Agentic AI trifft auf ROI – unser Recap in 4 Tagen, 3 Talks und viele handfeste Learnings
Vier Tage FUSION, drei Vorträge – und ein roter Faden: Agentic AI gewinnt nur mit Orchestrierung, Governance und messbarem Nutzen. In diesem Recap bekommst Du die wichtigsten Produkt-News, unsere Highlights für Quality Engineering und die Short-Story, wie wir AVALON vom Hackathon-Gewinn bis in die Produktion gebracht haben.
Unsere 3 Talks in Kürze
1. Main Stage – Agentic Testing (mit Ingo Philipp):
Ingo, Benjamin Tan, Johannes Reitermayer und ich haben gezeigt, wie Du von PoCs in regulierten Umgebungen sicher in die Produktion kommst – mit klaren Guardrails, KPIs und Rollen in der Delivery.
2. Extended Community Session – UiPath Playground:
Deep-Dive mit der Community zu Architektur, Governance und “controlled agency” – was lässt Du den Agent tun, und was nicht?
3. Speakers’ Corner (Main Hall):
Ein pragmatischer Blueprint, wie Du einen Test-Daten-Agenten aufsetzt, in Jira/CI/CD verankerst und den ROI trackst.
Was UiPath geliefert hat (die wichtigsten Produkt-News)
Leitmotiv: Agentic AI meets ROI. Weniger Hype, mehr Ende-zu-Ende-Orchestrierung von Menschen, Bots und KI-Agenten – mit nachvollziehbarer Wertschöpfung.
Maestro überall: Orchestrierung + Case Management + Process Apps verbinden People-Work, Automationen und Agenten zu realen Geschäftsflüssen (z. B. Claims, Lending, Disputes). Das ist das verbindende Gewebe für Agentic-Szenarien.
AI Agent Builder (Studio): Einheitliches Bauen von Agenten – von Low-Code bis „coded agents“ –, inklusive Templates, Debugging und Performance-Optimierung. Qualität schon beim Erstellen mitdenken.
Natural-Language Automation: Screenplay übersetzt Absichten in Desktop-Aktionen; API Workflows erlauben Dir Ende-zu-Ende-Prozesse ohne UI-Fragilität.
Quality Engineering, deutlich ausgebaut: Test Cloud für Scale-Out, integriertes Performance Testing, Self-Healing für UI-Tests und Autopilot im Test Manager – der Schritt hin zu „agentic testing“ über den gesamten SDLC.
Trust & Governance: Stärkere Guardrails, PII-Schutz und verbesserte Audit-Fähigkeiten, damit Autonomie unternehmens- und revisionssicher bleibt.
Ecosystem-Moves: Engere Verbindungen zu OpenAI, Microsoft Azure AI Foundry, NVIDIA NIM und Snowflake Cortex AI – vom Insight schneller in die Aktion, ohne die Governance zu verlieren.
Warum das für QA & Engineering zählt
- Schneller zur Wirkung: Vertical Solutions + Maestro reduzieren Last-Mile-Aufwand in echten Prozessen.
- Sicher skalieren: Agent-Guardrails und Audit-Trails schaffen Vertrauen bei Regulierung & Revision.
- Mehr Qualität zu geringeren Kosten: Performance-Tests aus der Cloud, Self-Healing und Autopilot heben Coverage & Geschwindigkeit, senken Wartung.
Unser Use Case: AVALON – synthetische Testdaten für Avaloq (mit LGT)
Aus dem Hackathon-Gewinn wurde ein praxistauglicher Agent: AVALON erzeugt compliant synthetische Testdaten „on demand“ für Avaloq und schreibt die Artefakte zentral in unseren Test Data Orchestrator (Jira). Keine Produktivdaten im Test – trotzdem hohe Varianz und realistische Szenarien.
So funktioniert’s (verkürzt):
Du beschreibst den Bedarf in natürlicher Sprache (z. B. „minderjähriger Kunde aus Zürich, der bei der Bonitätsprüfung abgelehnt wird“).
Der Agent generiert konsistente, Avaloq-kompatible Datnsätze (inkl. PL/SQL zum Einspielen).
TDO dokumentiert die Testdaten zentral und speist sie in Deine Workflows (Jira/CI/CD).
Der Effekt:
- Testdaten per Prompt, Vorbereitungszeit runter
- PII-Risiko eliminiet
- „Shift Left“: realistische Daten bereits früh für Dev & QA.
Dass AVALON beim AgentHack 2025 im Track „Agentic Testing“ gewonnen hat, unterstreicht die Reife des Ansatzes – und wie nahtlos UiPath-Bausteine (Agent Builder, Test Suite, Orchestrator u. a.) zusammenspielen.
Agentic Testing – was Du heute schon tun kannst
- Governance zuerst definieren: Policies, Freigaben, Observability und KPIs für Agenten festlegen, bevor Du sie losschickst.
- Use Cases mit hoher Hebelwirkung wählen: Engpässe in Testdaten, repetitive Regression, Performance-Risiken in kritischen Journeys.
- Tooling modular denken: Maestro für Orchestrierung/Case-Handling, Agent Builder für Skills, Test Cloud für Scale, TDO für Datenfluss & Nachvollziehbarkeit.
- ROI messen: Lead Time, Defect-Escape-Rate, Test-Coverage, Stabilität (Self-Healing-Ereignisse), Zeit bis „Data-Ready“.
Für wen ist das relevant?
1. Banken & Versicherer: Hohe Regulatorik, sensible Daten, viele End-zu-Ende-Prozesse.
2. Industrie & MedTech: Compliance-kritische Abläufe, dokumentationspflichtige Qualität.
3. Plattform-Teams (SAP, Avaloq, Core-Banking): Testdaten-Bottlenecks, Release-Druck, Bedarf nach automatischer Skalierung.
Was wir für Dich tun
- Assessment & Roadmap: Wo bringen Agenten sofort Mehrwert? Welche Guardrails brauchst Du?
- AVALON-Pilot (Avaloq): Von „Prompt“ bis produktionsnahe Tests – sicher, auditierbar, skalierbar.
- QE-Enablement: Performance-Test in der Cloud, Self-Healing, Autopilot im Test Manager – als Paket oder modulare Bausteine.
Conclusión
FUSION 2025 markiert den Schritt von AI-Features zu operationalisierter Agentic AI – mit Orchestrierung, Daten- und Prozess-Governance sowie messbarem Outcome. Wenn Du Agenten produktiv, sicher und mit echtem ROI einsetzen willst, beginnen wir mit Deinem Prozess – nicht mit dem Modell.
Lust auf einen 60-Minuten-Sparring-Call?
Schick uns dein Zielbild (Use Case + Stack), und wir skizzieren dir Architektur, Guardrails und KPIs für einen beweisbaren Pilot.
