Ansichten: 4
Zusammenfassung – Angesichts der zunehmenden Bedeutung autonomer KI-Agenten müssen Unternehmen Datenkonsistenz, nahtlose Integration und einen kontrollierten ROI sicherstellen, um unerwartete Kosten und kontextuelle Fehler zu vermeiden.
Salesforce Agentforce setzt auf eine modulare Architektur in vier Schichten (Data Cloud, CRM-Objekte, KI-Modelle, Agenten) und nutzt Flows, Apex, MuleSoft und Slack, um mehrstufige Aufgaben zu automatisieren und bestehende Prozesse zu nutzen.
Die zentrale Orchestrierung über den Atlas Reasoning Engine und die native Integration schützen Investitionen und steigern gleichzeitig Agilität und Performance.
Lösung: Audit der Salesforce-Reife und der Daten-Governance durchführen, wertstarke Anwendungsfälle priorisieren und dann Agentforce oder eine maßgeschneiderte Agentenlösung implementieren.
Salesforce Agentforce markiert einen entscheidenden Meilenstein bei der Einführung autonomer KI-Agenten im Salesforce-Ökosystem und geht über die reine Weiterentwicklung von Einstein Copilot hinaus. Dank einer mehrschichtigen Architektur – Data Cloud, CRM-Objekte und -Prozesse, KI-Modelle und Agenten – ermöglicht diese Plattform den Einsatz von Assistenten, die planen, Kontext recherchieren und komplexe Aktionen ausführen können.
Mit nativer Anbindung an Data Cloud, Flows, Apex, MuleSoft und Slack setzt Agentforce auf das bestehende Salesforce-Setup, ohne es neu aufbauen zu müssen. Für Organisationen mit bereits ausgereifter Salesforce-Strategie stellt Agentforce einen mächtigen Hebel für Automatisierung, Performance und Agilität dar.
Mehrschichtige Architektur von Salesforce Agentforce
Salesforce Agentforce basiert auf einer modularen Architektur mit vier eng verzahnten Schichten, die Kohärenz, Performance und Skalierbarkeit sicherstellen. Jede Schicht – Daten, Anwendungen, KI-Modelle und Agenten – erfüllt eine spezifische Funktion bei der Verarbeitung von Anfragen und der Durchführung von Aktionen.
Diese Schichtenstruktur isoliert Verantwortlichkeiten und ermöglicht eine vereinfachte Wartung, während sie gleichzeitig die Softwarearchitektur und Erweiterbarkeit fördert. Teams können so Datenerfassung und -aufbereitung optimieren, bestehende Geschäftsprozesse anreichern, fortgeschrittene KI-Modelle nutzen und autonome Agenten orchestrieren.
Datenebene: Salesforce Data Cloud und Customer 360
Die Datenebene nutzt Salesforce Data Cloud, um sämtliche Kundendaten aus CRM, Marketing, Service, Commerce oder externen Quellen zusammenzuführen und zu harmonisieren. Die Customer-360-Perspektive ermöglicht die Erstellung eines einheitlichen und stets aktuellen Kundenprofils, das unerlässlich ist, um den KI-Agenten verlässlichen Kontext zu bieten.
Dank Mechanismen zur Datennormalisierung, Dublettenerkennung und Echtzeitdatenverarbeitung stellt Data Cloud gebrauchsfertige Datenpipelines bereit. Die Agenten greifen so auf angereicherte Entitäten – Accounts, Kontakte, Interaktionshistorien, Dokumente und benutzerdefinierte Objekte – zu, ohne aufwändige Eigenentwicklungen.
Ein Einzelhandelsunternehmen konnte Daten von vier Marketingplattformen und einem ERP über Data Cloud zentralisieren. Diese Konsolidierung verkürzte die Recherchezeiten für Kontextinformationen bei einem Support-KI-Agenten um 30 % und verdeutlicht den Stellenwert einer homogenen Datenebene für die Relevanz automatisierter Antworten und Aktionen.
Anwendungsebene: CRM-Objekte, Geschäftslogik und Automatisierungen
Die Anwendungsebene umfasst Standard- und Custom-Salesforce-Objekte, Sales-, Service-, Marketing- und Commerce-Clouds sowie bestehende Automatisierungen (Flows, Process Builder, Apex). Sie bildet die Geschäftslogik und die organisationsspezifischen Regeln ab.
