Vijay Rayapati, CEO und Mitbegründer von Atomicwork – Interviewreihe

Vijay Rayapati ist Mitbegründer und CEO von Atomicwork. Vor der Gründung des Unternehmens war er Senior Vice President und General Manager des Geschäftsbereichs Cloud Networking and Security bei Nutanix, nach Nutanix’ Übernahme von Minjar, dem Cloud‑Management‑Plattform‑Unternehmen, das er als CEO gegründet und skaliert hat. Früher in seiner Karriere hatte er Leitungspositionen in Engineering und Produktentwicklung bei Kuliza und Trilogy inne, was ihm umfassende Erfahrung im Aufbau von Unternehmensinfrastruktur und Softwareanwendungen verschaffte. Sein Hintergrund umfasst Cloud‑Infrastruktur, Unternehmenssoftware und KI‑Arbeitskraft‑Technologie, wodurch er als bekannter Gründer im Enterprise‑IT‑Umfeld gilt.

Atomicwork ist ein Enterprise‑KI‑Unternehmen, das eine agentenbasierte IT‑Service‑Management‑Plattform entwickelt, die Mitarbeitenden hilft, Technologieprobleme zu lösen, Routine‑Support‑Aufgaben zu automatisieren und Unternehmenswissen über KI abzurufen. Die Plattform kombiniert KI‑Agenten mit modernen ITSM‑Funktionen, um Service‑Anfragen zu bearbeiten, Probleme zu diagnostizieren, Workflows über Unternehmenssysteme zu orchestrieren und die Belastung der IT‑Teams zu reduzieren. Kunden nutzen Atomicwork, um schnelleren Mitarbeitenden‑Support zu bieten und gleichzeitig die operative Effizienz in IT und Geschäftsabläufen zu steigern.

Sie haben zuvor Minjar mitbegründet, das Enterprise‑Cloud‑Management‑Geschäft aufgebaut und danach nach der Übernahme die Operation bei Nutanix geleitet. Welche Lehren aus dem Aufbau, Verkauf und der Integration eines Enterprise‑Software‑Unternehmens haben Sie überzeugt, Atomicwork im Jahr 2022 zu gründen und das IT‑Service‑Management für das KI‑Zeitalter von Grund auf neu zu gestalten?

Bei Minjar haben wir Software entwickelt, die die Cloud‑Kosten eines Unternehmens durch Automatisierung um ein Drittel senken konnte. Kunden liebten die Empfehlungen. Dann ließen sie diese jedoch zwei Quartale lang liegen. Es dauerte eine Weile, bis ich verstand, warum – und die Antwort war nicht technischer Natur. Wenn die Automatisierung eine Entscheidung trifft und diese fehlschlägt, gibt es niemanden, der zur Verantwortung gezogen werden kann. Unternehmen kaufen nicht nur Software oder Ergebnisse; sie kaufen jemanden, der für sie einsteht. Software, die keinen Platz im Organigramm hat, erhält keine Autorität, egal wie gut sie ist.

Die Übernahme lehrte mich eine engere Lektion. Einzelprodukte werden gekauft. Auf Aufzeichnungssystemen wird aufgebaut. Man kann das bessere Produkt sein und dennoch sein Leben damit verbringen, um den Besitzer des Workflows herum zu navigieren.

Die Nutanix‑Jahre kombinierten beides. Ich beobachtete, wie die IT Service‑Management für Kontrolle kaufte, während Mitarbeitende es als Formular und Warteschlange erlebten. Ich erkannte auch, dass das Ticket nie das Produkt war – das Audit‑Log war es. Deshalb hat ITSM vier Jahrzehnte überstanden, in denen es von Menschen gehasst wurde, und deshalb konnte es niemand entfernen.

Die Frage 2022 lautete also nicht, ob KI die Arbeit erledigen kann, sondern ob man KI einen Platz im Organigramm geben kann. Legacy‑ITSM‑Plattformen können das nicht, weil ein menschlicher Zuordner im Zentrum ihres Datenmodells steht und jede SLA, Genehmigung und jeder Bericht von dieser Annahme abhängt. Wenn man KI einsetzt, erhält man ein schnelleres Formular.

