Die agentische Revolution

Was wäre, wenn KI die Softwareentwicklung eigenständig übernehmen würde? Agentenbasierte KI-Systeme wie GitHub Copilot Workspace zielen bereits darauf ab, übergeordnete Anforderungen zu verarbeiten und Code eigenständig zu schreiben, zu testen und zu debuggen. Dieser Sprung von der Generierung von Code-Schnipseln hin zur Automatisierung durchgängiger kognitiver Arbeitsabläufe verändert die Wissensarbeit und die Interaktion mit Software grundlegend. Für Führungskräfte ist es mittlerweile unerlässlich, die Auswirkungen agentenbasierter KI auf Strategie, Roadmaps und die Belegschaft zu verstehen. Laut den Teilnehmern einer aktuellen Umfrage der Boston Consulting Group plant weltweit jedes dritte Unternehmen, im Jahr 2025 mehr als 25 Millionen US-Dollar für KI bereitzustellen.

Definition der agentenbasierten KI: Über Chatbots hinaus zu autonomen Akteuren

Vergessen Sie einfache Chatbots. Agentenbasierte KI bezeichnet Systeme, die darauf ausgelegt sind, Ziele autonom zu verfolgen. Ausgehend von einem übergeordneten Ziel kann ein agentenbasiertes System einen Plan ausarbeiten, einzelne Schritte durch die Interaktion mit verschiedenen digitalen Tools (APIs, Browser, Anwendungen) ausführen und sich je nach Ergebnis anpassen. Es handelt sich um den Übergang von einer KI, die auf der Grundlage von Mustern reagiert, zu einer KI, die handelt, um bestimmte Aufgaben zu erfüllen.  

Viel Verwirrung entsteht dadurch, dass agentenbasierte KI häufig leistungsstarke Gen-AI-Modelle wie GPT-4o von OpenAI oder Gemini von Google als Kern der Schlussfolgerungsmaschine nutzt. Das agentische Framework – verkörpert durch Plattformen, die auf der Assistants-API von OpenAI oder Open-Source-Toolkits basieren – stellt jedoch die entscheidenden Ebenen der Autonomie, Planung, des Gedächtnisses und der Werkzeuginteraktion bereit. Stellen Sie sich vor, Sie hätten statt eines leistungsstarken Motors ein selbstfahrendes Fahrzeug, das diesen Motor nutzt, um sich im Verkehr zurechtzufinden, Routen zu folgen und ein Ziel zu erreichen. Diese dynamische Fähigkeit unterscheidet es deutlich von der starren, skriptgesteuerten, robotergestützten Prozessautomatisierung.  

Agentenbasierte vs. generative KI: Der praktische Durchbruch, der den Hype antreibt

Die Fähigkeit generativer KI, Inhalte zu erstellen – von Code-Schnipseln über den ursprünglichen GitHub Copilot bis hin zu Marketingtexten über Jasper – ist unbestreitbar. Agentenbasierte KI nutzt diese generative Kraft jedoch und macht sie umsetzbar. Es ist der Unterschied zwischen der Aufforderung an eine KI, Python-Code zu schreiben, und der Aufforderung an einen Agenten, ein funktionsfähiges Python-Skript zu erstellen, zu testen und zu debuggen, das sich in eine bestimmte API integriert, um ein geschäftliches Ergebnis zu erzielen.  

Die aktuelle Hype-Welle, die sich in den rasant steigenden Bewertungen von KI-Start-ups und dem intensiven Fokus der Tech-Giganten zeigt, geht auf diesen Sprung hin zu autonomem Handeln zurück. Während eine allgemeine KI (Gen AI) zwar Teile eines Geschäftsplans entwerfen könnte, könnte ein agentenbasiertes System mit folgenden Aufgaben betraut werden: „Analysiere Markttrends für Produkt X, identifiziere wichtige Wettbewerber, entwirf ein Dokument zur Wettbewerbsstrategie und plane einen Besprechungstermin“, wobei es Recherche-, Analyse-, Generierungs- und Terminplanungs-Tools koordiniert. Dieses Potenzial zur durchgängigen Automatisierung komplexer, mehrstufiger Arbeitsabläufe, das über die Notwendigkeit menschlicher Eingriffe bei jedem einzelnen Schritt hinausgeht, beflügelt das immense strategische Interesse und die Investitionen.  

