Wie Salesforce-Administratoren Topics, Actions und Guardrails in Agentforce konfigurieren

Salesforce-Administratoren konfigurieren autonome Agenten in Agentforce, indem sie strukturierte Betriebsbereiche, ausführbare Geschäftswerkzeuge und mehrschichtige Governance-Kontrollen innerhalb des Agentforce Builders einrichten. Im Gegensatz zu herkömmlichen regelbasierten Chatbots, die deterministischen Entscheidungsbäumen folgen, nutzt Agentforce die Atlas Reasoning Engine, um Benutzerabsichten dynamisch zu interpretieren, Handlungspläne zu erstellen und Aufgaben autonom auszuführen. Um sicherzustellen, dass diese autonomen Agenten zuverlässig, sicher und innerhalb der Unternehmensgrenzen arbeiten, müssen Administratoren drei grundlegende Bausteine konfigurieren: Themen (Topics), die die Arbeit klassifizieren und abgrenzen, Aktionen (Actions), die Geschäftslogik ausführen, und Leitplanken (Guardrails), die Verhaltensbeschränkungen, Datenschutz und Eskalationspfade zu menschlichen Mitarbeitern durchsetzen.

Architektonisches Fundament: Die Atlas Reasoning Engine

Um einen autonomen Agenten effektiv zu konfigurieren, müssen Administratoren verstehen, wie Agentforce Benutzerinteraktionen verarbeitet. Das Herzstück von Agentforce ist die Atlas Reasoning Engine, die das Verhalten des Agenten über eine kontinuierliche Schleife aus „Überlegen – Handeln – Beobachten“ (Reason-Act-Observe) koordiniert:

• Absichtsklassifizierung (Intent Classification): Wenn ein Endbenutzer eine Anfrage stellt, gleicht Atlas die Nachricht mit den Klassifizierungsbeschreibungen aller aktiven Themen ab, die dem Agenten zugewiesen sind.
• Kontextzusammenstellung (Context Assembly): Sobald ein Thema ausgewählt ist, verarbeitet Atlas die natürlichsprachigen Anweisungen des Themas, verfügbare Aktionen, den Gesprächsverlauf sowie relevante Kundendaten, die über Salesforce CRM oder Data Cloud abgerufen werden.
• Planformulierung (Plan Formulation): Die Reasoning Engine bewertet, welche Aktionen (falls vorhanden) erforderlich sind, um die Anfrage des Benutzers zu erfüllen, und bestimmt die erforderlichen Parameter, die aus dem Gespräch extrahiert werden müssen.
• Aktionsausführung und Beobachtung (Action Execution and Observation): Der Agent führt die ausgewählte Aktion aus – z. B. das Abfragen eines Inventardatensatzes oder das Aktualisieren eines Kundenvorgangsstatus – und beobachtet die zurückgegebene Ausgabe. Wenn zusätzliche Schritte erforderlich sind, setzt die Engine den Denkprozess fort, bis das Ziel erreicht ist oder eine Eskalationsgrenze ausgelöst wird.

Da Atlas dynamisch schlussfolgert, anstatt einem vorgefertigten Dialogbaum zu folgen, erstellen Administratoren keine statischen Verzweigungspfade. Stattdessen definieren sie Grenzen, Werkzeuge und Ziele, sodass die Engine selbstständig den optimalen Weg zur Lösung ermitteln kann.

Schritt 1: Konfigurieren von Themen (Topics) im Agentforce Builder

Themen dienen als primäre Funktionsbereiche des Agenten. Sie gruppieren verwandte Funktionen, stellen Kontext bereit und definieren die Grenzen, innerhalb derer der Agent operieren darf.

Zugriff auf den Builder und Erstellen von Themen

1. Navigieren Sie im Salesforce-Setup (Einrichtung) über das Schnellsuche-Feld (Quick Find) zu Agentforce Agents (oder je nach Release-Konfiguration Einstein Agents).
2. Wählen Sie den gewünschten Agenten aus der Liste aus und klicken Sie auf Open in Builder.
3. Wählen Sie im linken Navigationsbereich des Agentforce Builders die Registerkarte Topics aus.
4. Klicken Sie auf New Topic, um ein benutzerdefiniertes Thema von Grund auf neu zu erstellen, oder wählen Sie aus vorkonfigurierten Standarddomänenvorlagen (wie Order Management, Billing Inquiries oder Case Escalation).

