Agentic AI in der Enterprise-Architektur

Executive Summary

Enterprise-Architektur ist die Disziplin, die Strategie und Betrieb durch strukturierte Planung, Harmonisierung und Steuerung verbindet. Ihre Kernaufgabe ist das Alignment zwischen Business Architecture, Informationssystem-Architektur und Infrastruktur-Architektur — sichergestellt durch Governance, Prinzipien und die koordinierte Entwicklung aller Domänen-Architekturen.

Agentic KI-Systeme — autonome Agenten, die Ziele selbständig planen, Werkzeuge aufrufen und Entscheidungen sequenziell treffen — greifen in alle drei Architektur-Domänen ein. Damit ist Agentic AI keine IT-Technologiefrage. Sie ist eine Enterprise-Architektur-Frage.

1. Die Rolle der Enterprise-Architektur und das Fragmentierungsrisiko

1.1 Aufgabendefinition: Was Enterprise-Architektur leistet

Enterprise-Architektur übernimmt vier Kernaufgaben: Alignment (Kohärenz zwischen strategischen Zielen und Systemlandschaft), Standardisierung (wiederverwendbare Muster und reduzierte Komplexität), Governance (Sicherung der Einhaltung von Prinzipien und Entscheidungsregeln) sowie Planung (strukturierte Entwicklung der Architekturlandschaft über Zeit).

1.2 Das Fragmentierungsrisiko

Agentic AI erzeugt in Konzernen dezentrale Adoptionsimpulse. Fachbereiche experimentieren mit Agenten unabhängig voneinander. Ohne EA-Steuerung entstehen: inkompatible Agenten-Implementierungen ohne gemeinsame Datenbasis, redundante Investitionen in ähnliche Lösungen, strukturelle Datensilos durch agentenspezifische Datenzugriffsmuster, sowie Compliance-Risiken durch fehlende Governance-Anbindung.

1.3 Abgrenzung: Was Agentic AI definiert

2. Auswirkungen auf die Business Architecture

2.1 Capability-Modell im Wandel

Agentic AI verändert bestehende Business Capabilities nicht nur in ihrer Ausführung, sondern in ihrer strukturellen Definition. Capabilities, die bisher auf menschliches Urteilsvermögen ausgerichtet waren, müssen als hybrid-humane Strukturen neu konzipiert werden.

2.2 Prozessarchitektur als Designvoraussetzung

KI darf nicht auf unklare Prozesse gesetzt werden. Prozessarchitektur — vollständige Modellierung von Soll-Zuständen, Übergaben, Ausnahmebehandlungen und Eskalationspfaden — ist eine Voraussetzung für jede belastbare Agent-Implementierung. Zielarchitektur vor Implementierung ist kein Optimierungsansatz, sondern eine strukturelle Notwendigkeit.

2.3 Betriebsmodell und Rollenarchitektur

Betriebsmodelle erfordern eine explizite Rollenklärung zwischen menschlicher und maschineller Entscheidungsverantwortung. Für jede agentengestützte Aktivität sind zu definieren: welche Entscheidungen der Agent autonom treffen darf, welche Entscheidungen menschliche Freigabe erfordern, und wer im Eskalationsfall verantwortlich ist.

3. Auswirkungen auf die Informationssystem-Architektur

3.1 Agenten als neue Applikationsklasse

Agenten weichen in vier zentralen Dimensionen von klassischen Applikationen ab: dynamische Verhaltenssteuerung durch Sprachmodelle statt kodierter Logik, werkzeugbasierte Interaktion mit externen Systemen statt fester API-Aufrufe, nicht-deterministisches Verhalten mit Variabilität bei gleichen Inputs, und komplexere Lifecycle-Eigenschaften durch Prompt-Versionierung und Modellwechsel.

3.2 Schichtenmodell für Agentic Systeme

3.3 Application-Portfolio-Governance

Bestehende Portfolio-Management-Standards unterscheiden in der Regel zwischen Custom-Applikationen, Standardsoftware und Plattformen. Agenten passen in keine dieser Kategorien vollständig. EA muss eine neue Applikationsklasse mit eigenen Governance-Regeln definieren.

4. Auswirkungen auf die Infrastruktur-Architektur

4.1 Infrastruktur als Enabler, nicht primärer Engpass

Die meisten Konzerne verfügen über Cloud-Infrastruktur, die agentic Workloads prinzipiell unterstützt. Die drei strukturellen Engpässe sind: API-Governance (fehlende Standards für Tool-Aufrufe durch Agenten), Datenqualität (RAG-Systeme mit veralteten oder inkonsistenten Daten), und Sicherheitsarchitektur (neue Angriffsvektoren durch Prompt-Injection und übermäßige Agent-Berechtigungen).

4.2 Sicherheitsarchitektur: Neue Angriffsflächen

4.3 Datensouveränität und Betriebsmodell-Entscheidung

Die Make-vs-Buy-Entscheidung bei Agenten ist nicht primär eine Kostenfrage. Sie ist eine Governance- und Datensouveränitätsfrage. Welche Daten verlassen welche Organisationsgrenzen? Welche regulatorischen Anforderungen gelten?

6. EA als Alignment- und Governance-Funktion

6.1 Die Alignment-Aufgabe

EA muss Alignment über alle drei Domänen sicherstellen: dass Business-Anforderungen in IS-Architektur-Standards und Infrastruktur-Entscheidungen konsequent übersetzt werden. Ohne diese Kohärenz entstehen Spannungen zwischen fachlichen Anforderungen, technischen Implementierungen und operativen Constraints.

6.2 Governance-Instrumente für Agentic AI

7. AI Governance als mehrstufiges Steuerungsmodell

AI Governance für agentic Systeme erfordert ein mehrstufiges Steuerungsmodell. Vier logisch aufeinander aufbauende Schichten: