Auf den Punkt: KI-Agenten benötigen ein strukturiertes Datenfundament, das physische, logische und virtuelle Schichten präzise abbildet – Standard-Datenplattformen und CMDBs reichen dafür nicht aus.
KI-Agenten können operative Aufgaben in IT- und Netzwerk-Infrastrukturen automatisieren, versagen aber häufig an veralteten oder unvollständigen Betriebsdaten. Ohne präzise „Ground Truth" treffen sie schnelle, aber fehlerhafte Entscheidungen.
KI-Agenten versprechen, operative Aufgaben in IT- und Netzwerk-Infrastrukturen deutlich stärker zu automatisieren als bisherige Systeme. Sie werten Daten aus, stoßen Werkzeuge an und führen mehrstufige Workflows mit reduziertem manuellem Aufwand aus – von der automatisierten Kapazitätsplanung über die Abhängigkeitsverfolgung bis zur autonomen Fehlersuche. Ein Agent könnte beispielsweise verfügbare Kapazitäten über mehrere Standorte bewerten, Ressourcenallokationen vorschlagen und ausführen, oder die Abhängigkeitskette einer Anwendung bis zum physischen Kabelsegment in Sekunden nachverfolgen.
Die zentrale Hürde ist das sogenannte Grounding: der Prozess, bei dem KI-Algorithmen mit präzisen, aktuellen Daten aus der realen Welt verknüpft werden müssen. Das Risiko entsteht nicht durch frei erfundene Inhalte, sondern durch veraltete, unvollständige oder nicht validierte Betriebsdaten. Ein typisches Szenario: Ein KI-Agent plant einen GPU-Cluster-Ausbau und identifiziert freie Racks. Diese wurden aber physisch vor Monaten umkonfiguriert – ohne Dokumentation. Der Agent leitet in hohem Tempo fehlerhafte Workflows ein, was zu fehlerhaften Change-Tickets, falschen Reservierungen oder Risiken für Stromversorgung und Kühlung führt.
Viele Unternehmen verlassen sich auf zentrale Datenplattformen wie Data Lakes oder CMDBs (Configuration Management Databases). Diese reichen allein jedoch nicht aus. Data Lakes sind für tabellarische Daten optimiert, verfügen aber oft über kein Domänenmodell, das Zusammenhänge zwischen Ports, Kabeln, Stromkreisen, Racks, Services und Standorten abbildet. Klassische CMDBs konzentrieren sich auf Service-Management und stoßen auf der logischen Ebene an ihre Grenzen – dem KI-Agenten fehlt die physische Präzision, etwa welcher Server an welchem Port über welchen Stromkreis angeschlossen ist.
Infrastrukturdaten stellen besondere Anforderungen: Sie sind hochgradig relational, ändern sich kontinuierlich und müssen regelmäßig gegen die physische Realität validiert werden. Für ein zuverlässiges Funktionieren von KI-Agenten ist daher ein digitales Zwillings-Modell notwendig, das physische, logische und virtuelle Schichten korrekt abbildet und als validiertes Datenfundament dient.
Regulatorischer Druck verschärft die Anforderungen zusätzlich: Die EU-Richtlinie NIS2 verpflichtet Betreiber kritischer Infrastrukturen zu belastbarem Asset- und Risiko-Management. Der Digital Operational Resilience Act (DORA) und der AI Act stellen weitere Anforderungen an Transparenz und Validierbarkeit von KI-gestützten Systemen.
Quelle: www.it-daily.net · Erschienen 8. Juli 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.7.3.