Das Agentenunternehmen

Das Agentenunternehmen stellt eine grundlegende Veränderung in der Art und Weise dar, wie Unternehmen KI verwenden. Es geht von passiven Tools, die eine konstante menschliche Richtung erfordern, zu autonomen Agenten, die eigenständig sensibilisieren, argumentieren und handeln, während sie mit dem menschlichen Intent im Einklang bleiben. Es handelt sich um eine Organisation, in der Menschen, Agenten und Plattformen in verwalteten Geschäftssystemen zusammenarbeiten, um Ergebnisse zu erzielen, die allein nicht erreicht werden könnten.

Dieses Dokument ist eine Ergänzung zum Well-Architected Framework. Die fünf Säulen des Frameworks – Trust, Reliability, Operational Excellence, Ressourcen- und Kostenoptimierung sowie Fairness – bilden die grundlegende Orientierung, die für alle Salesforce-Lösungen gilt. In dieser Übersicht wird erläutert, was sich ändert, wenn Lösungen zu Agenten werden, und Sie werden auf die einzelnen Details hingewiesen.

Agentische Systeme kombinieren große Sprachmodelle, durch Abrufe erweiterte Generierung, Funktionsaufrufe und Orchestrierungsmuster, um Funktionen zu erstellen, die sich an den Kontext anpassen, statt starren programmierten Pfaden zu folgen. Agenten kombinieren probabilistische Argumentation (LLM Inference) mit deterministischer Ausführung (Workflows und Orchestrierung), um Anpassungsfähigkeit und Governance zu ermöglichen.

Für Architekten werden durch dieses Verhalten Überlegungen zum Design über alle Säulen hinweg angestellt. Agenten arbeiten mit nicht deterministischem Verhalten in ihrer Argumentationsebene, was neue Muster für Zuverlässigkeit, Überwachung und Kontrolle erfordert. Die Agentenautonomie erfordert erweiterte Sicherheitsgrenzen und die Überwachung durch den Menschen. Die Koordination von mehreren Agenten führt zu entstehender Komplexität, die eine bewusste Orchestrierung erfordert. Das Agentic Enterprise fügt vorhandenen Architekturen nicht einfach AI-Funktionen hinzu, sondern gestaltet die Konzeption, Bereitstellung und Verwaltung von Systemen neu.

Gut gemacht, diese Kombination schafft echten Geschäftswert: Agenten bearbeiten komplexe Workflows aus mehreren Schritten, die zuvor menschliche Eingriffe erforderten, synthetisieren Informationen quellenübergreifend und skalieren Fachwissen in der gesamten Organisation. Außerdem werden Herausforderungen eingeführt, die ein bewusstes Design erfordern. Nichtdeterministisches Verhalten erschwert Tests, Überwachung und Fehlerbehandlung. Die Autonomie wirft Fragen der Kontrolle, Verantwortlichkeit und Sicherheit auf. Kostenstrukturen verschieben sich von der festen Infrastruktur zum variablen Rückschlussverbrauch. Architekten müssen Autonomie gegen Risiko, Innovation gegen Kontrolle und Fähigkeit gegen Kosten abwägen.

Eine grundlegende Unterscheidung in der Agentenarchitektur besteht darin, ob ein Agent einen Menschen unterstützt (Copilot-Muster: Vorschlag, Empfehlung, Entwurf) oder handelt autonom (Agentenmuster: “decise”, “execute”, “complete”). Copilots erfordern die Genehmigung durch eine Person für zustandsmodifizierende Aktionen. Agenten arbeiten unabhängig innerhalb der Berechtigungsgrenzen. Diese Unterscheidung bestimmt Trust-Anforderungen, Beobachtbarkeitsanforderungen und Aufsichtsmuster. Der Wechsel von Assists zu Acts ist eine architektonische Verschiebung und keine Konfigurationsänderung – es muss jede Säule durch die Linse des autonomen Betriebs neu bewertet werden.

Das Unternehmen “Agentic Enterprise” ist eine Organisation, in der Menschen, Agenten und Plattformen in verwalteten Geschäftssystemen zusammenarbeiten, um Ergebnisse zu erzielen, die allein nicht erreicht werden könnten. Dieses dreiteilige Modell prägt jede architektonische Entscheidung:

