Von Copilots zu Agenten: warum Enterprise-KI eine sichere KI-Fabrik benötigt

Wichtigste Erkenntnisse

• Agentenbasierte KI verlagert den Einsatz von KI am Arbeitsplatz von der Inhaltserstellung zur Workflow-Ausführung.
• Für die Skalierung autonomer Agenten sind sichere Laufzeitumgebungen, eine sichere Modellausführung, vertrauenswürdige Unternehmensdaten und Governance-Kontrollen erforderlich – nicht nur der Zugriff auf KI-Modelle.
• Offene Ökosysteme und hybride KI-Infrastrukturen bieten Unternehmen die Flexibilität, Agenten dort einzusetzen, wo sie die besten Geschäfts-, Sicherheits- und Betriebsergebnisse erzielen.

Agentenbasierte KI am Arbeitsplatz verändert die Art und Weise, wie Unternehmen Arbeit zuweisen, Aufgaben verteilen und Teams koordinieren. Mitarbeitende lassen sich im Arbeitsalltag bereits von KI unterstützen. Arbeitsplatzagenten fügen eine weitere Ebene hinzu, indem sie Schritte planen, zugelassene Tools verwenden und definierte Aufgaben mit weniger Prompts erledigen.

Geschäftsabläufe gewinnen an Dynamik, wenn KI nicht nur einmalig unterstützt, sondern sich zum aktiven Einsatz entwickelt. Ein Agent könnte die Ticket-Warteschlange am Laufen halten, indem er Fälle weiterleitet, bis eine Überprüfung erforderlich ist – aber um diese Art von Arbeit unternehmensweit zu skalieren, braucht es mehr als nur Automatisierung. Die Teams benötigen eine solide Grundlage, die auch bei steigenden Anwendungsfällen für KI-Agenten die Governance gewährleistet.

Was agentenbasierte KI für den Arbeitsplatz bedeutet

Agentenbasierte KI bezieht sich auf Systeme, die ohne umfangreiche menschliche Anleitung über Prompts ein definiertes Ziel verfolgen, Entscheidungen treffen und Maßnahmen ergreifen können. Am Arbeitsplatz kann ein Agent beispielsweise ein IT-Ticket prüfen, entscheiden, ob eine Korrektur problemlos durchgeführt werden kann, die entsprechende Maßnahme ausführen oder das Problem an eine Person weiterleiten, sofern eine Beurteilung oder Genehmigung erforderlich ist.

Copilots konzentrieren sich in der Regel auf die jeweilige Aufgabe von Benutzenden und helfen beispielsweise beim Verfassen von Entwürfen, beim Zusammenfassen, bei Recherchen oder bei Analysen. Agenten können einen Teil des Workflows an sich übernehmen, unterscheiden sich aber dahingehend, dass sie auch selbst entscheiden können, wie sie diese Arbeit innerhalb vorgegebener Grenzen erledigen. Im Gegensatz zu Copilots, die primär unterstützen oder Inhalte generieren, können autonome Agenten auf Daten zugreifen, Tools aufrufen, mit Anwendungen interagieren und im Namen von Benutzenden Maßnahmen ergreifen.

Da Agenten zunehmend nicht mehr nur bei der Arbeit helfen, sondern diese selbst ausführen, benötigen Unternehmen sichere Laufzeitumgebungen, die Identitäten, Berechtigungen, den Zugriff auf Tools, die Durchsetzung von Richtlinien und die Observability regeln. Die Übergabe von Mensch und System gewinnt an Bedeutung, da der Agent nicht mehr nur Ergebnisse zur Überprüfung liefert, sondern auch Aktionen in verschiedenen Unternehmenssystemen initiieren kann.

Der Zugang sollte das Prüfmodell bestimmen. Zusammenfassende Arbeiten können mit einer weniger strengen Prüfung auskommen. Aber wenn ein Agent Berechtigungen ändern, Ausgaben genehmigen, Rückerstattungen veranlassen oder andere finanzielle Aktionen auslösen soll, müssen vor jeder Aktion Schutzmaßnahmen getroffen werden.

Wie agentenbasierte KI die Workflows und die Koordination verändert

Agentenbasierte KI gestaltet Workflows neu, indem sie die Koordination übernimmt, die normalerweise eine manuelle Nachverfolgung erfordert. Statt darauf zu warten, dass jemand den Status überprüft, den nächsten Schritt zuweist oder eine Übergabe nachverfolgt, kann ein Agent die Arbeit fortführen, bis eine Maßnahme ergriffen wird oder eine Person etwas prüfen oder entscheiden muss.

Weniger Übergaben zwischen Teams

Durch das Erfassen des Kontexts vor der Prüfung können Agenten eine Anfrage bearbeiten, ohne der für die Entscheidung zuständigen Person die Verantwortung zu entziehen.

