Thought Leadership
Künstliche Intelligenz wird zum Strukturprinzip der Unternehmensarchitektur. Gartner, Forrester, BARC, Eckerson und KuppingerCole nennen diesen Umbau AI Restacking. Der Beitrag zeigt, was das für Unternehmensarchitekten bedeutet.
Künstliche Intelligenz entwickelt sich vom punktuellen Werkzeug zum Strukturprinzip der Unternehmensarchitektur. Was bislang als Automatisierung einzelner Prozesse begann, greift inzwischen in die Art ein, wie Geschäftsprozesse, Daten, Anwendungen und Technologien miteinander verknüpft sind. Analysten fassen diesen Umbau unter dem Begriff AI Restacking zusammen, einer Neuordnung der Wertschöpfungskette, die Planung, Betrieb und Governance gleichermaßen betrifft.
Für Enterprise Architects bedeutet das einen Rollenwechsel. Es geht nicht mehr allein darum, die IT strategisch auf Geschäftsziele auszurichten, sondern kognitive Unternehmensarchitekturen zu gestalten, in denen Daten, Anwendungen und Technologien als lernendes System zusammenwirken. Die klassischen BDAT-Schichten (Business, Data, Application, Technology) werden dabei durch ein durchgängiges kognitives Geflecht verbunden, das kontinuierlich aus Feedback lernt. Gartner bringt die Dringlichkeit auf den Punkt: In der jährlichen Predicts-2026-Studie für Enterprise Architecture heißt es, 66 Prozent der CEOs hätten Geschäftsmodelle, die für den Einsatz von KI noch nicht bereit seien, Enterprise Architecture gilt den Analysten dabei ausdrücklich als Hebel, um diese Lücke zu schließen.
Business-Architektur: Künstliche Intelligenz als strategischer Co-Pilot
In der Business-Architektur verschiebt sich die Rolle der KI vom reinen Analysewerkzeug zum integralen Bestandteil strategischer Entscheidungen. Immer mehr Unternehmen nutzen KI, um Marktveränderungen zu prognostizieren, Szenarien zu simulieren und Geschäftsentscheidungen datenbasiert abzusichern. Generative KI treibt zugleich neue Geschäftsmodelle: Angebote lassen sich in wenigen Tagen konzipieren und per KI-Prototyping testen, was Innovationszyklen erheblich verkürzt.
Ein Schlüsselelement sind Digital Twins of the Organization, also virtuelle Abbilder des gesamten Unternehmens, die Strategie und Betrieb in Echtzeit simulieren. Über die Kopplung von Datenströmen und KI-basierten Feedback-Schleifen können Führungskräfte Szenarien durchspielen, Risiken bewerten und operative Anpassungen präzise steuern. Forrester beschreibt einen ähnlichen Gedanken mit seinem kognitiven Betriebsmodell (Cognitive Operating Model), das als Referenzrahmen für die organisatorische Neuausrichtung im KI-Zeitalter dient und die Frage adressiert, warum sich Produktivitätsgewinne auf Aufgabenebene bislang selten zu Wertschöpfung auf Unternehmensebene summieren.
Datenarchitektur: Vom Data Warehouse zur kognitiven Plattform
Die Qualität der Daten bestimmt den Erfolg der KI und damit die Zukunftsfähigkeit des Unternehmens. Klassische Data Warehouses werden zunehmend durch kognitive Datenplattformen abgelöst, die selbstlernend, semantisch vernetzt und kontextsensitiv agieren. Die Eckerson Group beschreibt Data Fabric als nächsten Entwicklungsschritt der Datenarchitektur: ein automatisierter, KI-gestützter Ansatz, der Datensilos zu einem semantischen Netz verbindet und dabei mit dem verwandten Konzept Data Mesh konkurriert beziehungsweise dieses ergänzt.
