Agentic AI
Autonome KI-Agenten verändern Compliance und Softwareentwicklung nicht, weil sie menschliche Verantwortung ersetzen. Sie verändern sie, weil jeder Output plötzlich eine Betriebsfrage wird: Wer steuert, prüft, beobachtet, bezahlt und verantwortet agentisches Handeln?
Leitthese
Agentic AI scheitert im produktiven Betrieb nicht primär an einzelnen schlechten Antworten. Sie scheitert an fehlender Kontrollarchitektur: keine maschinenlesbaren Anforderungen, keine Budgetgrenzen, keine Eval-Gates, keine Tool-Rechte, keine nachvollziehbaren Traces und keine klare Verantwortung für Outputs.
Kernstücke und Cluster
Agentic AI: Wenn Maschinen ermitteln
Warum autonome Agenten in AML-Ermittlungen nur mit Human-in-the-Loop, Auditierbarkeit und klarer Risikoklasse produktionsfähig werden.
Scrum mit KI-Agenten
Scrum verschiebt sich vom Koordinieren menschlicher Teams zur Steuerung maschinenlesbarer Arbeit mit klarer Definition of Done.
Token, Kosten und Schätzung
Warum Agentic AI nicht wie klassische Software geschätzt werden kann: Kontext, Tool-Calls, Retries, Evals und Wartung treiben die TCO.
Renaissance des Festpreises?
Warum Dev-AI Spezifikationen schärft, aber Token-Volatilität, Governance und Bank-IT-Abhängigkeiten den einfachen AI-Festpreis gefährlich machen.
Agentic FinOps im FinCrime-Betrieb
Der Router wird zur Kontrollinstanz: Modellwahl, Datenklasse, Kostenprofil, Policy Gate und Audit Trail werden gemeinsam entschieden.
AgentOps im FinCrime-Betrieb
Warum klassisches Monitoring bei autonomen Agenten nicht reicht: Traces, Spans, State, Context, Evaluators und Session Replay.
Die Agentic Control Plane
Produktionsreife entsteht durch Orchestrierung, Loop Breaker, Budgetgrenzen, Tool-Rechte, Human Review und Audit Trails.
Die Agentic Audit Pipeline
Agenten können Fälle vorbereiten. Belastbar wird es erst mit Retrieval-Quality-Gates, adversarialer Prüfung und Review Queue.
MCP ist nicht Observability
Tool Discovery ersetzt keine Traceability. Agentic Workflows brauchen Query-Policies, Event Ledger und auditierbare Decision Records.
Quellenkanon
- Gartner: Agentic-AI-Projektabbrüche, Governance-Risiken und Guardian Agents.
- METR: Time Horizon 1.1, Januar 2026.
- Anthropic Engineering: Multi-Agent Research System.
- OpenTelemetry: Semantic conventions for generative AI systems.
- LangGraph, LangSmith, Phoenix und AgentOps.ai: Tracing, Sessions, Evaluators und Agentenlauf-Rekonstruktion.
- FinOps Foundation und FOCUS: variable Technologie- und Cloud-Ökonomie als Grundlage für Agentic FinOps.
- ArXiv 2601.14470: Tokenomics im Software Engineering.
- ArXiv 2604.22750: How Do AI Agents Spend Your Money.
- Vantage, Reflex.dev und Augment Code: Token-Kosten, Agent-Loops und Kontextwachstum in agentischen Workflows.
- Frontiers in Artificial Intelligence 2026: LLM-aware Software Effort Estimation.