Metadaten weisen KI-Agenten den Weg durchs CRM

Gaurav Pathak von Salesforce spricht im Interview darüber, wie Metadaten CRM-Software für KI-Agenten effizient zugänglich machen. (Source: zVg)

Gaurav Pathak von Salesforce spricht im Interview darüber, wie Metadaten CRM-Software für KI-Agenten effizient zugänglich machen. (Source: zVg)

Wie machen Metadaten eine für Menschen entwickelte Software für KI-Agenten verständlich?

Gaurav Pathak: Unternehmen haben ihren Mitarbeitenden in den vergangenen Jahren Self-Service-BI-Werkzeuge wie Tableau oder Power BI zur Verfügung gestellt. Damit konnten sie Daten aus Excel-Dateien oder Datenbanken selbst analysieren. Das funktionierte, bis drei Personen mit drei unterschiedlichen Werten für dieselbe Kennzahl in eine Sitzung kamen. Wir nannten das einen "data brawl". Der Vorteil war: Dieser Konflikt war laut und deshalb erkennbar. Bei KI-Agenten bleiben solche Fehler dagegen häufig unbemerkt. Ein Agent liefert einen einzelnen Wert und präsentiert ihn überzeugend als korrekt. Dafür verwenden wir die Formel "garbage in, gospel out". Noch problematischer wird es, wenn Agenten ihre Resultate keinem Menschen mehr vorlegen, sondern auf dieser Grundlage selbst Entscheidungen treffen. Sie könnten etwa anhand von Vertriebsdaten über Kreditlimiten oder anhand von Fehlerberichten über die Priorisierung von Kunden entscheiden. Metadaten helfen Agenten, die richtigen und vertrauenswürdigen Daten zu finden. Gleichzeitig müssen Unternehmen Informationen expliziter beschreiben als für Menschen. Mitarbeitende verfügen über Erfahrungswissen und können Lücken selbst schliessen. Ein Agent benötigt den Kontext vollständig, sonst kann er in unerwartete Richtungen abweichen.

Welche Grenzen traditioneller Softwarearchitekturen treten dabei zutage?

Unternehmen wollen Agenten Werkzeuge wie Slack, Teams oder Powerpoint sowie Systeme für Datenmanagement zugänglich machen. Die Anwendungen müssen sich deshalb zunehmend ohne grafische Oberfläche bedienen lassen. Dafür benötigen Agenten zusätzliche Metadaten: Welche Funktionen stehen zur Verfügung? Welche Fehler können auftreten? Wie soll ein Agent darauf reagieren, und welche Aktionen darf er nicht ausführen? Auch fachliche Begriffe müssen eindeutig definiert sein. Fragt jemand nach dem Umsatz im zweiten Quartal, muss der Agent wissen, welchen Zeitraum das Unternehmen als zweites Quartal versteht. Ohne solche organisationsspezifischen Definitionen kann er keine verlässliche Entscheidung treffen.

Sind Metadaten damit eine Kompatibilitätsschicht zwischen bestehender Software und KI-Agenten?

Ich würde eher von einer Kontextschicht sprechen. Metadaten sind für den Datenbestand eines Unternehmens das, was ein Inhaltsverzeichnis für eine Enzyklopädie ist. Sie zeigen einem Agenten, wo er die benötigte Information findet. Diese Kontextschicht umfasst jedoch mehr als klassische Metadaten. Sie benötigt Semantik, also die Bedeutung der Daten, ihre Beziehungen untereinander und Angaben zur Datenqualität. Die Übersetzung funktioniert in beide Richtungen: Agenten erhalten einen Zugang zu den zugrunde liegenden Daten; zugleich teilen die Daten dem Agenten über definierte Verträge mit, wie er sie verwenden darf.

Wann reicht es nicht mehr, bestehende Software mit Metadaten und semantischen Schichten anzureichern?