Der „Agentic Imperative“: Software neu gestalten, etablierte Akteure herausfordern

Warum bemühen sich praktisch alle Softwareunternehmen – von Hyperscalern bis hin zu SaaS-Anbietern – darum, eine agentenbasierte Strategie zu entwickeln? Weil diese Strategie verspricht, die Interaktion mit den Nutzern und den Wert von Software neu zu definieren. Wie Microsoft-CEO Satya Nadella sagte, verändern Technologien wie Copilot „grundlegend die Art und Weise, wie wir mit Computern umgehen“, indem sie als Koordinatoren fungieren.  

Wir beobachten, wie sich dies rasch entwickelt:

• Das Copilot-Ökosystem von Microsoft: Bei der umfassenden Einführung von Microsoft 365 Copilot in Word, Excel und Teams geht es nicht nur um die Integration generativer Features, sondern darum, den Nutzern die Möglichkeit zu geben, Aufgaben zu delegieren, wie zum Beispiel „Fasse ungelesene E-Mails aus dem Projekt Phoenix zusammen und markiere Aktionspunkte“ oder „Analysiere die Umsatzdaten des vierten Quartals in dieser Excel-Tabelle und erstelle eine PowerPoint-Zusammenfassung“. Die kürzlich erfolgte Einführung von GitHub Copilot Workspace zielt ausdrücklich darauf ab, Entwickleranfragen mit minimalem Eingriff von der Problembeschreibung bis zum getesteten Pull-Request zu begleiten.  
• Agentic-Integrationen von Google: Google bindet Gemini weiterhin immer stärker in Workspace ein und ermöglicht so komplexe, anwendungsübergreifende Aktionen. Die Weiterentwicklung der KI-Übersichten in der Suche lässt eine Zukunft erahnen, in der die Suche nicht mehr nur Links bereitstellt, sondern direkt Aktionen ausführt oder komplexe Rechercheaufgaben übernimmt.  
• Salesforce, Service Now, Adobe: Diese Plattformen integrieren agentenbasierte Features (wie Salesforce Einstein Copilot oder Now Assist von Service Now), um komplexe CRM-, IT-Servicemanagement- und Kreativ-Workflows zu automatisieren, sodass Nutzer über Ziele in natürlicher Sprache statt über komplexe Benutzeroberflächen interagieren können.  
• Start-ups: Unternehmen wie Adept AI, die sich darauf konzentrieren, KI die Nutzung bestehender Software-Schnittstellen beizubringen, unterstreichen das Bestreben, universelle Agenten zu entwickeln, und wecken damit im Laufe des Jahres 2024 großes Interesse bei Risikokapitalgebern.  

Dieser Trend droht, etablierte Softwaremodelle zu erschüttern. Wenn Nutzer komplexe Ergebnisse mithilfe von Dialogagenten erzielen können, die auf herkömmlichen Anwendungen aufbauen, verlieren die Benutzeroberfläche und die Features der zugrunde liegenden Anwendung an Bedeutung. Etablierte Anbieter müssen sich anpassen oder laufen Gefahr, vom Markt verdrängt zu werden.

Neugestaltung des Datenschutzes: Auf dem Weg zu autonomer Cyber-Resilienz

Die Datenschutzbranche, die mit eskalierenden Cyberbedrohungen wie den ausgeklügelten, mehrstufigen Ransomware-Angriffen konfrontiert ist, die Ende 2024 zunehmend zu beobachten waren, benötigt dringend die proaktiven Fähigkeiten, die agentenbasierte KI verspricht:

• Proaktive Verteidigung, die über die Erkennung von Anomalien hinausgeht: Bestehende KI-Systeme melden zwar Anomalien, aber agentenbasierte Systeme könnten noch einen Schritt weiter gehen. Stellen Sie sich vor, ein Agent erkennt Erkundungsmuster von Ransomware, erstellt über die Backup-Plattform autonom Snapshots kritischer VMs, überprüft die Integrität der Snapshots und isoliert verdächtige Endpunkte, bevor die Verschlüsselung beginnt – wodurch das Ausmaß des Schadens drastisch reduziert wird.
• Intelligente, kontextbezogene Recovery: Anstelle starrer Recovery-Pläne könnte ein Agent das Ausmaß eines Angriffs analysieren (z. B. mithilfe von Threat-Intelligence-Feeds über eine API), die sichersten Recovery-Punkte systemübergreifend ermitteln, die Recovery mithilfe der Backup-Infrastruktur koordinieren, automatisierte Datenvalidierungsprüfungen durchführen und sogar Berichte nach dem Vorfall erstellen.  
• Dynamische Richtlinienoptimierung: Agenten könnten sich ändernde Compliance-Vorgaben (wie aktualisierte DSGVO- oder CCPA-Bestimmungen) oder festgestellte Sicherheitslücken analysieren und Backup-Richtlinien, -Intervalle und -Aufbewahrungsfristen automatisch anpassen, um eine kontinuierliche Einhaltung ohne manuellen Aufwand zu gewährleisten.  

