Wie Rovo Agents Mehrwert in eurer Atlassian-Suite schaffen können

Ein Agent lässt sich als AI-Assistent definieren, der angewiesen wird, eine bestimmte Aufgabe in eurer App auszuführen. Stellt euch zum Beispiel einen Agent vor, der automatisch eine Confluence-Seite mit Kundendaten aus Salesforce erstellt, sobald in Jira eine neue Opportunity angelegt wird. Aus technischer Sicht kann ein Agent eine autonome Einheit innerhalb eines Softwaresystems sein, die mit ihrer Umgebung interagiert, um bestimmte Ziele zu erreichen.

Innerhalb der Atlassian Suite werden Rovo Agents eine neue Welle der Automatisierung für Unternehmen jeder Größe vorantreiben. Sie ermöglichen es AI, komplexe Aufgaben zu erledigen, an denen aktuelle regelbasierte Automatisierungen scheitern, und bieten einer breiten Nutzergruppe erhebliche Effizienzgewinne.

Dieser Blogbeitrag erläutert die aktuellen AI-Funktionen von Atlassian, darunter Atlassian Intelligence, Rovo und Rovo Agents. Außerdem zeigt er, wie Agents durch die Ausführung von Geschäftsaufgaben und Workflows verborgenen Mehrwert schaffen können.

Atlassian Intelligence für intelligentere Automatisierung

Atlassian Intelligence umfasst AI-Funktionen, die Nutzer in verschiedenen Atlassian-Produkten nutzen können und die in den Premium+-Tarifen enthalten sind. Sobald ihr sie für euer Unternehmenskonto aktiviert habt, bietet sie Funktionen wie die Erstellung und Zusammenfassung von Inhalten, Insights und Automatisierung. So verbessert ihr Workflows und trefft fundiertere Entscheidungen.

In Jira kann Atlassian Intelligence beispielsweise relevante Issues vorschlagen oder Insights zum Projektfortschritt liefern. In Confluence hilft es dabei, lange Dokumente zusammenzufassen oder erste Entwürfe zu erstellen.

Kernfunktionen und Vorteile von Rovo

Rovo basiert auf Atlassian Intelligence, ist aber ein eigenständiges Produkt, das als Add-on für alle Atlassian-Tarife verfügbar ist. Rovo wird pro Nutzer abgerechnet und erfordert nicht, dass Atlassian Intelligence aktiviert ist. Mit Rovo könnt ihr auf Rovo Search, Rovo Chat und Rovo Agents zugreifen.

Mit Rovo Search können Projektmanager umfassend in Atlassian- und Drittanbieteranwendungen wie Google Drive, SharePoint und weiteren suchen und Informationen schnell finden.

Rovo Chat bietet dagegen eine praktische Benutzeroberfläche für die Interaktion mit Daten aus verschiedenen Quellen, um Fragen zu stellen sowie Insights und personalisierte Antworten auf Grundlage der verfügbaren Daten zu erhalten. Support-Teams können Rovo Chat nutzen, um mit Daten aus unterschiedlichen Plattformen zu interagieren und personalisierte Antworten zu erhalten. Das ermöglicht einen schnelleren und präziseren Support.

Rovo Agents automatisieren wiederkehrende Aufgaben und steigern so die Produktivität von Einzelpersonen und Teams. Für Entwickler bedeutet das, dass Rovo Agents wiederkehrende codebezogene Aufgaben übernehmen und den Status von Issues über verschiedene Projekte hinweg verfolgen können.

Der Unterschied zwischen Rovo Chat und Rovo Agents

Agents unterscheiden sich von Chat durch ihren größeren Funktionsumfang: Sie können mehr Aktionen ausführen. Wenn ihr in Chat einen Prompt schreibt, könnt ihr nur eine begrenzte Anzahl von Aktionen anfordern, etwa „Kommentar zur Seite hinzufügen“, „Issue zuweisen“, „Kommentar zum Issue hinzufügen“, „Issue erstellen“, „Issue-Status ändern“, „Seite erstellen“ und „Issue bearbeiten“.

Bei der Konfiguration von Agents könnt ihr dagegen aus einem größeren Spektrum an Aktionen wählen, darunter „Issues löschen“, „Zum Sprint hinzufügen“, „Epic erstellen“, „Ähnliche Incidents finden“ und weitere.

