KI-Agenten haben das Potenzial, die Aufbau- und Ablauforganisationen von Unternehmen zu transformieren. Sie ermöglichen es, Qualität und Geschwindigkeit auf ein Maß zu steigern, das mit klassischen Arbeitsweisen nicht erreichbar wäre.
Laut einer IBM-Studie sind 93 Prozent der befragten deutschen Führungskräfte der Überzeugung, dass agentenbasierte KI innerhalb der nächsten zwei Jahre messbare Erträge liefern wird.1 Diese Erwartungshaltung verdeutlicht das strategische Potenzial, das Unternehmen in agentenbasierten KI-Lösungen sehen. Gleichzeitig zeigt die Praxis, dass viele KI-Agenten isolierte Pilotprojekte bleiben oder auf einzelne Anwendungsfälle beschränkt sind. Der Grund liegt dabei selten in der KI-Technologie selbst, sondern in der Frage, auf welcher Datenbasis diese Agenten arbeiten und wie sie in bestehende Prozesse integriert werden.
Grundsätzlich lassen sich dabei zwei Ebenen unterscheiden: die Aktions- bzw. Prozess-Schicht (Action Layer) und die Datenkontext-Schicht (Data Layer). In diesem Artikel liegt der Fokus auf Letzterer.
KI-Agenten brauchen mehr als Algorithmen
KI-Agenten stellen andere Anforderungen an die Nutzung von Daten als klassische Analyse- oder Reporting-Lösungen. Während Reporting-Systeme in der Regel auf klar definierten Fragestellungen, Datenmodellen und Kennzahlen basieren, arbeiten KI-Agenten aufgaben- und kontextbezogen. Sie greifen zwar ebenfalls auf strukturierte Datenquellen zu, müssen jedoch situationsabhängig entscheiden, welche Informationen relevant sind und wie diese miteinander in Beziehung gesetzt werden.
Dafür benötigen KI-Agenten nicht nur korrekte Daten, sondern einen konsistenten, aktuellen und fachlich eingeordneten Datenkontext. Je heterogener die Datenlandschaft und je stärker Informationen über verschiedene Systeme verteilt sind, desto wichtiger wird eine gemeinsame Datenbasis, auf die Agenten kontrolliert und nachvollziehbar zugreifen können.
Damit wird deutlich: KI-Agenten sind kein isoliertes KI-Thema. Ob sie sinnvoll eingesetzt werden können, entscheidet sich an der Qualität der Datenbasis sowie daran, wie Daten im Unternehmen organisiert, gepflegt und genutzt werden.
Datenplattformen als Grundlage für skalierbare Agenten
Moderne Datenplattformen schaffen wichtige Voraussetzungen dafür, dass damit KI-Agenten nicht nur in einzelnen Szenarien funktionieren, sondern sich nachhaltig in Prozesse integrieren und beispielsweise über einzelne Fachbereiche hinaus skalieren lassen. Eine zentrale Datenplattform bündelt Daten aus unterschiedlichen Quellen und etabliert zentrale Sicherheitsfunktionen, die die Definition und Durchsetzung feingranularer Zugriffsrechte unterstützen. Verantwortlichkeiten und Governance-Regeln sollten dabei von Anfang an definiert und mit der Plattform verzahnt werden. Für KI-Agenten bedeutet das, dass sie auf kuratierte Daten zugreifen, innerhalb definierter Regeln arbeiten und sich kontrolliert weiterentwickeln können.
Gerade moderne Datenplattformen mit Data-Lake-Ansätzen können zudem die Klammer zwischen strukturierten und unstrukturierten Daten bilden. Insbesondere bei unstrukturierten Daten ist häufig ein zusätzlicher Transformationsschritt notwendig, bevor diese auch nutzbar sind.
Drittsystemanbindung als Schlüsselfaktor
In der Praxis zeigt sich dabei schnell eine weitere zentrale Herausforderung: KI-Agenten arbeiten selten ausschließlich mit Daten aus einer einzelnen Systemwelt. Geschäftskritische Informationen liegen häufig in Drittsystemen wie ERP-, ITSM- oder Fachanwendungen. Punktuelle Schnittstellen oder individuelle Integrationen stoßen hier schnell an ihre Grenzen. Sie sind aufwendig in der Pflege, schwer skalierbar und erhöhen die Komplexität von Governance und Sicherheit. Eine zentrale Datenplattform übernimmt deshalb eine vermittelnde Rolle: Sie führt Daten aus unterschiedlichen Quellsystemen zusammen, harmonisiert sie und stellt sie in einem einheitlichen Kontext bereit.
