Die Architektur agentenbasierter KI: Datenebenen, Orchestrierung und Ausführung

Von Mirko Peters · 2026-08-13

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Cover: From Data to Intelligent Agents: Building Trusted Enterprise AI with Microsoft AI Foundry with Shubhangi Goyal [MVP]

Willkommen zurück im Podcast-Blog! Heute vertiefen wir ein Thema, das die Unternehmenswelt im Sturm erobert hat: die zugrunde liegende Architektur agentenbasierter KI. Während Organisationen über einfache Chatbots und grundlegende Proof-of-Concept-Modelle hinausgehen, beeilen sich Architekten und IT-Verantwortliche, autonome Systeme zu entwickeln, die sicher mit zentralen Unternehmensumgebungen interagieren, komplexe Szenarien durchdenken und mehrstufige Workflows ausführen können. Doch wie baut man eine agentenbasierte Architektur, die sicher, skalierbar und vom Unternehmen vertrauenswürdig ist?

In diesem Beitrag zeigen wir die technologischen Grundlagen, die für den Aufbau robuster intelligenter Agenten im Unternehmen nötig sind. Wir betrachten, wie Datenebenen das System versorgen, wie Orchestrierungs-Engines komplexe agentenbasierte Schleifen koordinieren und wie Ausführungsebenen Aktionen sicher durchführen. Wenn Sie noch tiefer in den Aufbau vertrauenswürdiger KI-Lösungen für Unternehmen einsteigen und Expertenperspektiven darauf hören möchten, wie alles zusammenspielt, hören Sie unbedingt unsere begleitende Podcast-Folge From Data to Intelligent Agents: Building Trusted Enterprise AI with Microsoft AI Foundry with Shubhangi Goyal [MVP].

Einführung in die Architektur agentenbasierter KI

In den vergangenen Jahren war künstliche Intelligenz überwiegend dialogorientiert. Sie stellen eine Frage, und ein großes Sprachmodell (Large Language Model, LLM) erzeugt eine Antwort auf Basis fest trainierter Gewichte oder einfacher retrieval-augmented generation (RAG). Der Paradigmenwechsel hin zu agentenbasierter KI vollzieht sich jedoch rasant. Agentenbasierte Workflows verleihen Modellen Autonomie: Sie können planen, Werkzeuge nutzen, APIs aufrufen, Fehler iterativ beheben und mit anderen Agenten zusammenarbeiten, um übergeordnete Geschäftsziele zu erreichen.

Dafür muss man KI nicht länger als eigenständige Anwendungskomponente betrachten, sondern als verteilte Architektur mit Unternehmensanspruch. Damit Agenten zuverlässig arbeiten, müssen Unternehmen Systeme über klar getrennte Ebenen hinweg entwerfen: eine sichere Datenebene für den Kontext, eine Orchestrierungsebene für Schlussfolgerungen und Zustandsverwaltung sowie eine Ausführungsebene für die sichere Nutzung von Werkzeugen. Ohne einen durchdachten architektonischen Bauplan riskieren Organisationen, fragile Bots einzusetzen, die halluzinieren, unvorhersehbar ausfallen und vertrauliche Unternehmenswerte Sicherheitsrisiken aussetzen.

Warum vertrauenswürdige KI-Agenten im Unternehmen wichtig sind

Vertrauen ist die wichtigste Währung der Innovation. Wie Scott Hebner treffend festhielt: "Trust is emerging as the currency of innovation. No trust, no ROI." Wenn autonome Agenten im Auftrag von Benutzern handeln, CRM-Datensätze aktualisieren oder Finanztransaktionen verarbeiten, ist Vertrauen nicht verhandelbar. Unternehmensverantwortliche müssen sicher sein, dass ihre KI-Systeme korrekt, nachvollziehbar und sicher arbeiten.

