Jahresende-Planung: Vom Werkzeug zur Wertschöpfung - Die künstlichen Intelligenz-Agenten erleben ihren "iPhone-Moment"

Am 15. Januar kündigte die Qianwen-App an, dass sie vollständig in die Ökosystem-Szenarien von Taobao, Alipay, Fliggy, Gaode usw. integriert wird und weltweit erstmals einen geschlossenen Kreis von KI-Einkaufsfunktionen von der Bestellung von Take-Out bis zur Buchung von Flugtickets realisiert. Diese vollständige Automatisierung des Prozesses von der Entscheidung bis zur Bezahlung markiert auch den Beginn der großen KI-Agenten-Spektakel in diesem Jahr.

Im vergangenen Jahr 2025 war der Aufstieg und die beschleunigte Durchdringung von Agenten zweifellos der größte Innovations-Highlight im Bereich KI. Neue Technologien, repräsentiert durch KI-Agenten, und neue Modelle, mit der Geschäftsumstrukturierung als Kern, treiben die Branche derzeit von der Werkzeuganwendung hin zur tiefgreifenden Transformation der Wertschöpfung voran. Dieser Trend hat sich auch im Jahr 2026 verstärkt und fortgesetzt. Die politische Ausrichtung und die Marktentwicklungen haben eine starke Resonanz erzeugt, was die Beschleunigung der Aufwertung der Agenten-Industrie bewirkt hat.

Beispielsweise haben in letzter Zeit mehrere Ministerien die Schwerpunktarbeiten für das Jahr 2026 intensiv geplant. Dabei ist der Agent einer der politischen Schwerpunkte geworden. Die Nationale Konferenz für Industrie und Informationstechnologie hat die Durchführung einer Spezialaktion „Künstliche Intelligenz + Fertigung“ vorgeschlagen, um eine Reihe von Agenten und intelligenten Ursprungsunternehmen in Schlüsselbranchen zu fördern. Die Nationale Behörde für Daten hat auch festgelegt, dass im Jahr 2026 eine Reihe von Datensätzen in den vordersten Forschungsrichtungen wie Agenten und Embodied AI geplant werden.

Auf der Marktseite glaubten auf der kürzlich stattgefundenen AGI-Next Frontier Summit, wie Tang Jie, Gründer von Zhipu, Yang Zhilin, Gründer von Moon's Dark Side, Lin Junyang, Technischer Leiter von Alibaba Tongyi Qianwen und Yao Shunyu, Chef-KI-Wissenschaftler von Tencent, dass die Agenten in diesem Jahr einen großen Sprung machen werden. Sie werden sich von der gegenwärtigen Fähigkeit, die Arbeit von 1 - 2 Tagen eines Menschen zu erledigen, zu einem automatisierten Werkzeug entwickeln, das 1 - 2 Wochen an Arbeitsabläufen autonom übernehmen kann.

Für das Jahr 2026 entwickelt sich die KI-Anwendung von der Nutzbarkeit zur Benutzerfreundlichkeit. Als Eingangspunkt am Terminal werden die Agenten häufiger mit der realen physischen Welt interagieren und haben das Potenzial, zur Infrastruktur der KI-Zeit zu werden.

01 Agenten werden zur neuen Super-Eingangspunkt

Bei der heutigen Veröffentlichung der Qianwen-App gab die Offizielle Bekannt, dass die Testfunktionen für Lebensdienstleistungen wie Take-Out, Einkaufen, Flugtickets und Hotels für alle Benutzer geöffnet wurden. Alibaba hat sich auch frühzeitig auf dem Agenten-basierten E-Commerce-Sektor positioniert. Beispielsweise im Take-Out-Szenario braucht der Benutzer nur „Bestelle mir eine Tasse Milchtee“ oder „Bestelle mir zwei Tassen Kaffee“ einzugeben. Dann kann Qianwen die Dienste von Taobao Flash Shopping nutzen, um die Standortbestimmung, die Empfehlung von Geschäften, die Erstellung der Bestellung und die Ein-Klick-Bezahlung abzuschließen, so dass „mit einem Wort wird es geliefert“. Laut einer Bewertung kann das System automatisch Gutscheine anwenden und komplizierte Situationen wie das Zusammenstellen von Bestellungen reibungslos handhaben.

Tatsächlich haben seit letztem Jahr die großen globalen Hersteller beschleunigt mit der Einführung ihrer jeweiligen Agentenprodukten begonnen. In China sind die allgemeinen oder vertikalen Agenten wie Manus von Monica, AutoGLM von Zhipu, Lovart, Flowith, Genspark usw. nacheinander online gegangen. Quark hat auch einen Super-Agenten in Form eines „KI-Super-Frame“ geschaffen, der in Bereichen wie Suche, Browser, Scannen und Aufgabenlösen Vorteile hat. Im Ausland betrachten Apple, Google und OpenAI die Agenten ebenfalls als eines der jährlichen Forschungsschwerpunkte.