Definieren von Themenmetadaten und Klassifizierungsumfang

Jedes Thema erfordert drei entscheidende Konfigurationsfelder, die direkten Einfluss darauf haben, wie die Atlas Reasoning Engine eingehende Prompts weiterleitet:

• Themenname (Topic Name): Eine klare, beschreibende Bezeichnung zur Identifizierung der Geschäftsfunktion (z. B. Billing_and_Invoices oder Appointment_Scheduling).
• Klassifizierungsbeschreibung (Classification Description): Eine detaillierte semantische Erklärung, welche Benutzerabsichten, Abfragen und Anfragen unter dieses Thema fallen. Atlas stützt sich stark auf diese Beschreibung, um die Ähnlichkeit der Absichten zu berechnen. Schreiben Sie beispielsweise anstelle eines kurzen Labels wie „Abrechnungsfragen“: „Bearbeitet Anfragen zu Kundenrechnungen, Abrechnungshistorie, Zahlungsmethoden, Belegabrufen, Gebührenstreitigkeiten und Gebühren für Abonnementverlängerungen.“
• Umfang (Scope): Eine prägnante Zusammenfassung dessen, was der Agent innerhalb dieses Bereichs lösen kann und was nicht. Dies dient dem Modell als unmittelbare Kontextgrenze zu Beginn des Denkprozesses.

Verfassen von Anweisungen auf Themenebene

Themenanweisungen enthalten die spezifischen Verhaltensrichtlinien und Verfahrensschritte, die der Agent befolgen muss, sobald ein Thema aktiv ist. Administratoren sollten Anweisungen in klarer, imperativer natürlicher Sprache verfassen:

• Sequenzielle Anleitung (Sequential Guidance): Skizzieren Sie die Standardreihenfolge der Abläufe (z. B.: „1. Bitten Sie den Kunden um seine Bestellnummer (Order ID). 2. Überprüfen Sie, ob die Bestellnummer mit einem vorhandenen Datensatz übereinstimmt. 3. Rufen Sie den Versandstatus ab und fassen Sie den Lieferzeitplan zusammen.“).
• Bedingte Logik (Conditional Logic): Definieren Sie Regeln für bestimmte Szenarien (z. B.: „Wenn der Bestellstatus 'Zugestellt' lautet, der Kunde jedoch angibt, das Paket nicht erhalten zu haben, starten Sie einen Eskalationsflow für verlorene Pakete.“).
• Stil- und Tonvorgaben (Style and Tone Directives): Legen Sie Kommunikationspräferenzen fest (z. B.: „Geben Sie prägnante, professionelle Antworten. Vermeiden Sie Fachjargon bei der Erklärung einzelner Rechnungspositionen.“).

Administratoren sollten ein fokussiertes Design anstreben: typischerweise 10 bis 15 unterschiedliche Themen pro Agent, wobei minimale semantische Überschneidungen zwischen den Klassifizierungsbeschreibungen sichergestellt werden müssen, damit die Engine nicht zögert oder Anfragen falsch zuordnet.

Schritt 2: Verknüpfen und Konfigurieren von Aktionen (Actions)

Aktionen sind funktionale Werkzeuge, die ein Agent aufruft, um Informationen abzurufen, Datensätze zu erstellen oder zu aktualisieren und externe Geschäftslogik auszuführen. Ohne Aktionen kann ein Agent nur Gespräche führen; mit Aktionen kann er reale Aufgaben erledigen.

Für Administratoren verfügbare Aktionstypen

Administratoren können einem Thema verschiedene Arten von Aktionen zuordnen:

Konfigurieren von Aktionsparametern und Metadaten

Beim Hinzufügen einer Aktion zu einem Thema müssen Administratoren Parameterdefinitionen mit präzisen Beschreibungen in natürlicher Sprache konfigurieren:

1. Aktion auswählen: Klicken Sie in der Themendetailansicht auf Add Action und suchen Sie nach dem gewünschten Flow, der Apex-Methode, der Prompt-Vorlage oder dem externen Service.
2. Aktionsbeschreibung definieren: Geben Sie eine eindeutige Erklärung darüber ab, was die Aktion bewirkt und wann sie aufgerufen werden soll. Atlas liest diese Beschreibung, um zu entscheiden, ob die Aktion zum aktuellen Schritt seines Plans passt.
3. Eingabeparameter zuordnen: Legen Sie für jeden erforderlichen Eingabeparameter (z. B. caseId, customerId oder billingZipCode) fest, ob der Agent den Wert aus dem laufenden Gesprächskontext extrahieren, direkt vom Benutzer abfragen oder eine statische Systemvariable übergeben soll.
4. Ausgabebehandlung definieren: Konfigurieren Sie, wie der Agent die Rückgabewerte der Aktion verarbeitet. Legen Sie fest, ob die Ausgabe direkt als zusammengefasste Nachricht an den Benutzer zurückgegeben oder als Kontext für eine nachfolgende Aktion in die Denkschleife zurückgeführt werden soll.
5. Bestätigung verlangen (zustandsverändernde Operationen): Bei sensiblen oder irreversiblen Vorgängen – wie der Durchführung einer Zahlung, der Kündigung eines Vertrags oder dem Löschen eines Servicetermins – können Administratoren Bestätigungsanforderungen aktivieren, sodass der Agent den Benutzer vor der Ausführung ausdrücklich um Verifizierung bitten muss.