Flexiblere Automatisierung von Workflows

Die herkömmliche Automatisierung folgt festen Regeln, aber agentenbasierte KI-Workflows können mehr Variationen bewältigen, indem sie den Kontext interpretieren und zugelassene Tools innerhalb festgelegter Grenzen nutzen.

Bessere Einblicke in die Arbeit

Gut gestaltete Enterprise-KI-Agenten können zu jedem Prozess eine Aufzeichnung erstellen. Führungskräfte können diese transparenten Einblicke nutzen, um Engpässe zu erkennen und Fehler frühzeitig aufzuspüren.

Warum offene KI-Ökosysteme für Enterprise-KI-Agenten wichtig sind

Offene KI-Ökosysteme sind für Enterprise-KI-Agenten wichtig, da die meisten Unternehmen Agenten benötigen, die über mehrere Modelle, Anwendungen, Datenquellen und Governance-Anforderungen hinweg funktionieren. Da große Unternehmen selten eine einzige Plattform nutzen, muss agentenbasierte KI flexibel genug sein, um sich in bestehende Systeme zu integrieren, ohne jedes Team in einen engen technischen Rahmen zu zwängen.

Die Anforderungen an Agenten sind je nach Workflow unterschiedlich. Deshalb benötigt jeder Anwendungsfall eigene Regeln für Zugriff, Überprüfung und Auditierbarkeit. Offene Ökosysteme können den Weg von der Pilotphase zur Bereitstellung verkürzen, da Teams dabei auf bestehende Tools und Geschäftsprozesse aufbauen können.

Wenn Agenten immer mehr Aufgaben übernehmen, können Teams mit offenen Ökosystemen die Kontrolle behalten, ohne sich auf eine bestimmte Architektur festzulegen. Agentenbasierte KI zur Steigerung der Mitarbeiterproduktivität benötigt Raum für Tests, dennoch muss die Governance auch bei einer zunehmender Anzahl von Anwendungsfällen sichergestellt werden. Ebenso wichtig ist, dass offene Ökosysteme dabei helfen, Agenten mit den Unternehmensdatenquellen zu verbinden, die den Echtzeitkontext liefern, der für das Schlussfolgern, das Treffen von Entscheidungen und das Ergreifen von Maßnahmen innerhalb von Geschäftsabläufen erforderlich ist.

Wie Dell AI Factory with NVIDIA die Einführung von agentenbasierter KI unterstützt

Dell AI Factory with NVIDIA unterstützt die Einführung agentenbasierter KI durch die Nutzung von Technologien wie NVIDIA NemoClaw und OpenShell, die darauf ausgelegt sind, autonome Agenten schon ab der Laufzeit zu schützen. Agenten beginnen mit eingeschränkten Berechtigungen, die Inferenz kann standardmäßig privat bleiben und Aktionen werden durch richtlinienbasierte Kontrollen für Identität, Toolzugriff, Datenverschiebung und Observability kontrolliert.

Dell erweitert diese sichere Grundlage um Enterprise-Infrastruktur, KI-Software, sicheren Datenzugriff und Governance-Kontrollen in einer aufeinander abgestimmten Umgebung, mit der Unternehmen Agenten von Pilotprojekten in den Produktivbetrieb überführen können.

Diese Grundlage ist wichtig, denn Arbeitsplatzagenten benötigen mehr als nur Zugriff auf Modelle. Sie erfordern autorisierte Verbindungen zu Unternehmensdaten, genehmigten Tools, Workflowsystemen sowie Überwachungs- und Prüfpfaden, damit sie im Rahmen von Richtlinien agieren können, statt nur als isolierte Experimente zu fungieren.

Agentenbasierte KI stellt neue Anforderungen, die über herkömmliche generative KI hinausgehen. Autonome Agenten benötigen sichere Laufzeitumgebungen, um Aktionen und den Einsatz von Tools zu kontrollieren, einen vertrauenswürdigen Zugriff auf Unternehmensdaten und -workflows sowie die Flexibilität, innovative, proprietäre und offene Modelle dort auszuführen, wo es am sinnvollsten ist.

Dell AI Factory with NVIDIA vereint diese Funktionen mithilfe von NVIDIA OpenShell für sichere Agentenlaufzeiten, Confidential Computing für die sichere Ausführung von Modellen und Dell AI Data Platform with NVIDIA für die Aufbereitung, Kontrolle, Indexierung und Bereitstellung von Unternehmensdaten als Echtzeitkontext für KI-Agenten.

Zusammen bieten diese Funktionen Unternehmen die Flexibilität, Agenten und Modelle in Cloud-, Rechenzentrums- und Desktop-Umgebungen einzusetzen und gleichzeitig die Sicherheit, Governance und Kontrolle aufrechtzuerhalten. Agenten können näher an den Daten und Systemen arbeiten, auf die sie angewiesen sind, während IT- und Unternehmensführungskräfte mit zunehmender Nutzung der agentenbasierten KI einen besseren Überblick behalten, Richtlinien durchsetzen und die Produktionsbereitschaft sicherstellen können.

