Wenn Bedeutung und Kontext von Daten fehlen, arbeiten KI-Agenten ungenau und ineffizient. Dies führt zu unnötigen Kosten und erhöht die Risiken in der Daten- und KI-Governance, wie das Marktforschungs- und Beratungsunternehmen Gartner betont. Damit KI-Agenten präzise Ergebnisse zu vertretbaren Kosten liefern können, müssten sie die Kontextinformationen in jedem Schritt ihres Workflows verstehen, heisst es.
Rita Sallam, Distinguished VP Analyst bei Gartner, erläutert: "Die Ergebnisse agentischer KI hängen massgeblich vom Kontext ab. Dazu gehören insbesondere die semantischen Repräsentationen von Daten. Fehlt dieser Kontext, also ein klares Verständnis der spezifischen Beziehungen und Regeln innerhalb der Daten eines Unternehmens, können KI-Agenten nicht zuverlässig arbeiten. Stattdessen steigt die Wahrscheinlichkeit für Halluzinationen, Verzerrungen und insgesamt unzuverlässige Ergebnisse deutlich. Unternehmen, die es versäumen, umfassende Kontextstrukturen aufzubauen, gestützt auf eine robuste Datenbasis, schreiben bestehende Datenineffizienzen fort und müssen mit steigenden Kosten sowie erhöhten rechtlichen und reputativen Risiken rechnen."
Gartner prognostiziert, dass Unternehmen, die semantische Aspekte in ihren KI-fähigen Daten konsequent priorisieren, bis 2027 die Genauigkeit ihrer agentischen KI um bis zu 80 Prozent steigern und ihre Kosten gleichzeitig um bis zu 60 Prozent senken können.
