Der nächste Nutzer Ihrer Software ist ein KI-Agent. Ist Ihre Architektur dafür bereit?

Stellen Sie sich vor, ein KI-Agent bearbeitet eine strittige Kundenabrechnung. Er liest die Beschwerde, prüft die Kontohistorie und kommt zu dem Schluss, dass eine Gutschrift gerechtfertigt ist. All das dauert nur Sekunden.

Beeindruckend. Bitten Sie ihn nun, die Gutschrift tatsächlich auszustellen.

Die Kundenvereinbarung ist in einem anderen System hinterlegt. Die Genehmigungsregeln sind im Anwendungscode verborgen. Das Abrechnungstool setzt voraus, dass jemand mehrere Bildschirme durchklickt.

Der Agent versteht, was zu tun ist, aber die Architektur lässt ihn die Aufgabe nicht abschließen.

Das ist das Problem, mit dem meiner Einschätzung nach immer mehr Unternehmen konfrontiert sein werden, wenn agentische KI in den Produktivbetrieb einzieht. Das Merkwürdige daran ist jedoch, dass die Hürde beim Abschließen der Aufgabe kaum etwas mit der Intelligenz des Agenten zu tun hat.

Jahrelang haben wir Unternehmenssoftware für die Menschen modernisiert, die sie nutzen. Jetzt müssen wir sie für die Agenten modernisieren, die sie zunehmend bedienen werden.

Die Benutzeroberfläche war nie das ganze Produkt

Denken Sie daran, wie Unternehmenssoftware heute funktioniert. Menschen öffnen Anwendungen, navigieren durch Dashboards, treffen Entscheidungen und übertragen Aufgaben von einem System ins nächste. Über die Benutzeroberfläche interagieren sie mit dem Unternehmen.

Ein Agent braucht diese Bildschirme nicht unbedingt. Über APIs, das Model Context Protocol (MCP)-Server und andere programmatische Schnittstellen kann er Informationen abrufen und Aktionen auslösen. Das ist Teil des Wandels hin zu einer Headless-Architektur.

Headless bedeutet aber nicht, dass die Anwendung verschwindet. Ihre Daten, Geschäftsregeln, Berechtigungen und Compliance-Anforderungen sind weiterhin wichtig. Ich würde sogar sagen, dass sie noch wichtiger sind.

Jahrelang haben Softwareanbieter ihre Wettbewerbsvorteile auf ausgefeilte Benutzeroberflächen, die Gewohnheiten der Nutzer und die Kosten für die Umschulung von Mitarbeitenden gestützt. Diese Vorteile schwinden, wenn Agenten mehr Aufgaben erledigen, ohne die Benutzeroberfläche der Anwendung zu öffnen. An Bedeutung gewinnt stattdessen das zugrunde liegende führende System: vertrauenswürdige Daten, validierte Fachlogik, operative Governance und revisionssicher nachvollziehbare Transaktionen.

Das hat auch wirtschaftliche Folgen: Bis zu 234 Milliarden US-Dollar an Ausgaben für Unternehmensanwendungen könnten bis 2030 durch agentische KI Umbrüchen ausgesetzt sein. Diese Ausgaben sind gefährdet, aber ihr Wegfall ist keineswegs sicher. Und wenn Agenten Aufgaben übernehmen, die zuvor Menschen in Dashboards erledigt haben, könnte die Preisgestaltung pro Nutzer zunehmend nutzungs-, aktions- oder ergebnisbasierten Modellen weichen.

Für Softwareanbieter ist das eine Herausforderung für ihr Geschäftsmodell. Für Unternehmen, die auf ihre Anwendungen angewiesen sind, ist es eine Architekturfrage.

Wir haben einzelne Komponenten modernisiert, nicht aber den Arbeitsablauf

Die meisten Unternehmen modernisieren ihre Systeme schon seit Jahren. Ein Team aktualisiert veraltete Anwendungen. Ein anderes führt fragmentierte Daten auf einer modernen Plattform zusammen. Ein drittes entwickelt Integrationen oder frischt schlicht die Benutzeroberfläche auf.

Jedes Projekt kann für sich genommen erfolgreich sein. Probleme entstehen, wenn ein Agent einen Arbeitsablauf über all diese Systeme hinweg ausführen muss.

Sie können einem Agenten korrekte Kundeninformationen bereitstellen. Doch wenn die Anwendung, die darauf reagieren soll, wichtige Regeln weiterhin im veralteten Code verbirgt, was passiert dann? Oder Sie stellen eine saubere API bereit, während die dahinterliegenden Daten inkonsistent bleiben. Der Agent kann handeln – aber können Sie der Entscheidung vertrauen?

In beiden Fällen haben wir Teile der Technologie modernisiert, nicht aber die Arbeit selbst.

Agentische KI interessiert sich nicht dafür, welches Modernisierungsprojekt erfolgreich war. Entscheidend ist, ob der gesamte Arbeitsablauf funktioniert.

