Suche treibt das KI-Zeitalter an: Ist Ihr Unternehmen bereit?
Da künstliche Intelligenz die Art und Weise, wie Menschen etwas entdecken, bewerten und kaufen, immer wieder neu definiert, ist eines klar geworden: Die Suche ist der Motor, der die agentenbasierte KI antreibt. In einem kürzlich von Lucidworks veranstalteten Webinar, „Search Fuels the Agentic AI Age: Is Your Business Ready?erörterte Keri Rich, VP of Product Management bei Lucidworks, gemeinsam mit den digitalen Führungskräften Phane Mane von Boston Scientific, Mike Calahan von Dawn Foods und Jochebed Zakrzewski von Matric Marine, wie suchbasierte Intelligenz den Handel, die Kundenerfahrung und die Unternehmensabläufe verändert.
Das Zeitalter der agentenbasierten KI ist angebrochen
Keri Rich, Leiterin der Produktabteilung von Lucidworks, betonte in ihrer Eröffnungsrede, wie tiefgreifend der Aufstieg der agentenbasierten KI das digitale Verhalten verändert. „Die Art und Weise, wie Menschen einkaufen, ändert sich grundlegend“, sagte sie und zitierte eine von Lucidworks gesponserte Studie, in der 85 % der Unternehmensleiter glauben, dass einige Websites überflüssig werden, wenn KI-Agenten mehr Aufgaben bei der Suche und beim Kauf übernehmen. Nahezu alle Befragten – 98% – stimmten zu, dassihre Marke durch KI auffindbar sein muss.
Verbraucher suchen, vergleichen und tätigen sogar Transaktionen mit Hilfe von KI-gesteuerten Tools wie ChatGPT, Perplexity und Claude. Im Einzelhandel stieg die Nutzung von Chatbots in der letzten Urlaubssaison um 42 %, aber auch die Rücksendungen von Produkten stiegen von 20 % auf 28 %, was die Kosten einer schlechten Suche und falscher Empfehlungen verdeutlicht. „Unternehmen müssen die Halluzinationen kontrollieren und sicherstellen, dass KI-Systeme relevante Inhalte empfehlen, wo auch immer sich der Kunde befindet“, warnte Rich.
Abruf: Die Grundlage für Vertrauen und Genauigkeit
Während des gesamten Gesprächs betonte Rich die Retrieval-Ebene oder „R“, die oft der wichtigste Teil von RAG (Retrieval-Augmented Generation) ist, als den kritischsten Faktor für präzise, vertrauenswürdige KI. Ohne eine robuste Abfrage sind große Sprachmodelle gezwungen, aus unvollständigen oder irrelevanten Daten zu generieren, was zu Fehlinformationen und schlechten Nutzererfahrungen führen kann.
Rich erklärte, dass eine effektive Suche von einer starken Indizierung, Kontextkontrolle und hybride SucheDabei werden traditionelle Suchmetriken wie Präzision und Rückruf mit modernen, auf Einbettung basierenden Modellen kombiniert. Der Ansatz von Lucidworks verwendet fortschrittliches semantisches Chunking, um nur hyperrelevanten Kontext an das Sprachmodell zu senden und so sowohl die Kosten als auch die Genauigkeit zu optimieren. „Behandeln Sie Ihr LLM wie einen weiteren Sucher in Ihrem System“, rät Rich. „Füttern Sie es nur mit dem, was es braucht, um den Benutzern präzise, fundierte Antworten zu geben.
KI auf Unternehmensebene: Skalierung, Governance und Sicherheit
Auf die Frage, was „unternehmensgerechte KI“ wirklich bedeutet, skizzierte Rich eine Vision, die auf Vertrauen, Skalierbarkeit und Governance beruht. Unternehmensdaten, so Rich, sind von Natur aus komplex – mit vielen Berechtigungen, irrelevantem Rauschen und sich ständig ändernden Strukturen. Ein wirklich unternehmenstaugliches System muss die Datenaufnahme, -anreicherung und -abfrage sowie die Steuerung der Ausgabe über Milliarden von Dokumenten oder Millionen von Artikeln nahtlos verwalten.
Für Handelsplattformen bedeutet das auch, dass sie einem globalen Publikum in mehreren Sprachen konsistente Erlebnisse mit geringer Latenz bieten und gleichzeitig den Katalog in Echtzeit aktualisieren müssen. Sicherheit und Compliance sind ebenso wichtig: „KI muss Zugriffskontrollen durchsetzen und sensible Daten schützen und gleichzeitig für Transparenz, Nachvollziehbarkeit und Richtlinienkontrolle sorgen“, so Rich. „Grounding und Attribution sind nicht verhandelbar, wenn Sie wollen, dass Benutzer und Aufsichtsbehörden Ihrem System vertrauen.
