Über Chatbots hinaus: Huaweis Vision für agentenbasierte KI in der Industrie

In einem Zementwerk der Conch Group, einem der größten Baustoffunternehmen Chinas, prognostiziert ein auf der Infrastruktur von Huawei basierendes agentenbasiertes KI-System nun die Klinkerfestigkeit mit einer Genauigkeit von über 90 % und passt die Kalzinierungsparameter autonom an, um den Kohleverbrauch um etwa 1 % zu senken. Dieses System fungiert nicht mehr als passives Befehls- und Antwort-Tool, sondern trifft aktiv Entscheidungen, plant und optimiert den Betrieb.

Dieses Beispiel verdeutlicht den Wandel, den Huawei vorantreibt: von festen KI-Assistenten hin zu agentenbasierten Systemen, die innerhalb von Unternehmen autonom arbeiten. Um dies zu unterstützen, investiert Huawei in neue Rechnerarchitekturen, Modellwerkzeuge, vertikale Anpassungen und Unternehmensagent-Plattformen.

Dieser Artikel untersucht die Strategie von Huawei und wie sie in realen industriellen Umgebungen angewendet wird. Wir untersuchen Infrastrukturinnovationen, Modellspezialisierung, industrielle Anwendungsfälle und die Entwicklung von Plattformen sowie Herausforderungen und Aussichten.

Was ist agentische KI – und warum ist sie wichtig?

Von reaktiven Werkzeugen zu autonomen Agenten

Herkömmliche KI-Anwendungen folgen in der Regel einem reaktiven Paradigma: „Sie fragen, es antwortet“ oder „Sie geben Input, es liefert Output“. In diesem Modell steuern Menschen den Ablauf.

Im Gegensatz dazu integriert die agentenbasierte KI Autonomie, Planung und Entscheidungsfindung in das System. Agenten nehmen wahr, entscheiden, handeln, überwachen und passen sich an – und koordinieren dabei sogar mehrere Unteragenten im Laufe der Zeit. Sie können Arbeitsabläufe verwalten, Prozesse optimieren oder Entscheidungen dynamisch vorantreiben, anstatt nur auf Eingaben zu reagieren.

Huawei bezeichnet diesen Sprung als „einen bedeutenden Wandel in den Bereichen Anwendungen und Rechenleistung“. Agentische Systeme verändern die Art und Weise, wie Computer Ressourcen zuweisen, mit Systemen interagieren und sich an Unsicherheiten anpassen.

Die strategische Notwendigkeit für Unternehmen

Warum ist agentenbasierte KI für industrielle und unternehmerische Nutzer wichtig?

• Betriebliche Effizienz: Agenten können Parameter autonom anpassen, Anomalien frühzeitig erkennen und Rückkopplungsschleifen schneller schließen als Menschen.
  
• Umfang und Komplexität: In komplexen Systemen (z. B. Fertigung, Energie, Infrastruktur) ist die manuelle Koordination vieler Parameter und Teilsysteme nicht möglich.
  
• Geringere Latenz: Agenten, die nahe am Betrieb eingebettet sind (Edge + Cloud), können nahezu in Echtzeit agieren.
  
• Menschliche Unterstützung: Agenten ergänzen menschliches Fachwissen, übernehmen Überwachungs-, Analyse- und Entscheidungsaufgaben, sodass sich Menschen auf die Aufsicht und Strategie konzentrieren können.

Das Beispiel von Huawei Conch zeigt diese Vorteile in der Praxis: Durch die Vorhersage der Festigkeit und die automatische Anpassung der Kalzinierung reduzierte der KI-Agent den Brennstoffverbrauch bei gleichbleibender Produktqualität.

Die Agentic-KI-Strategie von Huawei: Infrastruktur, Modelle, Tools und Plattformen

Um agentenbasierte KI zu unterstützen, umfasst der Ansatz von Huawei mehrere Ebenen – Computing, Modelle, Domänenanpassung und Agentenplattformen.

Infrastruktur: CloudMatrix, MoE-Parallelität, speicherzentrierte Speicherung

Agentische Systeme stellen höhere Anforderungen an die Infrastruktur als die statische Nutzung von LLM. Huawei reagiert darauf unter anderem mit folgenden Maßnahmen:

• CloudMatrix384-Superknoten mit MatrixLink-Verbindung: Entwickelt zur Unterstützung von Hybrid-Computing (allgemein + intelligent) und skalierbaren Inferenzclustern.
  
• Expertenparallelität in MoE-Modellen: Um Leerlaufzeiten von NPUs während des Routings zu vermeiden, wendet Huawei Expertenparallelität bei der Inferenz an und verbessert so den Durchsatz pro PU um das 4- bis 5-fache gegenüber Modellen mit naivem Routing.
  