Agentforce nutzt diese vorkonfigurierten Geschäftsprozesse, um Aktionen auszulösen: Erstellung von Opportunities, Statusaktualisierungen, Aufgabenverteilungen oder Eskalationsroutings. Ein Agent kann direkt einen Flow aufrufen oder Apex-Code ausführen, um komplexe Vorgänge ohne Kontextwechsel abzuwickeln.
Auf dieser Grundlage bauen IT-Teams auf ihren bisherigen Leistungen auf: Die Leadzuweisungslogik oder Freigabe-Workflows müssen nicht neu erstellt werden. Die Agenten steigern die Produktivität und halten dabei alle in Salesforce eingerichteten Konfigurationen und Berechtigungen ein.
KI-/Modellebene: Einstein, Atlas Reasoning Engine und Drittmodelle
Im Zentrum der KI-Ebene stellt Einstein vortrainierte Modelle für Score-Vorhersagen, Produktempfehlungen und Sentiment-Analysen zur Verfügung. Die Atlas Reasoning Engine koordiniert die Aufrufe zu verschiedenen Modellen und Tools, indem sie Schritte der Argumentation und Validierung verknüpft.
Atlas verwandelt eine einfache Anfrage in einen mehrstufigen Plan: Kontexterfassung, Modellauswahl (Einstein oder ein Drittmodell wie OpenAI), API-Aufruf, anschließend Validierung und Anreicherung der Ergebnisse. Diese Orchestrierung gewährleistet Kohärenz und Nachvollziehbarkeit aller KI-Aktionen.
Für spezifische Anforderungen erlaubt Agentforce auch die Integration externer Modelle – Dokumentenklassifikation, Textgenerierung oder Vektorsuche – und behält dabei eine zentrale Überwachung von Leistung und Kosten bei. Die Atlas Reasoning Engine sorgt für eine einheitliche Governance dieser KI-Ressourcen.
Agentenebene: Orchestrierung und autonome Ausführung
Die Agentenebene fasst Instanzen zusammen, die mit Rolle, präzisen Anweisungen, definierten Datenzugriffen und Ausführungsberechtigungen konfiguriert sind. Jeder Agent kann seine Aufgaben planen, die Datenebene abfragen, mit der Anwendungsebene interagieren und automatisierte Aktionen durchführen.
Agenten können auch untereinander zusammenarbeiten: Ein SDR-Agent kann einen KI-Sales Coach um Optimierung eines E-Mails bitten und anschließend einen Flow auslösen, um eine Follow-up-Nachricht zu versenden. Diese Modularität erleichtert die Erstellung komplexer Verarbeitungsketten ohne monolithische Entwicklung.
Ein weiterer gängiger Anwendungsfall ist das Einrichten proaktiver Überwachungsagenten: Sie erkennen Pipeline-Anomalien, benachrichtigen via Slack oder E-Mail, eskalieren Vorgänge an einen Manager und archivieren Logs für Audits. Diese präzise Orchestrierung zeigt die Leistungsfähigkeit einer gut aufgestellten Agentenebene.
Native Integration in bestehende Salesforce-Prozesse
Der größte Vorteil von Agentforce liegt in der nahtlosen Integration mit bereits implementierten Objekten, Flows, Apex-Klassen und APIs. Die Agenten ersetzen nicht die bestehende Geschäftslogik, sondern ergänzen und automatisieren sie weiter.
Nutzung vorhandener CRM-Objekte und Flows
Ein Agentforce-Agent kann Datensätze von Accounts, Opportunities, Kontakten oder Fällen gemäß den standardmäßigen Salesforce-Berechtigungen lesen und ändern. Er ist in der Lage, jeden bereits konfigurierten Flow oder automatisierten Prozess auszulösen.
Das bedeutet, dass ein Unternehmen, das einen Flow zur Steuerung kritischer Eskalationen eingerichtet hat, keinerlei Neuentwicklung betreiben muss. Der Agent ruft einfach denselben Flow auf und beachtet dabei alle Auslösebedingungen und Zuweisungen.
