Von der Idee zur Wirkung in 3 Stunden: Einblicke in die allererste Agent Builders Challenge

Stellen Sie sich vor, Sie könnten an einem einzigen Nachmittag einen maßgeschneiderten KI-Assistenten für Ihren Betrieb entwickeln. Ein Assistent, der die Schichtübergabe automatisiert, neue Apps prüft oder sogar das Wissen Ihres erfahrensten Mitarbeiters erfasst - und damit jahrzehntelanges menschliches Know-how in eine skalierbare Ressource verwandelt.

Das ist das zentrale Versprechen hinter den neuen Composable AI Agents vonTulip. Aber wir wollten ein für alle Mal den Hype durchbrechen und dieses Versprechen selbst testen. Wie schnell könnte unsere Tulip das Potenzial der agentenbasierten KI in echte betriebliche Auswirkungen umsetzen?

Deshalb haben wir auf unserer jährlichen Operations Calling unsere allererste Agent Builders Challenge veranstaltet. Die Prämisse war einfach: 15 Top-App-Builder brachten ihre realen, alltäglichen operativen Herausforderungen mit und arbeiteten mit Tulip zusammen.

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

Kens Erfahrung unterstreicht eine wichtige Erkenntnis des Tages: Die Erbauer waren keine Datenwissenschaftler. Sie waren Betriebsexperten, die ihre Probleme in- und auswendig kannten. Agenten boten ihnen einfach eine leistungsstarke neue Möglichkeit, dieses Fachwissen zu kodieren, anzuwenden und zu erweitern.

Wie unser Chief Product and Engineering Officer, Mason Glidden, erläuterte, liegt der Unterschied zwischen Agenten in ihrer Fähigkeit, nicht nur zu analysieren, sondern auch zu handeln. Sie "setzen die Fähigkeit frei, Probleme zu lösen, bei denen es zwar ein klares Ziel gibt, der Weg dorthin aber weit weniger klar ist."

Die Entwickler waren in der Lage, diese wirkungsvollen Lösungen so schnell zu entwickeln, weil die Tulip KI-Agenten auf einer komponierbaren, erweiterbaren Plattform basieren. Das bedeutet, dass ein Tulip Agent im Gegensatz zu starrer Blackbox-KI (den neuen Monolithen) eine Komponente ist, die Sie schnell konfigurieren und direkt in Ihre operativen Anwendungen und Arbeitsabläufe einbetten 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 gingen einfach in den No-Code Agent Builder von Tulip und definierten:

• Das Ziel: Was Sie mit dem Agenten erreichen wollten.

• Die Anweisungen: Wie diese Ziele erreicht werden sollen, ausgedrückt in einfachem Englisch.

• Die Werkzeuge: Welche Funktionen können genutzt werden (der Kern des Plattformvorteils) - wie der Zugriff auf bestimmte Tulip , andere Anwendungen oder Konnektoren zu anderen Systemen wie ERP oder QMS.

Diese Flexibilität und Transparenz bedeutet, dass Sie einen Agenten aufbauen können, der nicht nur ein Generalist ist. Er ist ein Spezialist, der Ihre spezifischen Abläufe versteht und mit ihnen interagiert, indem er Ihre Live-Daten nutzt. Diese tiefe Integration in eine breitere Plattform, die Ihre Abläufe miteinander verbindet, macht sie so leistungsfähig - und ist die direkte Antwort auf die Einschränkungen von "aufgeschraubten" KI-Lösungen.

(Wenn Sie mehr über die Architektur und die Funktionen von Composable AI Agents erfahren möchten, lesen Sie unseren KI-Agenten Übersichts-Blog.)

Die Kunden auf dem Workshop verwendeten wiederholt den Begriff "menschliches Makro", um eine der größten Chancen von Tulip Agents zu beschreiben: die Möglichkeit, endlich das Fach- und Prozesswissen ihrer Experten in ein Tool zu kodieren, das jeder in ihrem Unternehmen nutzen kann. Wie einer der Erbauer es ausdrückte:

Am beeindruckendsten war die Vielfalt der Herausforderungen, die die Entwickler durch die Konfiguration desselben zugrunde liegenden Tools gelöst haben - von der Produktionsanalyse an der Front bis zur Verwaltung von Backend-Anwendungen. Die Lösungen ließen sich natürlich in zwei Hauptkategorien einteilen, die zeigen, wie Agenten die Effizienz auf allen Ebenen des Fertigungsunternehmens steigern und neue Möglichkeiten eröffnen können.