Wir haben die andere Antwort gebaut, bei der KI eine hybride Belegschaft liefert, nicht nur Software. KI‑Mitarbeitende erledigen die Arbeit, und die IT steuert sie wie die Personalabteilung Menschen steuert. Man konfiguriert keinen KI‑Mitarbeitenden. Man stellt ihn für eine Rolle ein, prüft seine Arbeit und widerruft ihn, wenn er nicht leistet. Das ist der Unterschied zwischen KI als Feature und KI als Belegschaft.

Atomicwork beschreibt seine KI‑Mitarbeitenden als Systeme, die definierte Rollen besitzen und Arbeiten von Anfang bis Ende erledigen, statt nur Fragen zu beantworten oder isolierte Aufgaben auszuführen. Welche technischen Fähigkeiten unterscheiden einen echten KI‑Mitarbeitenden von einem Chatbot, Copilot oder herkömmlichen Automatisierungstool, und wo sollte seine Autonomie enden?

Ein Chatbot beantwortet eine Frage, und ein Copilot unterstützt jemanden bei der Erledigung einer Aufgabe, aber keiner von beiden ist dafür verantwortlich, die Arbeit bis zum Abschluss zu begleiten. Ein KI‑Mitarbeitender ist anders, weil ihm eine definierte Rolle zugewiesen wird und er ein Ergebnis liefern soll. Ob er Vorfälle triagiert, Zugriffe bereitstellt oder Mitarbeitende einarbeitet – er arbeitet über jeden Schritt hinweg, um das Ziel zu erreichen, anstatt nach dem ersten Schritt zu stoppen.

Dafür ist weit mehr nötig als ein leistungsfähiges Modell. Ein KI‑Mitarbeitender benötigt eine Identität, die richtigen Berechtigungen, Zugriff auf genehmigte Werkzeuge, organisatorischen Kontext, ein Budget und klare Betriebsgrenzen sowie seine Rolle. Er muss über Geschäftssysteme hinweg arbeiten, verstehen, wann (und von wem) eine Genehmigung eingeholt werden muss, und für jede Aktion ein Audit‑Protokoll hinterlassen. Deshalb haben wir die Plattform rund um das Modell stark fokussiert. Zuverlässige KI hängt ebenso sehr von Orchestrierung, Governance und Ausführung ab wie von Intelligenz.

Autonomie sollte niemals unbegrenzt sein. Ein KI‑Mitarbeitender sollte innerhalb der Verantwortlichkeiten seiner Rolle agieren, während Menschen weiterhin eingebunden bleiben, sobald die Arbeit sensible Systeme betrifft oder rechtliche, finanzielle oder arbeitsbezogene Konsequenzen hat.

Ihre Plattform ermöglicht es spezialisierten KI‑Mitarbeitenden, über Incident‑Management, Zugriffsbereitstellung, Onboarding und IT‑Operationen zusammenzuarbeiten. Wie teilen diese KI‑Mitarbeitenden Verantwortlichkeiten, teilen Kontext und erholen sich, wenn ein KI‑Mitarbeitender eine falsche Entscheidung trifft, die den restlichen Workflow beeinflussen könnte?

Wir glauben nicht, dass ein KI‑Mitarbeitender jede Aufgabe übernehmen sollte. IT‑Organisationen trennen bereits Verantwortlichkeiten über verschiedene Teams, weil jede Rolle unterschiedliche Ziele, Berechtigungen und Fachkenntnisse hat. Wir haben dieses Denken auf KI‑Mitarbeitende übertragen, weshalb wir mit zertifizierten KI‑Mitarbeitenden gestartet sind, die sich auf unterschiedliche IT‑Operations‑Bereiche spezialisieren.

Jeder Mitarbeitende besitzt eine spezifische Funktion, teilt jedoch denselben Unternehmenskontext. Wenn ein Mitarbeitender in Atomicwork ein Ticket erstellt, sorgt intelligentes Routing dafür, dass es an den richtigen KI‑Mitarbeitenden weitergeleitet wird, der die Anfrage bearbeitet, und (je nach Anfrage) an einen anderen KI‑Mitarbeitenden weitergibt, Unter‑Tickets erstellt, damit KI‑Mitarbeitende das Problem parallel lösen (z. B. kann ein Onboarding‑Ticket in parallel bearbeitbare Aktivitäten aufgeteilt werden) oder es an einen Menschen eskaliert. Wenn die Arbeit von einem Mitarbeitenden zum nächsten wechselt, bewegt sich die relevante Information zusammen mit dem Ticket (dem Aufzeichnungssystem) und dem Zugriff auf relevante Systeme wie Service‑Desk, Identitätsplattformen, HR‑Systeme und Kollaborationstools. Dieser geteilte Kontext ermöglicht es jedem Mitarbeitenden, Entscheidungen basierend auf bereits Geschehenem zu treffen, anstatt von Grund auf neu zu beginnen.

