sabida - stock.adobe.com
Warum KI-Agenten eine ereignisgesteuerte Architektur brauchen
Agentische KI droht zum verteilten Monolithen zu werden. Eine ereignisgesteuerte Architektur entkoppelt Agenten, erhöht Resilienz und ermöglicht skalierbare KI-Systeme.
Erinnern Sie sich noch an die ersten katastrophalen Microservice-Implementierungen, die zwar technisch verteilt, funktional jedoch monolithisch waren? Problematisch daran war die übermäßige Abhängigkeit von direkten, synchronisierten Verbindungen mit Servicekomponenten, die in komplexen Aufrufmustern (A → B → C) verkettet waren. Diese enge Kopplung führte dazu, dass eine Verzögerung oder ein Ausfall in einem Bereich weitreichende, kaskadierende Probleme auslöste, und machte koordinierte Implementierungen und die Fehlersuche in multiplen Systemen äußerst schwierig.
Die Einführung einer ereignisgesteuerten Architektur (EDA) löste das Problem, indem sie die Architektur revolutionierte. Denn EDA ermöglicht eine echte Trennung der Anwendungen und verändert die Daten grundlegend – von passiv (hinter einer Schnittstelle) zu aktiv (in Echtzeit als Ereignisse fließend). Diese Transformation ersetzte die anfälligen, unflexiblen Systeme durch Plattformen, die von Natur aus skalierbarer und robuster sind, den Entwicklern die notwendige Autonomie für eine unabhängige Dienste-Entwicklung geben und größere Fehlertoleranz gewähren.
Mit dem Eintritt in das Zeitalter der agentischen KI scheint sich die Geschichte mit denselben Fehlern zu wiederholen. Die gleichen Muster von verteilten Monolithen, die schon die Einführung von Microservices beeinträchtigt haben, tauchen nun auch bei der Implementierung agentischer KI auf.
Architektonische Fehler in der Praxis
Unternehmen entwickeln KI-Systeme mit mehreren Agenten, verbinden diese jedoch über Punkt-zu-Punkt-Integrationen und Client-Server-Architekturmuster. Genau wie bei den frühen Microservices entsteht durch diesen Ansatz der Eindruck von Modularität, während tatsächlich eine enge Kopplung besteht.
Betrachten wir einen typischen KI-Assistenten in einem Unternehmen, dessen Aufgabe es ist, Kundenanfragen zu bearbeiten. Dazu kann ein Agent für die Sentiment-Analyse, ein Agent für die Wissensabfrage, ein Agent für die Entscheidungsfindung und ein Agent für die Generierung von Antworten gehören. Werden diese Agenten durch synchrone Aufrufe oder einen gemeinsamen Status koordiniert, entsteht eine ähnliche Anfälligkeit wie bei den frühen Microservices: Es gibt viele Punkt-zu-Punkt-Verbindungen, die jeweils konfiguriert, gewartet und verwaltet werden müssen.
McKinsey fasst die Situation perfekt zusammen. Das Unternehmen kommt zu dem Schluss, dass die vollständige Ausschöpfung des Potenzials der agentischen KI „ein neues Paradigma für die KI-Architektur erfordert – das agentische KI-Mesh, das sowohl maßgeschneiderte als auch standardisierte Agenten integrieren kann.“ Und genau das macht die ereignisgesteuerte Architektur.
Ereignisgesteuerte Architektur einführen
EDA bietet eine robuste Lösung, indem es Agenten mithilfe eines Event-Brokers oder eines Netzwerks von Brokern, das wir als Event-Mesh bezeichnen, voneinander entkoppelt. Dadurch wird die enge Kopplung vermieden, die frühe Microservices-Bereitstellungen beeinträchtigte.
Beim Einsatz eines Event-Brokers können Agenten asynchron kommunizieren, ohne zu wissen, mit wem sie sprechen oder wann eine Antwort eintrifft. Diese lose Kopplung ermöglicht eine unabhängige Weiterentwicklung der Agenten. So können verschiedene Teams ihre spezialisierten Agenten entwickeln und einsetzen, ohne komplexe Abhängigkeiten koordinieren zu müssen. Dieser Ansatz verleiht dem gesamten System Resilienz: Wenn ein Agent ausfällt, werden seine Ereignisse in eine Warteschlange gestellt, der Rest des Systems bleibt betriebsbereit.