Dieses breitere Aktionsspektrum ermöglicht es Agents, komplexere Workflows zu automatisieren. Ein Agent könnte beispielsweise so konfiguriert werden, dass er eingehende Support-Tickets automatisch priorisiert, sie dem passenden Teammitglied zuweist und auf Grundlage ähnlicher vergangener Issues mögliche Lösungen vorschlägt.

Wer von Rovo Agents profitiert und wie sie funktionieren

Rovo Agents können grundsätzlich von allen Nutzern im Unternehmen erstellt werden. Dieser demokratisierte Ansatz fördert die Nutzung von Agents im gesamten Unternehmen und unterstützt Teams dabei, individuelle AI-Lösungen zu entwickeln – ohne spezialisiertes Entwicklungswissen.

Nach der Erstellung können Agents öffentlich oder privat sein. Sie können also von anderen Nutzern in eurem Unternehmen gefunden und genutzt werden oder nur für euch zugänglich sein.

Unterschiedliche Agents eignen sich für verschiedene Rollen im Unternehmen. Projektmanager können die Aufgabenzuweisung und Projektverfolgung automatisieren. Entwickler können die Erstellung von Issues und Code Reviews automatisieren und gewinnen so Zeit für die eigentliche Programmierung. Support-Teams können Reaktionszeiten verbessern, indem sie die Priorisierung von Tickets automatisieren und Aufgaben den passenden Agents zuweisen.

Für Rovo Agents zeigt das obige Flussdiagramm, wie Agents Interaktionen in Apps wie Jira automatisieren und verbessern. Der Agent fungiert als Vermittler und übernimmt die komplexe Suche und Verarbeitung von Daten. So erhalten Nutzer hilfreiche, datengestützte Antworten, ohne Informationen aus mehreren Quellen zusammentragen zu müssen. Mithilfe des LLM können Agents Fragen von Nutzern verstehen und hilfreich beantworten – auch bei unstrukturierten Daten oder komplexen Anfragen.

No Code Agents

Es gibt zwei Arten von Agents: No Code Agents und Custom Agents. Bei No Code Agents verwendet ihr ausschließlich einen Prompt, um einen Agent anzuweisen. Ihr könnt euren Agent erstellen, indem ihr ihm einen Namen gebt und einen Prompt schreibt. Anschließend gebt ihr eine Datenquelle an, beispielsweise Atlassian-Produkte und andere verfügbare Standard-Connectoren für Drittanbieter-Tools wie Google Drive, SharePoint und weitere. Ihr könnt auch Aktionen auswählen, die ein Agent ausführen soll, etwa „Issue erstellen“, „Seite erstellen“, „Issue zuweisen“ und weitere.

No Code Agents, die ausschließlich auf Prompts basieren, eignen sich hervorragend für Prototyping oder einfachere Aktionen. Wenn ihr einen No Code Agent erstellt, können ihn alle Nutzer in der jeweiligen Cloud-Instanz verwenden.

Custom Agents

Custom Agents hingegen basieren auf Prompts und eurer eigenen Forge App. Forge ist die Entwicklungsplattform von Atlassian zum Erstellen von Jira- und Confluence-Cloud-Apps. Damit könnt ihr eure App mit komplexerer Agent-Logik schreiben, die nicht nur bestehende Atlassian-Produkte und Connectoren, sondern auch externe Datenquellen nutzt, die in Atlassian noch nicht verfügbar sind.

Um dies zu erreichen, kann ein Unternehmen entweder eine App mit eigenen internen Ressourcen entwickeln, die Unterstützung von Atlassian-Partnern nutzen oder sie von Drittanbieterentwicklern im Marketplace entwickeln lassen.

Mit Custom Agents habt ihr mehr Freiheiten als mit No Code Agents, da ihr Zugriff auf REST APIs für alle Atlassian-Tools und Datenquellen von Drittanbietern habt. Sobald ihr einen Custom Agent entwickelt habt, könnt ihr ihn im Marketplace veröffentlichen oder privat halten und über private Links mit einer oder mehreren Organisationen teilen.

Was nicht zu Rovo gehört

Der Virtual Service Agent gehört nicht zu Rovo, da er stärker deterministische Workflows nutzt und definierte Anwendungsfälle unterstützt.

Die Rovo GitHub Copilot-Erweiterung ermöglicht die Interaktion mit Atlassian-Daten innerhalb von IDEs, gilt jedoch nicht als Rovo Agent. Sie ist eine Drittanbieterintegration, die über APIs die Kommunikation mit externen Plattformen wie GitHub, DataBricks usw. erleichtert.

