahmen vorzuschlagen, wodurch kostspielige Produktionsausfälle vermieden werden können.

• Produktionsplanungsagent: Dieser Agent hat Prozessähnlichkeiten über Produktlinien hinweg ermittelt, um optimale, dynamische Produktionspläne zu erstellen, die die Effizienz in räumlich begrenzten Anlagen maximieren.

• Agent zur Fehlerbearbeitung: Dieser Agent greift direkt das an, was ein Entwickler als „SME-Engpass“ bezeichnet hat, und verwandelt einen manuellen Fehlerbearbeitungsbericht, dessen Erstellung für einen Experten „zwei Wochen“ in Anspruch nehmen könnte, in ein Dokument, das innerhalb weniger Minuten erstellt werden kann.

Die Teams entwickelten zudem Agenten, die App-Entwicklern neue Möglichkeiten eröffneten, wodurch die Entwicklung und Bereitstellung von Apps beschleunigt und die Einarbeitung sowie Betreuung neuer Teammitglieder vereinfacht wurden.

• App & Governance Agent: Dieser Agent überprüft Tulip anhand von Best Practices für Unternehmen (beispielsweise in Bezug auf Benutzeroberflächen, Namenskonventionen und Konventionen zur Datenmodellierung) und schlägt automatisch Verbesserungen vor, bevor die App bereit für die Bereitstellung ist . Dadurch werden Entwicklungszyklen erheblich beschleunigt und unternehmensweite Konsistenz gewährleistet.

• Neuer „Builder Coach“-Agent: Die Teams entwickelten zudem diesen Agenten, der eine Verbindung zurKnowledge Base, zur Bibliothek und zu bestehenden Apps herstellte, um Anleitungen zur Gestaltung einer neuen App für einen bestimmten Anwendungsfall bereitzustellen. Dadurch konnte die Einarbeitungszeit für neue Tulip erheblich verkürzt werden.

• Expression Creator Agent: Ein anderes Team hat diesen einfachen Agenten entwickelt, um die Variablen, Trigger und den Datenfluss einer App zu analysieren und so das Erstellen komplexer Logik zu beschleunigen.

• Agent zur ÜberprüfungApp : Ein Entwickler hat diesen Agenten erstellt, um die Änderungen zwischen zwei App-Versionen automatisch zu identifizieren und die Auswirkungen dieser Änderungen zu bewerten – eine enorme Zeitersparnis für jeden Validierungs- oder Qualitätssicherungsprozess.

Eines haben die Agent Builders laut und deutlich gezeigt: Die Stärke agentischer KI für den operativen Einsatz liegt nicht darin, Ihre Mitarbeiter zu ersetzen. Sie ist ein Kraftmultiplikator, der Ihr Team unterstützt, dessen Fachwissen erweitert und die manuellen, zeitraubenden Aufgaben automatisiert, die der eigentlichen Problemlösung im Wege stehen. Sie schließt die Lücke zwischen Daten, Entscheidung und Handlung.

Dies ist ein neuer Baustein für Hersteller, um ihre eigene, einzigartige Transformation voranzutreiben .

Wir waren überwältigt davon, was unsere Tulip in nur wenigen Stunden auf die Beine gestellt hat, und können es kaum erwarten zu sehen, was sie als Nächstes vorhat.

Die Tulip Agents starten diesen Winter in die offene Beta-Phase. Um sich auf die Liste setzen zu lassen oder Informationen zu unserer laufenden geschlossenen Beta-Phase zu erhalten, wenden Sie sich bitte an Ihren Tulip .

Die eigentliche Frage lautet: Welchen Agenten werden Sie als Erstes erstellen?