Leitfaden für CIOs zur Steuerung der Verbreitung von KI-Agenten

Unternehmensnetzwerke füllen sich rasch mit KI-Agenten, was für Führungskräfte, die komplexe Multi-Cloud-Infrastrukturen überwachen, einen erheblichen blinden Fleck in der Governance darstellt.

Da einzelne Geschäftsbereiche sich beeilen, generative KI einzuführen, stellen CIOs fest, dass ihre digitalen Ökosysteme zunehmend mit fragmentierten und unüberwachten Assets bevölkert sind. Dieser Trend spiegelt die Schatten-IT-Herausforderungen der Anfangszeit der Cloud wider, umfasst nun jedoch autonome Akteure, die Geschäftslogik ausführen und auf sensible Unternehmensdaten zugreifen können.

IDC prognostiziert, dass die Zahl der aktiv eingesetzten KI-Agenten bis 2029 eine Milliarde überschreiten wird – eine erstaunliche Vervierzigfachung gegenüber den heutigen Zahlen. Allein in der ersten Hälfte des Jahres 2025 stieg die Zahl der neu geschaffenen Agenten um 119 Prozent. Für Führungskräfte in Unternehmen besteht die dringende Herausforderung nicht mehr nur darin, diese Agenten zu entwickeln, sondern sie über unterschiedliche Plattformen hinweg zu lokalisieren, zu überprüfen und effektiv zu verwalten.

Salesforce begegnet dieser Fragmentierung direkt, indem es seine MuleSoft Agent Fabric mit neuen automatisierten Erkennungstools erweitert, die die Verwaltung von KI-Agenten unabhängig von ihrer Herkunft zentralisieren sollen.

Automatisierung der Erkennung

Für Sicherheits- und Betriebsteams bleibt die mangelnde Transparenz die grundlegende Herausforderung. Wenn Marketingteams KI-Agenten auf einer Plattform einsetzen, während Logistikteams auf einer anderen aufbauen, verliert die zentrale IT-Abteilung den Überblick über die digitale Belegschaft des Unternehmens, was eine effektive Steuerung nahezu unmöglich macht.

Die aktualisierte MuleSoft-Architektur löst dieses Problem mit „Agent Scannern”. Diese Tools überwachen kontinuierlich wichtige Ökosysteme – darunter Salesforce Agentforce, Amazon Bedrock und Google Vertex AI –, um aktive Agenten automatisch zu identifizieren. Dadurch entfällt die Notwendigkeit, sich auf Entwickler für die manuelle Registrierung und Berichterstellung zu verlassen.

Das Auffinden eines Agenten ist nur der Anfang; Compliance-Beauftragte müssen dessen Zweck und Umfang verstehen. Die Scanner extrahieren detaillierte Metadaten zu den Fähigkeiten eines Agenten, den ihm zugrunde liegenden großen Sprachmodellen und den spezifischen Datenendpunkten, auf die er zugreifen darf. Diese Daten werden dann in einheitliche Agent-to-Agent-Spezifikationen (A2A) standardisiert, wodurch konsistente Profile für Assets über verschiedene Anbieterplattformen hinweg erstellt werden.

Andrew Comstock, SVP und GM von MuleSoft, erklärte: „Die erfolgreichsten Unternehmen des nächsten Jahrzehnts werden diejenigen sein, die die gesamte Vielfalt der Multi-Cloud-KI-Landschaft effektiv nutzen. Die verbesserte MuleSoft Agent Fabric bietet die Freiheit, auf jeder Plattform innovativ zu sein und gleichzeitig die einheitliche Transparenz und Kontrolle zu gewährleisten, die für eine sichere Skalierung erforderlich sind.“

Governance und Kostenkontrolle für KI-Agenten

Nicht verwaltete Agenten bergen erhebliche finanzielle und sicherheitstechnische Risiken. Beispielsweise müsste ein CISO einer Bank, der einen neuen Kreditbearbeitungsagenten überprüfen muss, traditionell manuell die Dokumentation der Entwicklungsteams ausfindig machen. Durch die automatisierte Katalogisierung können Sicherheitsteams sofort sehen, auf welche Finanzdatenbanken ein Agent zugreifen kann, und seine Berechtigungsstufen überprüfen, sodass sie mit Echtzeitdaten statt mit veralteten Berichten arbeiten können.

Aus finanzieller Sicht ermöglicht Transparenz eine Konsolidierung der Kosten. Große Unternehmen leiden häufig unter Redundanzen, da verschiedene regionale Teams unabhängig voneinander ähnliche Tools kaufen oder entwickeln. Ein multinationaler Hersteller könnte beispielsweise drei separate Teams haben, die für verschiedene Zusammenfassungsagenten auf drei verschiedenen Plattformen bezahlen.

