Kommentar von Malte Uble, CTO bei Vercel Warum KI-Agenten eine agentische Infrastruktur brauchen

Chatbots warten auf Input. Agentische KI-Systeme nicht – sie planen und arbeiten über lange Workflows hinweg völlig autonom. Damit bringen sie aktuelle Infrastrukturen schnell an ihre Grenzen.

IT-Infrastrukturen haben sich in den vergangenen Jahrzehnten kontinuierlich weiterentwickelt. Am Anfang standen physische Server, die beschafft und manuell konfiguriert wurden. Mit der Cloud änderte sich das grundlegend: Rechenleistung, Speicher und Netzwerke konnten ab sofort über APIs abgerufen werden. Künstliche Intelligenz (KI) läutet nun den nächsten Umbruch ein. Agentische Systeme entscheiden nämlich zunehmend selbst, welche Tools sie benötigen, auf welche Daten sie zugreifen wollen und wie viel Rechenleistung ein Task erfordert. Die Infrastruktur entsteht dabei dynamisch aus den Anforderungen der Agenten heraus – nicht anhand dessen, was ein Mensch im Voraus definiert hat. Traditionelle Betriebsabläufe werden dadurch schnell gesprengt.

Agentische Software erfordert agentische Infrastrukturen

Für die meisten Menschen ist der Umgang mit Chatbots längst selbstverständlich. Laut einer Umfrage des Digitalverbandes Bitkom nutzt mehr als ein Drittel der Deutschen KI mindestens einmal pro Woche. 15 Prozent greifen sogar täglich auf Tools wie ChatGPT, Claude oder Gemini zurück. In der Altersgruppe der 16- bis 29-Jährigen sind es sogar schon 29 Prozent. Vor allem im Arbeitsalltag ist die Nutzung weit verbreitet. Eine Analyse von OpenAI zeigt, dass rund 28 Prozent aller Anfragen an ChatGPT auf das Erstellen und Optimieren von Texten entfallen. Technisch gesehen handelt es sich dabei meist um einzelne Modellaufrufe: Nutzer bitten den Chatbot beispielsweise um eine Zusammenfassung und erhalten die entsprechende Antwort.

Für diese Art der Nutzung reicht die bestehende Infrastruktur in den meisten Unternehmen aus. Bei KI-Agenten stoßen sie jedoch schnell an ihre Grenzen. Agentische KI-Systeme folgen nicht dem Muster eines einzelnen Prompts, der zu einem Ergebnis führt. Stattdessen werden Agenten selbst zum Akteur. Sie planen mehrere aufeinanderfolgende Arbeitsschritte, treffen eigenständig Entscheidungen, nutzen Tools und greifen auf APIs und Unternehmenssysteme zu. KI-Agenten arbeiten über längere Zeiträume hinweg autonom. Die Infrastruktur muss Software unterstützen, die im Namen der Nutzer handelt, sich selbst schreibt und ihr eigenes Verhalten in der Produktion zunehmend selbst verstehen muss. Diese neue Generation agentischer Software erfordert eine agentische Infrastruktur.

KI-Agenten brauchen mehr als nur mehr Rechenleistung

Laut dem Marktforschungs- und Beratungsunternehmen Gartner werden die globalen KI-Ausgaben bis Ende des Jahres auf mehr als 2,5 Billionen US-Dollar steigen – ein Zuwachs von 44 Prozent gegenüber dem Vorjahr. Der mit Abstand größte Posten entfällt dabei auf die KI-Infrastruktur: Gartner geht davon aus, dass die Ausgaben in diesem Bereich von rund 965 Milliarden US-Dollar im Jahr 2025 auf etwa 1,37 Billionen US-Dollar im Jahr 2026 steigen werden. Das entspricht einem Plus von 401 Milliarden US-Dollar, beziehungsweise rund 41 Prozent. Bis Ende 2027 könnten diese Ausgaben laut Gartner sogar um weitere 28 Prozent zunehmen und auf 1,75 Milliarden US-Dollar steigen. Im Mittelpunkt steht dabei meist der Aufbau von mehr Rechenleistung. Weltweit entstehen neue Rechenzentren, um den wachsenden Bedarf zu decken. Zuverlässige KI-Agenten brauchen allerdings weit mehr als zusätzliche GPUs.