Menschen bieten Übersicht, Urteilsvermögen und Interventionen, wenn die Agentenkapazitäten nicht ausreichen oder wenn der Einsatz menschliche Rechenschaft erfordert. Mithilfe der Zusammenarbeit zwischen Menschen und Agenten können sich Mitarbeiter auf Urteile mit hohem Wert konzentrieren, während Agenten die routinemäßige Ausführung und Informationssynthese übernehmen. Der Mensch behält die Kontrolle auf Systemebene: Sie definieren die Grenzen und Agenten entscheiden und handeln innerhalb dieser Grenzen.
Agenten bieten intelligente Automatisierung, natürliche Sprachschnittstellen und adaptive Entscheidungsfindung. Agenten sind keine eigenständigen Funktionen, sondern integrierte Teilnehmer an Geschäfts-Workflows. Sie erfassen Kontext aus verwalteten Daten, begründen geeignete Aktionen mithilfe probabilistischer und deterministischer Techniken und agieren über Geschäfts-Workflows und externe Integrationen.
Plattformen bieten die gesteuerte Infrastruktur, die die Arbeit mit Agenten ermöglicht – angesammelte Geschäftslogik, vereinheitlichte Daten, Orchestrierung und Infrastruktur für die Zusammenarbeit. Die Plattform unterscheidet Agentensysteme auf Unternehmensebene von nicht verwalteten AI-Experimenten: Sie erzwingt Berechtigungen, verwaltet Überwachungsprotokolle, wendet Compliance-Regeln an und sorgt dafür, dass Agenten weiterhin innerhalb der Organisationsführung arbeiten.

Entfernen Sie Menschen und verlieren Sie die Rechenschaftspflicht, entfernen Sie Agenten und verlieren Sie Intelligenz, entfernen Sie Plattformen und verlieren Sie die Unternehmensführung. Für das Agentic Enterprise sind alle drei als einheitliches System erforderlich.

Jede agentische Architektur – für jeden Technologiestapel – muss einen gemeinsamen Satz an Funktionen bereitstellen. Ein Agent benötigt vertrauenswürdige Daten, über die er nachdenken kann, Geschäftslogik, die er sicher durchlaufen kann, die Kontrolle über seinen eigenen Lebenszyklus, ein gemeinsames Verständnis davon, was Daten bedeuten, und einen Pfad zur Eskalation zu Menschen. Dies sind architektonische Anforderungen, keine Produkte: Wenn Salesforce einen Teil des Stapels bereitstellt, müssen die restlichen Funktionen weiterhin beachtet werden.

Salesforce stellt diese Funktionen als integriertes Set bereit. Wenn Sie sie als System behandeln, werden die Abhängigkeiten explizit: schwächen und Agenten sind auf vorhersehbare Weise begrenzt. In diesem Abschnitt werden die einzelnen Funktionen beschrieben, warum sie für Agenten wichtig sind und wie Salesforce sie bereitstellt.

Agenten benötigen geregelte, überprüfte Daten, um effektiv zu argumentieren. AI-Modelle kennen Muster aus Trainingsdaten, nicht aus Kundendatensätzen, Produktkatalogen oder Transaktionsverläufen eines Unternehmens. Diese Funktion schließt diese Lücke, indem Agenten Daten bereitstellen, die genau, berechtigt, aktuell und verfolgbar sind, und nicht beliebige Webinhalte oder nicht überprüfte Quellen.

Aktuelle Betriebsdaten steuern zeitkritische Entscheidungen: ein Commerce-Agent, der “Wie lautet mein Auftragsstatus?” antwortet, ein Serviceagent, der offene Kundenvorgänge aufdeckt, oder ein Vertriebsagent, der Opportunities im Ranking aufführt, die dieses Quartal abschließen.
Historische Daten, beispielsweise große Datensets in Data 360, unterstützen Trendanalysen, Prognosen und das Lernen aus vergangenen Mustern.
Mit dem Verbundzugriff können Agenten unabhängig von ihrem Standort über Daten nachdenken. Sie reduziert die Duplizierung verbundener Quellen und bietet eine einheitliche Ansicht.

Dies wird von Salesforce über das Data 360-Portfolio bereitgestellt.

Architektonische Bedeutung: Die Agentenqualität hängt von der Datenqualität ab. Investieren Sie in Datenverwaltung, -klassifizierung und -herkunft. Ein Agent, der falsche Daten anzeigt, erodiert Trust schneller als einer, der sagt: “Keine Ahnung”.

Ein Agent, der nur Fragen beantworten kann, ist ein Copilot. Ein Agent, der Datensätze erstellen, Opportunities aktualisieren, Mitteilungen senden und Automatisierungen auslösen kann, ist autonom. Durch diese Autonomie können Agenten handeln und nicht nur unterstützen, sondern sie rufen vorhandene, gut getestete Geschäftsprozesse auf, statt sie im generierten Code neu zu implementieren.

Agenten übersetzen Intent in natürlicher Sprache in Standardgeschäftsvorgänge, statt Benutzer zum Schreiben von Code zu verpflichten.
Agenten delegieren sie an gekapselte Prozesse in mehreren Schritten (beispielsweise einen Rückerstattungs-Flow, der Bonitätsprüfungen, Inventaraktualisierungen und Benachrichtigungen verarbeitet).
Während sich Geschäftsregeln weiterentwickeln, übernehmen Agenten die Änderungen automatisch, sofern die Logik im Workflow vorhanden ist und nicht in den Anweisungen der Agenten widergespiegelt wird.

