heise+ | Brauchen Datenarchitekturen für KI-Agenten einen föderierten Knowledge Layer?

1. Brauchen Datenarchitekturen für KI-Agenten einen föderierten Knowledge Layer?
   • Der neue Konsument: Wenn KI-Agenten die Datenplattform übernehmen
   • Der Knowledge Layer als semantisches Fundament
2. Das funktionale Zusammenspiel dreier Welten
3. Der inkrementelle Wissenskreislauf
4. Föderierte Governance: Wer verantwortet das Wissen und die Validierung?
5. Praktisches Umsetzungsbeispiel
6. Fazit und Handlungsempfehlungen für Unternehmen

Die Architektur betrieblicher Datenlandschaften hat in den vergangenen zwei Jahrzehnten einen fundamentalen Wandel vollzogen. Um die Ineffizienzen und die fehlende Skalierbarkeit zentraler Data Warehouses und schwerfälliger Data Lakes zu überwinden, setzte sich mit dem Data Mesh ein domänenorientiertes, dezentrales Paradigma durch.

• Klassische und moderne Datenarchitekturen sind primär für menschliche Analysten und deterministische Berichtssysteme konzipiert.
• Multi-Agenten-Systeme (MAS) und generative KI transformieren die Datenkonsumentenrolle hin zu autonomen, maschinellen Entscheidungen.
• Ein föderativ betriebener Knowledge Layer verbindet lokales Kontextwissen, fachliche Semantik und globale Unternehmensmodelle für den Paradigmenwechsel.

Im Zentrum des Data Mesh steht das Datenprodukt: Eine fachlich geschnittene, gekapselte Einheit, die Daten nebst Code, Infrastruktur und Metadaten bereitstellt. Die Grundannahme dieses Modells war klar definiert: Fachexperten und Analysten nutzen diese Datenprodukte über standardisierte Schnittstellen, um Dashboards zu befüllen, Ad-hoc-Analysen durchzuführen oder Machine-Learning-Modelle zu trainieren. Die Interpretation der Daten – das Verstehen von Zusammenhängen, Begriffsgrenzen und betriebswirtschaftlicher Logik – verblieb im Wesentlichen beim Menschen.

Dr. Saskia Untiet-Kepp ist promovierte Informationswissenschaftlerin und Senior Managerin bei der Sopra Steria Custom Software Solutions GmbH. Ihr Schwerpunkt liegt auf Datenarchitektur, Data Management und Data Governance. Fachlich konzentriert sie sich auf den Aufbau zukunftsfähiger Datenökosysteme als Fundament für produktive KI-Anwendungen sowie den Einsatz KI-gestützter Verfahren zur Optimierung betrieblicher Data-Governance-Prozesse. Sie begleitet Unternehmen von der strategischen Architekturkonzeption über das Set-up föderierter Betriebs- und Rollenmodelle bis hin zur nachhaltigen Implementierung semantischer Daten- und Wissensinfrastrukturen als Fundament produktiver KI-Ökosysteme.

Der neue Konsument: Wenn KI-Agenten die Datenplattform übernehmen

Mit dem Durchbruch von KI-Agenten und agentischen Systemen (Agentic AI) bricht diese Grundannahme zusammen. Wenn autonome Agenten komplexe Geschäftsprozesse ausführen, greifen sie direkt auf die Datenplattform zu. Sie verbinden eigenständig Daten aus unterschiedlichen Domänen, ziehen logische Rückschlüsse und leiten Aktionen ab.

Das war die Leseprobe unseres heise-Plus-Artikels "Brauchen Datenarchitekturen für KI-Agenten einen föderierten Knowledge Layer?". Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.