Revolutionizing Project Management: How Planview’s AI Assistant Enhances Task Efficiency with Multi-Agent Architecture
Revolution im Projektmanagement: Wie Planview mit Planview Copilot AI-Herausforderungen meistert
Dieser Beitrag wurde gemeinsam mit Lee Rehwinkel von Planview verfasst.
In der heutigen Geschäftswelt stehen Unternehmen vor zahlreichen Herausforderungen – von der Verwaltung komplexer Projekte und Programme bis hin zur Erschließung wertvoller Einblicke aus riesigen Datenmengen und der Notwendigkeit, zeitnahe Entscheidungen zu treffen. Diese Hürden führen häufig zu Engpässen in der Produktivität, insbesondere bei Programmmanagern und Führungskräften, und beeinträchtigen deren Fähigkeit, den organisatorischen Erfolg effizient zu steigern.
Die Vision von Planview
Planview, ein führender Anbieter von verbundenen Arbeitsmanagement-Lösungen, nahm 2023 einen ehrgeizigen Kurs auf, um die Interaktion von drei Millionen globalen Nutzern mit ihren Projektmanagement-Anwendungen zu revolutionieren. Um diese Vision zu verwirklichen, entwickelte Planview einen KI-Assistenten namens Planview Copilot, der auf einem von Amazon Bedrock betriebenen Multi-Agentensystem basiert.
Die Herausforderungen des Multi-Agenten-Systems
Die Entwicklung eines solchen Systems brachte mehrere Herausforderungen mit sich:
- Zuverlässige Zuweisung von Aufgaben an die entsprechenden KI-Agenten
- Zugriff auf Daten aus verschiedenen Quellen und Formaten
- Interaktion mit verschiedenen Anwendungs-APIs
- Ermöglichung der selbständigen Erstellung neuer KI-Fähigkeiten durch verschiedene Produktteams
Um diese Herausforderungen zu meistern, entwickelte Planview eine Multi-Agenten-Architektur, die durch Amazon Bedrock unterstützt wird. Diese vollständig verwaltete Dienstleistung bietet API-Zugriff auf Grundlagenmodelle (FMs) von Amazon und anderen führenden KI-Startups, was es Entwicklern ermöglicht, das am besten geeignete Modell für ihren Anwendungsfall auszuwählen.
Task-Routing und Agentenverwaltung
In diesem Blogbeitrag konzentrieren wir uns auf die erste Herausforderung: das Routing von Aufgaben und das Management mehrerer Agenten in einer generativen KI-Architektur. Wir betrachten Planviews Ansatz zur Bewältigung dieser Herausforderung und teilen Einsichten zu den Designentscheidungen, die ein effizientes und zuverlässiges Task-Routing ermöglichen.
Die Architektur von Planview besteht aus mehreren generativen KI-Komponenten, die als ein einziges System zusammenarbeiten. Ein zentrales Orchestrierungselement sorgt für die Zuweisung von Nutzerfragen an verschiedene Agenten, sammelt die erlernten Informationen und liefert dem Nutzer eine umfassende Antwort.
Komponenten der Architektur
Die Orchestrierung besteht aus zwei Hauptbestandteilen, dem Router und dem Responder, die auf einem großen Sprachmodell (LLM) basieren. Der Router verwendet KI, um Benutzerfragen intelligent an verschiedene Anwendungsagenten mit speziellen Fähigkeiten weiterzuleiten. Diese Agenten lassen sich in drei Hauptkategorien unterteilen:
- Hilfe-Agent – Bietet Anwendungshilfe mittels Retrieval Augmented Generation (RAG).
- Daten-Agent – Greift dynamisch auf und analysiert Kundendaten.
- Aktions-Agent – Führt Aktionen innerhalb der Anwendung im Namen des Benutzers aus.
Technische Übersicht
Um die Multi-Agenten-Architektur zu bauen, nutzte Planview essentielle AWS-Dienste. Der zentrale Copilot-Dienst, der durch Amazon Elastic Kubernetes Service (Amazon EKS) betrieben wird, koordiniert die Aktivitäten zwischen verschiedenen Services.
Bewertungs- und Auswahlprozess
Evaluierung und Überwachung der Leistungsfähigkeit von generativen KI-Modellen sind entscheidend. Planviews Multi-Agenten-Architektur ermöglicht Bewertungen auf verschiedenen Komponentenebenen, was umfassende Qualitätskontrolle trotz der Komplexität des Systems sicherstellt. Dabei werden die Komponenten auf drei Ebenen bewertet:
- Prompts – Bewertung der Wirksamkeit und Genauigkeit der LLM-Prompts.
- KI-Agenten – Evaluierung vollständiger Prompt-Ketten zur Gewährleistung der optimalen Aufgabenbearbeitung.
- KI-System – Überprüfung der nahtlosen Integration aller Komponenten in nutzerorientierten Interaktionen.
Ergebnisse und Auswirkungen
Dank der Implementierung einer Multi-Agenten-Architektur und der Entwicklung eines robusten Bewertungsrahmens konnte die Leistung von Planview Copilot signifikant gesteigert. Zu den Ergebnissen gehören:
- Genauigkeit – Die menschlich bewertete Genauigkeit stieg von 50% auf über 95%.
- Antwortzeit – Die durchschnittliche Antwortzeit wurde von über 1 Minute auf 20 Sekunden reduziert.
- Kosteneffizienz – Die Kosten pro Kundeninteraktion sanken auf ein Zehntel der ursprünglichen Ausgaben.
Fazit
Planview hat mit dem Planview Copilot eine neuartige Lösung entwickelt, um die Herausforderungen im Projektmanagement zu bewältigen, indem es modulare Entwicklung, ein robustes Bewertungsframework und die Integration von Amazon Bedrock nutzt. Durch die Migration zu Amazon Bedrock Agents wird die Integration intelligenter autonomer Agenten innerhalb des Anwendungssystems ermöglicht.
Für weitere Informationen und zur Erkundung von Planviews Funktionen für KI-Assistenten, besuchen Sie Planviews Webseite und bleiben Sie über neue Features und Releases von Amazon Bedrock informiert, um Ihre KI-Reise auf AWS voranzutreiben.