Atomicwork unterstützt verschiedene Agenten‑Frameworks und Modelle von Anbietern wie OpenAI, Anthropic und Google. Wie bestimmen Sie, welches Modell die Retrieval‑, Reasoning‑, Planungs‑ und Ausführungsaufgaben übernehmen soll, und wie können Unternehmen ein konsistentes Verhalten aufrechterhalten, während sich die zugrunde liegenden Modelle weiterentwickeln?

Verschiedene Modelle sind für unterschiedliche Aufgabenarten geeignet. Unser Fokus lag darauf, eine Plattform zu bauen, die Fortschritte nutzen kann, ohne dass Kunden ihre Workflows jedes Mal neu designen müssen, wenn ein Modell wechselt. Unternehmenskontext, Orchestrierung, Identität, Richtlinien‑Durchsetzung, Telemetrie und Bewertung bieten die Konsistenz, die Organisationen in der Produktion benötigen, unabhängig davon, welches Spitzenmodell darunter liegt.

Wir haben öffentlich darüber gesprochen, mehrere Modell‑Anbieter sowie Evaluierungs‑Frameworks und Governance zu unterstützen, aber wir haben die Routing‑Logik, die entscheidet, welches Modell Retrieval, Reasoning, Planung oder Ausführung übernimmt, nicht beschrieben. Ebenso haben wir den Validierungsprozess, den wir nutzen, wenn Anbieter neue Modelle und Updates veröffentlichen, nicht offengelegt.

Ein Unternehmens‑KI‑Agent kann auf widersprüchliche Dokumentation, unvollständige Konfigurationsdatensätze, veraltetes Wissen und unterschiedliche Berechtigungen in Systemen stoßen. Wie bestimmt die Universal‑Context‑Schicht von Atomicwork, welche Informationen vertrauenswürdig und aktuell sind, bevor ein Agent eine Entscheidung trifft oder eine Aktion ausführt?

Unternehmenswissen existiert selten an einem einzigen Ort. Ein Teil befindet sich in Dokumentationen, ein anderer in Aufzeichnungssystemen und ein weiterer im Tagesgeschäft des Unternehmens. KI benötigt all diesen Kontext, um zuverlässige Entscheidungen zu treffen.

Universal Context vereint diese Quellen, indem es Unternehmenswissen mit Personen‑, Netzwerk‑, Infrastruktur‑ und Gerätedaten aus Live‑Betriebssystemen kombiniert. Ein KI‑Mitarbeitender kann Informationen von Plattformen wie Confluence oder SharePoint, MDMs wie Intune und JAMF referenzieren und gleichzeitig verstehen, was in Systemen wie Jira, Workday, Salesforce oder Identitätsanbietern geschieht. Außerdem respektiert er bestehende Berechtigungen, sodass Personen und KI‑Mitarbeitende nur auf Informationen zugreifen, für die sie bereits autorisiert sind.

Wir haben erklärt, wie Universal Context Unternehmenssysteme verbindet und Sicherheitsgrenzen wahrt, aber wir haben nicht beschrieben, wie es widersprüchliche Informationen auflöst, wenn vertrauenswürdige Quellen uneinig sind, oder wie es bestimmt, welche Quelle Vorrang hat. Diese Implementierungsdetails gehören nicht zu unserer öffentlichen Dokumentation.

Der universelle KI‑Mitarbeitende kann Mitarbeitende über Microsoft Teams, Slack, E‑Mail, Browser, Portal sowie per Chat, Sprache und visuelle Modi unterstützen. Welche neuen Fehlersuch‑Fähigkeiten werden möglich, wenn ein Agent sehen und hören kann, was der Mitarbeitende erlebt, und wie verhindern Sie, dass sensible Bildschirminhalte oder Gespräche offengelegt werden?