Salesforce stellt diese Funktion über Customer 360 Business Logic und die Plattformautomatisierung bereit.

Architektonische Bedeutung: Gestalten Sie Agenten so, dass sie vorhandene Workflows aufrufen und nicht ersetzen. Agenten, die bewährte Automatisierungen aufrufen, sind zuverlässiger als Agenten, die Geschäftslogik durch generierten Code neu implementieren.

Agenten benötigen Governance von der Entwicklung über die Bereitstellung, Überwachung und Außerbetriebnahme. Ohne sie führt die Verbreitung nicht verwalteter Agenten zu Schatten-AI: Agenten mit unklaren Berechtigungen, ohne Überwachungsprotokolle, ungetestetes Verhalten und unbekannten Kosten. Diese Funktion stellt sicher, dass Agenten mit Leitplanken erstellt, über Genehmigungstore bereitgestellt, auf Abweichung überwacht und eingestellt werden, wenn sie nicht mehr benötigt werden.

Das Entwicklungstool generiert erste Konfigurationen aus Beschreibungen in natürlicher Sprache und erzwingt Leitplanken (Berechtigungsvalidierung, Umfang des Unteragenten) zum Zeitpunkt des Entwurfs.
Die Laufzeitorchestrierung verwaltet den Agentenaufruf, die Erzwingung von Berechtigungen, die Auditprotokollierung und die Fehlerverarbeitung.
Mit wiederverwendbaren Funktionen können Teams vorgefertigte Agenten und Aktionen – einschließlich vertikaler Domänenexpertenfunktionen – übernehmen, statt jeden Agenten neu zu erstellen.
In der Sitzungsbeobachtbarkeit werden Agenteninteraktionen, Argumentationsschritte und Ergebnisse für Analysen, Debugging und Drift-Erkennung gespeichert.

Salesforce bietet diese Funktion über Agentforce Studio, Agent Fabric und AgentExchange.

Architektonische Bedeutung: Behandeln Sie Agenten als verwaltete Vermögenswerte und nicht als einmalige Skripts. Die Governance auf Systemebene verhindert die Ausbreitung von Agenten.

Agenten, die Daten abfragen, müssen die Semantik verstehen: was “Umsatz” bedeutet, welches Feld “Kundenname” ist und wie Tabellen zusammenhängen. Ohne eine freigegebene semantische Definition generieren Agenten Abfragen, die die falschen Felder verwenden, Nullen falsch interpretieren oder gegen Geschäftsregeln verstoßen. Mit einer Abfrage fragt jeder Agent geregelte Definitionen ab und gibt konsistente, richtige Ergebnisse zurück – wobei die Logik für Geschäftskalender und Umsatzrealisierung in der Definition und nicht in Agentenaufforderungen enthalten ist. Diese Ebene funktioniert im nativen Sicherheitsmodell der Plattform: Der Zugriff wird durch die eigenen Steuerelemente auf Zeilenebene und Feldebene der Plattform gesteuert und nicht erneut in der semantischen Ebene implementiert. Daher sind Agenten an dieselben Datenberechtigungen gebunden, die die Plattform erzwingt.

Salesforce bietet diese Funktion über Tableau Semantics, eine in Tableau Next und Data 360 integrierte verwaltete semantische Ebene.

Architektonische Bedeutung: Definieren Sie die semantische Ebene, bevor Sie Analyseagenten bereitstellen. Agenten, die Rohtabellen abfragen, führen zu Führungslücken und inkonsistenten Ergebnissen.

Vollständig autonome Agenten ohne menschliche Aufsicht verursachen Compliance-Risiken, Verantwortlichkeitslücken und Misstrauen der Benutzer. Mit dieser Funktion behalten Menschen die Kontrolle über: Agenten eskalieren, wenn sie unsicher sind, bitten um Genehmigung für Aktionen mit hoher Auswirkung und bleiben hinsichtlich ihrer Argumentation transparent.

Mit Genehmigungsworkflows können Agenten eine menschliche Unterschrift anfordern, bevor sie Folgeaktionen (Erstattung, Schließen einer Opportunity, Löschen von Daten) ausführen.
Der permanente Interaktionsverlauf protokolliert Intent, Datenzugriff, Argumentationsschritte und ausgeführte Aktionen – für eine Überprüfung, Debugging und kontinuierliche Verbesserung.
Eskalationsmuster werden an menschliche Spezialisten mit vollständigem Kontext weitergegeben, wenn ein Agent nicht vertraut ist oder einen Kundenvorgang anstößt.

