Referenzarchitektur für Agentic Experiences

Eine belastbare Referenzarchitektur für Agentic Experiences setzt sich aus mehreren eng verzahnten Schichten zusammen, die jeweils eine eigene Funktion erfüllen und dennoch nahtlos zusammenwirken müssen. Dazu zählen:

• Frontend und Agent Interface: Sichtbarkeit des Denkprozesses
• Tool- und API Layer: Anbindung an externe Systeme
• Permissions: kontrollierte Rechtevergabe
• Memory und Retrieval Layer: Kontext und Wissen
• Orchestration: Steuerung des Reasoning-Loops
• Guardrails, Human Override und Logging: Sicherheit und Nachvollziehbarkeit

Fehlt eine dieser Schichten, entstehen Sicherheitslücken oder unkalkulierbare Kosten. Da der Aufbau dieser Systeme tiefes technisches und strategisches Know-how erfordert, lohnt sich für viele Unternehmen die Zusammenarbeit mit einer erfahrenen KI-Agentur, die den gesamten Architekturprozess kompetent begleitet.

Vom Frontend zum Agent Interface

Ein klassisches Frontend arbeitet deterministisch: Jeder Button, jedes Formularfeld hat eine feste, vorhersehbare Funktion. Der Nutzer klickt, die Software reagiert unmittelbar und immer auf dieselbe Weise. Diese Logik stößt jedoch an ihre Grenzen, sobald ein autonomer Agent im Hintergrund arbeitet und mehrere Zwischenschritte durchläuft, bevor ein Ergebnis vorliegt.

Das Agent Interface löst dieses Problem, indem es den sogenannten Reasoning-Loop des Agenten in Echtzeit sichtbar macht. Statt einer starren Oberfläche entsteht eine dynamische, oft text- und kartenbasierte Ansicht, die den aktuellen Denk- und Handlungsstand transparent kommuniziert. Typische Beispiele sind Statusmeldungen wie:

• „Ich analysiere gerade die Fehlerursache…“ während einer Diagnose
• „Ich rufe jetzt die Zahlungs-API auf…“ während eines Transaktionsschritts
• „Ich prüfe verfügbare Lagerbestände…“ während einer Datenbankabfrage

Diese Zustandsvisualisierung schafft Vertrauen, da Nutzer nachvollziehen können, was der Agent gerade tut und warum eine Aktion Zeit benötigt. Für IT-Architekten bedeutet das: Das Interface muss flexibel genug konzipiert werden, um beliebige Zwischenstände des Agenten darzustellen, ohne die Übersicht zu verlieren.

Tool Layer und API Layer

Der Tool Layer bildet die Werkzeugkiste eines Agenten und stellt ihm die Fähigkeiten zur Verfügung, mit denen er auf die Außenwelt zugreifen kann. Dazu gehören etwa Web-Crawler, Datenbankabfragen, PDF-Parser oder Code-Ausführungsumgebungen. Damit diese Werkzeuge nicht für jeden Anwendungsfall neu programmiert werden müssen, hat sich das Model Context Protocol (MCP) als offener Standard etabliert. Es ermöglicht die modulare Registrierung von Tools, sodass ein Agent flexibel auf verschiedene Funktionen zugreifen kann, ohne dass für jede Anbindung individueller Code entwickelt werden muss.
Direkt daran schließt der API Layer an, der jedoch andere Anforderungen erfüllen muss als klassische Schnittstellen. Während APIs bisher primär für menschliche Entwickler dokumentiert wurden, benötigen Agenten semantisch präzise und lückenlose Beschreibungen, um Parameter und Funktionen eigenständig zu interpretieren. Eine saubere Schnittstellenprogrammierung mit vollständigen OpenAPI-Spezifikationen ist deshalb die technische Grundvoraussetzung dafür, dass ein Agent Anfragen korrekt formulieren und verarbeiten kann.