Traditioneller IT‑Support hängt davon ab, dass Mitarbeitende technische Probleme präzise beschreiben, und das ist oft der schwierigste Teil der Interaktion. Sprach‑ und visueller Kontext ermöglichen es der KI, dieselbe Fehlermeldung, Anwendung oder Konfigurations‑Bildschirm zu sehen, den der Mitarbeitende betrachtet, wodurch das Problem viel leichter zu verstehen ist und man jemanden ohne lange Hin‑und‑Her‑Gespräche durch den nächsten Schritt führen kann.

Diese Fähigkeiten funktionieren nur, wenn Mitarbeitende ihnen vertrauen. Wir sind der Ansicht, dass visueller Zugriff explizite Zustimmung erfordern sollte und Nutzer stets wissen müssen, wann er aktiv ist. Sensitive Informationen werden durch PII‑Maskierung, administrative Kontrollen und geeignete Aufbewahrungsrichtlinien geschützt.

Wir haben zudem deutlich gemacht, dass Kundendaten nicht zum Training unserer Modelle oder von Drittanbieter‑Foundation‑Modellen verwendet werden. Das gibt Organisationen die Möglichkeit, multimodale KI zu übernehmen, ohne die Kontrolle über ihre Daten zu verlieren.

Atomicwork kann neben einer bestehenden ServiceNow‑ oder Jira Service Management‑Umgebung eingesetzt werden, ohne dass sofort eine Migration erforderlich ist. Sehen Sie dies hauptsächlich als Übergangsstrategie oder werden viele Unternehmen dauerhaft eine KI‑Belegschaft über ihrem Legacy‑Aufzeichnungssystem betreiben?

Die meisten großen Unternehmen haben jahrelang Prozesse, Integrationen und Governance rund um Plattformen wie ServiceNow und Jira Service Management aufgebaut. Sie zu zwingen, diese Systeme zu ersetzen, bevor sie KI übernehmen können, erzeugt unnötige Reibungen.

Wir haben die Atomicwork‑Integrationen mit ServiceNow und Jira Service Management entwickelt, damit Kunden das Mitarbeitenden‑Erlebnis transformieren und ihre Service‑Teams von Anfang an mit KI‑Mitarbeitenden ergänzen können, ohne die Systeme zu stören, auf die sie bereits angewiesen sind. Der Connector zieht relevante Unternehmens‑IT‑Kontexte für KI‑Mitarbeitende und sorgt gleichzeitig für eine bidirektionale Synchronisation der Service‑Agenten im bestehenden System. Wir glauben nicht, dass Unternehmen bereits am ersten Tag einen einzigen Weg wählen müssen. Die Priorität liegt darin, ihnen zu helfen, KI in ihrem eigenen Zeitplan zu übernehmen.

Der Zugriff von KI‑Mitarbeitenden auf Identitätssysteme, Mitarbeitenden‑Daten, Infrastruktur und Business‑Anwendungen birgt Risiken wie Prompt‑Injection, vergiftete Wissensquellen, übermäßige Berechtigungen und kaskadierende Agenten‑Fehler. Welche Schutzmaßnahmen, Genehmigungsgrenzen und Audit‑Mechanismen sind erforderlich, bevor ein Unternehmen Agenten sicher autonom handeln lassen kann?

KI‑Mitarbeitende werden wie Mitarbeitende mit privilegiertem Zugriff verwaltet. Jeder Mitarbeitende hat eine definierte Rolle, begrenzte Berechtigungen, genehmigte Werkzeuge, Ausgabenlimits und klare Grenzen dessen, was er eigenständig tun kann. Sensitive Aktionen – insbesondere solche, die Identität, Infrastruktur, Finanzen, rechtliche Angelegenheiten oder Beschäftigung betreffen – erfordern menschliche Genehmigung.

Fähigkeiten und Anweisungen werden vor der Veröffentlichung auf Risiken wie Prompt‑Injection, versteckte Anweisungen, Zugang zu Anmeldeinformationen, Datenlecks und unsichere Aktionen geprüft. Ändert sich ein Werkzeug so, dass sein Risiko steigt, wird es automatisch deaktiviert, bis es überprüft wurde. Zusätzliche Schutzmaßnahmen – einschließlich Aktionslimits, Vermeidung von Doppelaktionen, Not‑Aus‑Kontrollen und menschlicher Übernahme – helfen, Fehler einzudämmen, bevor sie sich ausbreiten können.