Salesforce bietet diese Funktion über Workflows für die Genehmigung und Eskalation von Mensch-in-der-Schleife mit persistentem, überprüfbarem Interaktionsverlauf.

Architektonische Bedeutung: Entwerfen Sie explizite Eskalationsregeln im Voraus. Definieren Sie, welche Entscheidungen von Menschen genehmigt werden müssen (finanzielle Schwellenwerte, nicht rückgängig zu machende Aktionen, regulierte Daten) und implementieren Sie diese Workflows, bevor Sie autonome Agenten bereitstellen.

Diese Funktionen sind voneinander abhängig. Ein Agent greift auf vertrauenswürdige Daten zurück, um seine Argumentation zu stützen, handelt über Geschäftslogik, arbeitet unter Lebenszyklus-Governance, fragt über freigegebene Semantik ab und eskaliert bei Bedarf an Menschen. Entfernen Sie vertrauenswürdige Daten und Agenten halluzinieren, entfernen Sie Geschäftslogik und sie können nur antworten, nicht handeln, entfernen Sie die Governance und sie entwickeln sich zu Schatten-AI, entfernen Sie freigegebene Semantik und ihre Abfragen, entfernen Sie menschliche Eskalation und handeln Sie ohne Aufsicht. Mit einem API-First-Verbrauchsmodell – Salesforce Headless 360 – können Agenten diese Funktionen über konsistente programmgesteuerte Schnittstellen (API, MCP und CLI) erreichen, statt separate Systeme einzeln zu integrieren.

Die Säulen des gut strukturierten Frameworks bilden weiterhin die Grundlage für agentische Systeme – Agenten arbeiten weiterhin innerhalb der Obergrenzen, benötigen ordnungsgemäße Zugriffssteuerungen, müssen überwacht werden, Ressourcen verbrauchen und Benutzer gleichmäßig bedienen. Beginnen Sie in der zentralen Pfeilerführung und wenden Sie dann die agentischen Überlegungen an, die der Begleiter jeder Säule hinzufügt.

Kernpfeilerführung:

Trust — Modell der gemeinsamen Verantwortung, Zugriffskontrolle auf vier Ebenen (Organisation/Objekt/Feld/Datensatz), Verschlüsselung, OAuth-Flows, Audit-Trails, Compliance-Frameworks
Zuverlässigkeit: Obergrenzen mit empfohlenem Betriebspuffer (die Obergrenze von 70 % ist eine häufig zitierte bewährte Vorgehensweise in der Community und keine offizielle Salesforce-Spezifikation), asynchrone Verarbeitung, Leistungsschalter, Kapazitätsplanung, Muster mehrerer Organisationen, Notfallwiederherstellung
Operational Excellence — Ereignisüberwachung, Proactive Monitoring, DevOps-Praxis (quellgesteuerte Entwicklung, CI/CD), Automatisierung, Vorfallsverwaltung, DORA-Kennzahlen
Ressourcen- und Kostenoptimierung – SOQL-Optimierung, Vermeidung von Datenverzerrungen, Codeorganisation, Paketerstellungsstrategien, Leistungsüberwachung, TCO-Modellierung, Build vs. Buy, Lizenzoptimierung, Kostenüberwachung
Fairness – Barrierefreiheit (WCAG 2.2 AA), Nichtdiskriminierungsmuster (Freigaberegeln), Datenschutzarchitektur, AI-Ethik-Governance

Trust Patterns (Shared Responsibility Model, geringste Berechtigung, Verschlüsselung, OAuth) bleiben grundlegend. Agentische Systeme fügen hinzu:

Agentenidentität und -authentifizierung: Agenten können die JWT-basierte Authentifizierung anstelle statischer API-Schlüssel verwenden, wodurch Agenten-Aktivierungsprotokolle und die Verfolgung genauer Berechtigungen möglich sind.
Übertragung der Benutzeridentität: Wenn Agenten externe Systeme im Namen eines Benutzers aufrufen, wird die Identität des Benutzers (nicht nur die des Agenten) übernommen, sodass nachgelagerte Systeme Berechtigungen auf Benutzerebene und Prüfprotokolle erzwingen
Berechtigungsgrenzen: Geringste Berechtigung für Agenten, Berechtigungsübernahme vom aktuellen Benutzer, explizite Agentenberechtigungen und Validierung an Delegationsgrenzen
Human-in-the-Loop für Folgeentscheidungen – Genehmigungsworkflows für Aktionen mit hoher Auswirkung oder nicht rückgängig zu machende Aktionen und regulierte Daten
Erklärbarkeit: Agenten erläutern ihre Argumentation, zitieren Quellen für Tatsachenbehauptungen und machen die von ihnen ausgeführten Daten und Aktionen transparent.
Compliance für autonome Systeme – Einhaltung der Risikoklassifizierung des EU-AI-Gesetzes (unterscheidet zwischen Bereitstellungen mit begrenztem und hohem Risiko) und sektorspezifischer Vorschriften wie HIPAA und dem Gesetz über funktionale Finanzdienste; Beibehaltung einer strengen Einwilligungsverwaltung für die agentengesteuerte Verarbeitung

