sabida - stock.adobe.com
Agentic AI: Die nächste Evolutionsstufe der Unternehmens-KI
Agentische KI gilt als ähnlich großer Entwicklungssprung wie das Internetprotokoll. Statt starrer Schnittstellen für Befehle können KI Systeme nun direkt miteinander kommunizieren.
Agentic AI oder agentische KI beschreibt KI-Systeme, die nicht nur auf Befehle reagieren, sondern eigenständig handeln können. Der Begriff agentisch bezeichnet dabei Systeme, die Ziele verstehen, Strategien entwickeln und Aufgaben von Anfang bis Ende ausführen – ohne dass bei jedem Schritt ein Mensch eingreifen muss. Im Unterschied zu klassischen Ansätzen agieren Agenten wie erfahrene Fachkräfte, die eigenständig Situationen analysieren, Optionen recherchieren und Vorschläge erarbeiten, bevor sie Maßnahmen umsetzen.
Der entscheidende Unterschied von Agentic AI gegenüber herkömmlicher KI liegt in drei Eigenschaften: Erstens handelt sie autonom – sie setzt ganze Aufgabenketten selbstständig um. Zweitens verfügt sie über Gedächtnis und Kontext, basierend auf großen Sprachmodellen, die sich an vergangene Interaktionen erinnern und die aktuelle Situation verstehen. Drittens ist sie skalierbar: Millionen solcher Agenten werden künftig branchenübergreifend eingesetzt.
Ein zentrales Element bei der Steuerung dieser intelligenten Helfer ist der Multi-Agent Orchestrator. Er übernimmt die Rolle eines Projektleiters, koordiniert verschiedene spezialisierte Agenten und sorgt für effiziente Zusammenarbeit, Informationsaustausch und die Zielerreichung. Während ein einzelner Agent eine konkrete Aufgabe übernimmt, garantiert der Orchestrator, dass alle Spezialisten sinnvoll interagieren.
Damit diese Zusammenarbeit funktioniert, sind Standards notwendig. Das Model Context Protocol (MCP) fungiert als gemeinsame Sprache, die es Agenten ermöglicht, mit externen Tools, Datenbanken und Systemen zu kommunizieren. Das Agent-to-Agent Protocol (A2A) definiert darüber hinaus, wie Agenten verschiedener Hersteller miteinander sprechen. Zusammen bilden sie das Fundament eines interoperablen Agenten-Ökosystems – ähnlich wie HTTP das Internet ermöglichte.
Anwendungsbeispiele und Potenzial von Agentic AI
Zum Beispiel analysieren im Finanzsektor Agenten Transaktionsmuster, erkennen Anomalien und leiten Compliance-Prüfungen ein. Im Gesundheitswesen unterstützen sie bei der Terminplanung, prüfen Versicherungsansprüche und bereiten medizinische Dokumentationen auf. In der Fertigung koordinieren Agenten Wartungsarbeiten, optimieren Lieferketten und passen Produktionsabläufe in Echtzeit an.
Besonders deutlich wird das Potenzial von Agentic AI in komplexen IT-Umgebungen: Mehrere spezialisierte Agenten arbeiten gleichzeitig an der Lösung eines Problems. Ein Agent überwacht das Netzwerk, ein weiterer analysiert Sicherheitsvorfälle, ein dritter prüft die Anwendungsperformance. Die Ergebnisse werden über eine zentrale Infrastruktur geteilt. Mit neuen Betriebsmodellen können KI-Agenten nicht nur autonom handeln, sondern gemeinsam mit Menschen in einem Arbeitsbereich domänenübergreifend zusammenarbeiten. Probleme werden so schneller identifiziert, die Ursachenanalyse erfolgt systemübergreifend und Lösungen können automatisiert umgesetzt werden – immer mit dem Menschen als letztendlichem Entscheider.
Kommunikation, Komplexität und Sicherheit
Mit wachsender Anzahl an Agenten steigt jedoch die Komplexität der Interaktionen. Zehn Agenten können theoretisch 45 verschiedene Kommunikationspaare bilden, hundert Agenten bereits knapp 5.000. Doch mit einer klaren Governance kann man die betriebliche Effizienz bei der Customer Experience dank KI signifikant steigern.
Außerdem rücken Sicherheitsaspekte zunehmend in den Fokus: Autonome Agenten treffen Entscheidungen und führen Aktionen aus – aber was passiert, wenn ein Agent falsche Daten erhält oder manipuliert wird? Wenn ein Agent auf sensible Informationen zugreift, die er nicht haben sollte? Oder wenn mehrere Agenten gleichzeitig widersprüchliche Änderungen vornehmen? Traditionelle Sicherheitskonzepte reichen oft nicht aus, da sie für menschliche Nutzer entwickelt wurden.
„Multi-Agent-Systeme werden zum Standard, offene Protokolle wie MCP und A2A ermöglichen Interoperabilität und Agenten übernehmen zunehmend komplette Prozesse.“
Faruk Sari, Cisco
Governance und Vertrauen sind daher zentrale Themen. Unternehmen müssen sicherstellen, dass Agenten nachvollziehbar handeln, sich an definierte Regeln halten und ihre Entscheidungen transparent machen. Mechanismen, die autonomes Handeln ermöglichen, aber klare Grenzen setzen, sind unverzichtbar.
Ausblick
Die Entwicklung von Agentic AI beschleunigt sich rasant. Der Markt soll bis 2030 von 7,8 Milliarden Dollar (6,6 Milliarden Euro) heute auf über 52 Milliarden Dollar (44 Milliarden Euro) wachsen. Gartner prognostiziert, dass bis Ende 2026 rund 40 Prozent aller Unternehmensanwendungen KI-Agenten integrieren werden. Damit verwandelt die Technologie die Time-to-Value in einen real messbaren Verlauf und zeigt auf, welche Anbieter wirklich Ergebnisse ermöglichen.
Des Weiteren zeichnen sich einige Trends ab: Multi-Agent-Systeme werden zum Standard, offene Protokolle wie MCP und A2A ermöglichen Interoperabilität und Agenten übernehmen zunehmend komplette Prozesse. Die größten Herausforderungen liegen weniger in der Technologie, sondern in Integration, Governance Risk & Compliance (GRC) sowie Change Management. Erfolgreiche Projekte starten mit klar abgegrenzten Anwendungsfällen, behalten den Menschen im Entscheidungsprozess und denken Sicherheitsmechanismen von Beginn an mit.
Agentic AI ist keine Zukunftsvision mehr, sondern die nächste Evolutionsstufe der Unternehmens-KI. Wer jetzt die richtigen Grundlagen schafft, wird die Vorteile autonomer intelligenter Systeme voll ausschöpfen können.
Über den Autor:
Faruk Sari ist Vertriebsleiter, Süd-Westen, für Cisco in Deutschland und Tech-Enthusiast. Cisco bietet mit AgenticOps ein KI‑gestütztes Betriebsmodell.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