Zur gleichen Zeit sind nach dem Qianfan AppBuilder von Baidu verschiedene Agenten-Entwicklungspfade auf den Markt gekommen. Beispielsweise ist das neue Agenten-Entwicklungsframework AgentScope 1.0 des Alibaba Tongyi Labs darauf ausgelegt, die Probleme bei der Konstruktion, dem Betrieb und der Verwaltung von Agenten zu lösen und eine produktionsreife Lösung für den gesamten Lebenszyklus von „Entwicklung, Bereitstellung und Überwachung“ bereitzustellen. Das Agentenframework Youtu-Agent des Tencent Youtu Labs ist ebenfalls offiziell Open-Source geworden. Die Agentenplattform „Kouzi Space“ von ByteDance ist in den Apple App Store und die Android-App-Store aufgenommen worden.

Das Jahr 2025 wurde als das „Jahr der KI-Agenten“ bezeichnet. Die Agenten sind nun von den Laboren in den Anwendungsbereich gegangen und decken mehrere vertikale Bereiche wie Logistik und Fertigung, Inhaltserstellung, Kundendienst, Handy-Assistenten, Büroautomatisierung, Softwareentwicklung, medizinische Diagnose, Ausbildung und Bildung, Finanzberatung, Autonomes Fahren und industrielle Fertigung ab. Durch die Konstruktion eines intelligenten geschlossenen Kreises aus „Entscheidung (LLM) + Gedächtnis + Planung + Werkzeug“ werden sie allmählich das zentrale Terminal-Interaktionssystem neu gestalten und zum Kern des neuen Super-Eingangspunktes werden.

„Die Agenten werden mit den Anwendungsfällen explodieren.“ Shen Dou, stellvertretender Vorstandsvorsitzender der Baidu Group, glaubt, dass eine der Chancen im Jahr 2026 in der Produktivitätssteigerung durch die Agenten-Skalierung liegt. Laut den neuesten von Baidu veröffentlichten Daten hat der Super-Agent Baidu Famo seit seiner Veröffentlichung ein Monat lang Bereiche wie Logistik, Fertigung und Wissenschaftliche KI abgedeckt. Über 2.000 Unternehmen haben sich bereits für die Testnutzung beworben, und es hat auch in vordersten Forschungsbereichen wie der Automobilentwicklung und der Optimierung von Präzisionsinstrumenten für Weltraumstationen Anwendung gefunden.

Gartner hat auch klar festgestellt, dass der Agenten-basierte KI ein Schlüsseltechnologietrend für dieses Jahr und die Zukunft geworden ist. Das Jahr 2025 war ein wichtiger Wendepunkt für die Mainstream-Wende. Die Agenten entwickeln sich von einfachen Hilfswerkzeugen zu komplexen Ökosystemen, die kooperativ arbeiten können, und verändern tiefgreifend die zugrunde liegende Logik, wie Unternehmen komplexe Aufgaben und Entscheidungen behandeln.

Mit der Resonanz zwischen der Technologiereife, der Marktbedürfnis und der Branchenökosystem hat auch die Kommerzialisierung der Agenten ihren Frühling erreicht. Ein kürzlich von der CCID Consulting veröffentlichtes Forschungsbericht zeigt, dass der Marktvolumen der Agenten in China im Jahr 2024 4,75 Milliarden Yuan betrug, was einem Jahr-auf-Jahr-Anstieg von 64,4% entspricht. Es wird vorausgesagt, dass es im Jahr 2025 auf 7,84 Milliarden Yuan steigen wird, wobei die Wachstumsrate weiterhin über 60% liegt und zwei Jahre lang eine Verdoppelung des Wachstums erreicht hat. Bis 2026 wird es fast 15 Milliarden Yuan erreichen.

02 Mehrere Szenarien zeigen den Wert, kontinuierliche Evolution der Agenten

Derzeit durchläuft die Entwicklung der Künstlichen Intelligenz eine deutliche Veränderung, von der generativen Künstlichen Intelligenz, die auf die Inhaltserstellung zielt, hin zu KI-Agenten, die auf die Zielsteuerung basieren. Die KI-Agenten werden nicht länger auf die Erkennung und Schaffung von Inhalten beschränkt sein, sondern über eine stärkere zielgerichtete Orientierung, Fähigkeiten der autonomen Entscheidungsfindung und Planung sowie die Fähigkeit zur Echtzeit-Interaktion mit der Umwelt verfügen.