• Speicherzentrierter AI-nativer Speicher und einheitlicher Cache-Manager: Um die Latenz beim ersten Token zu reduzieren und persistenten Speicher zu ermöglichen, hat Huawei eine einheitliche Caching-Technik entwickelt, die Daten zwischen Langzeitspeicher und schnellem Arbeitsspeicher verschiebt und so die Latenz um bis zu 90 % reduziert.
  
• Verteilte Cloud-Architektur: Huawei Cloud unterstützt Multi-Szenario-Bereitstellungen (CloudOcean, CloudSea, CloudLake, CloudPond) für Edge-, regionale und zentralisierte Berechnungen.

Diese architektonischen Innovationen zielen darauf ab, nicht nur die Modellinferenz zu unterstützen, sondern auch den kontinuierlichen Betrieb von Agenten und die groß angelegte Orchestrierung.These architectural innovations aim to support not just model inference, but continuous agent operations and large-scale orchestration.

Modelle und vertikale Spezialisierung

Die Entwicklung autonomer Agenten erfordert Basismodelle, die innerhalb suitableimmter Domänen denken, planen und kontextualisieren können. Zu den Bemühungen von Huawei gehören:

• Pangu-Vorhersagemodelle: Diese Modelle integrieren heterogene Daten – Tabellen, Zeitreihenprotokolle und visuelle Inspektionen –, um genaue Vorhersagen in industriellen Bereichen zu erstellen. Conch verwendet beispielsweise ein Pangu-basiertes Modell, um die Klinkerfestigkeit für 3 Tage und 28 Tage mit einer Abweichung von ±1 MPa und einer Genauigkeit von über 85 % vorherzusagen.
  
• Kombination von Domänen- und Betriebszustandsmodellen (z. B. M-MoE-Architektur): Die KI von Conch kombiniert allgemeine Merkmalsmodelle mit domänenspezifischen Untermodellen (Betriebszustandsmodellen), um genauere Vorhersagen in der Prozesssteuerung zu ermöglichen.
  
• Inkrementelle Trainingsworkflows: Huawei unterstützt Pipelines, mit denen Modelle an vertikale Daten angepasst, an die Anforderungen der Branche neu kalibriert und kontinuierlich verbessert werden können, wodurch die Effektivität um 20 bis 30 % gesteigert wird.
  
• Vertikale Bewertungs- und Szenariovorlagen: Vorgefertigte Bewertungssätze, die auf Branchen-KPIs (z. B. Energie, Ertrag, Zuverlässigkeit) abgestimmt sind, tragen zur Beschleunigung der Bereitstellung bei.

Plattform- und Agent-Tools: Vielseitigkeit und ACT-Pfad

Zur Unterstützung der Agenteneinsatzplanung und des Lebenszyklusmanagements bietet Huawei:

Vielseitige Agentenplattform: Eine Agentenplattform der Enterprise-Klasse, die die Erstellung, Orchestrierung, Überwachung und Skalierung von Agenten-Workflows automatisiert. Benutzer können Geschäftsbeschreibungsdokumente oder Flussdiagramme definieren und in zwei Schritten Agenten generieren.

Workflows mit vielen Schritten (>100 Schritte): Die Plattform unterstützt komplexe Prozesse mit vielen Entscheidungsknoten, Verzweigungslogik und Integrationen.

Hochleistungsfähige Sandbox und Vollspeicher-Cache: Um die Latenz zu reduzieren und die Reaktionsfähigkeit sicherzustellen, verwendet Versatile Sandbox-Isolation und Caching-Techniken, wodurch die Antwortlatenz Berichten zufolge um >40 % reduziert wird.

ACT Path (Assess, Calibrate, Transform): Das Rahmenwerk von Huawei für die Einführung von KI in Unternehmen.

• Bewerten Sie hochwertige Szenarien und Laufzeiten.
• Kalibrieren Sie allgemeine Modelle mithilfe vertikaler Daten.
• Transformieren Sie Geschäftsabläufe mit skalierten Agenten.
   

Dieser Weg zeigt strategische Schritte für die Einführung in Unternehmen auf.

Ökosystem & Anreize

Huawei investiert auch in Entwickler- und Partner-Ökosysteme:

• Incentive-Programme Angebot von kostenlosen Rechenleistungen, Entwicklungskrediten, Zugang zur Agentenplattform und Partner-Support.
  
• Agent Zone und KI-Marktplätze Über Developer Space / KooGallery, die den Austausch von Modellen, Agenten und Tools ermöglichen.
  