MuleSoft- und API-Integration für externe Systeme
Sind Daten oder Aktionen außerhalb von Salesforce gespeichert, ermöglichen MuleSoft und die REST-APIs die Verbindung der Agenten mit ERP, Logistikplattformen oder Fremddatenbanken. Agentforce kann diese Aufrufe orchestrieren, um seine Entscheidungen zu bereichern.
Bestehende MuleSoft-Konfigurationen werden wiederverwendet, um Compliance, Sicherheit und Quotenverwaltung bei API-Aufrufen sicherzustellen. Die Agenten erhalten so einen einheitlichen Zugriff auf sämtliche Informationssysteme.
Slack als bevorzugter Arbeitskanal
Slack dient in Agentforce nicht nur als Benachrichtigungskanal, sondern als vollwertige Arbeitsoberfläche. Die Agenten können Zusammenfassungen von Opportunities posten, auf Anomalien hinweisen, in Threads antworten oder menschliche Validierungen anstoßen.
Mitarbeitende finden die KI-Agenten dort vor, wo sie bereits arbeiten, ohne zur CRM-Konsole wechseln zu müssen. Slack-Nachrichten werden zu Befehlen oder Aktionsberichten, und Reaktionen (Emojis, Threads) lösen Salesforce-Prozesse aus.
Ein Schweizer Finanzdienstleister implementierte einen Compliance-Überwachungsagenten in Slack. Dieser überwacht sensible Kundenfälle, alarmiert das Team in einem dedizierten Kanal und öffnet automatisch einen Salesforce-Fall zur Nachverfolgung. Diese Umsetzung demonstriert die Bedeutung eines integrierten Konversationskanals für eine schnelle Adoption von KI-Agenten.
Edana: Strategischer Digitalpartner in der Schweiz
Wir begleiten Unternehmen und Organisationen bei ihrer digitalen Transformation.
Konkrete Anwendungsfälle für Salesforce Agentforce
Die KI-Agenten von Salesforce Agentforce decken zahlreiche Geschäftsbereiche ab – Vertrieb, Marketing, Kundenservice und Operations – indem sie mehrstufige Aufgaben automatisieren. Sie steigern die Produktivität und verkürzen die Time-to-Market, während sie auf bestehenden Prozessen aufbauen.
Vertrieb: SDR-Agent und automatisierter Sales Coach
Ein KI-gestützter SDR-Agent kann Leads qualifizieren, indem er Datenqualität analysiert, Opportunity-Scoring durchführt und Segmente bildet. Er erstellt personalisierte E-Mails, verschickt Follow-ups über Flows und aktualisiert die Opportunity-Status.
Marketing: Kampagnenerstellung und Listenaktivierung
Agentforce-Agenten können Zielgruppen automatisch anhand von CRM- und Marketing Cloud-Kriterien segmentieren sowie Inhalte für E-Mails und Landing Pages generieren. Sie starten und überwachen Kampagnen via Marketing Cloud, passen Verteilerlisten an und verfolgen die Ergebnisse.
Sinkt die Performance, kann der Agent einen A/B-Test auslösen, die Resultate analysieren und Änderungen an Inhalten oder Zielgruppen empfehlen. Diese kontinuierliche Verbesserungsschleife basiert auf der nativen Anbindung von Marketing Cloud und Data Cloud.
Operations: Dokumentenanalyse und Erkennung von Verkaufschancen
Die Agenten können mithilfe von Texterkennungsmodellen (OCR) Schlüsselinformationen aus Dokumenten (Verträge, Rechnungen, Berichte) extrahieren, sie in Salesforce-Objekte strukturieren und deren Konsistenz prüfen. Ebenso identifizieren sie anhand von Sentiment-Analysen und Transaktionshistorien Signale für Upselling oder Cross-Selling.
Durch die Automatisierung der Qualitätskontrolle reduzieren die Agenten Eingabefehler und beschleunigen die Bearbeitung von Vorgängen. Sie können Dateien auch über MuleSoft aus externen Systemen abrufen und in Salesforce Content oder Knowledge ablegen.
Grenzen und Voraussetzungen für einen erfolgreichen Einsatz von Agentforce
Salesforce Agentforce entfaltet sein volles Potenzial erst, wenn das Unternehmen über ein ausgereiftes Salesforce-Fundament und eine solide Datengovernance verfügt. Ohne diese Basis können die notwendigen Investitionen zur Datenharmonisierung und Systemintegration erheblich ausfallen.
