Vorsicht vor verteilten Monolithen: Warum agentenbasierte KI eine ereignisgesteuerte Architektur benötigt, um eine Wiederholung des Microservices-Desasters zu vermeiden.

Erinnern Sie sich noch an die anfänglichen Probleme mit Microservices? Punkt-zu-Punkt-Integrationen, eine als Modularität getarnte enge Kopplung und kaskadierende Ausfälle: Kommt Ihnen das bekannt vor? Technologie neigt dazu, bei der architektonischen Umsetzung verschiedener Entwicklungen immer wieder die gleichen Fehler zu machen. Das war in der Anfangsphase der Microservices-Ära deutlich zu sehen, und es wiederholt sich heute, wenn Unternehmen auf die Schnelle agentenbasierte KI in Geschäftsanwendungen integrieren. Laut Ali Pourshahid, Chief Engineering Officer bei Solace, bringt agentenbasierte KI nur dann geschäftliche Vorteile, wenn die Agenten in einer ereignisgesteuerten Architektur unabhängig voneinander agieren. So können verschiedene Teams spezialisierte Agenten entwickeln und einsetzen, ohne sich mit komplexen Abhängigkeiten auseinandersetzen zu müssen.

Frühe Microservices-Architekturen basierten stark auf synchroner Punkt-zu-Punkt-Kommunikation. Service A rief Service B auf, der wiederum Service C aufrief. Dadurch entstand ein komplexes Netz von Abhängigkeiten. Was wie ein verteiltes System aussah, war in Wirklichkeit ein »verteilter Monolith« – technisch getrennte Dienste, die funktional untrennbar miteinander verbunden waren. Trat bei einem Dienst eine Verzögerung oder ein Ausfall auf, hatte das Auswirkungen auf das gesamte System. Die Teams mussten die Bereitstellungen über Dutzende von Diensten koordinieren, und die Fehlerbehebung wurde zu einem Albtraum, der sich über mehrere Systeme erstreckte.

Dann kam der Wendepunkt. Wir begannen, die Dienste mithilfe einer ereignisgesteuerten Architektur (EDA) zu entkoppeln [1]. Eine EDA maximiert die Agilität von Microservices, da sie Daten aus ihrem »Ruhezustand« (zum Beispiel in einer Datenbank hinter einer API) befreit und in einen »Bewegungszustand« versetzt, sodass sie in Echtzeit nutzbar sind, sobald Ereignisse eintreten. Statt sich direkt gegenseitig aufzurufen, kommunizieren die Dienste nun über Event-Broker. Diese Umstellung verwandelte starre, fragile Systeme in resiliente, skalierbare Plattformen. Außerdem konnten sich die Microservices unabhängig voneinander weiterentwickeln, die Teams gewannen an Autonomie und die Systeme wurden fehlertoleranter.

Over-Engineering von agentenbasierten KI-Frameworks

Doch die Geschichte scheint sich zu wiederholen. Die gleichen Muster von »verteilten Monolithen«, welche die Einführung von Microservices erschwerten, tauchen nun auch in agentenbasierten KI-Implementierungen auf.

Unternehmen entwickeln KI-Systeme mit mehreren Agenten, verbinden diese jedoch über Punkt-zu-Punkt-Integrationen und Client-Server-Architekturmuster. Genau wie bei den frühen Microservices entsteht durch diesen Ansatz der Eindruck von Modularität, während tatsächlich eine enge Kopplung besteht.

Betrachten wir einen typischen KI-Assistenten in einem Unternehmen, dessen Aufgabe es ist, Kundenanfragen zu bearbeiten. Dazu könnten ein Agent für die Sentiment-Analyse, ein Agent für die Wissensabfrage, ein Agent für die Entscheidungsfindung und ein Agent für die Generierung von Antworten gehören. Werden diese Agenten durch synchrone Aufrufe oder einen gemeinsamen Status koordiniert, entsteht eine ähnliche Anfälligkeit wie bei den frühen Microservices: Es gibt viele Punkt-zu-Punkt-Verbindungen, die jeweils konfiguriert, gewartet und verwaltet werden müssen.

McKinsey fasst die Situation perfekt zusammen [2]. Das Unternehmen kommt zu dem Schluss, dass die vollständige Ausschöpfung des Potenzials der agentenbasierten KI »ein neues Paradigma für die KI-Architektur erfordert – das agentenbasierte KI-Mesh, das sowohl maßgeschneiderte als auch standardisierte Agenten integrieren kann.«

Agentenbasierte KI muss locker bleiben!

EDA bietet eine robuste Lösung, indem es Agenten mithilfe eines Event-Brokers oder eines Netzwerks von Brokern, das wir als Event-Mesh bezeichnen, voneinander entkoppelt [3]. Dadurch wird die enge Kopplung vermieden, die frühe Microservices-Bereitstellungen beeinträchtigte.

