«KI-Agenten brauchen Daten mit Kontext»

In der Marketing Automation ergänzen KI-Agenten die bisherigen regelbasierten Systeme. Für gute Entscheidungen brauchen sie die richtigen Daten. Doch woran zeigt sich, ob Daten agentic-ready sind? Und wie kommen Unternehmen zu solchen Daten? Nachgefragt bei Philip Michel, Leiter Daten- und Adresslösungen von Swiss Post Advertising.

Herr Michel, welche Anforderungen müssen Daten für agentische Systeme erfüllen?

Philip Michel: Um für KI-Agenten besonders wertvoll zu sein, müssen Daten vor allem zwei zusätzliche Anforderungen erfüllen: Sie müssen so aufbereitet und zugreifbar sein, dass die Agenten darauf basierend zuverlässig handeln können. Und sie müssen Informationen zum Kontext mitliefern – also Metadaten. Diese erklären zum Beispiel, was die Daten bedeuten, woher sie stammen, wie aktuell sie sind, für welchen Anwendungsfall sie relevant sind, welche Zugriffs- oder Nutzungsregeln gelten und wie sie mit anderen Daten zusammenhängen. Strukturierte Daten sorgen dafür, dass KI-Agenten Informationen zuverlässig finden, vergleichen und verarbeiten können. Die zugehörigen Metadaten braucht es, damit KI-Agenten diese Informationen korrekt einordnen. Erst die Kombination aus sauberer Struktur und klarem Kontext macht Daten wirklich agentic-ready. Natürlich ist auch die Qualität wichtig, etwa die Aktualität der Daten. Aber diese Anforderung hat schon bei den bisherigen Datennutzungen bestanden. Ob ein Mensch oder ein KI-Agent aufgrund schlechter Daten falsche Entscheidungen trifft, hat für ein Unternehmen gleich gravierende Folgen.

Wie lässt es sich technisch umsetzen, dass die Metadaten mitgeliefert werden?

Dies kann zum Beispiel via Model Context Protocol (MCP) erfolgen – einem Standard, mit dem KI-Modelle auf externe Tools und Datenquellen zugreifen. Die Metadaten werden als separate Datenfelder im System erfasst, zum Beispiel im CRM. Über die MCP-Schnittstelle greift der KI-Agent dann nicht nur auf den Inhalt der Daten zu, sondern auch auf die Metadaten.

KI benötigt grosse Datenmengen, um gute Resultate zu liefern. Wie gelingt es Unternehmen, über genügend Agentic-ready-Daten zu verfügen?

Da sehe ich ein Missverständnis. Denn bei KI-Agenten geht es nicht darum, mit vielen Daten ein eigenes KI-Modell zu trainieren. Stattdessen nutzen Unternehmen vortrainierte Modelle für eigene Anwendungszwecke – etwa um Daten zu interpretieren und basierend darauf automatisierte Entscheidungen auszulösen. Dafür brauchen sie keine Trainingsdaten zu liefern. Deshalb geht es bei Agentic AI nicht um die Datenmenge, sondern um die Frage: Was wollen wir erreichen und welche Daten braucht die KI wirklich dafür? Da das Bereitstellen und Aufbereiten von Daten immer mit Kosten verbunden ist, sollten es die Unternehmen beim Priorisieren der Anwendungsfälle berücksichtigen. Und sie sollten nur die Daten bereitstellen, die auch wirklich einen Nutzen bringen.

Wie wählen Unternehmen die Use Cases für KI-Agenten aus?

Am besten gehen sie von ihren Prioritäten aus und überlegen sich, bei welchen konkreten Anwendungsfällen die Automatisierung mithilfe von KI-Agenten den grössten Impact hat – wo zum Beispiel schnellere und günstigere Entscheidungen erwünscht sind. So können sie anhand einzelner Use Cases erste Erfahrungen rund um strukturierte Daten, Datenbeschreibungen, Metadaten und Datenqualitätsprozesse sammeln. Die Learnings helfen ihnen dann, bei der Automatisierung zu skalieren.

Was empfehlen Sie für diese ersten Anwendungsfälle hinsichtlich der Daten?

Bei KI-Agenten hat man nur eine bedingte Kontrolle darüber, wie sie vorgehen, um das vorgegebene Ziel zu erreichen. Umso wichtiger ist es, für die spezifischen Anwendungsfälle zu kontrollieren, auf welcher Datenbasis sie agieren. Dazu gibt es verschiedene Fragen zu beantworten: Was ist die Aufgabe und die Rolle des KI-Agenten? Welche Informationen braucht er, um richtig entscheiden zu können? Welche Daten aus welchen Quellen stellt man ihm zur Verfügung? Falls der KI-Agent dann falsche Entscheidungen trifft, ist klar, an welchen Stellschrauben man drehen kann – wo in den Daten man korrigieren sollte.

Wie stellen Unternehmen sicher, dass KI-Agenten nicht gegen Vorgaben des Datenschutzes verstossen?

Die wichtigste Aufgabe dafür ist zwar keine neue, wird mit KI aber noch dringlicher: Unternehmen sollten Schutzklassen definieren und ihre Daten klassifizieren. Nur so haben sie zum Beispiel den Überblick, welche Datensätze und Dokumente Personendaten enthalten und deshalb besonders schützenswert sind. Fehlt eine solche Datenklassifikation, ist das jetzt noch heikler, weil die Daten mit KI häufiger verwendet werden. Weiter braucht es klare KI-Nutzungsregeln für die Daten. Sie geben zum Beispiel vor, in welchen Konstellationen KI-Agenten Kundendaten nutzen dürfen – und wann nicht.

Wie unterstützt Swiss Post Advertising die Unternehmen hinsichtlich Agentic-ready-Daten?

Wir helfen ihnen dabei, Datenbanken mit Kunden- und Adressdaten aufzubauen, die KI-Agenten gut nutzen können. Unsere Adress-Services erleichtern es den Unternehmen, über aktuelle, klar strukturierte, sauber beschriebene und damit eindeutig interpretierbare Daten zu verfügen. Zusätzlich erhalten sie von uns Informationen, um ihre Daten anzureichern – etwa Geodaten dazu, wo ihre Kundinnen und Kunden wohnen. Werbetreibende, die mit Swiss Post Advertising Kampagnen realisieren, haben noch einen weiteren Vorteil: Sie profitieren davon, dass wir uns genau überlegen, welche Datenmodelle wir einsetzen, wie wir dabei KI nutzen, welche Datenprodukte wir haben und wie wir die Daten kontextualisieren. All das sorgt für ein genaueres Targeting.