Der Einsatz von KI in Unternehmen verändert sich rasant.
Bei den ersten Anwendungen generativer KI stand vor allem die Wissensarbeit im Mittelpunkt. Unternehmen nutzten große Sprachmodelle, um Fragen zu beantworten, Dokumente zusammenzufassen, Inhalte zu erstellen und internes Wissen leichter zugänglich zu machen. Diese Systeme lieferten einen echten Mehrwert. Meist unterstützten sie jedoch die Arbeit mit Informationen, ohne selbst in die Abläufe einzugreifen.
Inzwischen erwarten Unternehmen mehr: KI-Agenten sollen Vorfälle untersuchen, Aktivitäten koordinieren, Funktionen in Unternehmensanwendungen aufrufen, Sonderfälle eskalieren, Freigaben einholen und direkt an operativen Prozessen mitwirken. Häufig wird dieser Wandel auf die Formel "von Antworten zu Aktionen" gebracht.
Das greift allerdings zu kurz. Unternehmen automatisieren seit Jahrzehnten einzelne Arbeitsschritte – mit prädiktiven Modellen, regelbasierten Systemen, robotergestützter Prozessautomatisierung (RPA), APIs und Workflows. Agentic AI verändert dabei etwas Grundlegendes: In Prozesse, deren Ausführung bisher auf eindeutig festgelegten Regeln beruhte, fließt nun die probabilistische Entscheidungsfindung von KI-Modellen ein. Ein Agent kann ein Ziel interpretieren, relevante Informationen zusammentragen, Werkzeuge auswählen und seinen Plan anpassen. Ändern sich die Bedingungen, entscheidet er neu, welche der verfügbaren Aktionen sinnvoll ist.
Diese Flexibilität macht Agenten so wertvoll. Zugleich stellt sie höhere Anforderungen an die Architektur, in der sie arbeiten. Macht ein KI-Assistent einen Fehler, bekommt jemand eine falsche Antwort. Macht ein Agent einen Fehler, wird womöglich eine Zahlung freigegeben, ein Datensatz geändert oder eine notwendige Eskalation versäumt. Für den produktiven Einsatz reichen gute Daten deshalb nicht aus. Agenten müssen die aktuelle Situation im jeweiligen Geschäftsprozess kennen, um fundiert entscheiden zu können. Gleichzeitig muss die technische Umsetzung sicherstellen, dass nur zulässige und autorisierte Aktionen ausgeführt werden.
Warum mehr Daten das Problem nicht lösen
Wenn ein Agenten-Pilotprojekt auf dem Weg in den produktiven Einsatz stecken bleibt, lautet die erste Reaktion oft: "Wir brauchen mehr Daten". Einen größeren Suchindex, eine zusätzliche Datenpipeline oder eine frisch aktualisierte Kopie im Lakehouse. Dieser Gedanke stammt aus der ersten Phase generativer KI, als bessere Daten meist auch bessere Antworten ermöglichten. Ein Agent, der in einem Geschäftsprozess mitarbeitet, muss jedoch mehr leisten. Er muss nicht nur wissen, wie das Unternehmen funktioniert, sondern auch, was als Nächstes passieren soll – und was er dabei tun darf.
Das hängt von Informationen ab, die ein Suchindex selten erfasst: Wo steht der Vorgang gerade? Welche Geschäftsregeln gelten? Wer stellt die Anfrage und welche Berechtigungen hat diese Person? Welche Freigaben stehen noch aus? Welche Aktionen sind in diesem Prozessschritt erlaubt? Und was ist bereits geschehen?
Auch der Zeitpunkt ist entscheidend. Für einen Trendbericht kann eine Datenkopie ausreichen, die mit etwas Verzögerung aktualisiert wird. Wenn aber der aktuelle Bearbeitungsstand darüber entscheidet, ob eine Aktion zulässig ist, braucht es einen verlässlichen Zugriff auf genau diesen Stand.
Die Anforderungen bauen dabei aufeinander auf. Zunächst braucht es KI-fähige Daten: Sie müssen bereinigt, gut beschrieben und nach klaren Governance-Vorgaben für Modelle nutzbar sein. Das ist die Grundlage, reicht für Agenten aber noch nicht aus.
Agentenfähige Daten bleiben mit ihrer maßgeblichen Quelle verbunden. Ihre Herkunft und ihre fachliche Bedeutung sind nachvollziehbar, und der Zugriff richtet sich nach Identität und Aufgabe.
Hinzu kommt der operative Kontext: Er verbindet diese Daten mit dem aktuellen Prozessstatus, den geltenden Geschäftsregeln, Berechtigungen, Workflow-Bedingungen und Vorgaben für die Ausführung.
