Agentic AI · Live-Demo
Ein Multi-Agent-System bei der Arbeit.
Erst die Problemstellung, dann die Frage, dann der Ablauf: Ein Supervisor delegiert an Fachagenten — ein Data-Agent beschafft die Daten, bevor bewertet wird — bis ein geprüfter, importfähiger Korrekturvorschlag steht. Es zeigt, wie kurz der Weg von der ersten Idee zur ersten POC-Lösung sein kann.
01 · Problemstellung
Produktdaten werden in mehreren Ländern teils getrennt gepflegt. Nach der Konsolidierung entstehen Verknüpfungsschieflagen: einzelne Länder verweisen auf das falsche Basisprodukt. Manuell ist das mühsam zu finden — und es wächst mit jedem Land.
02 · Die Frage an das Agenten-System
„Finde länderübergreifende Verknüpfungsschieflagen, erkläre die Ursache und erzeuge einen geprüften, importfähigen Korrekturvorschlag."
03 · Ablauf
„Lösung erarbeiten" startet den Ablauf: Der Supervisor plant, der Data-Agent holt die Daten, dann bewerten die Fachagenten und erzeugen einen geprüften Vorschlag.
Warte auf Data-Agent
Die Bausteine
- Supervisor
- Zerlegt die Aufgabe und plant den Weg: erst Daten, dann Bewertung, dann Lösung.
- Data-Agent
- Beschafft die Daten zuerst — eine Cypher-Abfrage gegen den Graphen. Bewertet wird erst danach.
- Fachagenten
- Graph-Analyse, Domänen-Validierung und Lösungserzeugung — je mit klarer Verantwortung.
- Wissensgraph
- Produktvarianten und Basisprodukte als Knoten und Kanten (in der Praxis: Neo4j).
- Bewertung & Guardrails
- Konfidenz, Konfliktprüfung und Schwellen entscheiden über Freigabe oder manuelle Prüfung.
- Importfähiger Output
- Ein nachvollziehbarer Korrekturvorschlag mit Herkunft und Begründung.