Beobachtetes Signal · 27. Mai 2026 · Technical Release · Quelle: https://martechseries.com/feed/ · Relevanz: 2/5 · Sentiment: Positiv
Skan AI stellt Agentic Business Context Foundation vor
Skan AI hat die Agentic Business Context Foundation (ABCF) angekündigt, ein technisches Framework zur Erfassung operativer Kontexte, die traditionellen Enterprise-Systemen verborgen bleiben – darunter menschliches Reasoning, Ausnahmen und informelle Workarounds. Das Framework konvertiert diese Daten in verwertbaren Kontext für Enterprise AI Agents. ABCF basiert auf jahrelangen Verhaltensbeobachtungen in Fortune-500-Unternehmungen und nutzt die Agentic Ontology of Work. Laut Skan haben autonom agierende Agents, die nur auf Dokumentationen und Event-Logs trainiert sind, in Edge Cases Schwierigkeiten. ABCF schließt diese Lücke, indem es die Intelligenz durch eine kontinuierliche Execution-Feedback-Loop anreichert. Manish Garg, Mitgründer und CTO von Skan AI, bezeichnet ABCF als jene operative Intelligence-Schicht, auf die Context Graphs und Agent-Architekturen angewiesen sind, um die Zuverlässigkeit in komplexen Szenarien zu erhöhen.
Ein technisches Framework für Enterprise AI Agents optimiert die Zuverlässigkeit bei komplexen operativen Abläufen und ist für MarTech- sowie Enterprise-AI-Praktiker hochrelevant, stellt jedoch keine fundamentale Plattformänderung dar.
Marktsignale zu Criteo in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Skan AI hat das Framework Agentic Business Context Foundation (ABCF) eingeführt.
- ABCF erfasst operative Kontexte jenseits von Dokumentationen und Event-Logs, einschließlich menschlichen Reasonings und Workarounds.
- Das Framework basiert auf Verhaltensbeobachtungen bei Fortune-500-Unternehmen und der Agentic Ontology of Work.
- ABCF fungiert als operative Intelligence-Schicht zur Verbesserung der autonomen Ausführung durch Enterprise AI Agents via Feedback-Loop.
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
KI-Datenagenten erfordern dedizierte Business-Context-Layer für autonome Workflows
Ein Fachbeitrag von a16z verdeutlicht, dass KI-gestützte Datenagenten ohne einen kontinuierlich gepflegten Context Layer nicht autonom agieren können. Reine Semantic Layers reichen nicht aus, da Agenten detaillierte Geschäftsdefinitionen, Datenherkunft (Provenance), implizites Unternehmenswissen (Tribal Knowledge) und Governance-Richtlinien benötigen. Als Lösung skizziert a16z ein fünfstufiges Framework: Sicherstellung des Datenzugriffs, LLM-basierte automatisierte Kontexterstellung, kuratierende Human-in-the-Loop-Verfeinerung, Agenten-Anbindung via APIs oder Model Context Protocol (MCP) sowie Mechanismen zur kontinuierlichen Selbstaktualisierung. Der Markt teilt sich derzeit in Data-Gravity-Plattformen wie Databricks und Snowflake, spezialisierte KI-Datenanalyse-Anbieter, Palantir mit seinen Ontologie-Ansätzen sowie neue Start-ups, die sich rein auf Context-Layer-Infrastrukturen fokussieren. Für Unternehmen entscheidet diese Schicht über den tatsächlichen ROI ihrer Enterprise-KI-Initiativen.
TopQuadrant stellt TQ Data Foundation Plattform für Enterprise-KI vor
TopQuadrant hat die TQ Data Foundation angekündigt, eine Enterprise-Context-Plattform auf Basis von Knowledge-Graph-Technologie, die eine kontextuelle Ebene für vertrauenswürdige, autonome KI-Agenten bereitstellt. Das Produkt soll Unternehmen dabei unterstützen, über isolierte KI-Piloten hinauszugehen, indem es gemeinsame Geschäftsbedeutungen durch Modelle, Referenzen, Metadaten und Business Logic kodiert. Dies ermöglicht konsistentes Reasoning, Governance und automatisierte Aktionen über verschiedene Systeme hinweg. Die Plattform verwaltet einen Kontext-Lebenszyklus aus Capture, Activate und Evolve und integriert interne Agenten in KI-Pipelines zur Selbstanreicherung des Kontextes. Die Führungskräfte Amar Doshi und Nimit Mehta betonen das Potenzial der Plattform als stabile Grundlage für skalierbare und reglementierte KI-Initiativen in Großkonzernen.
Agentic AI treibt die fundamentale Transformation im Marketing voran
Agentic AI entwickelt sich von reinen Einzellösungen zu einer strategischen Organisationsentscheidung. Auf dem Adobe AI Forum Munich 2026 betonte Julian A. Kramer (Adobe) die Notwendigkeit orchestrierter Agent-Workflows, robuster Governance und passender Infrastruktur. Als zentraler Enabler für teamübergreifende Automatisierung dient hierbei der Agent Orchestrator innerhalb der Adobe Experience Platform. Laut dem Adobe Agentic Readiness Report nutzen oder planen bereits über 90 % der befragten deutschen Unternehmen den Einsatz von Agentic AI. Zu den Kern-Use-Cases zählen Kundensegmentierung, Customer Journey Mapping und A/B-Testing. Erste Ergebnisse belegen eine Steigerung der Chatbot-Traffic-Conversions um 31 % sowie eine erhöhte Kaufzuversicht (+68 %) bei 1,2 % weniger Retouren im Jahresvergleich. Analysten von McKinsey und Gartner mahnen jedoch, dass langfristiger Erfolg zwingend klare Zieldefinitionen, Kostenkontrollen, Explainability by Design sowie den gezielten Aufbau von Meta-Skills in den Teams erfordert.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.