Schritt 3: Implementieren mehrschichtiger Leitplanken (Guardrails)

Autonome Agenten erfordern eine robuste Governance, um Halluzinationen, Datenlecks, Richtlinienverstöße und unbefugte Datenänderungen zu verhindern. Administratoren implementieren Schutzmechanismen auf vier verschiedenen Ebenen: Konversationsanweisungen, deterministische Logik, Zugriffsberechtigungen und Plattform-Sicherheitskontrollen.

1. Konversationsleitplanken über natürlichsprachige Anweisungen

Die erste Verteidigungslinie besteht darin, negative Einschränkungen in den Themenanweisungen explizit festzulegen. Administratoren sollten Anweisungen wie Standardarbeitsanweisungen (SOPs) behandeln, die einem Mitarbeiter erteilt werden:

• Explizite Verbote: Formulieren Sie unmissverständlich, was der Agent niemals tun darf (z. B.: „Versprechen Sie niemals eine Gutschrift oder Rückerstattung von mehr als 50 $, ohne den Fall an einen Vorgesetzten weiterzuleiten.“).
• Datenschutz: Weisen Sie den Agenten an, wie er mit sensiblen Kundeneingaben umgehen soll (z. B.: „Fragen Sie den Kunden niemals nach seiner vollständigen Kreditkartennummer, seinen Bankdaten oder seiner Personalausweisnummer. Falls der Kunde diese Angaben freiwillig macht, wiederholen Sie sie nicht im Gespräch.“).
• Reibungslose Eskalationstrigger: Definieren Sie genaue Kriterien dafür, wann der Agent die Bearbeitung stoppen und den Kunden über Omni-Channel an einen menschlichen Mitarbeiter übergeben muss (z. B.: „Wenn der Benutzer rechtliche Schritte androht, zweimal verlangt, mit einem Vorgesetzten zu sprechen, oder beleidigende Ausdrücke verwendet, rufen Sie unverzüglich die Aktion Transfer to Agent auf.“).

2. Deterministische Logik-Leitplanken

Während LLMs hervorragend darin sind, sprachliche Nuancen zu verstehen, sollten geschäftskritische Berechnungen und deterministische Geschäftsregeln niemals generativen Schätzungen überlassen werden. Administratoren müssen strenge Grenzen durchsetzen, indem sie kritische Logik in deterministischen Code verlagern:

• Flows und Apex für Berechnungen und Validierungen nutzen: Wenn ein Rabatt basierend auf dem Kundenwert strengen Stufen folgen muss, kapseln Sie die Berechnung in einem automatisch gestarteten Flow (Autolaunched Flow) oder einer Apex-Methode. Lassen Sie den Agenten die Aktion aufrufen, anstatt Rabatte generativ zu berechnen.
• Ausgabevalidierung: Verwenden Sie Validierungsregeln und Entscheidungselemente in Flows, um ungültige Eingabeparameter abzulehnen, bevor Datensätze in die Datenbank geschrieben werden.

3. Berechtigungs- und Zugriffskontroll-Leitplanken

Agentforce-Agenten führen Aktionen in einem bestimmten Ausführungskontext aus. Administratoren müssen für die Identität des Agenten das Prinzip der minimalen Rechtevergabe (Least Privilege) anwenden:

• Dedizierter Agenten-Benutzer und Profil: Jeder Agent arbeitet unter einem dedizierten Salesforce-Benutzerdatensatz. Administratoren sollten ein spezielles Profil und ein Berechtigungsset (Permission Set) erstellen, das ausschließlich auf den Betriebsbereich dieses Agenten zugeschnitten ist.
• Sicherheit auf Objekt- und Feldebene (FLS): Stellen Sie sicher, dass das Berechtigungsset des Agenten nur Read- oder Edit-Zugriff auf die spezifischen Standard- und benutzerdefinierten Objekte gewährt, die für seine zugewiesenen Themen erforderlich sind. Weisen Sie niemals Modify All Data oder umfassende Administratorrechte zu.
• Freigaberegeln (Sharing Rules): Überprüfen Sie, ob der Agenten-Benutzer organisationsweite Standardeinstellungen (OWDs) und rollenbasierte Freigaberegeln beachtet, sodass er keine Kundendatensätze außerhalb seines autorisierten Gebiets oder seiner Abteilung abrufen kann.