Warum dies wichtig ist: Agenten, die autonom handeln und keine richtigen Trust Grenzen aufweisen, verursachen Sicherheitslücken, Compliance-Verstöße und Misstrauen der Benutzer. Die zentrale Trust Säule bietet das Modell für die gemeinsame Verantwortung und die Zugriffssteuerung auf vier Ebenen. Die Agentenvariante fügt die optionale JWT-basierte Agentenauthentifizierung, HITL-Genehmigungsgates und Erklärbarkeit hinzu.

Weitere Informationen: Agentic Enterprise Trust

Kernzuverlässigkeitsmuster (Obergrenzen für Gouverneure, asynchrone Verarbeitung, Leistungsschalter, Kapazitätsplanung) bleiben grundlegend. Agentische Systeme fügen hinzu:

Verarbeitung nichtdeterministischer Argumente – dieselbe Eingabe kann unterschiedliche Ausgaben hervorrufen; Design für Varianz mit Konfidenzbewertung, Validierungsprüfungen und Ausweichstrategien
Anmutige Verschlechterung – Wenn die Rückschlussfolgerung fehlschlägt oder ein geringes Vertrauen zurückgibt, wird die Verschlechterung auf einfachere Funktionen statt auf einen vollständigen Fehler reduziert
Orchestrierungsfehlerverarbeitung – Workflows mit mehreren Agenten benötigen Fehlerisolation, Wiederholungsstrategien und Teilergebnisverarbeitung, damit ein fehlschlagender Spezialagent isoliert bleibt statt zu kaskadieren
Modellleistungs-SLOs: Definieren Sie akzeptable Latenz-, Genauigkeits- und Verfügbarkeitsziele für Agentenservices.
Leistungsschalter für die Agentenkoordination – Verhindern von Fehlern bei einem Agenten oder übermäßiger Latenz

Warum dies wichtig ist: Probabilistisches Agentenverhalten bedeutet, dass deterministische Zuverlässigkeitsmuster nicht ausreichen. Die zentrale Säule “Zuverlässigkeit” bietet asynchrone Muster und Leistungsschalter für externe Integrationen. Die agentische Variante fügt eine anmutige Verschlechterung für Rückschlussfehler und die Verarbeitung von Orchestrierungsfehlern für die Koordination mehrerer Agenten hinzu.

Weitere Informationen: Zuverlässigkeit für Agentenunternehmen

Die zentralen betrieblichen Exzellenzmuster (Ereignisüberwachung, DevOps, Automatisierung, Vorfallsverwaltung) bleiben grundlegend. Agentische Systeme fügen hinzu:

Agent Development Lifecycle (ADLC) – Verwalten von Agenten über ihren gesamten Lebenszyklus hinweg – vom Design über Tests bis hin zur Bereitstellung, Überwachung und Optimierung
Beobachtung probabilistischer Systeme: Erfassen von Argumentationsschritten, Konfidenzbewertungen, aufgerufenen Datenquellen und Entscheidungsgründen, nicht nur Eingabe→Ausgabe
Drifterkennung – Überwachung auf Leistungseinbußen durch Datenverteilungsschichten, Änderungen an Geschäftsregeln oder Upstream-Modellaktualisierungen im Vergleich zu verhaltensbasierten Grundlagen
Agentenversionierung und -bereitstellung: schrittweise Einführung, A/B-Tests, Rollback und Versionskontrolle für Eingabeaufforderungen und Konfigurationen
Vorfallsreaktion bei Agentenfehlern: Unterscheiden von Modellfehlern, Orchestrierungsfehlern und Datenfehlern für die gezielte Behebung

Warum dies wichtig ist: Nichtdeterministisches Verhalten erschwert die Beobachtbarkeit. Die zentrale Säule “Operational Excellence” bietet Ereignisüberwachungs- und DevOps-Praktiken. Die agentische Variante fügt ADLC, Drift-Erkennung und agentenspezifische Beobachtbarkeit hinzu.

