Wie Agenten Unternehmenssoftware verändern

AI-native Architekturen reichen weit über neue Benutzeroberflächen hinaus. Sie verändern den grundlegenden Aufbau von Unternehmenssoftware.

Warum deterministische Systeme dennoch unverzichtbar bleiben und welche Rolle intelligente Agenten künftig spielen.

Vier Jahrzehnte Softwareentwicklung und ein grundlegender Wandel

Als wir 1980 die Hotelsoftware Felix auf CTM-Mittelrechnern entwickelten, musste jedes Datenfeld exakt geplant werden. Jeder Wert hatte seinen festen Platz, jeder Prozess war programmiert und jede Ausnahme musste berücksichtigt werden. Die Herausforderung bestand darin, Hotelabläufe in Datenstrukturen zu übersetzen. Was nicht im Datenmodell vorgesehen war, konnte die Software nicht verarbeiten.

Seitdem habe ich mehrere Technologiewechsel begleitet – vom Mittelrechner über Client-Server-Architekturen bis hin zu modernen Cloud-Anwendungen. Die Systeme wurden leistungsfähiger, das Grundprinzip blieb: Software führte ausschließlich das aus, was zuvor von Entwicklern definiert wurde.

Mit AI-nativen Architekturen verändert sich dieses Verständnis. Anwendungen können Ziele interpretieren und auf dieser Grundlage passende Funktionen auswählen und ausführen, um Aufgaben zu lösen. Viele Unternehmen nutzen KI bereits als Zusatzfunktion, etwa für Chatbots oder Dokumentensuchen. Das verbessert die Bedienung, nicht aber die Softwarearchitektur. AI-native Systeme gehen einen Schritt weiter: Sie verstehen Ziele und orchestrieren vorhandene Funktionen eigenständig.

Von festen Prozessen zu intelligenten Entscheidungen

Klassische Unternehmenssoftware arbeitet deterministisch und liefert auf dieselbe Eingabe stets dasselbe Ergebnis. Das macht sie für kritische Prozesse unverzichtbar. Rechnungen, Zahlungen und Reservierungen müssen eindeutig und reproduzierbar sein.

Mit steigender Komplexität wächst jedoch der Entwicklungsaufwand. Neue Anforderungen führen zu zusätzlichen Datenfeldern, Regeln und Sonderfällen. Gerade in der Hotellerie zeigt sich das: Reservierungen ändern sich, Zimmer wechseln, Leistungen werden kombiniert. Die eigentliche Herausforderung liegt dabei weniger in der Rechenleistung als darin, jede betriebliche Situation im Voraus modellieren zu müssen.

AI-native Systeme verfolgen einen anderen Ansatz. Sie bauen auf dieser Logik auf und erweitern sie. Nutzer formulieren ihr Ziel, statt jeden einzelnen Prozessschritt vorzugeben. Ein Hotelmitarbeiter könnte sagen: „Verlängere den Aufenthalt der Familie Huber um zwei Tage schlage bei Bedarf einen Zimmerwechsel vor und informiere die Rezeption.“

Das System prüft Reservierung und Verfügbarkeit, bewertet Alternativen und führt zulässige Schritte aus. Der Ablauf entsteht aus Ziel, Kontext und Geschäftsregeln und nicht aus einer programmierten Prozesskette.

Agenten erweitern die Softwarearchitektur

Möglich wird dieser Wandel durch spezialisierte AI-Agenten. Ein zentraler Agent koordiniert die Zusammenarbeit spezialisierter Agenten, etwa für Reservierungen oder Abrechnungen. Diese greifen auf definierte Werkzeuge und APIs zu, übernehmen klar abgegrenzte Aufgaben und gleichen ihre Ergebnisse untereinander ab.

Dadurch entsteht eine zusätzliche Architekturebene. Neben Benutzeroberfläche, Geschäftslogik und Datenhaltung gewinnen Agenten und Regelwerke an Bedeutung. Die eigentliche Geschäftslogik bleibt im verlässlichen System of Record verankert. Genau diese Verbindung aus deterministischen Kernsystemen und intelligenter Orchestrierung kennzeichnet AI-native Architekturen.

Datenqualität bleibt entscheidend

Mit AI-nativen Architekturen verändert sich auch der Umgang mit Daten. Für transaktionale Prozesse bleiben strukturierte Daten unverzichtbar. Reservierungen, Preise und Rechnungen müssen eindeutig verarbeitet werden.

Gleichzeitig erweitert AI den Umgang mit unstrukturierten Informationen. Freitexte, E-Mails oder Gesprächsnotizen lassen sich semantisch auswerten, ohne dass jede Information zuvor in feste Datenfelder übertragen werden muss. Relevant sind künftig Bedeutung, Herkunft und Verlässlichkeit der Daten.

APIs werden zum Wissensmodell

Auch APIs verändern ihre Rolle. Bislang standen technische Endpunkte und Parameter im Mittelpunkt. AI-Agenten müssen verstehen, welche fachliche Funktion sie erfüllen und unter welchen Bedingungen sie genutzt werden dürfen.

Natürliche Sprache wird zur zusätzlichen Spezifikationsebene. Fachliche Beschreibungen ergänzen den Programmcode und helfen Agenten, Funktionen korrekt einzusetzen. APIs transportieren damit künftig neben Daten auch fachliches Wissen.

Kontrollierte Autonomie als Architekturprinzip

Die größte Stärke AI-nativer Systeme liegt in kontrollierter Autonomie. Unternehmen müssen festlegen, welche Entscheidungen Agenten eigenständig treffen dürfen und wann menschliche Freigaben erforderlich bleiben.

Häufig ist heute von „Human in the Loop“ die Rede,  also davon, dass Menschen Ergebnisse prüfen oder kritische Entscheidungen freigeben. Für AI-native Architekturen greift dieses Verständnis jedoch zu kurz. Der Mensch definiert Ziele, Verantwortlichkeiten und Grenzen, innerhalb derer Agenten handeln dürfen. Deshalb spreche ich von „Human is the Loop“: Der Mensch definiert den Rahmen, innerhalb dessen intelligente Systeme handeln, und trägt dafür die Verantwortung. Die Software übernimmt die operative Umsetzung.

Die Zukunft der Softwarearchitektur

Nach mehr als vier Jahrzehnten Softwareentwicklung bin ich überzeugt: AI-native Architekturen markieren den größten Wandel der Unternehmenssoftware. Sie bauen auf bewährten Datenmodellen, deterministischer Geschäftslogik und leistungsfähigen APIs auf und ergänzen diese um intelligente Agenten, die Abläufe eigenständig organisieren und kontextbezogen unterstützen.

Softwarearchitektur war immer ein Abbild davon, wie wir Arbeit organisieren. Mit AI-nativen Architekturen modellieren wir künftig Ziele, Verantwortung und Zusammenarbeit zwischen Mensch und Agent.

Entscheidend wird künftig nicht sein, möglichst autonome Systeme zu entwickeln. Vielmehr kommt es darauf an, KI sicher und kontrolliert in bestehende Softwarelandschaften einzubetten. AI ersetzt dabei weder gute Softwarearchitektur noch verlässliche Daten und APIs. Sie verändert jedoch grundlegend, was wir künftig unter Softwarearchitektur verstehen.

Autor: Ulrich Hutter, Geschäftsführer und CTO der GMS Software Manufaktur