Entscheidend ist das Prinzip Data-as-a-Product: Daten sind kein Nebenprodukt von Prozessen mehr, sondern strategische Elemente, die über APIs, Kataloge und Governance-Regeln kontrolliert zugänglich gemacht werden. Dass diese Grundlage keineswegs selbstverständlich ist, zeigt der BARC Data, BI and Analytics Trend Monitor 2026, eine Befragung von 1.579 Fach- und Führungskräften: Datenqualität führt darin die Trendliste an, noch vor Datensicherheit und Data Culture. Ohne belastbare Datenbasis, so die Kernaussage der Studie, bleiben Daten- und KI-Projekte langfristig nicht erfolgreich.
Applikationsarchitektur: Intelligente Services und modulare KI-Bausteine
Die Anwendungslandschaften der Zukunft sind modular, ereignisgetrieben und KI-gestützt. Ein beträchtlicher Teil der Unternehmensapplikationen verfügt heute bereits über eingebettete KI, sei es in Form von Chatbots im Kundenservice, prädiktiven Workflows in ERP-Systemen oder automatisierten Berichtsassistenten. Vielfach erfolgt zugleich ein Refactoring von Anwendungen mit modularen Microservices und APIs, um KI-Komponenten bei Bedarf einzubinden. Dieses Composable-Enterprise-Paradigma erlaubt es, neue Services schneller aufzusetzen und flexibel an wechselnde Anforderungen anzupassen.
Zugleich verändert KI die Art, wie Software entwickelt wird. Generative Tools agieren als Co-Piloten in der Entwicklung, schreiben Code, erstellen Tests und Dokumentationen oder schlagen Integrationsmuster vor. Das beschleunigt Innovation, reduziert technische Altlasten und verschiebt die Rolle des Architekten hin zum Kurator intelligenter Systeme. Auch die zugrunde liegende Infrastruktur entwickelt sich von starren Batch-Systemen zu ereignisgetriebenen Architekturen weiter, in denen Datenereignisse in Echtzeit ausgewertet werden, etwa bei Betrugserkennung oder dynamischer Preisgestaltung.
Technologie-Architektur: Die Infrastruktur wird selbstlernend
Unterhalb der Applikationsebene wird sich die Technologiearchitektur zu einem adaptiven, KI-optimierten Fundament entwickeln. Cloud-native Strukturen, Containerisierung und hybride Multi-Cloud-Modelle werden zum Standard, um die hohen Rechenanforderungen von KI-Workloads zu bewältigen. Zugleich verlagert sich Datenverarbeitung näher an die Quelle der Daten, an die Edge: Fabriken, Filialen oder Fahrzeuge werden so zu intelligenten Knoten einer lernenden Infrastruktur.
Wie schnell sich dieser Wandel vollzieht, zeigen die Zahlen von Gartner. Nach einer im September 2025 veröffentlichten Prognose werden 2026 bereits 40 Prozent der Unternehmensanwendungen aufgabenspezifische KI-Agenten einbetten, gegenüber weniger als 5 Prozent im Jahr 2025. Gartner registrierte zudem einen Anstieg der Anfragen zu Multiagentensystemen um 1.445 Prozent zwischen dem ersten Quartal 2024 und dem zweiten Quartal 2025. Noch deutlicher wird die Verschiebung in einer weiteren Gartner-Prognose der Analystin Rimma Gurevich: Bis 2029 müssten 90 Prozent aller Enterprise-Architecture-Liefergegenstände für die Ausführung durch KI-Agenten ausgelegt sein, ergänzend oder anstelle menschlicher Projektteams.
Innerhalb dieser Architekturen entstehen integrierte KI- und ML-Plattformen mit durchgängigen MLOps-Pipelines für Datenintegration, Modelltraining, Deployment und Monitoring. AIOps steht exemplarisch für diesen Wandel: Operations-Teams nutzen maschinelles Lernen, um Fehlerquellen vorab zu erkennen oder Compliance automatisch sicherzustellen. Die Unternehmensarchitektur selbst wird damit datengetrieben und zu einem aktiven Steuerungssystem, das Abhängigkeiten visualisiert, Redundanzen aufdeckt und Governance-Verstöße markiert.