Weitere Informationen: Agent Enterprise Operational Excellence (Operationelle Spitzenleistungen für Agentenunternehmen)

Die zentralen Ressourcen- und Kostenoptimierungsmuster (SOQL-Optimierung, Obergrenzen, Codeorganisation, Leistungsüberwachung, TCO-Modellierung, Build vs. Buy, Lizenzoptimierung, Kostenüberwachung) bleiben grundlegend. Agentische Systeme fügen hinzu:

Optimierung der Rückschlusslatenz: Streaming-Antworten, parallele Ausführung, Zwischenspeicherung und Aufforderungsoptimierung
Tokensparsamkeit: Jeder Aufruf-, Abruf- und Argumentationsschritt verbraucht Token. Entwerfen von Kontextverwaltungsstrategien (Zusammenfassung, selektiver Abruf) für begrenzte Kontextfenster
Optimierung des Speicherabrufs – effiziente Vektorsuche und semantischer Abruf, damit RAG-Muster keine Latenzengpässe verursachen
Latenzverwaltung für mehrere Agenten – parallele Ausführung von Spezialisten, asynchrone Delegation und Zeitüberschreitung des Budgets, um zu verhindern, dass sich die Latenz in sequenziellen Agentenketten ansammelt
Agentenmodularisierung: Zerlegen monolithischer Agenten in spezialisierte Agenten zur Wiederverwendung, unabhängigen Skalierung und gezielten Optimierung
Verbrauchsbasierte Preise – im Gegensatz zur Lizenzierung pro Benutzer skalieren sich die Agentenkosten mit der Nutzung, was ein anderes Budget und eine andere Prognose erfordert
Agentische Arbeitseinheiten (AWUs): Messen Sie die Ausgaben anhand der von Agenten abgeschlossenen Arbeit und nicht nur anhand des Rohtokenverbrauchs und stimmen Sie den Verbrauch anhand des gelieferten Werts ab.
Build vs. Buy for agentic features (Erstellen im Vergleich zum Kauf für Agentenfunktionen): Bewerten Sie die Erstellung differenzierter Funktionen im Vergleich zur Übernahme von Rohstofffunktionen.
ROI-Messung für Agenten – Verfolgen der Geschäftsergebnisse im Vergleich zu den Betriebskosten für Agenten

Warum dies wichtig ist: Der Tokenverbrauch und die Rückschlusslatenz sind neue Ressourceneinschränkungen und die Agentenkostenmodelle unterscheiden sich grundlegend von den Infrastrukturkosten. Die zentrale Säule bietet Anleitungen zur Obergrenze, SOQL-Optimierung und das TCO-Framework. Die agentische Variante fügt Tokensparsamkeit, Optimierung der Rückschlusslatenz, verbrauchsbasiertes Preismanagement und Agentische Arbeitseinheiten hinzu, um die Kosten mit den abgeschlossenen Arbeitsagenten zu messen.

Weitere Informationen: Ressourcen- und Kostenoptimierung für Agentenunternehmen

Die grundlegenden Fairness-Muster (Zugänglichkeit, Nichtdiskriminierung, Datenschutz, AI-Ethik-Governance) sind weiterhin grundlegend. Agentische Systeme fügen hinzu:

Erklärbarkeit: Agenten erklären, warum sie sich entschieden haben, welche Daten sie verwendet haben und welche Alternativen sie in Betracht gezogen haben. (Die Säule Trust deckt die Erklärbarkeit als Überprüfung und Transparenzkontrolle ab. Fairness gilt als das Recht eines Benutzers, eine Entscheidung zu verstehen, die ihn betrifft.)
Anfechtbarkeit: Benutzer können Entscheidungen von Agenten anfechten, eine Überprüfung durch Personen anfordern und den Beschwerdeprozess verstehen
Bias-Erkennung und -Abmilderung – Tests mit verschiedenen Eingaben und Überwachung auf unterschiedliche Ergebnisse über demografische Gruppen hinweg
Menschliche Aufsicht proportional zu den Auswirkungen – Entscheidungen mit hohem Einsatz erfordern “Human-in-the-Loop”; Entscheidungen mit niedrigem Einsatz können autonom funktionieren
Gleichwertige agentengesteuerte Erfahrungen – effektive Bereitstellung für alle Benutzer unabhängig von Sprachkenntnissen, technischen Fachkenntnissen oder Anforderungen an den barrierefreien Zugriff

Warum dies wichtig ist: Autonome Agenten, die Entscheidungen treffen, die sich auf Personen auswirken, setzen auf Fairness. Die zentrale Fairness-Säule bietet Standards für den barrierefreien Zugriff und Nichtdiskriminierungsmuster. Die agentische Variante bietet Erklärbarkeit, Anfechtbarkeit und verhältnismäßige menschliche Aufsicht.

Weitere Informationen: Unternehmensfairness im Unternehmen

Beim Entwerfen von agentischen Lösungen:

Starten Sie hier für das Konzeptmodell: die Funktionen, die Agenten benötigen, und wie die Säulen auf Agenten angewendet werden.
Lesen Sie die Leitfäden zu den grundlegenden Ansätzen, die für alle Salesforce-Lösungen gelten.
Lesen Sie die Agentenspezifischen Designdetails in den Agentensäulen-Begleitern.