Intelligente Agenten verbessern Entscheidungsprozesse und betriebliche Effizienz erheblich, indem sie Routineaufgaben automatisieren. Gleichzeitig eröffnen sie neue Risikovektoren. Probleme mit der Datenqualität, Integrationsfehler und mangelnde Transparenz können das Vertrauen der Nutzer schnell untergraben. Vertrauenswürdige Agenten erfordern, dass Kontrollen mit menschlicher Beteiligung (Human-in-the-Loop), robuste Observability und konsequente Governance direkt in das architektonische Fundament eingebettet werden.

Die Datenebene: Agenten mit sauberen Informationen versorgen

Ein intelligenter Agent ist nur so intelligent wie die Daten, auf die er zugreifen kann. Die Datenebene bildet das Fundament jeder agentenbasierten Architektur und stellt konsistenten, sicheren Zugriff auf Unternehmenswissen, Datenbanken und operative Echtzeitsysteme bereit.

Leider scheitern viele KI-Einführungen bereits an dieser ersten Hürde. Probleme mit der Datenqualität bleiben ein erhebliches Hindernis für Transformationsinitiativen. Organisationen kämpfen häufig mit fragmentierten Datensilos, veralteter Dokumentation und unverwalteten unstrukturierten Daten, die über verschiedene Cloud-Repositories verteilt sind. Damit effektive Agenten arbeiten können, muss die Datenebene Folgendes bereitstellen:

Saubere, qualitativ hochwertige und zugängliche Daten, die über robuste Richtlinien für die Daten-Governance bereitgestellt werden.
Vektordatenbanken und semantische Suchfunktionen, mit denen Agenten relevanten Kontext schnell abrufen können.
Strikte Berechtigungsfilterung, sodass ein Agent nur auf Daten zugreifen kann, die der zugrunde liegende menschliche Benutzer einsehen darf.

Wenn Agenten auf korrekte, governance-konforme Daten zugreifen, steigt ihre Fähigkeit zum logischen Schlussfolgern, Planen und Lösen von Problemen exponentiell, und die Halluzinationsrate sinkt deutlich.

Die AI-Orchestrierungsebene: Verwaltung von Multi-Agent-Workflows

Sobald Sie saubere Daten haben, brauchen Sie einen Mechanismus, der steuert, wie ein Agent denkt, plant und reagiert. Genau diese Aufgabe übernimmt die AI-Orchestrierungsebene. Orchestrierungs-Frameworks fungieren als kognitive Engine und Verkehrsleiter für Ihre Agenten. Sie verwalten die Interaktionen zwischen verschiedenen Modellen, Tools und Multi-Agent-Teams.

Da KI-Agenten iterativ arbeiten, also ihre Umgebung beobachten, den nächsten Schritt überlegen, handeln und anschließend ihre Ergebnisse neu bewerten, muss die Orchestrierungsebene Zustandsverwaltung, Speicher und Fehlerbehebung übernehmen. In anspruchsvollen Unternehmensszenarien reicht ein einzelner Agent oft nicht aus. Stattdessen setzen Architekturen häufig auf ein Mixture-of-Experts-Modell oder auf Multi-Agent-Teams, in denen spezialisierte Agenten zusammenarbeiten, um ein komplexes Ziel zu erreichen.

Die Orchestrierungsebene sorgt dafür, dass diese Interaktionen reibungslos und ohne Konflikte ablaufen. Sie legt fest, wie Prompts aufgebaut werden, wie der Speicher über mehrere Gesprächsrunden hinweg erhalten bleibt und wann die Kontrolle von einem spezialisierten Agenten an einen anderen übergeben oder an einen menschlichen Supervisor eskaliert werden muss.

Die Ausführungsebene der Agenten: Spezialisierte Aktionen und Automatisierung

Schlussfolgern ohne Handeln ist nur ein Gedankenexperiment. Auf der Ausführungsebene arbeiten die spezialisierten KI-Agenten: Sie übernehmen bestimmte Funktionen, rufen APIs auf, interagieren mit Fachanwendungen und automatisieren Aufgaben auf Basis eingehender Daten.

