Vom einzelnen Agenten zur skalierbaren Agentenlandschaft
Bei einem einzelnen AI Agent ist vieles noch überschaubar. Ein Team kennt den Anwendungsfall, die angebundenen Systeme und die Grenzen der Lösung. Probleme lassen sich meist direkt nachvollziehen und Änderungen mit einer begrenzten Zahl von Beteiligten abstimmen.
Dieses Bild verändert sich, sobald mehrere Bereiche der Organisation eigene Agents entwickeln. Dann lautet die Frage nicht mehr nur, ob ein einzelner Agent funktioniert. Entscheidend wird, ob die Organisation eine wachsende Agentenlandschaft zuverlässig betreiben kann.
Genau hier beginnt die nächste Entwicklungsstufe. Jeder zusätzliche Agent erweitert nicht nur die technischen Möglichkeiten, sondern auch die betrieblichen Abhängigkeiten. Ergebnisse und Interaktionen müssen nachvollziehbar bleiben, während sich Wissen, Terminologie und Geschäftsregeln in unterschiedlichen Business Units verschieden entwickeln können. Gleichzeitig können Teams unterschiedliche Agent Technologien wählen, während Nutzung und Kosten insgesamt steigen.
Diese Themen hängen eng zusammen und müssen als Teil derselben Skalierungsaufgabe betrachtet werden.
Zuerst muss die Organization die Aktivitäten ihrer Agents monitoren
Sobald Agents produktiv eingesetzt werden, kann ein kleines Team nicht mehr jeden einzelnen Durchlauf manuell begleiten.
Agents reagieren auf Kontext, rufen Tools auf und treffen innerhalb definierter Grenzen Entscheidungen. Änderungen an Daten, Modellen, Prompts oder Schnittstellen können deshalb ihr Verhalten beeinflussen, obwohl das System eigentlich wie erwartet funktioniert.
Für einen zuverlässigen Betrieb sollten mindestens drei Elemente klar sein:
- Welche fachlichen Ergebnisse erwarten wir und wie überprüfen wir sie?
- Welche Schritte, Tool Aufrufe und Eskalationen müssen nachvollziehbar sein?
- Wer ist verantwortlich, wenn sich Verhalten oder Qualität verändern?
Observability wird damit zu mehr als klassischem System Monitoring. Sie schafft die Grundlage dafür, Agents kontrolliert weiterzuentwickeln.
Wenn Agents sich weiterentwickeln, muss auch ihr Wissen kontrolliert bleiben
Produktive Agents bleiben nicht statisch. Neue Wissensquellen kommen hinzu, Geschäftsregeln ändern sich und Teams erweitern ihre Fähigkeiten.
Die Herausforderung wird besonders sichtbar, wenn ähnliche Agent Fähigkeiten in mehreren Business Units eingesetzt werden, die Aufgabe also vergleichbar ist, sich jedoch Daten, Terminologie oder Geschäftsregeln im jeweiligen Umfeld unterscheiden.
Schon einfache Geschäftsbegriffe können zu Problemen werden: "Kunde", "Einkommen" oder "aktiver Vertrag" müssen in zwei Business Units nicht dasselbe bedeuten. Jede Definition, welche im lokalen Kontext korrekt ist, kann jedoch zu falschen Schlussfolgerungen führen, wenn sie organisationsweit angewendet wird.
Hier werden Ontologien und semantische Governance relevant. Eine Ontologie kann Agents dabei helfen, Geschäftsobjekte, Beziehungen und Regeln konsistent zu interpretieren. Beim Skalieren geht es jedoch nicht darum, überall zwingend dieselbe Definition zu verwenden. Entscheidend ist zu wissen, welche Bedeutung gruppenweit gilt, wo lokale Abweichungen notwendig sind und wer diese Entscheidungen verantwortet.
Agents zu skalieren bedeutet deshalb auch, zu steuern, wie Geschäftsbegriffe organisationsweit verstanden und angewendet werden.
Mehr Teams bedeuten häufig auch mehr Technologien
Dasselbe Muster zeigt sich auf der Technologieseite.