Agenten im produktiven Einsatz brauchen alle drei Ebenen. Der Kontext hilft ihnen zu entscheiden, was als Nächstes geschehen soll. Die Kontrolle bei der Ausführung stellt sicher, dass tatsächlich nur erlaubte Aktionen erfolgen.
Ein Beispiel: die Bearbeitung einer Patientenanfrage
Eine Patientenanfrage geht über das Kommunikationsportal einer Gesundheitseinrichtung ein. Für die Bearbeitung werden möglicherweise aktuelle Informationen zum Behandlungsfall, zur Abrechnung, zum Versicherungsschutz, zur bisherigen Kommunikation und zum Fallverlauf benötigt. Dazu kommen die internen Richtlinien der Einrichtung. Häufig liegen diese Informationen in verschiedenen Systemen.
Ein Agent kann hier viel Arbeit abnehmen: Er trägt die relevanten Informationen zusammen, fasst sie zusammen, erkennt Lücken und schlägt vor, wie die Anfrage einzuordnen ist und welche Schritte folgen sollten.
Die eigentliche Herausforderung liegt jedoch nicht in der Zusammenfassung. Eine einfache Verwaltungsanfrage lässt sich mit den vorhandenen Funktionen der Anwendung kategorisieren, ihr Eingang bestätigen und die Bearbeitung einer zuständigen Person zuweisen. Auch eine Antwortfrist kann darüber festgelegt werden.
Anders sieht es aus, wenn in der Nachricht eine unbefugte Weitergabe personenbezogener Informationen beanstandet wird. Dann können interne Richtlinien vorsehen, dass der Vorgang an die zuständige Stelle für Datenschutz oder Compliance geht – zusammen mit den relevanten Nachweisen und einer Begründung für die Eskalation. Während der Fall bearbeitet wird, laufen Abrechnung, Kommunikation und Freigabeprozesse weiter. Der Agent soll die Bearbeitung innerhalb seiner Befugnisse voranbringen. Welche Aktionen er ausführen darf, wann ein Mensch entscheiden muss und welche Änderungen tatsächlich übernommen werden, bestimmen die Regeln, Berechtigungen und Workflows der Anwendung. Jeder Schritt muss auch im Nachhinein nachvollziehbar bleiben.
Dieses Muster findet sich ebenso in anderen Branchen: bei Unstimmigkeiten im Zahlungsverkehr, bei Betrugsuntersuchungen oder bei Lieferstörungen. Stets geht es um einen aktuellen Bearbeitungsstand, klar begrenzte Befugnisse und einen Prozess, der über längere Zeit laufen kann. Wo das Risiko es erfordert, müssen Menschen entscheiden. Und am Ende muss sich belegen lassen, was geschehen ist.
Klare Zuständigkeiten als Grundlage für eine kontrollierte Ausführung
Eine tragfähige Architektur für agentische KI trennt die Verantwortlichkeiten klar voneinander. Modelle interpretieren Informationen und machen Vorschläge. Agenten-Frameworks übernehmen die Planung, die Kommunikation mit den Modellen, die Verwaltung des Sitzungszustands und die Auswahl der Werkzeuge. Operative Plattformen steuern den Zugriff, halten den Prozessstatus vor, führen Geschäftslogik nach festgelegten Regeln aus und koordinieren Workflows. Die führenden Systeme bleiben für die Daten und Aktionen in ihrem jeweiligen Zuständigkeitsbereich maßgeblich. Menschen treffen Entscheidungen und übernehmen Verantwortung, wenn Richtlinien oder Risiken dies verlangen.
Dabei gilt ein zentraler Grundsatz: Die Befugnis, auf operative Daten und Prozesse zuzugreifen und Änderungen vorzunehmen, darf nicht auf das Modell übergehen. Ein Agent kann eine Aktion auswählen. Ob er sie ausführen darf und auf welche Daten und Funktionen er dafür zugreifen kann, entscheidet die Plattform, die diese verwaltet.
Berechtigungen, Richtlinien, Transaktionsgrenzen, Wiederherstellungsmechanismen und Audit-Protokollierung müssen deshalb direkt bei der jeweiligen Geschäftsfunktion verankert bleiben. Das reduziert Risiken und erleichtert den Wechsel von Modellen oder Orchestrierungs-Frameworks: Unternehmen müssen die entsprechenden Kontrollen nicht für jeden neuen Agenten erneut aufbauen. Anwendungen, Menschen und Agenten nutzen dann dieselbe Geschäftsfunktion mit denselben verbindlichen Vorgaben.