Was sagen die Analysten? Gartner, Forrester, BARC, Eckerson und KuppingerCole im Überblick
Die großen Analystenhäuser beobachten den Umbau der Unternehmensarchitektur aus unterschiedlichen Blickwinkeln, kommen aber zu ähnlichen Schlüssen. Gartner sieht die Enterprise Architecture als zentralen Hebel, um KI-Investitionen an Geschäftsergebnisse zu koppeln, und warnt zugleich, dass ein Großteil der heutigen EA-Liefergegenstände für eine agentische Zukunft überarbeitet werden muss. Forrester betont die Fragmentierung des Anbietermarktes: Weil kein einzelner Anbieter die agentische KI dominiert, bauen Unternehmen 2026 mehrheitlich sogenannte Agentlakes, composable Architekturen zur Steuerung verteilter KI-Agenten. Parallel dazu erwartet Forrester, dass 60 Prozent der Fortune-100-Unternehmen eine eigene Leitungsfunktion für KI-Governance einrichten, unter anderem wegen der wachsenden regulatorischen Anforderungen durch den EU AI Act.
BARC liefert mit seiner Studie Lessons from the Leading Edge eine ernüchternde Zwischenbilanz: Von 421 befragten Unternehmen erreicht nur etwa jedes fünfte den Status eines nachweisbaren AI Leaders, und lediglich 17 Prozent nutzen den Return on Investment überhaupt als Erfolgskennzahl für KI-Projekte. Ergänzend zeigt der BARC-Report Data Sovereignty 2026, eine Befragung von 320 Entscheidern, dass 62 Prozent der Unternehmen den Einsatz von Daten und KI in Kernprozessen als zentralen Treiber für Datensouveränität nennen, während der Anteil der Unternehmen mit technischen Hürden dabei von 26 auf 43 Prozent gestiegen ist.
Die Eckerson Group ordnet die Datenarchitektur ein: Data Fabric löst das klassische Data Warehouse zunehmend ab, weil es Metadaten automatisiert verwaltet, Datenkataloge KI-gestützt pflegt und Datensilos zu einem semantischen Netz verbindet, das Zusammenhänge erkennbar macht. KuppingerCole schließlich fokussiert auf die Sicherheitsdimension kognitiver Architekturen und wird im folgenden Abschnitt vertieft.
| Analysenhaus | Kernaussage zu kognitiven Architekturen | Quelle |
| Gartner | 40 Prozent der Unternehmensanwendungen betten 2026 aufgabenspezifische KI-Agenten ein, bis 2029 müssen 90 Prozent aller Enterprise-Architecture-Liefergegenstände für agentische Workflows ausgelegt sein. | Gartner, Predicts 2026 / Hype Cycle for Enterprise Architecture 2026 |
| Forrester | Die Mehrheit der Unternehmen baut 2026 composable Agentlakes zur Orchestrierung fragmentierter KI-Agenten, 60 Prozent der Fortune-100-Unternehmen berufen eine eigene Leitung für KI-Governance. | Forrester, Predictions 2026: AI and Tech Leadership |
| BARC | Nur etwa jedes fünfte Unternehmen erreicht den Status eines nachweisbaren AI Leaders, Datenqualität bleibt 2026 der wichtigste Trend vor Datensicherheit und Data Culture. | BARC, Lessons from the Leading Edge / Data, BI and Analytics Trend Monitor 2026 |
| Eckerson Group | Klassische Data Warehouses werden durch KI-gestützte Data Fabrics abgelöst, die Metadaten automatisiert verwalten und Datensilos zu einem semantischen Netz verbinden. | Eckerson Group, Data Fabric Research |
| KuppingerCole | Das Verhältnis nicht menschlicher zu menschlichen Identitäten erreicht Mitte 2026 einen kritischen Punkt, eine Identity Fabric mit kontinuierlichem, kontextbasiertem Vertrauen wird zur Voraussetzung. | KuppingerCole, European Identity and Cloud Conference 2026 |
Sicherheit und Identität: Warum kognitive Architekturen eine Identity Fabric brauchen
Mit der Verbreitung agentischer KI verändert sich auch die Sicherheitsarchitektur grundlegend. KuppingerCole weist darauf hin, dass autonome, werkzeugnutzende KI-Agenten, die Aktionen verketten und Aufgaben an Subagenten delegieren, die Grundannahmen klassischer Identity- und Access-Management-Systeme (IAM) unterlaufen: menschliche Zustimmung, deterministisches Verhalten und lückenlose Nachvollziehbarkeit auf Ereignisebene lassen sich bei autonom handelnden Agenten nicht mehr voraussetzen.