Diese Agenten fungieren als Assistenten für die Teams an der Frontlinie, von den Bedienern bis zu den Produktionsleitern, und schließen die Lücke zwischen Daten und Maßnahmen in der Produktion.

• Agent für die Schichtübergabe: Ein Team hat diesen Agenten entwickelt, um Produktionsdaten (wie KPIs, Sicherheitsprobleme und Maschinenstunden) zu analysieren und automatisch eine nach Prioritäten geordnete To-Do-Liste für die nächste Schicht zu erstellen. Wie Jason Gillespie von Jazz Pharmaceuticals feststellte,könnte dieser einzige Anwendungsfall "mindestens 10 Stunden pro Woche" einsparen, da die Teams nicht mehr 2-4 Stunden pro Tag mit dem Sammeln von Informationen verbringen.

• Agent für Bestandsanalyse: Ein anderes Team hat diesen Agenten entwickelt, um Stücklisten zu durchsuchen, um Komponenten zu identifizieren, bei denen das Risiko besteht, dass sie in naher Zukunft nicht lieferbar sind, und um Präventivmaßnahmen vorzuschlagen, die helfen, kostspielige Ausfälle zu vermeiden.

• Produktionsplanungs-Agent: Dieser Agent identifizierte Prozessähnlichkeiten zwischen Produktlinien, um optimale, dynamische Produktionspläne zu erstellen, die die Effizienz in räumlich begrenzten Einrichtungen maximieren.

• Defect Disposition Agent: Dieser Agent greift direkt das an, was ein Entwickler als "KMU-Engpass" bezeichnete. Er verwandelt einen manuellen Fehlerbericht, für dessen Erstellung ein Experte "zwei Wochen" benötigt, in etwas, das in wenigen Minuten erstellt werden kann.

Die Teams haben außerdem Agenten entwickelt, die neue Kapazitäten für App-Entwickler freisetzen, das App-Design und die Bereitstellung beschleunigen und die Einbindung und Unterstützung neuer Teammitglieder erleichtern.

• App Quality & Governance Agent: Dieser Agent prüft Tulip anhand der Best Practices des Unternehmens (z. B. für die Benutzeroberfläche, Namenskonventionen und Datenmodellierungskonventionen) und schlägt automatisch Verbesserungen vor, bevor die App bereitgestellt werden kann. Dadurch werden die Entwicklungszyklen erheblich beschleunigt und die unternehmensweite Konsistenz sichergestellt.

• New Builder Coach Agent: Die Teams haben auch diesen Agenten entwickelt, der mit derKnowledge Base, der Bibliothek und den bestehenden Apps verbunden ist, um Anleitungen für die Entwicklung einer neuen App für einen bestimmten Anwendungsfall zu geben und so die Einarbeitungszeit für neue Tulip drastisch zu verkürzen.

• Expression Creator Agent: Ein anderes Team hat diesen einfachen Agenten entwickelt, der die Variablen, Auslöser und den Datenfluss einer App analysiert, um das Schreiben komplexer Logik zu beschleunigen.

• App Change Reviewer Agent: Ein Entwickler hat diesen Agenten entwickelt, um automatisch die Änderungen zwischen zwei App-Versionen 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 der agentenbasierten KI für Operationen liegt nicht darin, Ihre Mitarbeiter zu ersetzen. Sie ist ein Kraftmultiplikator, der Ihr Team ergänzt, dessen Fachwissen erweitert und die manuellen, zeitaufwändigen Aufgaben automatisiert, die einer echten Problemlösung im Wege stehen. Sie schließt die Lücke zwischen Daten, Entscheidungen und Maßnahmen.

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

Wir waren überwältigt von dem, was unsere Tulip in nur wenigen Stunden aufgebaut hat und können es kaum erwarten, zu sehen, was sie als nächstes tun werden.

Tulip AI Agents gehen diesen Winter in die offene Beta-Phase. Wenn Sie sich auf die Liste setzen lassen möchten oder sich über die laufende geschlossene Betaphase erkundigen möchten, wenden Sie sich an Ihren Tulip .

Die eigentliche Frage ist: Was ist der erste Agent, den Sie komponieren werden?