> For the complete documentation index, see [llms.txt](https://docs.buildings.ability.abb/collection/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.buildings.ability.abb/collection/german/akademie/building-intelligence-ki-und-maschinelles-lernen-in-buildingpro-suites/agenten/agenten-im-smart-building-bereich.md).
# Agenten im Smart-Building-Bereich
Intelligente Gebäude erzeugen große Datenmengen, die oft über mehrere Subsysteme und Schnittstellen verteilt sind: Anlagenkonfigurationen, Live-Telemetrie, Alarme, Zeitreihen-Trends.\
Aus diesen Daten Erkenntnisse zu gewinnen, erfordert traditionell das Navigieren zwischen Dashboards, das Konfigurieren neuer Diagramme, das Prüfen von Rohdaten oder das Verlassen auf vorgefertigte Berichte.\
\
Agents bieten ein anderes Interaktionsmodell. Anstatt dass der Benutzer zu den Daten navigiert, navigiert der Agent für den Benutzer.\
Ein Agent erhält eine Anfrage in natürlicher Sprache, zerlegt sie in Schritte, verwendet Tools, um die relevanten Informationen zu ermitteln und abzurufen, und liefert ein strukturiertes, nachvollziehbares Ergebnis zurück.\
\
In BuildingPro Suites dienen Agents als Schnittstellenschicht zwischen Geschäftsanwendern und der Daten- und Funktionsoberfläche der Plattform. Aber anstatt Plattformfunktionen zu ersetzen, machen sie sie zugänglich, ohne dass Benutzer das zugrunde liegende Datenmodell, Abfragesprachen oder UI-Navigationspfade verstehen müssen.\
* Anlagenhierarchien sind tief und projektspezifisch. Ein einzelnes Portfolio kann Tausende von Anlagen über Dutzende von Typen hinweg enthalten, organisiert nach Standort, Funktion und logischer Gruppierung. Das manuelle Navigieren ist langsam.
* Kennzahlen liegen auf verschiedenen Anlagentypen auf unterschiedlichen Ebenen der Hierarchie. "Energieverbrauch" könnte von Zählern drei Ebenen unterhalb des Gebäudes erfasst werden, nach dem der Benutzer fragt. Ein Agent löst diese Kette automatisch auf.
* Die Fragen, die Benutzer stellen, sind oft ad hoc und explorativ. Vorgefertigte Dashboards decken bekannte Fragen ab; Agents decken den Rest ab.
Über den Datenabruf hinaus ermöglichen Agents ein grundlegend anderes Interaktionsmuster mit Anwendungsfunktionen.
**Das traditionelle Muster:**
1. Benutzer möchte etwas konfigurieren (z. B. eine Alarmregel, ein Dashboard, einen Bericht)
2. Benutzer navigiert zur relevanten Funktion in der Anwendung
3. Benutzer liest Dokumentation oder Tooltips, um die verfügbaren Optionen zu verstehen
4. Benutzer füllt Formulare aus, wählt Parameter aus, navigiert zwischen verwandten Bildschirmen
5. Benutzer überprüft das Ergebnis
Das erzeugt selbst für erfahrene Benutzer Reibung. Für gelegentliche Benutzer oder solche, die mit dem Datenmodell nicht vertraut sind, entsteht dadurch eine Barriere, die Funktionen faktisch unzugänglich macht.\
Eine agentische Integration verändert das grundlegend. Anstatt dass der Benutzer zur Funktion navigiert, erhält der Agent die Fähigkeiten der Funktion im Voraus: was sie tut, welche Eingaben sie akzeptiert und welche Ausgaben sie erzeugt. Dies ist im Kontext des Agenten als Tool-Definitionen und Systemanweisungen eingebettet. Der Benutzer formuliert seine Absicht in natürlicher Sprache, und der Agent:
**Das agentische Muster:**
1. Benutzer beschreibt in natürlicher Sprache, was er möchte
2. Der Agent hat bereits den *Kern* der Dokumentation der Funktion in seinen Kontext eingebettet: die Parameter, Einschränkungen, gültigen Konfigurationen.
3. Der Agent übersetzt die Anfrage in natürlicher Sprache in die technische Konfiguration, wählt die passende Funktion/das passende Tool aus und führt sie/das Tool aus
4. Der Agent übersetzt das technische Ergebnis zurück in natürliche Sprache zur Überprüfung
Dabei geht es nicht darum, die UI zu entfernen. Es geht darum, die Reibung zwischen *zu wissen, was man will* und *zu wissen, wie man es in den Begriffen der Anwendung ausdrückt*.Der Agent fungiert als bidirektionaler Übersetzer:
* **Natürliche Sprache -> technische Konfiguration:** "Benachrichtige mich, wenn irgendein Raum im 3. Stock länger als 30 Minuten 26 °C überschreitet" wird zu einer konkreten Alarmregel mit dem richtigen Anlagenbereich, Attribut, Schwellenwert und der richtigen Dauer.
* **Technische Konfiguration -> natürliche Sprache:** Der Agent erklärt, was er erstellt hat, sodass der Benutzer es überprüfen kann, ohne die technische Darstellung analysieren zu müssen.
Dieses Muster skaliert über Funktionen hinweg. Jede neue agentische Integration folgt demselben Prinzip: Gib dem Agenten den Kontext, den er benötigt, um eine Funktion auszuführen (ihr Schema, Einschränkungen, gültige Optionen), und er wird zu einer Schnittstelle, die Benutzer per Gespräch statt per Navigation bedienen können.\
Der Nutzen wächst mit der Komplexität der Plattform. Je mehr Funktionen, Menüs und Konfigurationsoptionen eine Plattform hat, desto mehr Wert liefert ein Agent, indem er den Navigations- und Lernaufwand in eine einzige Konversationsschnittstelle zusammenführt.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://docs.buildings.ability.abb/collection/german/akademie/building-intelligence-ki-und-maschinelles-lernen-in-buildingpro-suites/agenten/agenten-im-smart-building-bereich.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.