So sieht das in der Praxis aus. Ein Kunde musste die Angebotserstellung für komplexe Motorreparaturen beschleunigen. Die Verträge legen fest, welche Teile repariert, ersetzt oder überholt werden dürfen. Für jedes Angebot waren mehrere Tage, manchmal sogar Wochen manueller Recherche in Verträgen und Wartungshandbüchern nötig. Der Kunde hatte seine Datenplattform bereits modernisiert, doch die Angebote ließen sich dadurch nicht schneller erstellen, denn der Engpass waren nie die Daten. Es war die Recherche. Wir haben den Arbeitsablauf mit einer Reihe von Recherche-Agenten neu gestaltet, die Recherchezeit um 80 % verkürzt und damit die Angebotserstellung grundlegend beschleunigt.

Deshalb lassen sich die Modernisierung von Anwendungen und die von Daten nicht als zwei voneinander unabhängige Arbeitsstränge planen. Die Architektur muss das vollständige Geschäftsergebnis ermöglichen.

Eine API macht ein System noch nicht agententauglich

Man könnte meinen, die Lösung sei ganz einfach: Endpunkte bereitstellen, den Agenten anbinden und fertig.

Wäre es doch so einfach.

Informationen abzurufen ist das eine. Eine Gutschrift auszustellen, einen Finanzdatensatz zu aktualisieren oder ein Ersatzteil zu bestellen, ist etwas völlig anderes. Hier geht es um die Ausführung von Aktionen, nicht nur um den Zugriff auf Daten.

Hier verwende ich den Begriff Steuerungsschnittstelle für Agenten: eine klar abgegrenzte, geregelte Schnittstelle, über die Agenten Daten aus führenden Systemen lesen und in diese schreiben.

APIs und MCP-Server können Agenten Tools und Daten bereitstellen. MCP setzt jedoch nicht automatisch Ihre Geschäftsregeln durch und entscheidet auch nicht, wer zum Handeln berechtigt ist. Diese Kontrollen müssen weiterhin in die zugrunde liegenden Systeme und Arbeitsabläufe eingebaut werden.

Kann der Agent maßgebliche Daten abrufen? Sind die Geschäftsregeln klar festgelegt und werden sie einheitlich angewendet? Kann er eine Handlung empfehlen, aber nur solche ausführen, zu denen er berechtigt ist? Können wir im Problemfall die Handlung nachvollziehen, die Ausnahme bearbeiten und sie, sofern möglich, rückgängig machen?

Diese Probleme lassen sich nicht allein durch ein besseres Modell lösen. Es geht um Fragen der Arbeitsabläufe, des Anwendungsdesigns, der Datenarchitektur, der Integration und der Governance. Und sie müssen gemeinsam beantwortet werden.

Beginnen Sie mit der Arbeit, nicht mit der Technologie

Wo sollten Sie also anfangen?

Ich würde nicht damit anfangen, jede Anwendung Headless-fähig zu machen oder jede verfügbare API offenzulegen. Ich würde mit einem wichtigen Geschäftsprozess beginnen.

Verfolgen Sie ihn vom Anfang bis zum Ende. Welche Systeme enthalten die Datensätze? Wo steckt die Geschäftslogik? Welchen Daten kann der Agent vertrauen? Welche Entscheidungen müssen von einem Menschen genehmigt werden? Was passiert, wenn ein System mitten im Ablauf ausfällt? Wie wird die Governance sichergestellt?

So finden Sie die entscheidenden Lücken. Daraus ergibt sich Ihr Modernisierungsfahrplan: ein abgestimmter Arbeitsvorrat für Anwendungen, Daten, Integrationen und Kontrollmechanismen, der sich an einem Geschäftsergebnis orientiert und nicht an voneinander losgelösten Technologieprojekten.

Messen Sie den Erfolg entsprechend. Nicht daran, wie viele APIs Sie offengelegt oder wie viele Daten Sie migriert haben, sondern daran, ob der Arbeitsablauf zuverlässig abgeschlossen wird, wie Ausnahmen behandelt werden und ob sich die Geschäftsergebnisse verbessern.

Das Ziel ist nicht, überall Autonomie zu erreichen. Es geht um zuverlässige und vertrauenswürdige Ausführung – und darum, menschliches Urteilsvermögen dort einzusetzen, wo es hingehört.

Der eigentliche Wandel geht weit über Headless hinaus

Was mich begeistert, ist nicht die Abschaffung von Dashboards. Es ist die Vorstellung, dass Menschen ihre Arbeit nicht mehr manuell zwischen voneinander getrennten Systemen hin- und herschieben müssen, um ihre Aufgaben zu erledigen.

Doch dieses Ziel erreichen wir nicht, indem wir einen Agenten auf eine Architektur setzen, die nie für ihn konzipiert wurde.

Die nächste Generation von Unternehmenssoftware wird nicht allein davon geprägt sein, was sie Menschen sehen lässt. Entscheidend wird auch sein, was sie Agenten zuverlässig und verantwortungsvoll tun lässt.