Nach Einschätzung der Analysten erreicht das Verhältnis nicht menschlicher zu menschlichen Identitäten Mitte 2026 einen kritischen Kipppunkt. KuppingerCole plädiert deshalb für eine Identity Fabric, die Identität, Netzwerk, Geräte- und Geschäftssignale in einem kontextbewussten Gesamtsystem zusammenführt und statische Rollen durch ein Modell des kontinuierlichen, adaptiven Vertrauens (Continuous Adaptive Trust) ersetzt. Jede Aktion eines Agenten soll dabei auf einen menschlichen Verantwortlichen und eine konkrete Absicht rückverfolgbar bleiben. Für Unternehmensarchitekten bedeutet das: Sicherheit und Governance sind keine nachgelagerten Kontrollschichten mehr, sondern integraler Bestandteil der kognitiven Architektur selbst.
Praxisbeispiel: Wie EY eine agentische Plattform aufgebaut hat
Ein Praxisbeispiel zeigt, wie das konkret aussehen kann: Der Beratungs- und Prüfungskonzern EY hat seine zuvor verstreuten GenAI-Initiativen zu einer einzigen agentischen Plattform zusammengeführt, die inzwischen mehr als 300.000 Mitarbeitende nutzen und die laut Unternehmensangaben binnen neun Monaten über 50.000 Agenten hervorgebracht hat. Die Plattform gliedert sich in drei Schichten: eine Intelligenzschicht mit Modellen und Foundation-Services, gemeinsam mit NVIDIA entwickelt, eine Orchestrierungsschicht für Workflows und Agentensteuerung auf Basis von Microsoft Azure und Copilot, sowie eine Daten- und Governance-Schicht, die Herkunft, Zugriffsrechte und Compliance über das gesamte System hinweg sicherstellt. Mark Luquire, bei EY zuständig für die globale Microsoft-Allianz, bringt den Ansatz auf den Punkt: Man habe sich bewusst auf die eigenen Partnerschaften gestützt, statt die Plattform im Alleingang aufzubauen.
Das Beispiel zeigt, wie die zuvor beschriebenen Prinzipien, Orchestrierung statt Werkzeugsammlung und durchgängige Governance, in einem realen Großunternehmen bereits Gestalt annehmen. (Quelle: EY-eigene Fallstudie, Mai 2026 – ein unternehmenseigenes Beispiel, keine unabhängige Studie.)
Video-Tipp: Wer das Thema vertiefen möchte, findet in der Aufzeichnung „Agentic AI and the Future of Enterprise Architecture“ (Ardoq Point of View, April 2026) ein Expertengespräch zur Zukunft der Unternehmensarchitektur im Zeitalter agentischer KI.