Nicht jeder Agent Use Case stellt dieselben Anforderungen. Ein analytischer Agent arbeitet anders als ein Agent, der Mitarbeitende durch einen Geschäftsprozess führt oder Aktionen in operativen Systemen auslöst. Es ist deshalb realistisch, dass Unternehmen langfristig mehrere Agent Technologien parallel betreiben.
Das muss kein Nachteil sein.
Problematisch wird es, wenn jede Business Unit eigene Regeln, Schnittstellen und Betriebsmodelle entwickelt. Eine skalierbare Organisation braucht gemeinsame Leitplanken, ohne jede lokale Entscheidung zu zentralisieren.
Dazu können gemeinsame Anforderungen an Identität, Logging, Freigaben und Schnittstellen gehören. Interoperabilitätsansätze wie MCP und A2A können zusätzlich helfen, unterschiedliche Tools und Agents miteinander zu verbinden. Entscheidend bleibt jedoch das übergeordnete Operating Model.
Die Frage lautet damit weniger:
- Auf welche einzelne Agent Plattform sollen wir standardisieren?
Sondern:
- Wie betreiben wir unterschiedliche Agent Technologien unter gemeinsamen Regeln?
Organisatorische Skalierbarkeit wird genauso wichtig wie technische
Spätestens an diesem Punkt wird Agentic AI auch zu einer organisatorischen Aufgabe.
Business Units, Länder oder Tochtergesellschaften brauchen genügend Freiheit, um Lösungen für ihre eigenen Anforderungen zu entwickeln. Gleichzeitig müssen bestimmte Prinzipien gemeinsam gelten.
Dazu gehören Ownership, Freigabeprozesse, gemeinsame Standards und Klarheit darüber, welche Fähigkeiten Teams selbst aufbauen sollen.
Ein starkes gruppenweites Operating Model verhindert lokale Innovation nicht. Es schafft einen Rahmen, innerhalb dessen Teams schneller arbeiten können, weil sie grundlegende Fragen zu Governance, Betrieb und Verantwortung nicht für jedes neue Projekt erneut klären müssen.
Mit der Nutzung wächst auch die finanzielle Verantwortung
Wenn die Agentenlandschaft wächst, wird auch der Verbrauch zu einem betrieblichen Thema.
Für dieselbe fachliche Aufgabe kann ein Agent unterschiedlich viele Modellaufrufe, Datenabfragen oder Tool Interaktionen benötigen. Ein wirtschaftlicher Betrieb lässt sich deshalb nicht allein über eine monatliche Gesamtrechnung steuern.
FinOps for AI Agents sollte daher Teil des Betriebsmodells werden. Unternehmen sollten nachvollziehen können, welche Kosten einzelne Agents oder Prozesse verursachen, wo ungewöhnlich teure Ausführungen aufkommen und wie der Verbrauch Teams oder Services zugeordnet werden kann.
Damit schliesst sich der Kreis. Ein Agent sollte nicht nur das richtige fachliche Ergebnis liefern. Auch sein Verhalten, seine Weiterentwicklung und sein Ressourcenverbrauch müssen im laufenden Betrieb beherrschbar bleiben.
Von einzelnen Lösungen zu einer gemeinsamen Unternehmensfähigkeit
Die eigentliche Herausforderung beginnt nicht erst beim zehnten oder hundertsten Agent. Sie beginnt, sobald mehrere Teams gleichzeitig erfolgreich Agents einsetzen.
Dann braucht die Organisation einen gemeinsamen Rahmen für Qualität und Observability, kontrollierte Weiterentwicklung, Ontologien und gemeinsame Semantik, unterschiedliche Technologien, Verantwortlichkeiten und Kostensteuerung.
Nicht jeder Agent muss zentral entwickelt werden. Je stärker Agents jedoch über Teams und Systeme hinweg eingesetzt werden, desto wichtiger werden gemeinsame Betriebsprinzipien.
Genau darin liegt die nächste Entwicklungsstufe: aus einzelnen funktionierenden Agenten eine Agentenlandschaft entwickeln, die auch dann zuverlässig bleibt, wenn sie über die Grenzen des ursprünglichen Piloten hinauswächst.