Orchestrierung und der Aufstieg der spezialisierten Agenten
Die Diskussionsteilnehmer waren sich einig, dass die Orchestrierung – also die Zusammenarbeit mehrerer Modelle oder Agenten – die nächste große Herausforderung sein wird. Rich schloss sich dieser Meinung an und plädierte für eine
Rich fügte hinzu, dass eine effektive Orchestrierung von einer Steuerungsebene abhängt, die den gemeinsamen Kontext und die Governance zwischen den Agenten konsistent hält. „Sie brauchen nicht nur einen Mega-Agenten“, erklärt sie. „Sie brauchen eine Orchestrierung, die Anfragen zum richtigen Zeitpunkt an den richtigen Spezialisten weiterleitet.“
Vom Experimentieren zum ROI
Während der Hype um KI-Investitionen weiter zunimmt, erinnerte Rich die Führungskräfte daran, Innovationen auf messbare Ergebnisse zu gründen. Legen Sie frühzeitig wichtige Leistungsindikatoren fest – wie MRR, Präzision, Wiedererkennung und die Nutzung von Kontextfenstern – undbauen Sie Plattformen auf, die Experimente zulassen. „Ihre erste Implementierung bringt vielleicht keinen ROI“, bemerkte sie. „Aber die Fähigkeit, schnell und sicher zu iterieren, ist der Schlüssel zum langfristigen Erfolg.
Fallstudien aus der Praxis zeigen, dass sich dies bereits auszahlt. Der „Ask Me Anything“-Agent von Comcast, der auf der Suche nach großen Sprachmodellen basiert, hat die Bearbeitungszeit für Anrufe um 10 % reduziert und damit jährlich Millionen eingespart. Wayfair konnte die Bearbeitungszeit im Kundenservice in ähnlicher Weise verkürzen und hat damit bewiesen, dass KI auf der Grundlage von Suchanfragen schon heute messbare Auswirkungen auf das Geschäft haben kann.
Suche als Kernstück der Agentischen Intelligenz
Da KI-Agenten zunehmend die Arbeit der Entdeckung und Bewertung übernehmen, Suche zum Bindegewebe, das Wissen, Kontext und Personalisierung miteinander verbindet. Richs Botschaft an die Unternehmen war klar: Der Erfolg in der Ära der agentenbasierten KI hängt davon ab, dass Sie Ihre Suchschicht selbst in die Hand nehmen und Ihre Datenpipeline kontrollieren. „Die Suche ist weit mehr als nur ein Feld auf Ihrer Website“, schloss sie. „Sie ist jetzt die entscheidende Grundlage dafür, wie KI Ihr Geschäft versteht und Ihre Kunden mit dem verbindet, was sie brauchen.“
Wichtigste Erkenntnisse
- Retrieval Drives Reliability – Das „R“ in RAG ist entscheidend. Starke Abrufe und Indizierungen stellen sicher, dass KI-Antworten genau, relevant und wahrheitsgetreu sind.
- Unternehmens-KI erfordert Governance – Sicherheit, Berechtigungen und Auditierbarkeit müssen von Anfang an eingebaut werden, um Compliance und Vertrauen zu gewährleisten.
- Spezialisierung gewinnt – Fokussierte, aufgabenspezifische Agenten liefern durchweg einen höheren ROI und niedrigere Kosten als Allzweckmodelle.
- Search Powers the Agentic Age – Von der Personalisierung bis zur Orchestrierung ist die intelligente Suche das Rückgrat jeder erfolgreichen KI-Erfahrung.
Agentische KI und Suche: Antworten auf häufige Fragen
| Question / Topic | Expert Insight | Key Points | Example / Impact |
|---|---|---|---|
| What is agentic AI and why does it matter? | Keri Rich, VP Product, Lucidworks | Agentic AI changes how people discover, evaluate, and buy online. Search is the retrieval engine that makes agentic systems accurate and trustworthy. | 85% of leaders predict websites will become obsolete; 98% say brand discoverability by AI is critical. |
| Why is retrieval (“R” in RAG) essential? | Rich & Fanny Man, Boston Scientific | Retrieval grounds LLMs in truth, reducing hallucinations. It ensures only the most relevant, contextual data powers AI responses. | Retrieval from trusted sources (catalogs, contracts, docs) boosts accuracy, lowers model costs. |
| What defines enterprise-grade AI? | Rich, Lucidworks | Enterprise AI must handle scale, governance, and data security. It requires contextual chunking, access controls, and auditability. | Billions of documents, millions of SKUs — Lucidworks systems maintain context, speed, and compliance. |
| How can orchestration improve performance? | Panel Consensus | Multi-agent orchestration allows specialized agents (search, pricing, fraud, fulfillment) to work together efficiently. | Lowers latency and costs vs. a single “mega-agent.” Supports composable commerce strategies. |
| What metrics prove AI retrieval success? | Rich, Lucidworks | Use traditional and AI-specific metrics: MRR, precision, recall, and context-window utilization. | Ensures AI only uses relevant context, improving response accuracy and ROI. |
| Where are companies seeing real ROI? | Rich & Mike Callahan, Dawn Foods | LLM-powered search improves customer service and efficiency. | Comcast’s Ask Me Anything tool cut handle time 10%, saving millions; Wayfair saw similar gains. |
| How should companies start? | Panel Consensus | Start small, define KPIs, experiment safely, and treat AI as an enterprise system. | A/B test AI agents vs. traditional search; measure engagement, conversions, and cost savings. |