Bei einem System of Record steckt jahrelange Erfahrung in der Software. Das betrifft die Speicherung und den Zugriff auf Daten, aber auch zentrale Unternehmensabläufe und die Art, wie unterschiedliche Nutzergruppen mit dem System arbeiten. Wer alles neu entwickelt, müsste viele dieser Funktionen erneut aufbauen. Das Resultat könnte zudem fragiler sein, wenn KI-Agenten Teile der Software erzeugen, ohne dass Menschen sie ausreichend validieren. Unternehmen sollten die bewährten, deterministischen Teile ihrer Software daher als Fundament behalten. Ein festgelegter Geschäftsprozess sollte nicht bei jeder Ausführung von einem Agenten neu erfunden werden. Probabilistische KI-Funktionen können diesen Prozess ergänzen, etwa indem sie externe Informationen recherchieren und in eine Entscheidung einfliessen lassen.

Wie verändert sich die Rolle von Metadaten in einer von Grund auf für Agenten entwickelten Software?

Die Entwicklung würde nicht mehr mit der Frage beginnen, wie eine Anwendung aussieht. Die Darstellung kann sich künftig stärker nach dem jeweiligen Nutzer richten. Wichtiger wären zunächst die Datenmodelle, die zugehörigen Metadaten sowie die Schnittstellen für APIs und das Model Context Protocol. Die Software müsste sich von beliebigen Agenten ohne Benutzeroberfläche bedienen lassen. Zudem würden Entwickler die Zugriffsmuster der Agenten von Anfang an berücksichtigen. Suchtechnologien, Indizes und Graphdatenbanken für semantische Beziehungen würden zu grundlegenden Bestandteilen der Architektur. In traditioneller Unternehmenssoftware spielten diese Komponenten oft keine zentrale Rolle; für agentenbasierte Systeme werden sie wichtiger.

Wie würden Sie Salesforce für eine KI-zentrierte Welt neu entwerfen?

Die Produktentwicklung würde weiterhin bei den Bedürfnissen der Nutzer und den zu erledigenden Aufgaben beginnen. In der Softwarearchitektur würde ich jedoch weniger Gewicht auf eine einheitliche Oberfläche legen. Im Zentrum stünden skalierbare Datenmodelle, explizite Metadaten sowie API- und MCP-Schnittstellen. Die Anwendung müsste im Hintergrund vollständig durch Agenten nutzbar sein. Darauf liesse sich eine Oberfläche aufbauen, die sich an einzelne Nutzer und ihre jeweilige Aufgabe anpasst. Gleichzeitig müsste die Architektur für deutlich mehr automatisierte Zugriffe ausgelegt sein.

Wer trägt die Verantwortung für korrekte Metadaten, wenn Agenten zunehmend selbstständig handeln?

Die Verantwortung der Menschen nimmt nicht ab. Da Agenten in grossem Massstab arbeiten können, steigt vielmehr die Tragweite möglicher Fehler. Wenn ein Agent unzulässige Rabatte verspricht oder sensible Daten preisgibt, muss am Ende ein Mensch dafür einstehen. Unternehmen müssen deshalb nicht nur ihre Metadaten und die gesamte Kontextschicht pflegen, sondern Agenten vor dem Einsatz systematisch evaluieren. Dazu gehören erwartete Antworten, Negativtests und Grenzfälle. Ein Unternehmen sollte beispielsweise prüfen, ob ein Agent eine unzulässige Rabattforderung korrekt und respektvoll zurückweist. Nach der Einführung braucht es eine kontinuierliche Überwachung. Unternehmen müssen das Verhalten der Agenten beobachten, Abweichungen erkennen und die Systeme laufend korrigieren. Agenten können diese Aufgaben unterstützen, die Verantwortung dafür aber nicht übernehmen.

Lesen Sie hier über die Dreamforce-Keynote 2026 von Salesforce-CEO Marc Benioff und seine "Interface-Revolution".