Der Wert der Agenten in Bezug auf Produktivität, Kundenerlebnis, Geschäftswachstum, Marketing und Sicherheit hat sich bereits in mehreren Szenarien wie der Fertigungsindustrie, der Finanzbranche und der Gesundheitsbranche bewährt und durchläuft derzeit eine Entwicklung von der Unterstützung zur Entscheidungsfindung, von der Peripherie zum Kern und von der Lokalität zur Globalität.

Beispielsweise ist das zentrale Problem in der Fertigungsindustrie die „Produktionsunterbrechung“, denn wenn die Ausrüstung ausfällt, führt dies zu einer Stilllegung der Produktionslinie und enormen Verlusten. Die Agenten können durch die Echtzeit-Überwachung der Betriebsdaten der Ausrüstung vor dem Ausfall eine Vorwarnung geben und die traditionelle „Reparatur nach dem Ausfall“ in eine „Vorhersage vor dem Ausfall“ verwandeln. Ein Beispiel zeigt, dass ein führendes Fertigungsunternehmen einen prädiktiven Wartungs-Agenten entwickelt hat, der durch die Echtzeit-Überwachung der Ausrüstungsdaten und die Vorwarnung vor Ausfallrisiken die Produktionsausfallzeit um 50% reduziert und so das Unternehmen vor enormen finanziellen Verlusten schützt. Darüber hinaus kann der Produktionsplanungs-Agent auch den Produktionsplan dynamisch anpassen, basierend auf Daten wie Auftragsanforderungen, Rohstoffbeständen und Ausrüstungszuständen.

Die Finanzbranche ist ebenfalls ein Bereich, in dem die Agenten am besten eingesetzt werden können, hauptsächlich in Szenarien wie Kundendienstbetrieb, Risikomanagement, Marketingunterstützung, Kreditprüfung, Versicherungsauszahlungen usw., die eine hohe Wiederholung und relativ klare Regeln aufweisen. In diesen Bereichen ist die Kernfunktion der Agenten nicht die Entscheidung zu ersetzen, sondern die Effizienz des gesamten Betriebs zu verbessern. Das von der China Banking Association veröffentlichte „Bericht über die Entwicklung der Kundenservicezentren und Remote-Banken des chinesischen Bankensektors (2024)“ zeigt, dass die Einführung von KI-Kundenservice in Banken über 60% beträgt und 31% die Implementierung von Large Language Models abgeschlossen haben.

Auf dem chinesischen Finanzmarkt haben verschiedene Akteure auch zunehmend unterschiedliche Wege eingeschlagen. Großunternehmen wie Ant Group und Tencent Cloud nutzen eher die Rechenleistung, Modelle und Plattformfähigkeiten ihrer Gruppen, um die Agentenplattform in den Finanzsektor einzubringen. Einige vertikale Finanztechnologieunternehmen wählen dagegen die Fokussierung auf einzelne Geschäftsszenarien. Beispielsweise hat Qifu Technology einen Agenten für die Kreditvergabe entwickelt, der das LangGraph-Mehr-Agenten-Kooperationsframework nutzt und mehrere intelligente Module wie Datenabfrage, Wissensabfrage, Analyse und Berichte integriert, um den komplexen Datenanalyseprozess zu automatisieren und die gängigen Probleme in der Banken-Retailkreditvergabe wie Kommunikation, Prüfung und Compliance-Regulierung zu lösen. Du Xiaoman hat auch im vergangenen Jahr die „Yuanli KI-Plattform“ veröffentlicht, die durch die Kombination von Large Language Models und Datenintelligenz das Risikomanagementsystem neu gestaltet und einen intelligenten KI-Risikomanagement-Kreislauf von „präzisere Kreditvergabe, transparentere Nachkreditbetreuung und flexiblere Strategien“ aufgebaut hat.

Auch in der Gesundheitsbranche sind die Agenten in mehreren Szenarien aufgetaucht. Im Krankenhaus haben sowohl Patientendienstleistungen, unterstützende Diagnose als auch Krankenhausverwaltung bereits von medizinischen Einrichtungen und Unternehmen gemeinsam entwickelte Agenten. Außerhalb des Krankenhauses haben Unternehmen auf dem Gebiet des Internet-Healthcare und der Gesundheitsmanagement Agenten wie KI-Hausärzte, KI-Gesundheitsmanager und KI-Psychologen entwickelt. Darüber hinaus decken die Agenten auch Bereiche wie Forschung und Lehre, Arzneimittelentwicklung ab und können sogar als digitale Angestellte in verschiedenen Unternehmensfunktionen eingesetzt werden.

Gartner hat auch vorhergesagt, dass in den nächsten drei bis sechs Jahren die Experten-Agenten beschleunigt aufkommen werden. Diese Agenten, die auf die komplexen Arbeitsabläufe in bestimmten Bereichen fokussiert sind, werden die Betriebseffizienz und die Präzision der Entscheidungsfindung in der Branche weiter verbessern.

