Künstliche Intelligenz entwickelt sich rasant zu einer transformierenden Kraft, die Branchen verändert und die Arbeitsweisen von Unternehmen grundlegend neugestaltet. Seit GenAI im Jahr 2025 einen entscheidenden Durchbruch im Unternehmensumfeld erzielt hat, bewegen sich Organisationen zunehmend von ersten Experimenten hin zur breiten Einführung von KI-Anwendungen in ihren Geschäftsbereichen.
Warum Enterprise Architecture Management für Agentic AI wichtig ist
Agentic AI ist der nächste evolutionäre Schritt von KI, wobei KI sich von Systemen, die Menschen lediglich unterstützen, weiterentwickelt hat, hin zu autonomen, zielgesteuerten Agenten, die in der Lage sind, zu argumentieren, zu handeln und in komplexen Unternehmensumgebungen zu kooperieren. Während weltweit immer mehr Unternehmen Agentic AI in ihre KI-Transformation integrieren, erzielen bislang nur wenige deutsche Organisationen messbare Ergebnisse. In den vergangenen zwölf Monaten konnten lediglich 11 Prozent höhere Umsätze und 16 Prozent Kostensenkungen durch KI realisieren, was sie im internationalen Vergleich zurückfallen lässt (Quelle: 29. PwC Global CEO Survey). In diesem Kontext kann Enterprise Architecture Management (EAM) helfen und eine zentrale Rolle spielen, um diesen Rückstand aufzuholen: EAM liefert Struktur, Governance und die notwendigen Werkzeuge, um Agentic AI nicht nur zu erproben, sondern gezielt und skalierbar im Unternehmen zu verankern und somit wesentlich schneller Wertbeiträge zu erzielen.
Während Unternehmen sich in einer sich entwickelnden KI-Landschaft zurechtfinden müssen, bringt Agentic AI sowohl neue Chancen als auch grundlegende Herausforderungen für Enterprise Architecture (EA) und deren Managementdisziplin mit sich.
Die Nutzung autonomer Agenten in großem Maßstab erfordert häufig eine Neugestaltung technologischer Grundlagen, um das Potenzial der Agenten vollständig ausschöpfen zu können. Gleichzeitig verändert Agentic AI die Arbeitsweisen und verlangt neue Fähigkeiten für Entwicklung, Management und Governance KI-gestützter Systeme. Da KI zunehmend autonom agiert und tief in Geschäftsprozesse eingebettet wird, ist EAM entscheidend, um KI-Fähigkeiten mit der Geschäftsstrategie zu verbinden, Komplexität zu steuern und Geschäftspotenziale mit Anforderungen an Sicherheit, Compliance und verantwortungsvollen Einsatz in Einklang zu bringen. Darüber hinaus kann Agentic AI die Analyse- und Entscheidungsfähigkeit von Menschen erweitern und damit auch die Reife und Wirksamkeit der EAM-Funktion selbst erhöhen. Um diese Vorteile zu realisieren, stehen Führungskräfte unter Druck, ihre Geschäfts- und IT-Architektur sowie ihre EAM-Praxis gezielt auf die Einführung von Agentic AI vorzubereiten.
Neugestaltung der technologischen Grundlagen für Agentic AI
Das Schaffen tragfähiger Grundlagen für Agentic AI erfordert eine Weiterentwicklung der Technologieplattformen und Unternehmensarchitekturen, die autonome Agenten in großem Maßstab unterstützen können (Gartner Top 10 Strategic Technology Trends für 2026). Im Kern umfasst dies eine leistungsfähige hybride Infrastruktur, die den hohen Anforderungen agentischer Workloads standhält – von Echtzeit-Argumentation bis hin zu kontinuierlichem Lernen. Unerlässlich ist in diesem Kontext eine robuste Datenarchitektur, die standardisierten, sicheren und latenzarmen Zugriff auf strukturierte und unstrukturierte Daten ermöglicht und gleichzeitig Echtzeitaufnahme, Transformation und Abfrage unterstützt.
Von zentraler Bedeutung sind außerdem Integrations- und Orchestrierungsmechanismen, die KI-Agenten eine nahtlose Interaktion mit bestehenden Geschäftsanwendungen, externen Diensten und anderen KI-Prozessen ermöglichen, etwa über APIs, ereignisgesteuerte Pipelines oder Service-Meshes sowie offene Standards wie das Model Context Protocol (MCP). Eingebettete Governance- und Sicherheitsmechanismen, einschließlich vertraulicher Computertechnik und Trusted Execution Environments (TEEs), müssen dabei sicherstellen, dass sensible Daten, Modelle und Betriebsprozesse geschützt, auditierbar und regulatorisch konform bleiben.
KI-native Entwicklungsumgebungen und Werkzeuge beschleunigen zudem die Erprobung, Bereitstellung und Skalierung agentenbasierter Workflows. Teams können dadurch schneller und sicherer iterieren, ohne ausschließlich auf große zentrale Entwicklungseinheiten angewiesen zu sein. Zusammengenommen bilden diese Ebenen eine flexible und belastbare Grundlage, um Agentic AI effizient und sicher zu operationalisieren. Damit entwickelt sich EAM von einer unterstützenden Funktion hin zu einem strategischen Enabler, der die notwendigen Veränderungsinitiativen aktiv steuert.