Bauen Sie auf bewährten Plattformmustern auf und berücksichtigen Sie dann die von Agenten eingeführten Überlegungen. Die Kernsäulen bilden die Grundlage, die Agentengefährten die Details und diese Übersicht verbindet sie.

Die oben aufgeführten Funktionen und Säulen beschreiben, wie Sie ein Agentensystem erstellen. Damit dieses System in die Produktion aufgenommen werden kann, ist eine ständige Führungsstruktur erforderlich: ein Center of Excellence (CoE). Im vereinheitlichten System von Menschen, Agenten und Plattformen gibt das CoE Menschen Kontrolle. Das CoE definiert die Grenzen der Agenten, entscheidet, was die Produktion erreicht, und gleicht die Agentenarbeit mit den Geschäftsabsichten und behördlichen Anforderungen ab. Ein CoE ist der Unterschied zwischen verwalteten Agentensystemen und nicht verwalteten Experimenten, die in Schatten-AI abdriften – Agenten mit unklaren Berechtigungen, ohne Prüfprotokoll und unbekannten Kosten.

Durch die Autonomie wird jede Governance-Entscheidung konsequent. Das CoE hilft Teams, diese Entscheidungen bewusst zu treffen und konsequent durchzusetzen, statt sie einzeln zu lösen.

Ein CoE vereint Unternehmen, IT und Compliance um einen gemeinsamen Rückstand und eine gemeinsame Definition von “Bereit”. Ihre Mitgliedschaft umfasst die Perspektiven, die eine Agentenentscheidung berührt:

Ein leitender Sponsor ist Inhaber der Budgetautorität und beseitigt Organisationshemmnisse.
Unternehmensleads übersetzen die Strategie in Prioritäten und sind Inhaber des Rückstands.
Programmbüros und Datenverwalter verbinden die Arbeit von Agenten mit umfassenderen Initiativen und bewerten die Datenintegrität und -sicherheit.
Architekten, Administratoren und Entwickler sind Inhaber des Datenmodells, der Integrationsmuster und des Bereitstellungsrhythmus und stellen technische Einschränkungen vor Arbeitsbeginn fest.

Agenten versenden, ändern und wechseln schneller als herkömmliche Software. Damit die Governance mit der Bereitstellung in Einklang bleibt, wird der CoE in einem beschleunigten Rhythmus der asynchronen ersten Überprüfung ausgeführt. Der Rhythmus wird im Vergleich zu einem herkömmlichen CoE enger und die asynchrone Überprüfung wird zum Standardarbeitsmodus:

Die kontinuierliche asynchrone Überprüfung ist der primäre Modus: Mitglieder bleiben in einem freigegebenen Kanal ausgerichtet, wenn Änderungen angezeigt werden, nicht nur bei geplanten Besprechungen.
Wöchentliche operative Überprüfungen bestätigen, dass Änderungen im laufenden Betrieb mit aktiven Agenten und Integrationen kompatibel bleiben – und zwar schneller als die monatlichen oder vierteljährlichen Überprüfungen, die eine langsamere Bereitstellung ermöglichen würden.
Monatliche strategische Überprüfungen wägen den Rückstand mit den Geschäftsprioritäten ab und bewerten die Bereitschaft mit der aktuellen Datenqualitätsgrundlage.

Der Ausschuss für handlungsrelevante Beziehungen trifft explizite Entscheidungen darüber, wer Änderungen an Objekten, Feldern und Automatisierungen genehmigt, von denen Agenten abhängig sind, wer die Priorität bei Anforderungen besitzt, wann die technischen Schulden eingestellt werden und welche Geschäftskennzahlen den Erfolg bestimmen.

Ein für Agenten geeignetes CoE regelt jede Säule. Die Leitfäden für die zentralen Säulen stellen die grundlegenden Kontrollen bereit. Im Rahmen des einheitlichen Geschäftsmodells werden sie zu einer erzwungenen und beobachtbaren Praxis.