Statt direkte Aufrufe zu tätigen, veröffentlichen Agenten Ereignisse (zum Beispiel „Kundenanfrage erhalten“ oder „Sentiment-Analyse abgeschlossen“) und abonnieren die Ereignisse, die sie verarbeiten sollen.
Diese ereignisgesteuerte Architektur ist für die uneingeschränkte Bereitstellung von agentischer KI unerlässlich.
Resilienz und Elastizität in agentischen KI-Systemen
Wenn ein kundenorientierter KI-Assistent Tausende von Anfragen pro Stunde verarbeitet, dürfen Ausfälle von einzelnen Agenten nicht zum Ausfall des gesamten Systems führen. Die ereignisgesteuerte Architektur bietet eine natürliche Fehlerisolierung: Stürzt ein spezialisierter Analyse-Agent ab, werden seine Ereignisse in eine Warteschlange gestellt, während die anderen Agenten die Verarbeitung fortsetzen. Das System wird sanft gedrosselt, statt katastrophal auszufallen.
Die horizontale Skalierung wird damit zum Kinderspiel. Benötigen Sie mehr Kapazität für die Dokumentenverarbeitung? Dann fügen Sie einfach weitere Instanzen von Dokumentenverarbeitungsagenten hinzu, die denselben Ereignisstrom nutzen. Es ist keine Neukonfiguration oder komplexe Diensteermittlung erforderlich, die Skalierung erfolgt dynamisch je nach Bedarf.
Parallelverarbeitung koordiniert Agenten mit vorgegebenen Ausführungszeiten
Agentische KI-Systeme sind von Natur aus asynchron. Die Reaktionszeiten von Large Language Models (LLM) können je nach Modellauslastung, Komplexität der Anfrage und Modelltyp zwischen Millisekunden und Minuten variieren. Die Ausführungszeiten der Agenten unterscheiden sich stark voneinander: Eine einfache Datenabfrage kann sofort abgeschlossen sein, während eine komplexe Analyse mehrere Minuten dauern kann. Und menschliche Interaktionen finden nach völlig unvorhersehbaren Zeitplänen statt.
EDA berücksichtigt diese Tatsache. Statt zu blockieren, während sie auf Antworten warten, veröffentlichen Agenten Ereignisse, sobald sie Aufgaben abgeschlossen haben, und abonnieren Ereignisse, die sie verarbeiten können. Dieses Vorgehen ermöglicht robustere sequenzielle Workflows und parallele Ausführungspfade. Ein KI-System für den Kundenservice kann beispielsweise einen Agenten die Stimmung analysieren, einen anderen die Kundenhistorie abrufen und einen dritten Antwortoptionen generieren lassen – alle arbeiten parallel und koordinieren sich über Ereignisse.
Frameworks sind vielfältig – daher müssen Agenten interoperabel sein
Genau wie bei Microservices ist auch bei agentischen KI-Systemen eine lose Kopplung von entscheidender Bedeutung. Oft entwickeln verschiedene Teams spezialisierte Agenten unter Verwendung unterschiedlicher Frameworks, Sprachen und Einsatzstrategien. Die ereignisgesteuerte Kommunikation ermöglicht es diesen unterschiedlichen Agenten, ohne enge Abhängigkeiten zusammenzuarbeiten.
Stellen Sie sich ein Unternehmen vor, dessen Agenten mit verschiedenen Frameworks erstellt wurden: Einige wurden beispielsweise mit LangChain oder CrewAI erstellt. Andere sind speziell für proprietäre Systeme entwickelte Agenten. In einer EDA veröffentlicht jeder Agent seine Fähigkeiten und abonniert relevante Ereignisse – unabhängig von seiner zugrunde liegenden Implementierung.