Entwicklung, Management und Governance von Agentic AI
Parallel dazu müssen Organisationen neu definieren, wie sie eine IT-Landschaft entwickeln, verwalten und steuern, die zunehmend durch Agentic AI ergänzt wird.
Während KI-Agenten sich von isolierten Pilotlösungen zu produktiven Bausteinen des Unternehmens entwickeln, müssen Managementpraktiken entlang des gesamten IT-Lebenszyklus angepasst werden.
Aus Entwicklungssicht werden KI-Agenten zu integralen Bestandteilen digitaler Produkte, unabhängig davon, ob sie intern entwickelt oder in Standardlösungen eingebettet sind. Unternehmen benötigen daher robuste Prozesse, um Agenten innerhalb der bestehenden IT-Landschaft zu integrieren, zu testen und zu betreiben. Dabei ist es entscheidend, Wissen, Prinzipien und Best Practices organisationsweit zu teilen, anstatt sie auf wenige Spezialisten zu konzentrieren.
Im IT-Management stellen KI-Agenten eine neue Klasse von IT-Assets dar. Sie verbinden die Modularität von Microservices mit intelligenten Fähigkeiten wie kognitivem Denken, Proaktivität und natürlicher Sprachinteraktion. Diese neue Assetklasse erfordert eine Anpassung bestehender Managementansätze. Verantwortlichkeiten für Agenten und ihre Handlungen müssen klar definiert, Daten- und Wissensaspekte in das Lebenszyklusmanagement integriert und Prüf- sowie Genehmigungsprozesse um KI-spezifische Risiken erweitert werden.
Da Agenten mit zunehmender Autonomie agieren und geschäftliche Entscheidungen direkt beeinflussen können, reichen traditionelle Governance-Modelle nicht mehr aus. Eine wirksame Governance für Agentic AI muss deshalb unter anderem Daten-Governance, Prinzipien für ethische und verantwortungsvolle KI, Transparenz und Erklärbarkeit umfassen. Gleichzeitig sind robuste Kontrollen notwendig, um Qualität und Verantwortlichkeit KI-getriebener Ergebnisse sicherzustellen.
Durch die Koordination von Entwicklung, Management und Governance ermöglicht EAM, Agentic AI kontrolliert einzubetten und selbstbewusst zu skalieren, während Vertrauen, Kontrolle und strategische Ausrichtung erhalten bleiben.
Nutzung von Agentic AI für EAM
EAM spielt darüber hinaus eine zentrale Rolle, um sicherzustellen, dass die Einführung und Skalierung von KI-Agenten transparent, wertorientiert und kontrolliert erfolgt. Auf Basis neuer technologischer Grundlagen und angepasster Steuerungsmechanismen können Organisationen dann auch neu bewerten, wie Agentic AI die EAM-Fähigkeit selbst unterstützen und verbessern kann.
Viele EAM-Prozesse und Dienstleistungen, die bislang manuell, expertengetrieben oder schwer automatisierbar waren, eignen sich besonders für den Einsatz agentischer Systeme.
Geschäftsnutzer könnten beispielsweise über Chat-Schnittstellen neue Anwendungen oder Services anfordern und dadurch wiederkehrende Portfolio-Diskussionen reduzieren. Ebenso kann Agentic AI im IT Demand Management unterstützen, indem architektonische Änderungen aus Projekten bewertet, Auswirkungsanalysen erstellt oder Compliance-Prüfungen auf Basis des Architektur-Repositorys durchgeführt werden. Gleichzeitig können EAM-Teams durch spezialisierte Agenten ergänzt werden, die Zugriff auf kuratierte Wissensquellen und Werkzeuge besitzen und so Modellierung, Analyse und Entscheidungsfindung effizienter gestalten.
Um dieses Potenzial auszuschöpfen, sollten Organisationen die bereits in ihrer Anwendungslandschaft vorhandenen KI-Funktionen aktiv nutzen und konsequent in tägliche EAM-Workflows integrieren.
Starten Sie Ihre Agentic-AI-Reise
Agentic AI wird für Entscheidungsträger zunehmend zur Priorität, doch kurzfristige Nutzenpotenziale bleiben oft unklar. EAM bietet den Rahmen, um Agentic AI im gesamten Unternehmen zu skalieren und die Einführung in messbaren Wert und Wettbewerbsvorteile zu übersetzen. Dafür müssen sowohl die Architektur als auch die EAM-Funktion gezielt weiterentwickelt werden: durch den Aufbau technologischer Grundlagen, die Neuausrichtung von Entwicklung, Management und Governance sowie die Nutzung agentischer Systeme zur Verbesserung zentraler EAM-Prozesse.
Unser Team bei PwC Deutschland vereint tiefes Fachwissen in digitaler Transformation, Enterprise Architecture Management und KI-Agenten. Wir unterstützen Sie dabei, relevante Anwendungsfälle zu identifizieren, erste Wertbeiträge umzusetzen und strategische Roadmaps für Ihre Transformation zu entwickeln – mit der richtigen Balance zwischen Geschwindigkeit, Sicherheit und Compliance.
Um zu erfahren, wie Sie technologische Grundlagen für Agentic AI aufbauen, die Reife Ihrer Organisation bewerten und zu entscheiden, wo und wie Agentic AI sinnvoll eingesetzt werden kann, kontaktieren Sie unser Team.
Die Autoren