Trust: Die Objekt-, Feld- und Datensatzebenensicherheit regelt die von Agenten verwendeten Daten. Zugriffssteuerungen auf Agentenebene begrenzen die Daten und Aktionen, auf die jeder Agent zugreifen kann. Identitäts-, Mindestberechtigungs- und Bedrohungsmodellierung sind in das Design des Agenten eingebettet. Siehe Trust and Agentic Enterprise Trust.
Operational Excellence: In Verfolgungs- und Überwachungsprotokollen werden Entscheidungen, Aktionen und Ausgaben von Agenten erfasst. Überwachungs-Dashboards überprüfen die Leistung und die Ausrichtung im Hinblick auf Ziele im gesamten Agentenentwicklungslebenszyklus. Entsprechende Informationen finden Sie unter Operational Excellence and Agentic Enterprise Operational Excellence.
Zuverlässigkeit und Ressourcen- und Kostenoptimierung – Spezifikation, Testgenerierung, Feedbackschleifen und Abschreibung regeln den gesamten Agentenlebenszyklus. Ratenbegrenzung, Ressourcensteuerungen und Behebungsstrategien enthalten die Auswirkungen von Agentenfehlern. Entsprechende Informationen finden Sie unter Zuverlässigkeit und Ressourcen- und Kostenoptimierung.
Fairness: Über Human-in-the-Loop-Kontrollpunkte können Personen Folgeaktionen abfangen oder überprüfen. Eskalationspfade und Mitarbeiterschulungen bereiten Personen darauf vor, Agenten-Workflows zu überprüfen und außer Kraft zu setzen. Entsprechende Informationen finden Sie unter Fairness und agentische Unternehmensfairness.

Ein CoE ist bereit, Agentenarbeitslasten zu steuern, wenn die folgenden Bedingungen erfüllt sind:

Richtlinie: Zugriffs- und Aktionsrichtlinien für Agenten werden definiert, erzwungen und können überprüft werden.
Beobachtbarkeit: Überwachungs- und Überwachungstools unterstützen Echtzeit- und nachträgliche Überprüfungen des Agentenverhaltens.
Sicher durch Design: Sicherheit, Datenschutz und Compliance sind von Anfang an in Agenten-Workflows integriert.
Lebenszyklus: Ein strukturierter Prozess regelt die Einarbeitung, Aktualisierung und Einstellung von Agenten.
Menschliche Aufsicht: Überprüfer verarbeiten Ausnahmen und verwenden Feedback, um die Workflows für Agenten zu verbessern.

Bestätigen Sie diese vier Grundlagen, bevor Sie Ihren ersten Produktionsagenten bereitstellen:

Eine dokumentierte Datenqualitätsgrundlage, die regelmäßig überprüft wird.
Ein formaler Genehmigungsprozess für Schemaänderungen mit einem benannten Inhaber und aufgezeichneter Abmeldung.
Ein geführtes technisches Schuldenregister, das im strategischen Rhythmus überprüft wird.
Eine AI-Governance-Richtlinie, die Datenzugriff, Agentenumfang und Prüfungsanforderungen abdeckt.

Architektonische Bedeutung: Richten Sie die Kontaktaufnahmestelle ein und bestätigen Sie diese Grundlagen, bevor Sie autonome Agenten bereitstellen. Governance, die von Anfang an integriert ist, wird mit der Akzeptanz durch Agenten skaliert. Die nachträglich nachgerüstete Governance konkurriert mit der Ausbreitung, die verhindert werden soll.

Siehe auch: Bereitstellungsgenehmigungsprozesse im Agentic Enterprise Operational Excellence Guide – der Checkliste für Agenten ohne Startberechtigung, die die Bereitschaftsansicht auf Organisationsebene dieses Abschnitts ergänzt.

Organisationen, die ihre Agentenreise beginnen, sollten:

Beginnen Sie mit Anwendungsfällen mit hohem Wert – konzentrieren Sie sich zunächst auf Workflows mit klarem ROI. Erfolg schafft Dynamik.
Erstellen grundlegender Funktionen: Einrichten von Datenverwaltung, Knowledge Bases und Integrationsmustern.
Entwickeln von Agentenkompetenz – Erstellen Sie Fertigkeiten in der Eingabeaufforderungstechnik und Agentenarchitektur, auch wenn Tools mit niedrigem Code und natürlicher Sprache die Eintrittsbarriere senken.
Einrichten eines Exzellenzzentrums – Einrichten des Leitungsorgans, das Inhaber von Genehmigungsprozessen, Sicherheitstests und Überwachung ist, bevor Produktionsagenten bereitgestellt werden (siehe Organisationsbereitschaft: Das Center of Excellence oben).
Iterate (Iterieren): Planen Sie eine kontinuierliche Optimierung anstelle einer perfekten Erstbereitstellung.
Messwert: Verfolgen Sie Geschäftsergebnisse, Kosteneinsparungen und Benutzerzufriedenheit, um Investitionen zu unterstützen.

Das Agentic Enterprise ist eine transformative Opportunity für Organisationen, die bereit sind, AI-gestützte Workflows zu nutzen. Mit einer bewussten architektonischen Gestaltung können Sie sie realisieren und gleichzeitig Risiken und Komplexität verwalten.

Teilen Sie uns Ihr Feedback zum Well-Architected Framework mit.