Permissions, Memory und Retrieval Layer

Die Identity- und Auth-Schicht sorgt dafür, dass ein Agent niemals als allmächtiger Super-User agiert, sondern stets im Namen des angemeldeten Nutzers handelt. Über das Prinzip der delegierten Identität und fein abgestufte Scopes, meist realisiert über OAuth 2.0, wird sichergestellt, dass ein Mitarbeiter mit reinen Leserechten den Agenten nicht dazu bewegen kann, Datensätze zu löschen oder zu verändern. Die Berechtigungen des Nutzers werden lückenlos auf jede Aktion des Agenten übertragen.
Der Memory Layer unterscheidet zwischen zwei Gedächtnisformen: dem Kurzzeitgedächtnis, das den Verlauf der aktuellen Sitzung speichert, und dem Langzeitgedächtnis, das historische Daten und Nutzerpräferenzen über mehrere Sitzungen hinweg bewahrt.
Ergänzend liefert der Retrieval Layer über Retrieval-Augmented Generation (RAG) aktuelles externes Wissen. Vektordatenbanken und Knowledge Graphs versorgen den Agenten exakt im richtigen Moment mit den passenden Kontextinformationen, sodass Entscheidungen präzise und faktenbasiert getroffen werden.

Orchestration Layer als Kontrollzentrum

Der Orchestration Layer fungiert als Kontrollzentrum der gesamten Architektur und steuert den logischen Ablauf des Reasoning-Loops. Hier wird festgelegt, wie ein Agent eine Aufgabe strukturiert bearbeitet und welche Schritte in welcher Reihenfolge erfolgen. Grundsätzlich lassen sich drei Ausprägungen unterscheiden:

• Sequenzielle Systeme: Aufgaben werden in festgelegter Reihenfolge abgearbeitet, vergleichbar mit einer Prompt-Chaining-Kette
• Routing-Agenten: Ein zentraler Agent verteilt Teilaufgaben gezielt an spezialisierte Sub-Agenten
• Multi-Agent-Orchestration: Mehrere Agenten interagieren autonom miteinander und lösen komplexe Aufgaben gemeinsam

Für die technische Umsetzung dieser Steuerungslogik haben sich mittlerweile etablierte Frameworks durchgesetzt. Besonders verbreitet sind LangGraph, das komplexe Zustandsübergänge grafisch modelliert, sowie das Google ADK, das Entwicklern eine strukturierte Basis für Multi-Agent-Systeme bietet. Ohne eine durchdachte Orchestrierung würde jeder Agent isoliert agieren, wodurch weder Skalierbarkeit noch Zuverlässigkeit gewährleistet werden könnten.

Guardrails, Human Override und Observability

Guardrails bilden die zentralen Sicherheitsleitplanken eines Agenten und wirken an zwei Stellen: Die Eingabekontrolle filtert bösartige Prompts, etwa Versuche einer Prompt Injection, während die Ausgabekontrolle Halluzinationen, sensible Firmendaten oder fehlerhaften Code abfängt, bevor sie den Nutzer erreichen. Ergänzend sorgt eine Kosten-Bremse dafür, dass die Anzahl an Schleifendurchläufen und API-Abrufen begrenzt bleibt und finanzielle Schäden durch unkontrolliert agierende Systeme ausbleiben. Bevor Unternehmen solche Guardrails implementieren, empfiehlt sich ein strukturiertes Agent Readiness Audit, um bestehende Systeme und Schwachstellen realistisch einzuschätzen.
Zusätzlich sichert Human-in-the-loop kritische Aktionen ab: Bei sensiblen Vorgängen wie Zahlungsfreigaben oder Massen-E-Mails pausiert der Agent an definierten Punkten und wartet auf die manuelle Bestätigung eines menschlichen Operators.
Da Agenten nicht-deterministisch arbeiten, ist lückenloses Logging und Observability unverzichtbar. Jeder Schritt, jeder API-Aufruf und jede Entscheidung wird aufgezeichnet, um Fehler nachträglich analysieren und das Agentenverhalten vollständig auditieren zu können.

Wir unterstützen Sie beim Aufbau sicherer Agentic Experiences.
Von der Architekturplanung über API-Anbindungen und Guardrails bis zur Orchestrierung autonomer KI-Agenten: clicks digital entwickelt mit Ihnen eine skalierbare Grundlage für vertrauenswürdige KI-Systeme.