Beim Einsatz eines Event-Brokers können Agenten asynchron kommunizieren, ohne zu wissen, mit wem sie sprechen oder wann eine Antwort eintrifft. Diese lose Kopplung ermöglicht eine unabhängige Weiterentwicklung der Agenten. So können verschiedene Teams ihre spezialisierten Agenten entwickeln und einsetzen, ohne komplexe Abhängigkeiten koordinieren zu müssen. Dieser Ansatz verleiht dem gesamten System Resilienz: Wenn ein Agent ausfällt, werden seine Ereignisse in eine Warteschlange gestellt, der Rest des Systems bleibt betriebsbereit.

Statt direkte Aufrufe zu tätigen, veröffentlichen Agenten Ereignisse (zum Beispiel »Kundenanfrage erhalten« oder »Sentiment-Analyse abgeschlossen«) und abonnieren die Ereignisse, die sie verarbeiten sollen.

Diese ereignisgesteuerte Architektur ist für die uneingeschränkte Bereitstellung von agentenbasierter KI unerlässlich.

Produktions-KI-Systeme müssen absolut sicher sein

Wenn ein kundenorientierter KI-Assistent Tausende von Anfragen pro Stunde verarbeitet, dürfen Ausfälle von einzelnen Agenten nicht zum Ausfall des gesamten Systems führen. Die ereignisgesteuerte Architektur bietet eine natürliche Fehlerisolierung: Stürzt ein spezialisierter Analyse-Agent ab, werden seine Ereignisse in eine Warteschlange gestellt, während die anderen Agenten die Verarbeitung fortsetzen. Das System wird sanft gedrosselt, statt katastrophal auszufallen.

Die horizontale Skalierung wird damit zum Kinderspiel. Benötigen Sie mehr Kapazität für die Dokumentenverarbeitung? Dann fügen Sie einfach weitere Instanzen von Dokumentenverarbeitungsagenten hinzu, die denselben Ereignisstrom nutzen. Es ist keine Neukonfiguration oder komplexe Dienste-Ermittlung erforderlich, die Skalierung erfolgt dynamisch je nach Bedarf.

Die Notwendigkeit asynchroner Realitäten – Menschen und Agenten reagieren zu unvorhersehbaren Zeiten

Agentenbasierte KI-Systeme sind von Natur aus asynchron. Die Reaktionszeiten von LLMs können je nach Modellauslastung, Komplexität der Anfrage und Modelltyp zwischen Millisekunden und Minuten variieren. Die Ausführungszeiten der Agenten unterscheiden sich stark voneinander: Eine einfache Datenabfrage kann sofort abgeschlossen sein, während eine komplexe Analyse mehrere Minuten dauern kann. Und menschliche Interaktionen finden nach völlig unvorhersehbaren Zeitplänen statt.

EDA berücksichtigt diese Tatsache. Statt zu blockieren, während sie auf Antworten warten, veröffentlichen Agenten Ereignisse, sobald sie Aufgaben abgeschlossen haben, und abonnieren Ereignisse, die sie verarbeiten können. Dieses Vorgehen ermöglicht robustere sequenzielle Workflows und parallele Ausführungspfade. Ein KI-System für den Kundenservice kann beispielsweise einen Agenten die Stimmung analysieren, einen anderen die Kundenhistorie abrufen und einen dritten Antwortoptionen generieren lassen – alle arbeiten parallel und koordinieren sich über Ereignisse.

Lose Kopplung

Genau wie bei Microservices ist auch bei agentenbasierten KI-Systemen eine lose Kopplung von entscheidender Bedeutung. Oft entwickeln verschiedene Teams spezialisierte Agenten unter Verwendung unterschiedlicher Frameworks, Sprachen und Einsatzstrategien. Die ereignisgesteuerte Kommunikation ermöglicht es diesen unterschiedlichen Agenten, ohne enge Abhängigkeiten zusammenzuarbeiten.

Stellen Sie sich ein Unternehmen vor, dessen Agenten mit verschiedenen Frameworks erstellt wurden: Einige wurden beispielsweise mit Solace Agent Mesh erstellt, andere mit LangChain oder CrewAI [4]. Wieder andere sind speziell für proprietäre Systeme entwickelte Agenten. In einer EDA veröffentlicht jeder Agent seine Fähigkeiten und abonniert relevante Ereignisse – unabhängig von seiner zugrunde liegenden Implementierung.

Dynamische Workflows und Agentenregister

Einer der leistungsstärksten Aspekte ereignisgesteuerter, agentenbasierter KI ist die Fähigkeit, dynamische Arbeitsabläufe zu unterstützen. Im Gegensatz zu Systemen mit fest programmierten Prozessabläufen können Agenten ihre Fähigkeiten zur Laufzeit registrieren, und die Orchestrierung kann sich auf Basis der verfügbaren Agenten und sich ändernder Anforderungen anpassen.

