Kann Australiens veraltete IT den Ansturm agentischer KI bewältigen

Mehr als die Hälfte der australischen Unternehmen gibt an, dass ihre Technologiearchitektur zu starr, zu kostspielig und zu langsam ist, um die KI-Systeme zu unterstützen, die sie derzeit zu entwickeln versuchen. 

Eine von IDC und MongoDB durchgeführte Untersuchung unter 200 australischen Organisationen ergab, dass 58 % ihre bestehende Infrastruktur so beschrieben – ein Urteil über die Systeme, die Unternehmen lange vor dem Aufkommen agentischer KI betrieben.

Diese Erkenntnis fällt in eine Zeit, in der weltweit eine Neubewertung dessen stattfindet, was agentische KI von der IT in Unternehmen tatsächlich verlangt. Systeme, die für vorhersehbare, von Menschen ausgelöste Softwareanfragen entwickelt wurden, sollen nun KI-Agenten unterstützen, die autonom Modelle aufrufen, Datenbanken abfragen und über mehrere Schritte hinweg mit anderen Agenten zusammenarbeiten. Für diese Aufgabe waren die IT-Landschaften der meisten Unternehmen nie ausgelegt.

Google Cloud beziffert die globale Lücke

Der State of AI Infrastructure report von Google Cloud aus dem Jahr 2026, der am 8. Juli auf Grundlage einer Befragung von 1.402 IT-Führungskräften weltweit veröffentlicht wurde, ergab, dass 83 % der Unternehmen ihre Infrastruktur aufrüsten müssen, bevor agentische KI in der Produktion statt nur in einem Pilotprojekt eingesetzt werden kann. Der Bericht führt die Lücke auf steigende Inferenzkosten, die betriebliche Komplexität, Governance-Anforderungen und Beschränkungen bei der Stromversorgung zurück, während Agenten mehrstufige Aufgaben in verschiedenen Geschäftssystemen übernehmen.

52 % der Befragten betreiben inzwischen hybride Multi-Cloud-Architekturen, und 48 % geben Infrastrukturen mit strengen Kontrollen zur Datenresidenz den Vorrang. Beides deutet darauf hin, dass eine einzelne Cloud-Region oder der Stack eines einzelnen Anbieters nicht mehr als ausreichend betrachtet wird. Auch der Einsatz am Netzwerkrand ist zu einer Mainstream-Anforderung statt zu einer Nischenlösung geworden: 90 % bezeichneten ihn als wichtig für ihre KI-Pläne, wobei 72 % ihn als äußerst oder sehr wichtig einstuften.

Die Kosten sind das deutlichste Symptom dieser Diskrepanz. 62 % der Befragten berichteten von einer erheblichen „Inferenzsteuer“ – Gebühren für den Datenausgang, überschüssigen Speicher und ungenutzte spezialisierte Hardware –, die nichts mit der Modelllizenzierung und alles mit einer für eine andere Arbeitslast entwickelten Infrastruktur zu tun hat. Weitere 81 % nannten die betriebliche Komplexität selbst als versteckte Kosten der Skalierung von Agenten.

Warum alte Architekturen und neue Agenten nicht zusammenpassen

Der zentrale Konflikt ist struktureller, nicht kosmetischer Natur. Traditionelle Unternehmenssysteme wurden für diskrete, zustandslose Transaktionen entwickelt: Ein Nutzer stellt eine Anfrage, ein System antwortet und die Interaktion endet.

Agentische KI benötigt Systeme, die den Kontext über lang laufende Workflows hinweg bewahren, sich bei einem Fehler mitten in einer Aufgabe sauber wiederherstellen und nachverfolgen, was ein autonomer Prozess getan hat und warum – oft ohne dass ein Mensch jeden Schritt bestätigt.

Diese Diskrepanz zeigt sich auch in australischen Governance-Daten. Deloitte's State of AI-Untersuchung zur KI in Unternehmen ergab, dass nur 12 % der australischen Führungskräfte sagen, generative KI verändere ihr Unternehmen bereits, verglichen mit 25 % weltweit. Das zeigt sich, obwohl 57 % der australischen Organisationen den Einsatz von Robotik melden und das Interesse an souveräner, lokal verantworteter KI-Infrastruktur weiter zunimmt.

Deloitte stellte fest, dass 72 % der australischen Unternehmen inzwischen die Herkunftsland eines Anbieters bei KI-Entscheidungen berücksichtigen und mehr als 80 % Souveränität als strategische Planungspriorität betrachten.

Die Bundesregierung März 2026 Erwartungen an Rechenzentren und Entwickler von KI-Infrastruktur verknüpfen den Bau neuer „KI-Fabriken“ ausdrücklich mit der nationalen Sicherheit und der Datensouveränität, nicht nur mit Kapazität. 

Die weltweite Umfrage von Google ergab auf Käuferseite ein ähnliches Muster: 91 % der IT-Führungskräfte berücksichtigen inzwischen den Stromverbrauch bei der Hardwareauswahl, und 61 % stufen ihn als wesentlichen oder bedeutenden Faktor ein. 

Governance ist die andere Hälfte der Bereitschaftslücke

Bei Sicherheit und Governance tritt der Konflikt zwischen Alt und Neu am deutlichsten zutage. Googles Umfrage ergab, dass 79 % der Unternehmen Sicherheit, Governance und den Betrieb von KI als ihre größte infrastrukturelle Herausforderung betrachten. Denn Agenten, die E-Mails lesen, Datenbanken abfragen oder Datensätze ändern können, benötigen auf eine einzelne Aufgabe begrenzte Berechtigungen – nicht den dauerhaften Zugriff, über den ein menschlicher Mitarbeiter verfügen könnte.

Australische Organisationen leben bereits mit dieser Lücke. Proofpoints AI and Human Risk Landscape report aus dem Jahr 2026 ergab, dass 87 % der australischen Organisationen KI-Assistenten über die Pilotphase hinaus eingesetzt haben. Dennoch beschreiben 52 % ihre KI-Sicherheitslage als aufholend, inkonsistent oder reaktiv. 

Nur 33 % sagen, dass sie vollständig darauf vorbereitet sind, einen KI- oder agentenbezogenen Vorfall zu untersuchen, und 39 % hatten bereits ein verdächtiges oder bestätigtes KI-bezogenes Sicherheitsereignis. Agentische Ransomware, die mehrere Phasen eines Angriffs miteinander verknüpfen kann, erhöht den Handlungsdruck: Identitäts- und Zugriffskontrollen, die für menschliche Anmeldungen entwickelt wurden, lassen sich nicht ohne Weiteres auf autonom operierende Software übertragen.

Worauf australische IT-Führungskräfte achten sollten

Googles eigene Empfehlungen passen zufällig zu den von Google verkauften Produkten. Das ist Grund genug für lokale IT-Führungskräfte, konkurrierende Architekturen nach Übertragbarkeit und Kosten zu bewerten, statt die Roadmap eines einzelnen Anbieters für bare Münze zu nehmen.

Für australische Unternehmen besteht die unmittelbare Aufgabe nicht darin, auszuwählen, welches KI-Modell eingesetzt werden soll. Es geht darum zu entscheiden, ob veraltete Systeme, isolierte Data Lakes und manuelle Governance-Prozesse mit auf Menschen zugeschnittenen Zuständigkeiten schnell genug umgestaltet werden können, um Agenten zu unterstützen, die niemals aufhören zu laufen. Eine Alternative besteht darin herauszufinden, ob einige dieser Systeme vor dem nächsten Produktiveinsatz vollständig ersetzt werden müssen – nicht erst, nachdem dieser ins Stocken geraten ist.