Welche Infrastruktur wird für agentenbasierte KI im produktiven Einsatz benötigt?

Agentenbasierte KI braucht eine Produktionsinfrastruktur, die einen sicheren Datenzugriff, die Verwendung zugelassener Tools, die Integration in Workflows sowie Überwachung und menschliche Kontrolle unterstützt. Da Arbeitsplatzagenten auf mehreren Systemen agieren können, benötigen Unternehmen Kontrollmechanismen, um festzulegen, was Agenten sehen können, was sie tun dürfen und wann Menschen die Arbeit überprüfen müssen.

Unternehmen müssen zudem die Wirtschaftlichkeit von Token für agentenbasierte KI einkalkulieren. KI-Agenten können mehr Token als Copilots verbrauchen, da sie möglicherweise mehrstufige Aufgaben durchdenken, Tools aufrufen, Kontext abrufen, Ergebnisse zusammenfassen und Aktionen wiederholen müssen, bevor sie einen Workflow abschließen. Im großen Maßstab können so die Kosten pro Token, die Zeit bis zum ersten Token und die Gesamtauslastung zu wichtigen Infrastrukturkennzahlen werden. Sowohl Dell als auch NVIDIA sehen die Kosten pro Token als Schlüsselkennzahl für die Wirtschaftlichkeit von KI-Fabriken an. In der jüngsten Berichterstattung zur Dell Technologies World 2026 wurde darauf hingewiesen, dass agentenbasierte KI eine Prognostizierung der Token-Nutzung erschweren kann, je mehr sich autonome Workflows ausweiten.

Bei On-Premise- oder privaten Enterprise-Bereitstellungen sorgt die agentenbasierte KI-Infrastruktur dafür, dass die Agenten nah an den Daten, Anwendungen und Workflows bleiben, mit denen sie arbeiten, während gleichzeitig Zugriffsbeschränkungen, Überwachung und Prüfpfade aufrechterhalten werden.

Risiken, die vor der Skalierung von KI-Agenten bedacht werden müssen

Bei regulierten oder sensiblen Workflows hängt das richtige Kontrollmodell davon ab, worauf der Agent Zugriff hat, welche Aktionen er durchführen kann und ob diese Aktionen Auswirkungen auf Kunden, Mitarbeitende, Finanzen oder geschützte Daten haben.

Die Skalierung von KI-Agenten birgt je nach Workflow und Zugriffsebene unterschiedliche Risiken. Unternehmen benötigen ein Kontrollmodell, das den Aufgabenbereich jedes Agenten definiert, den Zugriff nach Rolle und Zweck einschränkt und eine menschliche Überprüfung verlangt, bevor Aktionen mit höherem Risiko durchgeführt werden.

Observability liefert Führungskräften den nötigen Nachweis, bevor sie den Einsatz von Agenten ausweiten. Wenn sich die Aktivitäten der Agenten bis zu den zugehörigen Kontrollen zurückverfolgen lassen, können die Teams schrittweise skalieren, anstatt sich allein auf die Ergebnisse früherer Pilotprojekte zu verlassen.

Wie sich Führungskräfte auf die Zusammenarbeit von Menschen und Agenten vorbereiten sollten

Führungskräfte, die sich auf die Zusammenarbeit von Menschen und Agenten vorbereiten, sollten festlegen, wo die Agenten agieren dürfen, wo Menschen weiterhin die Verantwortung tragen und wie die Arbeit überprüft wird, bevor die agentenbasierte KI Teil des täglichen Betriebs wird.

• Passende Workflows: Legen Sie fest, wo KI-Agenten eingesetzt werden sollen, welche Aufgaben sie übernehmen können und in welchen Bereichen die Menschen weiterhin die Verantwortung für Entscheidungen tragen.
• Kontrollmodell: Legen Sie vor dem Einsatz in der Produktion die Rolle, die Berechtigungen, den Prüfpfad, die Eskalationsauslöser und die Grenzen jedes einzelnen KI-Agenten fest.
• Transparenz für Mitarbeitende: Erläutern Sie, wo KI-Agenten eingesetzt werden, wie Mitarbeitende die Ergebnisse hinterfragen können und wann Probleme eskaliert werden sollten.

Klare Grenzen sorgen dafür, dass die Einführung weniger Umbrüche mit sich bringt, da die Mitarbeitenden verstehen, wie KI-Agenten in die Geschäftsprozesse passen und wo menschliches Urteilsvermögen weiterhin das Ergebnis kontrolliert.

Häufig gestellte Fragen