Stellen Sie sich ein Dokumentenanalyse-System vor, dem neue spezialisierte Agenten hinzugefügt werden können, beispielsweise ein Agent für die Analyse von Finanzdokumenten oder ein Agent für die Verarbeitung von Rechtsverträgen. In einem ereignisgesteuerten System geben diese Agenten ihre Fähigkeiten einfach bekannt. Der Orchestrator-Agent kann sie dann sofort in relevante Workflows integrieren, ohne dass dafür Systemänderungen oder Neuinstallationen erforderlich wären. Anders gesagt: Das System wird schrittweise intelligenter.

Unter ständiger Beobachtung

Das Debuggen verteilter KI-Systeme ist bekanntlich schwierig. Wo ist eine Anfrage hängen geblieben? Welcher Agent hat eine bestimmte Entscheidung getroffen? Warum hat ein Workflow einen unerwarteten Verlauf genommen?

Ereignisgesteuerte Systeme bieten vollständige Transparenz, da jede Interaktion als Ereignis mit vollständigem Kontext, Zeitstempeln und Rückverfolgbarkeit erfasst wird.

Diese Beobachtbarkeit ist für die Compliance und Überprüfbarkeit von KI-Systemen in Unternehmen von entscheidender Bedeutung. Jede Entscheidung, jeder Datenzugriff und jede Interaktion mit einem Agenten sind nachvollziehbar. Dadurch können Unternehmen das Verhalten der KI in der Produktion verstehen und überprüfen. Stellen Sie sich einen Visualisierer vor, der all diese Interaktionen und Abläufe anzeigt. Er ermöglicht Ihnen ein umfassendes Verständnis der Funktionsweise des Systems und der Herkunft der Ergebnisse und macht somit alles erklärbarer und vertrauenswürdiger.

Nahtlose Integration

Unternehmens-KI-Systeme müssen sich in bestehende Infrastrukturen, Datenquellen und Geschäftsprozesse integrieren lassen. EDA ermöglicht das Abonnieren von Ereignissen, unabhängig vom Technologie-Stack und Bereitstellungsmodell.

So kann beispielsweise ein älteres CRM-System KI-Workflows auslösen, indem es Kundenereignisse veröffentlicht. Ein moderner Data Lake kann über Ereignisströme Echtzeitinformationen an Agenten weiterleiten. Externe APIs können mithilfe einfacher Ereignisadapter in das gesamte KI-Ökosystem integriert werden, ohne dass dafür komplexer Integrationscode erforderlich ist.

Der Weg zum Erfolg agentenbasierter KI führt über weniger ausgetretene Pfade

Eine ereignisgesteuerte Architektur (EDA) ist für agentenbasierte KI-Systeme von entscheidender Bedeutung, da sie eine lose Kopplung fördert. Dadurch können Agenten unabhängig voneinander arbeiten und asynchron kommunizieren. Dieser Ansatz vermeidet die architektonischen Fallstricke der frühen Microservices, die durch spröde, eng gekoppelte und fragile Punkt-zu-Punkt-Verbindungen verursacht wurden.

Unternehmen, die frühzeitig auf eine ereignisgesteuerte Architektur setzen, werden KI-Systeme aufbauen, die resilienter, skalierbarer und wartungsfreundlicher sind. Denn eine EDA ermöglicht die höhere Resilienz, Skalierbarkeit und Beobachtbarkeit, die für eine robuste, unternehmensgerechte, agentenbasierte KI unerlässlich sind.

[1] https://solace.com/de/products/platform/

[2] https://www.mckinsey.com/capabilities/quantumblack/our-insights/seizing-the-agentic-ai-advantage

[3] https://solace.com/solutions/initiative/event-mesh/

[4] https://solace.com/products/agent-mesh/

500 Artikel zu „KI-Agenten“

Trends 2025 | News | Trends Kommunikation | Künstliche Intelligenz | New Work | Strategien | Whitepaper

Vertrauen ist Schlüsselfaktor für Akzeptanz von KI-Agenten

23. September 2025

KI-Agenten könnten der nächste große Trend sein – ihr Potenzial wird bislang aber kaum ausgeschöpft. Transparenz & Kontrolle sowie Rechtssicherheit sind zentrale Anforderungen. Unternehmen erproben Monetarisierungsansätze – Zahlungsbereitschaft entsteht nur bei klar erkennbarem Mehrwert. KI-Agenten, also Programme, die Aufgaben eigenständig ausführen, entwickeln sich zum nächsten großen Technologietrend. 39 Prozent der Verbraucherinnen und Verbraucher nutzen…