Jede Aktion ist nachvollziehbar: Organisationen können sehen, was den Mitarbeitenden ausgelöst hat, welche Informationen und Werkzeuge er verwendet hat, welche Genehmigungen eingeholt wurden und welches Ergebnis folgte. Kontinuierliche Bewertung, Überwachung und Red‑Team‑Tests stellen sicher, dass diese Schutzmaßnahmen wirksam bleiben, während sich Modelle, Werkzeuge und Unternehmensumgebungen weiterentwickeln.

Wir haben stark in Bewertung, Richtlinien‑Durchsetzung, Überwachung und Red‑Team‑Tests investiert, weil die Bereitstellung von KI nur der Anfang ist. Organisationen benötigen das Vertrauen, dass diese Mitarbeitenden weiterhin erwartungsgemäß handeln, während sich Modelle und Unternehmensumgebungen weiterentwickeln.

Der State of AI in IT 2026‑Report von Atomicwork hat ergeben, dass zwei Drittel der IT‑Fachleute positive Renditen aus KI‑Investitionen melden, während nur jedes fünfte Unternehmen KI vollständig in seine Service‑Management‑Teams integriert hat. Was unterscheidet Einsätze, die messbaren geschäftlichen Mehrwert erzeugen, von Pilotprojekten, die in der Experimentierphase stecken bleiben?

Die meisten Unternehmen haben bereits gezeigt, dass KI einzelne Aufgaben verbessern kann. Die Unternehmen, die messbaren geschäftlichen Mehrwert sehen, verbinden KI mit kompletten operativen Workflows, anstatt sie nur als eigenständigen Assistenten zu nutzen.

Das beginnt damit, ein konkretes Geschäftsproblem zu lösen, indem man in Rollen denkt, KI‑Mitarbeitenden Zugriff auf die benötigten Systeme gewährt und relevante Ergebnisse misst – sei es schnellere Lösungszeiten, geringere Support‑Kosten oder ein besseres Mitarbeitenden‑Erlebnis. Sobald Teams diesen Ergebnissen vertrauen, wird die Ausweitung von KI auf weitere Workflows deutlich einfacher.

Unsere Forschung ergab außerdem, dass verantwortungsvolle KI zu den höchsten Prioritäten für IT‑Führungskräfte gehört. Das ist logisch, denn Organisationen werden KI nicht mehr Verantwortung übertragen, solange sie nicht verstehen, wie Entscheidungen getroffen werden, diese nachträglich prüfen können und wissen, dass die richtigen Leitplanken vorhanden sind.

Wenn KI‑Mitarbeitende beginnen, Support‑Anfragen zu lösen, Zugriffe zu verwalten, Vorfälle zu diagnostizieren und Workflows zu koordinieren, wie werden sich die Verantwortlichkeiten von Service‑Desk‑Fachleuten, IT‑Operations‑Teams und Chief Information Officers verändern? Und weiter in die Zukunft: Könnte die IT die Abteilung werden, die für die Einstellung, Steuerung und Messung der gesamten digitalen Belegschaft eines Unternehmens verantwortlich ist?

KI wird einen Großteil der repetitiven operativen Arbeit übernehmen, die heutige Service‑Desks beansprucht, sodass Menschen mehr Zeit für Ausnahmefälle, Prozessverbesserungen und die Verfeinerung des Wissens, von dem KI abhängt, haben.

IT‑Operations‑Teams werden sich zunehmend darauf konzentrieren, KI‑Mitarbeitende zu steuern, anstatt jeden Workflow manuell auszuführen. Sie werden Berechtigungen definieren, Systeme verbinden, die Leistung überwachen und sicherstellen, dass KI innerhalb der festgelegten Richtlinien weiterläuft.

Ich erwarte zudem, dass sich die Rolle des CIO erweitert. Die Verwaltung von Hunderten KI‑Mitarbeitender ähnelt der Verwaltung jeder anderen Unternehmens‑Infrastruktur. Jemand muss entscheiden, worauf diese Mitarbeitenden zugreifen können, wie sie gemessen werden, wann sie aktualisiert werden und ob sie Mehrwert liefern. Business‑Teams werden weiterhin die Arbeit definieren, während die IT zur Personalabteilung für KI wird, also verantwortlich für die Plattform, Governance und operative Kontrollen, die eine Unternehmens‑KI‑Belegschaft sicher am Laufen halten.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Atomicwork besuchen.