Durch die Verwendung des MuleSoft Agent Visualizer zum Filtern von Assets nach Funktion können Betriebsleiter diese Überschneidungen schnell erkennen. Die Konsolidierung zu einem einzigen, leistungsstarken Asset reduziert redundante Lizenzgebühren und setzt Budget für neue, innovative Projekte frei.

Erfolgreicher Übergang zu einem „agentenbasierten Unternehmen”

Innovationen entstehen häufig an den Rändern einer Organisation, wo Datenwissenschaftler außerhalb der formalen Beschaffungskanäle maßgeschneiderte Tools entwickeln.

Die erweiterte Agent Fabric trägt dem Rechnung, indem sie die Registrierung von „hausgemachten” Agenten und Model Context Protocol (MCP)-Servern über eine einfache URL ermöglicht. Dies ist besonders wertvoll in Branchen wie der Logistik, in denen Teams interne Tools zur Optimierung proprietärer Datenbanken entwickeln können. Anstatt undokumentiert zu bleiben, können diese Assets registriert und für die Wiederverwendung im gesamten Unternehmen auffindbar gemacht werden.

Jonathan Harvey, Leiter des Bereichs AI Operations bei Capita, kommentierte: „Mit Agent Scanners können wir uns auf Innovationen statt auf die Bestandsverwaltung konzentrieren. Die Gewissheit, dass jeder Agent automatisch erkannt und katalogisiert wird, ermöglicht unseren Teams eine effektive Zusammenarbeit, die Wiederverwendung bestehender Arbeiten und die Entwicklung intelligenterer Multi-Agent-Lösungen.”

In ähnlicher Weise nutzt AT&T dieses Framework, um Agenten über verschiedene Kundeninteraktionskanäle hinweg zu koordinieren, darunter Support, Chat und Sprache.

Brad Ringer, Enterprise & Integration Architect bei AT&T, erklärte: „Angesichts des Tempos der KI-Entwicklung bietet MuleSoft Agent Fabric das unverzichtbare Framework, das wir für die Skalierung benötigen. Es vereinheitlicht alle Agenten und MCP-Server, die wir im Kundensupport, Chat und Sprachinteraktionen einsetzen, und hilft uns bei deren Koordination. Es ist mehr als nur ein Tool, es ist ein entscheidender Faktor für unsere gesamte Zukunftsstrategie.“

Der Wandel zu einem „Agentic Enterprise“ erfordert eine grundlegende Änderung in der Verwaltung von IT-Ressourcen. Sich bei der Verwaltung von Integrationen auf veraltete Tabellenkalkulationen zu verlassen, ist mit der Geschwindigkeit der KI-Agentenbereitstellung nicht mehr vereinbar.

Führungskräfte müssen davon ausgehen, dass ihr aktueller Bestand an KI-Agenten unvollständig ist. Der Einsatz automatisierter Scan-Tools ist unerlässlich, um eine genaue Ausgangsbasis zu schaffen. Sobald diese Grundlage geschaffen ist, sollten Governance-Richtlinien vorschreiben, dass alle Agenten – egal ob kommerziell erworben oder intern entwickelt – ihre Fähigkeiten und Datenzugriffsrechte in einem standardisierten Format wie A2A offenlegen, um eine konsistente Überwachung zu ermöglichen.

Schließlich können Führungskräfte die durch diese Tools gewonnene Transparenz nutzen, um Ausgaben zu prüfen, funktionale Duplikate in Cloud-Umgebungen zu identifizieren und diese zu konsolidieren, um die Gesamtbetriebskosten (TCO) besser zu kontrollieren.

Wenn Unternehmen von Pilotprogrammen zum massenhaften Einsatz übergehen, wird der entscheidende Unterschied nicht in der Intelligenz eines einzelnen Agenten liegen, sondern in der Gesamtkohärenz und dem strategischen Management des Netzwerks, das sie alle miteinander verbindet.

Siehe auch: Ausgewogenheit zwischen KI-Kosteneffizienz und Datenhoheit

Möchten Sie mehr über KI und Big Data von Branchenführern erfahren? Dann besuchen Sie die AI & Big Data Expo in Amsterdam, Kalifornien und London. Diese umfassende Veranstaltung ist Teil der TechEx und findet zusammen mit anderen führenden Technologieveranstaltungen statt, darunter die Cyber Security & Cloud Expo. Klicken Sie hier für weitere Details und Informationen zur Anmeldung.

AI News wird von TechForge Media unterstützt. Weitere bevorstehende Veranstaltungen und Webinare zum Thema Unternehmenstechnologie finden Sie hier.