Welche Rolle InterSystems IRIS dabei übernimmt
InterSystems IRIS wurde ursprünglich für operative Anwendungen und Prozesse entwickelt. Die Plattform verbindet Datenmanagement, Interoperabilität und Analytik mit Transaktionsintegrität, Workflow-Steuerung, Sicherheit und Hochverfügbarkeit. Genau diese Fähigkeiten sind auch für den produktiven Einsatz von Agenten erforderlich. In einer Architektur für agentische KI übernimmt InterSystems IRIS die Rolle der operativen Ebene. Über sie greifen Agenten auf aktuelle Daten zu, nutzen freigegebene Geschäftsfunktionen, wirken an zuverlässig fortgeführten Workflows mit und tauschen sich unter klar definierten Vorgaben mit angebundenen Systemen aus.
Anstatt direkt Änderungen in führenden Systemen vorzunehmen, rufen Agenten freigegebene Geschäftsfunktionen auf. Diese prüfen zum Zeitpunkt der Ausführung die Identität und Berechtigungen sowohl des Nutzers als auch des Agenten. Sie führen Aktionen innerhalb definierter Transaktionsgrenzen aus und bieten Mechanismen zur Wiederherstellung im Fehlerfall. Wo Richtlinien es verlangen, holen sie eine menschliche Freigabe ein. Zugleich dokumentieren sie vollständig, was geschehen ist und warum.
InterSystems IRIS stellt diese Möglichkeiten sowohl nativen als auch externen Agenten über kontrollierte Schnittstellen zur Verfügung, unter anderem mit Unterstützung des Model Context Protocol (MCP). Die maßgeblichen Kontrollen bleiben bei den Daten, Werkzeugen, Workflows und Anwendungen verankert, die für die Ausführung verantwortlich sind.
Die Datenplattform ergänzt damit bestehende Modelle, Agenten-Frameworks, Lakehouses, Automatisierungswerkzeuge und Unternehmensanwendungen. Unternehmen wählen weiterhin die Modelle und Frameworks, die zu ihren Anforderungen passen. Ihre Analyseplattformen erfüllen weiterhin ihre bisherigen Aufgaben. Unsere Rolle ist es, diese Investitionen zu ergänzen und die Entscheidungsfindung der Agenten sicher mit dem aktuellen Prozessgeschehen, freigegebenen Geschäftsfunktionen und verlässlich ausgeführten Abläufen zu verbinden.
KI-Agenten sicher in den Unternehmensalltag integrieren
Die zentrale Herausforderung beim Einsatz von KI besteht heute nicht mehr allein darin, korrekte Antworten zu erzeugen. Es geht darum, intelligente Systeme sicher an der Arbeit im Unternehmen zu beteiligen.
Dafür müssen mehrere Voraussetzungen zusammenkommen: agentenfähige Daten mit Zugriff auf den aktuellen Stand der führenden Systeme, ein zur Aufgabe passender operativer Kontext, Geschäftsfunktionen mit klar begrenzten Befugnissen und eine verlässliche Prozessausführung. Hinzu kommen identitätsabhängige Zugriffsrechte, manuelle Freigaben durch Menschen an den erforderlichen Stellen und ein nachvollziehbar dokumentiertes Ergebnis. Unternehmen, die diese Voraussetzungen schaffen, können Agenten sicher aus der Pilotphase in ihre wichtigsten Geschäftsprozesse überführen.
Bestehende InterSystems-Kunden können so Agenten direkt in ihre vorhandenen InterSystems IRIS-Anwendungen einbinden. Aus den vertrauten Anwendungen heraus machen sie aktuelle Daten und kontrollierte Geschäftsfunktionen für Agenten zugänglich. Dabei gelten weiterhin die bestehenden Sicherheitsvorgaben, Transaktionsgarantien und Audit-Kontrollen.
Für Neukunden liegt der Mehrwert der InterSystems-Technologie vor allem in der Ergänzung ihrer vorhandenen Architektur, mit welcher KI-Agenten erfolgreich arbeiten können sollen: zwischen den Agentenplattformen einerseits und den Datensilos, Lakehouses und operativen Anwendungen, die ein Unternehmen bereits hat, andererseits. InterSystems IRIS verschafft den Agenten einen kontrollierten Zugang zu aktuellen Informationen und den gestatteten Aktionen. Bestehende Systeme müssen dafür nicht ersetzt werden.
Der Ansatz ist in beiden Fällen derselbe: Unternehmen arbeiten mit den Modellen, Frameworks und Plattformen ihrer Wahl weiter. InterSystems IRIS ergänzt den operativen Kontext und die kontrollierte Ausführung, die es braucht, um vielversprechende Pilotprojekte in den produktiven Betrieb zu bringen.
Mehr dazu erfahren Sie in unserem deutschsprachigen On-Demand-Webinar zum neuen InterSystems AI Hub.