03 Die Kooperation von Mehr-Agenten wird zur Tendenz, drei Probleme müssen gelöst werden

Die Entwicklung von Agenten hat nun auch die höchste politische Ebene erreicht. In der von der Staatsrat veröffentlichte „Empfehlung zur tiefgreifenden Umsetzung der Aktion „Künstliche Intelligenz +““ wurde erstmals in Form einer nationalen Strategie die zukünftige Zeitachse der Entwicklung der Künstlichen Intelligenz festgelegt: Bis 2027 soll eine tiefe Integration mit sechs Schlüsselbereichen erreicht werden, und die Penetrationsrate der intelligenten Endgeräte soll 70% übersteigen. Bis 2030 soll die umfassende Fähigkeitsverleihung abgeschlossen werden, und die intelligente Wirtschaft soll zum Kernwachstuspole werden. Bis 2035 wird China in eine neue Phase der Entwicklung der intelligenten Wirtschaft und der intelligenten Gesellschaft eintreten.

Allerdings muss man zugeben, dass die Anwendung der Agenten in China derzeit noch in der Anfangsphase ist, und es ist schwierig, eine Kooperation aufzubauen, da alle für sich arbeiten. In Zukunft müssen drei Probleme gelöst werden.

Erstens muss man vorsichtig sein vor den „Pseudo-Agenten“ auf dem Markt. Seit letztem Jahr, mit der steigenden Popularität des Agenten-Konzepts, sind auf dem Markt eine Reihe von „Pseudo-Agenten“ oder „umhüllten Agenten“ aufgetaucht, die unter dem Deckmantel von Agenten operieren. Viele Unternehmen haben traditionelle Technologien und vorhandene Produkte als Agenten verpackt oder etikettiert und durch Marketingstrategien vermarktet, was die Benutzer irreleitet. Diese Produkte scheinen KI-Funktionen zu haben, sind aber im Wesentlichen nur eine einfache lineare Kombination von Large Language Models und RPA. Das Large Language Model ist für die Generierung von Betriebsanweisungen zuständig, und das RPA ist für die Ausführung der vordefinierten Prozesse verantwortlich. Zwischen dem Large Language Model und dem RPA fehlt die Fähigkeit zur tiefgreifenden Kooperation und dynamischen Anpassung. Im Grunde genommen sind sie immer noch an die Grenzen der traditionellen Automatisierungswerkzeuge gebunden und keine echten Agenten.

Zweitens muss man die technologischen Engpässe überwinden und die Erstellung von hochwertigen Datensätzen vorantreiben, um die Fähigkeit der Agenten, komplexe Szenarien zu lösen, zu verbessern. Derzeit sind die meisten Agenten noch auf die Hinzufügung von grundlegenden Planungsfähigkeiten und Werkzeugaufrufen (oder Funktionsaufrufen) zu Large Language Models beschränkt, so dass sie komplexe Aufgaben in kleinere, ausführbare Schritte zerlegen können. Sie können Datenanalyse, Trendvorhersage und einen gewissen Grad an Arbeitsablaufautomatisierung durchführen und in einfachen Szenarien das richtige Werkzeug auswählen, um die Aufgabe zu erledigen. Aber bei komplexen Szenarien ist die Qualität ihrer Entscheidungen, ihre fachliche Tiefe und ihre technologischen Fähigkeiten noch unzureichend.

Beispielsweise bei der Erstellung von Datensätzen muss man einerseits die „Dateninseln“ und die „Ökosystembarrieren“ brechen und die globale Verbindung herstellen. Andererseits muss man wissen, wie man die verschiedenen Daten aus verschiedenen Quellen, in verschiedenen Formen und Formaten innerhalb eines Unternehmens in Datenassets umwandeln kann, die die nachfolgende Schulung von KI-Modellen und die Anwendung von Agenten unterstützen können. Insbesondere müssen die Fachausdrücke, Jargon und Geschäftsprozesse in der Unternehmensanwendung durch die Erforschung ihrer impliziten Regeln und Werte in Wissen umgewandelt werden, um besser auf die spezialisierten Szenarien abzustimmen.

Drittens muss man sich auf die Probleme der technologischen Ökosystem und der Kooperationsstandardisierung konzentrieren. Die Anwendung der KI-Technologie wird immer schneller umgesetzt, aber die Ökosystembildung ist noch nicht reif. Insbesondere fehlt es an einem einheitlichen Sicherheits-Teststandard für die gesamte Kette bei den Sicherheitsrisiken einzelner Agenten, was es schwierig macht, potenzielle Probleme zu quantifizieren und zu vermeiden und auch die zukünftige