Dynamische KI-Agenten schaffen
Einer der leistungsstärksten Aspekte ereignisgesteuerter, agentischer KI ist die Fähigkeit, dynamische Arbeitsabläufe zu unterstützen. Im Gegensatz zu Systemen mit fest programmierten Prozessabläufen können Agenten ihre Fähigkeiten zur Laufzeit registrieren, und die Orchestrierung kann sich auf Basis der verfügbaren Agenten und sich ändernder Anforderungen anpassen.
Stellen Sie sich ein Dokumentenanalysesystem vor, dem neue spezialisierte Agenten hinzugefügt werden können, beispielsweise ein Agent für die Analyse von Finanzdokumenten oder ein Agent für die Verarbeitung von Rechtsverträgen. In einem ereignisgesteuerten System geben diese Agenten ihre Fähigkeiten einfach bekannt. Der Orchestrator-Agent kann sie dann sofort in relevante Workflows integrieren, ohne dass dafür Systemänderungen oder Neuinstallationen erforderlich wären. Anders gesagt: Das System wird schrittweise intelligenter.
Ständige Beobachtung aufrechterhalten
Das Debuggen verteilter KI-Systeme ist bekanntlich schwierig. Wo ist eine Anfrage hängen geblieben? Welcher Agent hat eine bestimmte Entscheidung getroffen? Warum hat ein Workflow einen unerwarteten Verlauf genommen?
Ereignisgesteuerte Systeme bieten vollständige Transparenz, da jede Interaktion als Ereignis mit vollständigem Kontext, Zeitstempeln und Rückverfolgbarkeit erfasst wird.
„Damit agentische KI geschäftlichen Mehrwert liefert, müssen die Agenten innerhalb einer ereignisgesteuerten Architektur unabhängig voneinander arbeiten. So können verschiedene Teams spezialisierte Agenten ohne komplexe Abhängigkeiten erstellen und einsetzen.“
Ali Pourshahid, Solace
Diese Beobachtbarkeit ist für die Compliance und die Überprüfbarkeit von KI-Systemen in Unternehmen von entscheidender Bedeutung. Jede Entscheidung, jeder Datenzugriff und jede Interaktion mit einem Agenten sind nachvollziehbar. Dadurch können Unternehmen das Verhalten der KI in der Produktion verstehen und überprüfen. Stellen Sie sich einen Visualisierer vor, der all diese Interaktionen und Abläufe anzeigt. Er ermöglicht Ihnen ein umfassendes Verständnis der Funktionsweise des Systems und der Herkunft der Ergebnisse und macht somit alles erklärbarer und vertrauenswürdiger.
KI-Ökosystem vernetzen
Unternehmens-KI-Systeme müssen sich in bestehende Infrastrukturen, Datenquellen und Geschäftsprozesse integrieren lassen. EDA ermöglicht das Abonnieren von Ereignissen, unabhängig vom Technologie-Stack und Bereitstellungsmodell.
So kann beispielsweise ein älteres CRM-System KI-Workflows auslösen, indem es Kundenereignisse veröffentlicht. Ein moderner Data Lake kann über Ereignisströme Echtzeitinformationen an Agenten weiterleiten. Externe APIs können mithilfe einfacher Ereignisadapter in das gesamte KI-Ökosystem integriert werden, ohne dass dafür komplexer Integrationscode erforderlich ist.
KI-Agenten in vollem Umfang arbeiten lassen
Das Entflechten eng gekoppelter Microservices-Monolithen war für Entwickler ein Albtraum. Bei Agentic-AI-Implementierungen muss es nicht genauso sein. Da die agentische KI mit täglich neuen Anwendungsfällen in den Unternehmen boomt, können Entwickler ähnliche Probleme wie bei den Microservices vermeiden.
Damit agentische KI geschäftlichen Mehrwert liefert, müssen die Agenten innerhalb einer ereignisgesteuerten Architektur unabhängig voneinander arbeiten. So können verschiedene Teams spezialisierte Agenten ohne komplexe Abhängigkeiten erstellen und einsetzen. Nur dann kann KI in vollem Umfang genutzt werden und die höhere Ausfallsicherheit, Skalierbarkeit und Beobachtbarkeit bieten, die für eine robuste, unternehmensgerechte agentische KI unerlässlich sind.
Über den Autor:
Ali Pourshahid ist Chief Engineering Officer bei Solace.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