• KI-Sicherheit und Governance Umfassender Sicherheitsschutz über Cloud-, Netzwerk-, Edge-, Modell- und Anwendungsebenen hinweg ist integriert, um Vertrauen und Compliance im Agentenbetrieb zu gewährleisten.

Anwendungsfälle und Ergebnisse in der Industrie

Huawei and its partners have begun deploying agentic systems in manufacturing, urban management, and business automation.Huawei und seine Partner haben damit begonnen, agentenbasierte Systeme in der Fertigung, im Stadtmanagement und in der Geschäftsautomatisierung einzusetzen.Huawei and its partners have begun deploying agentic systems in manufacturing, urban management, and business automation.

Zement und Baustoffe – Conch Group

Dies ist vielleicht das geeigneten Beispiel dafür:

• Conch und Huawei haben ein gemeinsames KI-Modell für die Zement-/Baustoffindustrie auf den Markt gebracht, das Qualitätskontrolle, Produktion, Anlagenmanagement und Sicherheit in 21 Szenarien abdeckt.
  
• Das KI-Modell prognostiziert die Klinkerfestigkeit nach 3 und 28 Tagen mit einer Abweichung von ±1 MPa und einer Genauigkeit von >85 %.
  
• Huawei hat ein globales Optimierungsmodell für den Brennofenbetrieb (Berechnung der Schlüsselparameter) entwickelt, das Echtzeit-Betriebsempfehlungen ermöglicht und angeblich den Brennstoffverbrauch (Kohle) im Vergleich zu Klasse-A-Benchmarks um ~1 % reduziert hat.
  
• In früheren Berichten hatte Huawei ein Multi-Gate-Mixture-of-Experts-Modell (M-MoE) verwendet, das Fundament- und Zustandsmodelle kombiniert.
  
• Dies zeigt eine Verlagerung von reaktiver Qualitätskontrolle hin zu proaktiver Prozessregulierung.
  

Stadtmanagement & Kulturtourismus

• Shaanxi Cultural Industry (China) nutzte die Daten-KI-Konvergenz von Huawei Cloud, um ein „intelligentes Gehirn für Kulturtourismus“ aufzubauen, das Kulturerbe, Medien, Standort und historische Daten kombiniert. Dies unterstützt Anwendungen wie virtuelle Assistenten, intelligente Planung, Inhaltserstellung und Vermögensüberprüfung. Das Projekt basiert auf der Infrastruktur von Huawei und ermöglicht eine intelligente Verwaltung kultureller Ressourcen.
  
• Stadtverwaltung von Dubai: Huawei arbeitete mit Dubai zusammen, um Fundamentmodelle, virtuelle Menschen, digitale Zwillinge und GIS-Daten zu integrieren, um das Facility Management, die Stadtplanung und die Notfallreaktionssysteme zu verbessern.

Reise- und Geschäftsautomatisierung

• Smartcom Travel Agent: Mit Hilfe der vielseitigen Huawei Cloud hat Smartcom einen Reiseagenten entwickelt, der Unternehmensrichtlinien, historische Reisedaten und Buchungsökosysteme integriert. Über 50 % der Nutzer folgten seinen Empfehlungen, wobei die Buchungen in weniger als 2 Minuten abgeschlossen wurden. Der Agent löste etwa 80 % der Probleme mit etwa 3 Interaktionen.

Diese Implementierungen zeigen, dass agentenbasierte KI nicht nur für Vorhersagen, sondern auch für Echtzeitentscheidungen, Orchestrierung und benutzerseitige Automatisierung eingesetzt wird.

Architektonische und betriebliche Herausforderungen

Agentische Systeme sind zwar vielversprechend, bringen aber auch Herausforderungen mit sich – viele davon werden von Huawei ausdrücklich angesprochen.

Integration und Datenpipelines

Agenten benötigen einen sicheren, konsistenten Zugriff auf Unternehmenssysteme (ERP, SCADA, MES, CRM). Die Entwicklung von Konnektoren, die Berechtigungen, Aktualität und Latenz berücksichtigen, ist keine triviale Aufgabe. Huawei entwickelt native Konnektoren und eine einheitliche Agentenintegration in Versatile.

Sicherheit, Governance und Überwachung

Autonome Agenten können Fehler machen, daher ist Governance von entscheidender Bedeutung. Huawei verfügt über ein KI-Sicherheitsschutzsystem, das Cloud-, Netzwerk-, Edge-, Modell- und Anwendungsebenen umfasst.

Auditing, Rollback, Modellversionskontrolle, Sandboxing und Anomalieerkennung müssen Teil eines vertrauenswürdigen Stacks sein.