Commvault, Arlie und die Zukunft: Agentenbasierte Strukturen für Datenresilienz

Um diese Entwicklung zu meistern, bedarf es einer Plattform für Datenresilienz, die speziell für eine KI-gesteuerte Welt entwickelt wurde. Bei Commvault nutzt unser KI-Copilot Arlie bereits künstliche Intelligenz, um Erkenntnisse zu liefern und Abläufe zu optimieren. Unsere Vision reicht jedoch noch weiter: Wir wollen „Agentic Fabrics“ ermöglichen.  

Dieses Konzept sieht eine intelligente, vernetzte Architektur vor, in der KI-Agenten unter der Leitung von Arlie autonom in Ihrer hybriden Datenlandschaft agieren und sich koordinieren. Dabei geht es nicht nur um einen einzigen Assistenten, sondern um ein Netzwerk spezialisierter Agenten, die zusammenarbeiten:

• Ein Agent, der den Sicherheitsstatus überwacht, könnte eine Bedrohung erkennen und über Arlie einen anderen Agenten benachrichtigen, damit dieser sofort die entsprechenden Backups sichert.
• Entsprechend der Nutzerabsicht („Die CRM-Datenbank in den Zustand vor den verdächtigen Aktivitäten von gestern zurückversetzen“) konnte Arlie die Mitarbeiter anweisen, die komplexen Recovery-Prozesse über Anwendungsserver, Datenbanken und Cloud-Speicher hinweg zu koordinieren und die Datenintegrität nach der Recovery zu überprüfen.
• Die Mitarbeiter könnten proaktiv Möglichkeiten zur Kosteneinsparung identifizieren, indem sie Datennutzungsmuster analysieren und „kalte“ Daten auf der Grundlage von Richtlinienzielen automatisch in kostengünstigere Speicherebenen verschieben.

Das Agentic Fabric stellt die nächste Entwicklungsstufe intelligenter Architektur dar – ein abgestimmtes Ökosystem, in dem KI-Agenten autonom und dennoch kooperativ in Ihrer gesamten Datenlandschaft agieren. Dabei geht es nicht lediglich um den Einsatz isolierter Assistenten, sondern um die Schaffung eines vernetzten Netzwerks spezialisierter Agenten, die nahtlos miteinander kommunizieren und sich koordinieren:

• Sicherheitsagenten können Bedrohungen sofort erkennen und ohne menschliches Eingreifen Schutzmaßnahmen durch andere spezialisierte Agenten auslösen.
• Recovery-Prozesse können sich an der in natürlicher Sprache formulierten Absicht orientieren („Stellt unsere Systeme in den Zustand vor dem Sicherheitsvorfall wieder her“) und gleichzeitig komplexe technische Arbeitsabläufe in hybriden Umgebungen koordinieren.
• Die Ressourcenoptimierung erfolgt kontinuierlich, da die Mitarbeiter proaktiv Effizienzpotenziale identifizieren und diese gemäß den vom Unternehmen festgelegten Richtlinien umsetzen.

Dieser Wandel hin zur agentenbasierten KI erfordert von Unternehmen, drei entscheidende Aspekte zu überdenken: ihre Datenarchitektur (damit diese autonome und zugleich sichere Agentenoperationen unterstützt), ihre Governance-Rahmenbedingungen (zur Festlegung geeigneter Leitplanken für Agentenhandlungen) und ihre Resilienzstrategien (Einsatz von Agenten, um Bedrohungen vorzubeugen, anstatt lediglich auf sie zu reagieren). Unternehmen, die dieses Paradigma umsetzen, werden nicht nur schrittweise Effizienzsteigerungen erzielen – sie werden die Art und Weise, wie sie ihre Datenbestände schützen, verwalten und nutzen, grundlegend verändern.

Da die digitale Landschaft immer komplexer wird und sich die Angriffsvektoren exponentiell vermehren, drängt sich die Frage auf: Bereitet sich Ihr Unternehmen auf eine Welt vor, in der KI Ihr Team nicht nur unterstützt, sondern Ihre wertvollsten Ressourcen aktiv schützt? Die „Agentic Revolution“ rückt nicht erst näher – sie verändert bereits jetzt die Unternehmenstechnologie grundlegend. Sind Sie bereit, sich mit ihr weiterzuentwickeln?