Vor dem großflächigen Einsatz von KI-Agenten ist es entscheidend, die Reife der Geschäftsprozesse, die Datenqualität und das Nutzungsvolumen zu bewerten. Der Ansatz muss klar definiert sein, um einen positiven ROI zu sichern und unerwartete Kosten zu vermeiden.
Salesforce-Reifegrad und Datengovernance
Je strukturierter und dokumentierter Prozesse, Automatisierungen und Salesforce-Objekte sind, desto präziser können die KI-Agenten Aufgaben ohne menschlichen Eingriff ausführen. Ein zersplitterter Data Lake oder schlecht konfigurierte Objekte gefährden die Zuverlässigkeit der Ergebnisse.
Die Einführung einer Datengovernance, von Namenskonventionen und Datenqualitätsstrategien ist eine Voraussetzung, um konsistente Customer-360-Profile sicherzustellen. Ohne diese Leitplanken können Agenten fehlerhafte oder unangemessene Aktionen auslösen.
Ökonomische Grenzen und Nutzungslogik
Agentforce-Agenten werden pro Ausführung und nach Aufwandskomplexität abgerechnet, ähnlich einem „virtuellen Mitarbeiter“. Daher ist es essenziell, Anwendungsfälle mit hohem Mehrwert zu priorisieren: Lead-Qualifizierung, Level-1-Support oder massenhafte Dokumentenverarbeitung.
Selten eingesetzte oder schlecht definierte Use Cases können zu höheren Kosten pro Aktion führen als manuelle Bearbeitung oder traditionelle SaaS-Lizenzen. Die wirtschaftliche Rechtfertigung sollte auf einer detaillierten ROI-Kalkulation basieren.
Datenqualität und operative Schutzmechanismen
Obwohl Agentforce dabei helfen kann, Daten anzureichern und zusammenzufassen, ist es auf ein Mindestmaß an Qualität, Konsistenz und Governance angewiesen. Falsch formatierte oder veraltete Daten können zu fehlerhaften oder unpassenden Aktionen führen.
Klare Anweisungen, menschliche Eskalationspfade, Activity Logs und Freigabeprozesse für sensible Aktionen sind unerlässlich. Diese Kontrollen gewährleisten Zuverlässigkeit und Compliance.
Ergänzend sorgen kontinuierliches Monitoring und regelmäßige Audits der Agenten-Aktivitäten dafür, Abweichungen frühzeitig zu erkennen und Geschäftsregeln oder KI-Modelle anzupassen.
Maßgeschneiderte Agenten versus Agentforce
Für Prozesse, die mehrere Systeme durchlaufen (ERP, Kundenportal, Dokumentendatenbank, Abrechnung), kann eine maßgeschneiderte Agentenlösung mehr Flexibilität bieten: Wahl der Modelle, Hosting, Geschäftslogik und individuelle Benutzeroberfläche.
Dieser Ansatz ermöglicht die freie Verknüpfung verschiedener Tools, Kostenkontrolle und vermeidet Vendor-Lock-in eines einzigen KI-Ökosystems. Er ist besonders sinnvoll, wenn Salesforce nicht das zentrale System im Geschäftsumfeld darstellt.
Für ein Unternehmen, das stark auf Salesforce ausgerichtet ist, bleibt Agentforce jedoch der schnellste und kohärenteste Weg, KI-Agenten einzuführen, indem technische Schulden minimiert und bestehende Investitionen geschützt werden.
Optimieren Sie Ihre KI-Automatisierung mit Salesforce Agentforce
Salesforce Agentforce vereint eine mehrschichtige Architektur, nahtlose Integration und vielfältige Anwendungsfälle, um Geschäftsprozesse zu transformieren. Die potenziellen Mehrwerte sind maximal, wenn das Salesforce-Fundament ausgereift, die Daten governance und die Anwendungsfälle gezielt sind.
Unser Expertenteam unterstützt Sie bei der Analyse Ihres Salesforce-Reifegrads, der Daten- und Workflow-Mapping, der Wahl zwischen Agentforce, Einstein Copilot oder einer maßgeschneiderten Agentenlösung sowie bei der API-/MuleSoft-Integration, der Workflow-Erstellung und der KI-Governance.
Besprechen Sie Ihre Herausforderungen mit einem Edana-Experten