4. Leitplanken auf Plattformebene: Der Einstein Trust Layer

Agentforce basiert auf dem Einstein Trust Layer von Salesforce und bietet integrierte Sicherheitsfunktionen, die nur minimale administrative Konfiguration erfordern:

• Keine Datenspeicherung (Zero-Data Retention): Der Einstein Trust Layer garantiert, dass Basismodelle von Drittanbietern in Prompts gesendete Kundenunternehmensdaten weder speichern noch für das Modelltraining verwenden.
• Automatisierte Datenmaskierung: Personenbezogene Daten (PII) wie Sozialversicherungsnummern, E-Mail-Adressen und Telefonnummern werden automatisch erkannt und maskiert, bevor der Prompt die Salesforce-Vertrauensgrenze verlässt.
• Schutz vor Toxizität und Prompt-Injection: Eingehende Benutzereingaben und generierte Modellausgaben werden auf beleidigende Sprache, Hassrede und Prompt-Injection-Angriffe überprüft, die versuchen, die Anweisungen des Agenten zu manipulieren.
• Audit-Trail und Beobachtbarkeit: Jede Interaktion, einschließlich der abgerufenen Grounding-Daten, des gesendeten Prompts, der Zwischenschritte des Modells und der endgültigen Antwort, wird in den Data Cloud-Audit-Protokollen zur Überprüfung von Compliance und Governance erfasst.

Schritt 4: Testen, Beobachtbarkeit und Optimierung

Bevor ein Agent in Produktivkanälen für Kunden oder interne Teams eingesetzt wird, müssen Administratoren dessen Argumentationspfade validieren und seine Anweisungen verfeinern.

Verwenden des Konversationsvorschau-Panels

Agentforce Builder enthält ein interaktives Preview-Panel, mit dem Administratoren Unterhaltungen in Echtzeit simulieren können:

1. Testen des „Happy Path“: Geben Sie Standard-Benutzeranfragen ein, um zu überprüfen, ob der Agent die Absicht korrekt klassifiziert, das richtige Thema auswählt und die entsprechende Aktion aufruft.
2. Prüfen von Denkprotokollen (Reasoning Traces): Klicken Sie im Vorschaufenster auf die Zusammenfassung der Argumentation, um den internen Denkprozess des Agenten zu überprüfen. Untersuchen Sie, welches Thema gewählt wurde, welche Anweisungen die Antwort beeinflusst haben und welche Eingabeparameter an die aufgerufenen Aktionen übergeben wurden.
3. Testen von Grenzfällen und Leitplanken: Senden Sie gezielt Anfragen außerhalb des Zuständigkeitsbereichs, mehrdeutige Anforderungen und manipulative Prompts (z. B. die Aufforderung an den Agenten, seine Anweisungen zu ignorieren oder interne Systemkonfigurationen offenzulegen). Stellen Sie sicher, dass der Agent im Rahmen bleibt, Unternehmensrichtlinien korrekt zitiert oder an einen menschlichen Mitarbeiter eskaliert.

Bereitstellung und Überwachung in der Produktion

Nach Abschluss der Konfiguration und der Tests in der Sandbox:

• Kanalaktivierung: Aktivieren Sie den Agenten und weisen Sie ihn Bereitstellungskanälen zu, wie z. B. Salesforce Service Cloud Messaging, Experience Cloud-Websites, mobilen Apps oder internen Slack-Workspaces.
• Agentforce Command Center: Überwachen Sie Echtzeit-Leistungsmetriken wie Abweichungsraten (Self-Service-Erfolgsquote), Themenverteilung, Aktionserfolgsraten und Eskalationshäufigkeiten.
• Kontinuierliches Prompt-Tuning: Überprüfen Sie Sitzungsprotokolle, in denen der Agent vorzeitig eskaliert oder Absichten falsch klassifiziert hat. Verfeinern Sie die Themenklassifizierungsbeschreibungen und fügen Sie klarstellende negative Anweisungen hinzu, um Unklarheiten im Laufe der Zeit zu beseitigen.

Durch die systematische Definition granularer Themen, deren Ausstattung mit robusten aufrufbaren Aktionen und deren Absicherung durch mehrschichtige Leitplanken verwandeln Salesforce-Administratoren generative Modelle in zuverlässige, autonome digitale Assistenten, die die betriebliche Effizienz steigern und gleichzeitig Unternehmensstandards schützen.