Custom Agents mit Forge entwickeln – für mehr Flexibilität

Angenommen, ihr möchtet Daten aus einer externen Quelle über einen Connector abrufen, der derzeit nicht im Atlassian Marketplace gelistet ist, und benötigt einen Agent, der 4–5 Schritte ausführt, um ein Ziel zu erreichen.

Mit einem No Code Agent, bei dem ihr einfach einen Prompt schreibt und Aktionen für einen Agent auswählt, ist dies möglicherweise nicht so zuverlässig. Bei jeder Ausführung interpretiert ein Agent den Prompt anhand der angegebenen Aktionen. Es besteht jedoch keine direkte programmatische Verbindung zwischen Prompt und Aktionen, was insbesondere bei komplexen Abfragen zu ungenauen und inkonsistenten Ergebnissen führen kann.

Um dies zu lösen, kann es sinnvoller sein, einen Custom Agent mit Code zu entwickeln. Mit Forge könnt ihr interne Connectoren oder andere Drittanbieterquellen nutzen. Forge bietet zudem einen Erweiterungspunkt für die Anbindung weiterer Datenquellen. So ergeben sich deutlich mehr Möglichkeiten, auf Daten zuzugreifen und sie zu nutzen.

Die aktuelle Grenze für Informationen, die in einen Prompt aufgenommen werden können, wird als Kontextfenster bezeichnet und liegt bei 128.000 Tokens. Das entspricht ungefähr 96.000 Wörtern oder der Länge eines mittelgroßen Romans. Somit können wir dem Agent bis zu 128.000 Tokens an Informationen gleichzeitig zur Verarbeitung bereitstellen. Wird diese Grenze überschritten, kann es zu Timeouts oder unvollständigen Antworten kommen.

Wenn eure Datenquelle ein PDF ist, könnt ihr sie in Google Drive oder einen anderen File-Sharing-Service hochladen. Der Agent, der auf LLMs mit Optical Character Recognition (OCR) basiert, kann dann das Bild lesen und den Text aus dem PDF in ein maschinenlesbares Format umwandeln.

Das Potenzial von Agents branchenübergreifend entdecken

AI steigert bereits die Produktivität in Unternehmen, insbesondere in der Softwareentwicklung und im Kundensupport. Dort verbessern LLMs die Effizienz von Entwicklern deutlich und reduzieren von Mitarbeitern bearbeitete Kontakte um 20–40 %.

Die wachsenden Fähigkeiten von Rovo – mit dem Ziel, die Abdeckung von Drittanbieterdaten auf mehr als 80 externe Quellen auszubauen – können jedoch weit über diese Bereiche hinaus Transformationen vorantreiben und verschiedene Bereiche eines Unternehmens beeinflussen.

Im Finanzwesen könnten Rovo Agents routinemäßige Aufgaben wie Dateneingabe und Reporting übernehmen. Das hilft, Fehler zu reduzieren und die tägliche Arbeit zu vereinfachen. Marketingteams können Rovo nutzen, um Kundenerkenntnisse aus verschiedenen Quellen zu sammeln und zu analysieren und so gezieltere Kampagnen zu erstellen. In Operations und im Personalwesen könnten Rovo Agents Workflows steuern und die Dokumentenerstellung automatisieren. Das sorgt für Konsistenz und schafft Zeit für andere wichtige Aufgaben.

Jetzt ist ein besonderer Zeitpunkt für Unternehmen jeder Größe und Branche, AI Agents wie Rovo in ihre Abläufe zu integrieren. Während große Unternehmen diese Tools bereits einsetzen, ermöglichen die wachsenden Fähigkeiten von Rovo nun jeder Organisation, von höherer Produktivität und intelligenteren Workflows zu profitieren.

Mit der Weiterentwicklung von Rovo entsteht eine leistungsstarke Lösung, die Teams in Finanzwesen, Marketing, HR und weiteren Bereichen dabei unterstützt, AI auf eine Weise zu nutzen, die bisher vor allem größeren Unternehmen vorbehalten war. Indem Unternehmen Agents jetzt einsetzen, können sie ein Arbeitsumfeld schaffen, in dem AI und Mitarbeiter sich gegenseitig unterstützen und alltägliche Aufgaben in jeder Rolle und Abteilung einfacher und effizienter werden.