Auf dieser Basis können KI-Agenten skalierbar, nachvollziehbar und sicher systemübergreifend agieren und unternehmensweit nutzbar werden.
Plattformen wie Microsoft Fabric als Enabler
Moderne Datenplattformen wie Microsoft Fabric setzen genau an dieser Stelle an. Sie führen Daten- und Analyse-Workloads in einer gemeinsamen Umgebung zusammen und schaffen mit zentralen Datenspeichern wie OneLake eine einheitliche Datenbasis. Gleichzeitig integrieren sie Governance-, Sicherheits- und Identitätsmechanismen, die für den produktiven Einsatz von KI-Agenten unverzichtbar sind.
Wie sich dieser Ansatz in der Praxis bewährt, zeigt ein Projekt aus der Zusammenarbeit von Campana & Schott mit Transgourmet. Ziel war es, eine zentrale Datenplattform aufzubauen, die Daten aus unterschiedlichen Vorsystemen zusammenführt, vereinheitlicht und für Analyse- und Reporting-Zwecke nutzbar macht. Im Fokus stand dabei nicht nur die technische Konsolidierung, sondern die Schaffung eines belastbaren Datenfundaments, das perspektivisch den Einsatz von KI-Anwendungen ermöglicht. Die Plattform bildet heute die Grundlage, um Daten systemübergreifend bereitzustellen, Governance- und Sicherheitsanforderungen zentral umzusetzen und künftige KI-Agenten sinnvoll in bestehende Prozesse zu integrieren.
Hier geht’s zur vollständigen Referenz: Neue Datenplattform für Transgourmet | Campana & Schott
Der entscheidende Punkt ist dabei nicht das einzelne Feature, sondern das Zusammenspiel. Wenn Datenintegration, Analyse, Governance und KI-Funktionen auf einer Plattform zusammenlaufen, entsteht ein konsistenter Kontext. KI-Agenten können auf diese Daten zugreifen, ohne dass für jedes Szenario neue Schnittstellen, Sonderlösungen oder Sicherheitskonzepte notwendig sind.
Organisation und Verantwortung rücken in den Fokus
Mit dem Einsatz von KI-Agenten verändern sich jedoch nicht nur technische Architekturen, sondern auch organisatorische Fragestellungen. Wer verantwortet die Ergebnisse eines Agenten? Welche Entscheidungen darf er vorbereiten oder automatisieren? Und wie wird sichergestellt, dass Ergebnisse nachvollziehbar bleiben?
Diese Fragen lassen sich nicht allein technisch beantworten. Sie erfordern klare Verantwortlichkeiten, abgestimmte Prozesse und eine gemeinsame Vorstellung davon, wie Daten und KI im Unternehmen eingesetzt werden sollen. Governance entwickelt sich damit von einem abstrakten Regelwerk zu einem operativen Steuerungsinstrument.
Unternehmen, die KI-Agenten erfolgreich einsetzen wollen, sollten Plattform, Organisation und Datenkultur daher zusammen denken.
Fazit: KI-Agenten bauen auf einer stabilen Datenbasis auf
Ohne eine zentral orchestrierte Datenplattform laufen Agenten Gefahr, isoliert zu bleiben und schwer zu skalieren. Wenn Daten konsistent, kontextualisiert und sicher verfügbar sind, können KI-Agenten ihr Potenzial entfalten. Datenplattformen bilden damit das Fundament, auf dem Agenten sinnvoll aufsetzen können.
Unternehmen, die diesen Zusammenhang frühzeitig berücksichtigen, schaffen nicht nur die Basis für den Einsatz von KI-Agenten. Sie stärken ihre Daten- und KI-Strategie insgesamt und legen den Grundstein für eine belastbare Weiterentwicklung datengetriebener Anwendungsfälle.
Vor diesem Hintergrund begleitet Campana & Schott Unternehmen dabei, diesen Weg strukturiert zu gestalten – von der Entwicklung einer tragfähigen Daten- und KI-Strategie über den Aufbau zentraler Datenplattformen bis hin zur organisatorischen Verankerung und Adoption. Ziel ist es, KI-Anwendungen nicht als isolierte Experimente zu betrachten, sondern sie nachhaltig in Prozesse und Arbeitsweisen zu integrieren.
Sie planen den Einsatz von KI-Agenten oder möchten Ihre Datenplattform strategisch weiterentwickeln?
