KI mit Leitplanken und Transparenz im Enterprise-Umfeld

Seit 2025 heißt es: Accso goes AI-Native. Mit agilen AI-Driven Development Methoden wie der BMad-Method oder SpecKit sind wir dabei, unseren klassischen Software-Engineering-Ansätzen einen Turbo zu verpassen. Konzepte wie „Knowledge Graphs with Context Engineering” helfen bei der Strukturierung und Kontextualisierung von Informationen. Der Markt ist immer noch in Bewegung und Accso ist am Puls. 
Unser Ziel: unsere eigene Effizienz in Kundenprojekten deutlich steigern. So weit so gut. So weit so wirklich wichtig, um sich damit intensiv auseinanderzusetzen und einen deutlichen Vorsprung am Markt zu erarbeiten. Wie immer geht es für uns darum, Chancen und Risiken selbst auszuloten und ein Verständnis sowohl der Möglichkeiten als auch der Grenzen der neuen Technologie zu bekommen.

Mit KI zu mehr Effizienz in Kernprozessen – aber wie?

Die Frage, die ich mir aber stelle, ist: wie setzen wir KI bei unseren Kunden so ein, dass wir wirklich deren Effizienz steigern? Abseits von schnellerer Time-To-Market für maßgeschneiderte Einzel-Lösungen, die nun gekauften Produkten Konkurrenz machen sollen. Abseits von punktuellen Lösungen, die Quick-Im Gegenteil, laut einer Studie von Accenture tragen KI-Systeme zwischenzeitlich sogar maßgeblich zu technischen Schulden bei.

Unsere Kunden haben Prozesse und Systeme eingebettet in große gewachsene IT-Landschaften. Hier liefern mit KI erstellte punktuelle Einzellösungen sicherlich einen wertvollen Beitrag. Manchmal sind genau sie der Türöffner für Größeres. Das Big-Picture hat jedoch weitere Herausforderungen: Inmitten der Kernprozesse unserer Kunden gibt es Probleme, die mit klassischen Mitteln an ihre Grenzen stoßen. In denen so viel Dynamik zu finden ist, dass wir sie bisher nur schwer lösen konnten. Und unsere Kunden sich die Frage stellen, wie wir genau hier die Prozesse optimieren und mit KI deutlich effektiver unterstützen können.

Eine Auswahl aktuell propagierter Buzzwords: RAG, GenAI, Agentic RAG, Agentic AI, MCP, … Schön, dass wir technologisch Konzepte und Lösungen haben! Wenn da nicht noch ein wesentlicher Aspekt wäre: die teuerste Währung der Welt ist Vertrauen! Jeder von uns hat schon einmal Bullshit von einer KI zurückbekommen. Hand aufs Herz: würde ein Entwickler aus Fleisch und Blut bestimmte Fehler wieder und wieder machen, würden wir unsere Zusammenarbeit ernsthaft hinterfragen. Zudem laufen die Projekte im KI-Bereich scheinbar auch nicht so wie erhofft: 

Rod Johnson, Autor des Embabel Agent Frameworks, hat dies in seinem T alk “AI-Agents and the Future of Java“ auf der W-JAX 2025 bestens dargelegt. Inspiriert von seinem Talk möchte ich die Herausforderungen und Lösungsansätze nochmals detaillierter darlegen.

Woran liegt es, dass KI-Initiativen immer noch scheitern? Welche Herausforderungen gibt es beim Einsatz von KI im Enterprise-Umfeld?

Wir bewegen uns nun in einem zwangsläufig nicht deterministischen Umfeld. Nicht-Deterministische Aspekte waren früher Edge-Cases, jetzt sind sie Normalität und hohe Dynamik ist unvermeidbar.

• Es besteht die Gefahr von Halluzinationen.
• Prompt Engineering ist die neue Alchemie.
• KI ist schwierig zu testen und zu validieren.
• Der Einsatz von KI ist häufig noch zu weit weg von geschäftsrelevanten Business-IT-Systemen und es fehlt an Domain-Kontext.
• Lösungsansätze sind nicht auf die bestehenden Arbeitsabläufe abgestimmt.
• Ansätze, die für persönliche Unterstützung und Steigerung der eigenen Produktivität großartig sind, funktionieren nicht für Business-Prozesse.

• …

   

Wie lösen wir diese Herausforderungen? Mit Orchestrierung und Workflows!

• Kampf dem Nichtdeterminismus! Richtig gehört, zu viel Dynamik ist das, was es ist: zu viel. Man kann eben auf zwei Seiten vom Pferd fallen.
• Einführung von Leitplanken
• Agenten so vorhersehbar wie möglich gestalten
  • Komplexe Aufgaben in einzelne Schritte zerlegen: kleinere Prompts, weniger Tools, einfachere Tools mit klarerem Scope
• Agenten so nachvollziehbar wie möglich gestalten
  • Transparenz während und nach der Ausführung
• Das Rad nicht neu erfinden
  • Sich mit bestehenden Systemen verbinden
  • Domänenwissen nutzen
  • Auf bewährter Unternehmensinfrastruktur aufbauen
• …

Wie langweilig! Architektur schon wieder. Zerlegung, Trennung von Aspekten, Prozesse, Integration,… Und dabei haben wir gedacht, diesmal wäre wirklich alles anders! 

Bitte sitzenbleiben, es kommt noch schlimmer! OpenAI räumt seit Anfang Oktober 2025 ein, dass wir Orchestrierung und Workflow benötigen:

Mit diesem Lösungsansatz steht OpenAI wahrlich nicht alleine da. Langdock bietet zwischenzeitlich - Überraschung - Workflows an. Plattformen wie n8n.io schießen aus dem Boden wie Pilze oder alte Hasen wie make.com erleben eine Renaissance. Während es viele Ansätze gibt, das Thema Workflow zu lösen, ahnt Ihr es bereits: ich kenne da was von  Camunda, was dieses Thema bestens beherrscht. Auch ich bin der starken Überzeugung dass wir, wenn es um KI-Agenten in einem Enterprise-Umfeld geht, um echte Orchestrierung nicht herumkommen. Camunda 8 macht dabei richtig Spaß! Und ist der einzige auf BPMN-Standards basierende KI-Agenten-Baukasten.

Wie Camunda das Beste aus beiden Welten unterstützt, wird im nächsten Teil des Blogposts erklärt.