Microsoft: Einsatzbereite KI-Agenten benötigen 26 bis 60 Ingenieurwochen für die Entwicklung

Titel: Von der Unterstützung zur Ausführung: Der architektonische Wandel

Microsofts Playbook „Agentic Transformation Patterns“ für 2026 legt dar, wie KI-Agenten neu aufgebaut werden müssen, um den Schritt von der bloßen Unterstützung der Nutzer hin zur tatsächlichen Ausführung von Aufgaben zu vollziehen. Es beziffert den Aufwand konkret – zwischen 26 und 60 Ingenieurwochen für die Kerninfrastruktur, bevor ein einziger Agent im Ausführungsmodus (Execution-Mode) ausgeliefert werden kann. Unternehmen, die diesen Wandel ignorieren, riskieren den Bau fragiler Werkzeuge, die nicht sicher eigenständig agieren können.

Unternehmen experimentieren derzeit mit Assistenten auf Basis von Large Language Models (LLM), die E-Mails entwerfen, Code-Snippets vorschlagen oder Daten aufbereiten. Diese Agenten verbleiben im „Assist“-Modus: Ein Mensch überprüft jedes Ergebnis, und ein dünner Wrapper leitet eine Anfrage an das Modell weiter und gibt eine Antwort zurück. Die Architektur ist kostengünstig und schnell aufgebaut, überlässt die Entscheidungsfindung und das Schreiben von Daten jedoch bewusst dem Nutzer.

Wenn eine Organisation möchte, dass der Agent einen vollständigen Workflow ausführt – eine Datenbank befüllt, einen nachgelagerten Prozess auslöst oder eine Transaktion genehmigt –, kann das Modell nicht länger eine Blackbox sein, die lediglich eine Antwort zur menschlichen Überprüfung liefert. Der Agent muss als autonomer Dienst agieren, mit eigener Identität, persistentem Zustand und integrierten Sicherheitsmechanismen. Microsoft argumentiert, dass das alte „Assist-only“-Design nicht einfach zu einem ausführungsbereiten System nachgebessert werden kann; es erfordert eine grundlegende Neugestaltung anhand von sieben architektonischen Säulen.

Die sieben Säulen ausführungsbereiter KI-Agenten

• Autorität – Wechsel von „nutzerdelegierten“ Berechtigungen hin zu persistenten Agenten-Identitäten, die über spezifisch eingegrenzte Zugriffsrechte verfügen. Der Agent muss sich gegenüber nachgelagerten Diensten ohne das Token eines Menschen authentifizieren können.
• Grenzen (Boundaries) – Ersetzen Sie Ad-hoc-Modell-Schlussfolgerungen bei kritischen Berechnungen durch deterministische Code-Pfade. Alles, was Präzision erfordert – Finanzmathematik, Compliance-Prüfungen –, muss in geprüfter Software laufen und darf nicht aus der Ausgabe des Modells abgeleitet werden.
• Schemata – Übergang von schwach typisierten Datenaustauschformaten zu einem kanonischen Schema, das von einem benannten Data Steward verwaltet wird. Dies verhindert, dass der Agent fehlerhafte Datensätze schreibt, die von nachgelagerten Systemen nicht verarbeitet werden können.
• Fehlererkennung – Ersetzen Sie menschliche Aufsicht durch kontinuierliche Telemetrie und die Überwachung von Geschäftsergebnissen. Das System muss Anomalien, wie etwa unerwartete Transaktionsvolumina, automatisch aufzeigen und den Agenten stoppen, wenn Schwellenwerte überschritten werden.
• Zustand (State) – Ersetzen Sie kurzlebige Chat-Sitzungen durch dauerhafte, fallbezogene Zustände, die in einem System of Record gespeichert sind. Ein Ausführungs-Agent muss möglicherweise vorangegangene Schritte, Audit-Trails oder Benutzereinstellungen über Tage oder Wochen hinweg abrufen können.
• Rollback – Ersetzen Sie das „erneute Ausführen des Prompts“ durch Event-Sourcing oder kompensierende Transaktionen, die Aktionen zuverlässig rückgängig machen können. Wenn der Agent einen Fehler macht, muss die Plattform die Seiteneffekte ohne manuelles Eingreifen rückgängig machen.
• Auditierbarkeit – Upgrade von einfachen Chat-Transkripten hin zu Aktionsprotokollen, die jede Operation mit einer spezifischen Agentenversion und -identität verknüpfen. Regulatoren und interne Auditoren können dann genau nachvollziehen, was der Agent wann und unter welcher Richtlinie getan hat.

Diese Änderungen sind keine optionalen Zusatzfunktionen; sie bilden ein neues Betriebsmodell für KI-gesteuerte Automatisierung. Microsoft schätzt, dass der Aufbau dieses Fundaments zwischen 26 und 60 Ingenieurwochen in Anspruch nehmen wird.

Warum die Kosten entscheidend sind

Das Playbook warnt davor, Agenten im Ausführungsmodus für Aufgaben mit geringem Wert einzusetzen, die den Workflow eines Nutzers nur um wenige Minuten verkürzen. Die technischen Investitionen würden jeden geringfügigen Produktivitätsgewinn übersteigen. Konzentrieren Sie sich auf Prozesse mit messbaren Ergebnissen – Auftragsabwicklung, Schadensregulierung, Compliance-Berichterstattung –, bei denen die autonome Ausführung direkt in Kosteneinsparungen oder Risikominimierung resultiert.

Es bedarf politischer Autorität, um die Hoheit über Ihre Datenschemata zu übernehmen.

Gegenargument: Reicht „Assist-only“ aus?

In vielen internen Support-Szenarien – Entwurf von Besprechungsnotizen, Bereitstellung von Wissensdatenbank-Artikeln – bleibt die menschliche Überprüfung ein praktisches Sicherheitsnetz. Der Nachteil sind langsamere Zykluszeiten und die fortwährende Abhängigkeit von menschlicher Arbeit für die endgültige Entscheidung.

Das Fazit ist klar: Den Übergang von KI-Agenten von einer unterstützenden zu einer autonomen Rolle zu vollziehen, ist kein einfacher Feature-Toggle; es ist eine vollständige architektonische Neugestaltung. Unternehmen, die den technischen und Governance-Aufwand unterschätzen, riskieren den Einsatz instabiler Bots.