Diese Ebene verbindet den kognitiven Plan des Agenten mit der realen Welt. Ob ein Datensatz in einer Datenbank aktualisiert, eine E-Mail in einer Kundenservice-Plattform entworfen oder ein Workflow in Power Platform ausgelöst wird: Die Ausführungsebene übernimmt die technische Umsetzung der Tool-Nutzung. Um die Sicherheit im Unternehmen zu gewährleisten, muss jede Aktion eines Agenten auf dieser Ebene konsequent isoliert (sandboxed), validiert und protokolliert werden. Agenten sollten niemals ungehinderten Zugriff auf Produktiv-APIs haben, ohne geeignete Schutzmechanismen und Parameterprüfung.

Schritte zum Aufbau intelligenter Agenten

Klare Ziele definieren

Der Aufbau wirksamer intelligenter Agenten beginnt mit klar definierten Geschäftszielen. Konkrete Ziele lenken die Entwicklung und stellen sicher, dass sie auf die strategischen Anforderungen Ihres Unternehmens abgestimmt ist. Ermitteln Sie die konkreten Probleme, die die intelligenten Agenten lösen sollen, etwa die Automatisierung von Kundenanfragen, die Optimierung des Lieferkettenmanagements oder die Entlastung von administrativem Aufwand. Legen Sie messbare Key Performance Indicators (KPIs) fest, um den Erfolg zu bewerten, und streben Sie eine hohe Genauigkeit und Aufgabenabschlussquote an.

Die richtige Technologie auswählen

Die Wahl des richtigen Technologie-Stacks über die Daten-, Orchestrierungs- und Ausführungsebene hinweg ist entscheidend für die Leistung. Unternehmenstaugliche Plattformen und Cloud-Lösungen erhöhen Skalierbarkeit und Flexibilität. So können sich Ihre Agenten an veränderte Geschäftsbedingungen anpassen und sich nahtlos in bestehende Systeme integrieren.

Robuste Tests implementieren

Gründliche Tests sind unverzichtbar, damit intelligente Agenten wie vorgesehen funktionieren. Richten Sie eine kontrollierte Testumgebung ein, die reale Bedingungen nachbildet, verbinden Sie sie mit Testinstanzen Ihrer Unternehmenssysteme, beziehen Sie unvoreingenommene Tester aus verschiedenen Teams ein und verbessern Sie die Lösung laufend auf Basis des Feedbacks, damit Sonderfälle vor dem Rollout erkannt werden.

Sicherheit, Governance und Compliance

Sicherheit und Governance dürfen beim Aufbau agentischer KI kein nachträglicher Gedanke sein. Sie müssen von Beginn an die tragenden Säulen bilden. Wenn Organisationen autonome Agenten einsetzen, die Workflows ausführen können, müssen Datenschutz und Compliance-Vorgaben wie DSGVO, EU-KI-Verordnung und HIPAA strikt eingehalten werden.

Unternehmen sehen sich in der KI-Ära massiven Sicherheitsherausforderungen gegenüber. Statistiken zeigen, dass die große Mehrheit der IT-Sicherheitsverantwortlichen KI-generierte Vorfälle fürchtet und ein erheblicher Anteil der Unternehmen täglich mit KI-gestützten Cyberangriffen rechnet. Um das Unternehmen zu schützen, müssen Organisationen Folgendes umsetzen:

Fortschrittliche Observability-Frameworks, um nicht deterministisches Agentenverhalten in Echtzeit zu überwachen.
Granulare Governance-Richtlinien für Daten und technische Kontrollen, um übermäßige Berechtigungen zu begrenzen.
Sicherheitsbewertungen und proaktive Bedrohungsanalysen während der Entwicklung, um Risiken wie Prompt Injection, Datenexfiltration und voreingenommene Ausgaben zu minimieren.