Kosten, Latenz und Effizienz

Agentische Vorgänge können viele Untermodelle aufrufen, Workflows auslösen und wiederholt auf Daten zugreifen. Huawei mindert dies durch Caching, speicherzentrierte Speicherung, einheitlichen Cache und Speichersysteme mit geringer Latenz.

Modellanpassung und Domänenlücken

Grundlagenmodelle weisen oft keine Domänenspezifität auf. Die Lösung von Huawei ist der Schritt „Kalibrieren” in seinem ACT-Pfad – Feinabstimmung mit vertikalen Daten, inkrementellem Training und Hybridmodellen.

Systemzuverlässigkeit und Fehlertoleranz

Viele industrielle Systeme erfordern eine hohe Verfügbarkeit. Agente-Systeme müssen mit Ausfällen, Fallbacks, Drifts und kaskadierenden Abhängigkeiten umgehen können. Die Infrastruktur muss die Fehlererkennung und -behebung unterstützen.

Strategische Erkenntnisse und Empfehlungen

Für Unternehmen, die den Einsatz von agentenbasierter KI in Betracht ziehen, hier einige wichtige Erkenntnisse aus der Strategie und den Implementierungen von Huawei:

Beginnen Sie mit hochwertigen, eng gefassten Bereichen.

Setzen Sie Agenten ein, um kritische Teilbereiche (z. B. Ofenoptimierung, Reisebuchung) zu automatisieren, anstatt das gesamte System zu übernehmen.

Investieren Sie frühzeitig in Datenpipelines und Domänenmodelle.

Hochwertige Daten und vertikale Modellkalibrierung bilden die Grundlage für eine zuverlässige Ausführung durch Agenten.

Führen Sie vom ersten Tag an Governance und Audits ein.

Autonome Aktionen von Agenten müssen nachvollziehbar sein; dazu gehören Protokollierung, Rollback und Berechtigungsstufen.

Nutzen Sie eine für Agenten entwickelte Infrastruktur.

Standard-Cloud-Infrastrukturen können bei großem Umfang versagen – speicherzentrierte Speicher, Caching, MoE-Routing und Agent-Orchestrierungsebenen sind wichtig.

Iterative Bereitstellung unter menschlicher Aufsicht

Beginnen Sie mit einer Überwachung durch Menschen, bis die Agenten das erforderliche Vertrauensniveau erreicht haben.

Planen Sie für sich weiterentwickelnde Agenten-Ökosysteme

Im Laufe der Zeit müssen Agenten aktualisiert, neu trainiert und erweitert werden – Architektur für Modularität und Wartbarkeit.

Richten Sie sich nach strategischen KI-Pfaden

Der ACT-Pfad (Assess → Calibrate → Transform) von Huawei ist ein nützlicher konzeptioneller Rahmen für die Einführung.

Ausblick: Die Zukunft der Unternehmensintelligenz

Huaweis Ambitionen im Bereich der agentenbasierten KI deuten auf einen umfassenderen Wandel hin: Die nächste Generation von Unternehmenssystemen wird dialogorientiert, autonom und tief integriert sein. Anstelle separater KI-Anwendungen werden wir ganze Flotten von Agenten sehen, die in Betriebsabläufe, Planungen und Entscheidungsprozesse eingebettet sind.

Das Beispiel von Conch Cement zeigt, dass eine agentenvermittelte industrielle Steuerung machbar ist – mit messbaren Vorteilen bei der Kraftstoffeffizienz und Produktqualität. Mit der Weiterentwicklung der grundlegenden Infrastruktur (z. B. CloudMatrix), Modell-Tools, Agentenplattformen (Versatile) und Governance-Stacks werden immer mehr Unternehmen von Pilotversuchen zur Serienproduktion übergehen.

Der geschäftliche Nutzen wird jedoch nicht von generischen KI-Agenten ausgehen, sondern von domänenbewussten, eng integrierten Agenten, die zentrale Probleme lösen. Agentische KI wird dann erfolgreich sein, wenn sie auf spezifische betriebliche Herausforderungen abgestimmt ist, vom Kontext profitiert und zuverlässig und vertrauenswürdig arbeitet.

Der integrierte Stack von Huawei – von der Rechenleistung über Modelle bis hin zu Agentenplattformen – zeigt einen Weg in die Zukunft auf. Die wahre Bewährungsprobe wird darin geeignetenhen, diese Systeme zuverlässig auf viele Branchen auszuweiten, die Agentenarchitekturen zu verfeinern und Governance-Frameworks zu entwickeln, die Autonomie und Kontrolle in Einklang bringen.