APIs sicher vorbereiten: vom Entwickler zur Maschine

API Management für KI-Agenten

KI-Infrastruktur der nächsten Generation muss drei Funktionen zugleich erfüllen: Coding-Agenten bereitstellen, die Entwicklung und den Betrieb neuer Agenten ermöglichen, und selbst als Agent agieren.

Zusätzlich müssen Agenten komplexe Workflows orchestrieren. Das heißt, sie müssen viele Schritte in der richtigen Reihenfolge koordinieren, oft parallel und über mehrere Systeme hinweg. Der häufigste Engpass ist dabei nicht fehlende Rechenleistung, sondern operative Reibung. Wenn ein programmierender Agent eine Funktion schreibt, benötigt er einen Ort, an dem er die Ausgabe ausführen, testen und verifizieren kann. Unveränderliche Deployments, automatische Vorschau-URLs bei jedem Commit und sofortige Rollbacks sind deshalb keine bloßen Komfortfunktionen mehr, sondern technische Voraussetzungen für die maschinengesteuerte Entwicklung von Software.

KI-Agenten definieren IT-Sicherheit völlig neu

Klassische Systeme brechen bei einem Fehler ab. Agenten müssen intelligent reagieren, Alternativen finden oder gezielt Hilfe anfordern, ohne dass der gesamte Prozess zum Stillstand kommt. Dabei müssen sie sich über lange Laufzeiten und Unterbrechungen hinweg merken, was sie bereits getan haben und an welchem Punkt sie innerhalb des Prozesses aktuell stehen. Bei klassischer Software entscheiden Menschen, was passiert. Bei KI-Agenten treffen Systeme eigenständig Entscheidungen, was auch ein grundlegend neues Sicherheitsdenken erfordert.

Es braucht klare Grenzen, die definieren, welche Entscheidungen ein KI-Agent autonom treffen darf und welche nicht. Zugriffsrechte sollten nur für die konkrete Aufgabe gelten und danach automatisch erlöschen. Dabei gilt: Der Agent sollte nur die minimalen Rechte erhalten, die für die jeweilige Aufgabe notwendig sind. Dabei muss über den gesamten Workflow hinweg jede Aktion lückenlos protokolliert werden – inklusive der Argumentation, die zur jeweiligen Entscheidung geführt hat. Nur so lässt sich nachvollziehen, warum ein Agent zu einer Entscheidung kommt. Bei kritischen oder irreversiblen Aktionen muss ein Mensch einbezogen werden, bevor der Agent handelt. Diese Maßnahme ist keine Schwäche des Systems, sondern eine bewusste Sicherheitsstrategie.

Kommentar von Martin Claßen, TOPdesk

Trotz KI: Der Mensch bleibt in der Verantwortung!

Die nächste Evolutionsstufe der IT-Infrastruktur

Bisherige IT-Infrastrukturen funktionieren wie eine Einbahnstraße: Code wird eingegeben, Protokolle werden ausgegeben – und ein Mensch liest die Protokolle, um potenzielle Fehler im Code zu korrigieren. Die Geschichte des Cloud-Computings war zunächst geprägt durch die schrittweise Entkopplung des Menschen von der Maschine. Mit der agentenbasierten Infrastruktur folgt jetzt die nächste Evolutionsstufe. Mitarbeitende sind darin nicht länger passive Ausführende, die auf Befehle warten. Stattdessen entstehen proaktive Systeme, die im Namen der Menschen handeln, sich selbst schreiben, bereitstellen und bei Bedarf reparieren.

Camunda-Studie „The AI Process Gap“

72 Prozent der Unternehmen: KI-Projekte scheitern an veralteten Prozessen

KI-Agenten verändern nicht nur die Art, wie Software entwickelt wird. Sie stellen die gesamte IT-Infrastruktur vor grundlegend neue Anforderungen. Mehr Rechenleistung allein reicht nicht aus. Gefragt sind Systeme, die komplexe Workflows koordinieren, fehlertolerant agieren und dabei höchste Sicherheitsstandards einhalten. Unternehmen, die das heute bereits erkennen und ihre Infrastruktur entsprechend anpassen, verschaffen sich einen entscheidenden Vorsprung. Wer hingegen versucht, agentische Software mit klassischen Mitteln zu betreiben, wird schnell an Grenzen stoßen – technisch wie organisatorisch.

(ID:50957667)