Drei Punkte für Unternehmensarchitekten heute
Angesichts der rasanten Verbreitung von KI-Tools, Plattformen und Frameworks, die alle Transformation versprechen, ist es verlockend, nach individuellen Einzellösungen zu suchen. Unternehmensarchitekten sollten diesem Impuls widerstehen, denn Tools werden sich weiterentwickeln, konvergieren und ersetzt werden, während der Orchestrierungsprozess Bestand hat, über den Intelligenz durch alle Ebenen des Unternehmens geleitet wird. Drei Punkte sind dabei entscheidend:
- Wiederholbare Prozesse etablieren, um zu ermitteln, wo KI-gesteuerte Entscheidungen den größten Hebeleffekt erzielen.
- Feedback-Schleifen aufbauen, die es der Architektur ermöglichen, kontinuierlich zu lernen und sich anzupassen.
- Jede KI-Investitionsentscheidung konsequent mit Blick auf die Geschäftsergebnisse treffen, statt reine Aktivitätskennzahlen zu verfolgen.
Unternehmensarchitekten, die sich auf diese Orchestrierung konzentrieren, schaffen einen nachhaltigen Wert, der jeden einzelnen Technologiezyklus überdauert.
Fazit: Der Mehrwert kognitiver Architekturen
Der Mehrwert kognitiver Unternehmensarchitekturen liegt nicht in der Anhäufung von KI-Tools, sondern in der Gestaltung eines Prozesses, durch den das gesamte Unternehmen als Einheit denkt, lernt und handelt. Strategie, Daten und Technologie bilden dabei ein vernetztes Ganzes, das fortlaufend aus Feedback lernt. Die Zahlen von Gartner, Forrester, BARC, Eckerson Group und KuppingerCole zeigen übereinstimmend, dass der Wandel bereits begonnen hat, aber auch, dass die meisten Unternehmen von echter kognitiver Reife noch entfernt sind. Wer heute in wiederholbare Prozesse, belastbare Datenqualität und eine tragfähige Identity Fabric investiert, legt das Fundament für einen Wettbewerbsvorteil, der über den nächsten Technologiezyklus hinausreicht.
Fragen und Antworten zu kognitiven Architekturen
Was versteht man unter AI Restacking?
AI Restacking bezeichnet die Neuordnung der Unternehmensarchitektur, bei der Künstliche Intelligenz nicht als einzelnes Werkzeug ergänzt, sondern in alle Ebenen, also Geschäftsprozesse, Daten, Anwendungen und Technologie, eingebettet wird.
Wie unterscheidet sich eine kognitive Architektur von klassischer Enterprise Architecture?
Klassische Enterprise Architecture richtet IT-Systeme statisch an Geschäftszielen aus. Eine kognitive Architektur versteht Business, Daten, Anwendungen und Technologie als lernendes System, das sich kontinuierlich anhand von Feedback und Echtzeitdaten anpasst.
Welche Rolle spielt Data Fabric in kognitiven Architekturen?
Data Fabric verbindet laut Eckerson Group heterogene Datenquellen zu einem semantischen Netz und ersetzt schrittweise klassische Data Warehouses. Sie bildet damit die Datenbasis, auf der KI-Agenten verlässlich arbeiten können.
Warum wird Identity Governance für KI-Agenten so wichtig?
Autonome KI-Agenten handeln ohne durchgängige menschliche Kontrolle und unterlaufen damit klassische IAM-Annahmen. KuppingerCole empfiehlt deshalb eine Identity Fabric mit kontinuierlichem, kontextbasiertem Vertrauen, um jede Agentenaktion nachvollziehbar zu halten.
Wie viele Unternehmen erreichen laut BARC bereits echte KI-Reife?
Nach der BARC-Studie Lessons from the Leading Edge erreicht nur etwa jedes fünfte der 421 befragten Unternehmen den Status eines nachweisbaren AI Leaders mit belegbaren Ergebnissen.
Was sollten Unternehmensarchitekten zuerst angehen?
Empfehlenswert sind wiederholbare Prozesse zur Priorisierung von KI-Anwendungsfällen, belastbare Feedback-Schleifen für kontinuierliches Lernen und eine konsequente Kopplung von KI-Investitionen an messbare Geschäftsergebnisse.