Praxisnahe Anwendungen und Fallstudien

Intelligente Agenten verändern Branchen derzeit rasant, indem sie Effizienz, Genauigkeit und Skalierbarkeit in unterschiedlichsten Geschäftsbereichen steigern:

Finanzwesen: Agenten automatisieren die Bearbeitung von Kreditanträgen, übernehmen Prüfungen zur Einhaltung regulatorischer Vorgaben und verbessern Systeme zur Betrugserkennung.
E-Commerce: Autonome Agenten überwachen Lagerbestände, lösen Nachbestellungen aus und personalisieren die Kundeninteraktionen.
Marketing: KI-Agenten überwachen die Leistungskennzahlen von Kampagnen und passen das Werbebudget dynamisch an, um den Return on Investment zu maximieren.
Gesundheitswesen: Agenten reduzieren den administrativen Aufwand, indem sie Abrechnung und Terminplanung übernehmen, und unterstützen medizinisches Personal bei der Echtzeitüberwachung von Patientinnen und Patienten.

Mit wachsender Verbreitung in der Industrie zeigen Marktprognosen, dass Unternehmenssoftware zunehmend agentenbasierte Workflows integrieren wird. Das verändert grundlegend, wie Wissensarbeit erledigt wird.

Zukünftige Trends in der Architektur agentenbasierter KI

Die Architektur agentenbasierter KI wird sich weiterentwickeln. Wir bewegen uns auf stark verteilte Agenten-Ökosysteme zu, in denen spezialisierte Modelle über standardisierte Protokolle wie das Model Context Protocol (MCP) kommunizieren. Benutzerfreundliche Entwicklungsplattformen werden Citizen Developer und Fachexperten befähigen, sichere Agenten ohne komplexen Code zu konfigurieren. So beschleunigen sie Innovationszyklen im gesamten Unternehmen.

Letztlich hängt der Erfolg agentenbasierter KI davon ab, Autonomie und Kontrolle in Balance zu halten. Wer auf einem Fundament aus sauberen Daten, robuster Orchestrierung und strikter Governance aufbaut, kann beispiellose Produktivitätsgewinne erschließen und gleichzeitig uneingeschränktes Vertrauen wahren.

Wir hoffen, dass dieser tiefgehende Einblick in die Architektur agentenbasierter KI Ihnen einen klareren Fahrplan für Ihre unternehmensweiten Einführungen geliefert hat. Um Ihren Weg beim Aufbau vertrauenswürdiger KI-Systeme fortzusetzen, schauen Sie sich unbedingt auch unsere passende Podcast-Folge an, From Data to Intelligent Agents: Building Trusted Enterprise AI with Microsoft AI Foundry with Shubhangi Goyal [MVP]. Sie bietet wertvolle, praxisnahe Einblicke in den Entwurf sicherer und zuverlässiger Agenten innerhalb des modernen Technologie-Ökosystems.

🎧 Diese Folge anhören

Möchten Sie eine praxisnahe Erklärung zum Aufbau intelligenter Agenten? Diese Folge erläutert das Thema verständlich und zeigt, warum es für Microsoft 365, Azure, Power Platform, Sicherheit, KI und modernes Arbeiten wichtig ist.

Hören Sie sich diese Folge an, wenn Sie:

die zentralen Konzepte verstehen möchten, die den Weg von Rohdaten zu autonomen intelligenten Agenten bestimmen
nachvollziehen möchten, wie sich agentenbasierte Architekturen in das breitere Microsoft-Technologie-Ökosystem einfügen
erfahren möchten, wo agentenbasierte KI für Ihre Organisation praktischen, messbaren Mehrwert schaffen kann

Diese verwandten M365 FM-Folgen könnten Sie ebenfalls interessieren:

Entdecken Sie weitere praxisnahe Microsoft-Gespräche auf M365 FM.