Wie eine TOGAF-konforme Architecture Vision KI-Agenten im Unternehmen tragfähig macht

Ein KI-Agent ist schnell skizziert – aber erst eine tragfähige Architekturvision macht daraus ein ernstzunehmendes Architekturvorhaben. Genau hier setzt Teil 2 unserer Blogserie an. Nachdem im ersten Beitrag das Architekturprinzip Retrieval-Augmented Generation (RAG) eingeordnet wurde, geht es nun um die strategische Verankerung: Wie wird aus einer Agentenidee ein belastbares Zielbild? Welche Fragen müssen vor der Umsetzung beantwortet werden? Und wie lassen sich Business-Ziele, Stakeholder-Anliegen, Datenquellen, Governance und technische Leitplanken zu einer gemeinsamen Richtung verbinden? Dieser Beitrag beschreibt allgemein, wie eine Architecture Vision für KI-Agenten erstellt werden kann – unabhängig davon, ob der Agent im Kundenservice, im Vertrieb, in der IT, im Wissensmanagement oder in Fachprozessen eingesetzt wird.

Warum KI-Agenten eine klare Architekturvision brauchen

KI-Agenten versprechen schnelle Produktivitätsgewinne: Sie beantworten Fragen, unterstützen Entscheidungen, automatisieren Routinen oder führen Nutzer durch komplexe Prozesse. Ohne klares Zielbild bleiben solche Initiativen jedoch oft isolierte Experimente. Eine Architekturvision hilft dabei, den Agenten nicht nur als technische Lösung, sondern als Bestandteil eines größeren Geschäfts- und Architekturkontexts zu betrachten. Sie beschreibt, welchen geschäftlichen Nutzen der Agent stiften soll, welche Nutzergruppen adressiert werden, welche Daten- und Wissensquellen relevant sind und welche Grenzen für Sicherheit, Compliance und Governance gelten.

Damit wird die Architecture Vision zum verbindenden Element zwischen Idee, Business Case und Umsetzung. Sie macht sichtbar, ob ein Agent tatsächlich ein relevantes Problem löst, ob die Organisation bereit für den Einsatz ist und welche Voraussetzungen für einen sicheren und wirksamen Betrieb geschaffen werden müssen. Gerade bei KI-Agenten ist diese Vorarbeit wichtig, weil Erwartungen, Datenzugriff, Verantwortlichkeiten und Risiken häufig sehr unterschiedlich bewertet werden. Eine gute Vision schafft Orientierung, bevor technische Entscheidungen getroffen werden.

Warum eine TOGAF-konforme Architecture Vision bei KI-Projekten den Unterschied macht

Bevor ein KI-Vorhaben umgesetzt wird, braucht es mehr als technologische Begeisterung. Es braucht ein gemeinsames Zielbild, das Business-Nutzen, strategische Relevanz, Verantwortlichkeiten und Grenzen zusammenführt. Genau dafür liefert TOGAF mit der Architecture Vision in Phase A des ADM einen belastbaren Rahmen. Die Open Group beschreibt diese Phase als zentrale Gelegenheit, den Nutzen einer vorgeschlagenen Entwicklung gegenüber den Entscheidungstragenden greifbar zu machen, gewissermaßen als den „Elevator Pitch“ der Architektur. Ziel ist es, eine Vision zu formulieren, die Geschäftsziele unterstützt, auf strategische Treiber reagiert, Architekturprinzipien berücksichtigt und die Anliegen relevanter Stakeholder aufgreift.

TOGAF nennt für diese Phase mehrere zentrale Ziele, die auch für KI-Vorhaben hochrelevant sind: Management-Unterstützung sichern, Business-Prinzipien und strategische Treiber validieren, Scope und Prioritäten festlegen, Stakeholder und deren Anliegen identifizieren, geschäftliche Anforderungen und Constraints erfassen, eine tragfähige Vision formulieren und die formale Freigabe zum Weitergehen erhalten. Genau diese Punkte verhindern, dass aus einem vielversprechenden KI-Ansatz ein isoliertes Experiment ohne organisatorische Verankerung wird.

• Anerkennung und Unterstützung sichern: Sicherstellen, dass das Vorhaben die Unterstützung und das Commitment des notwendigen Managements auf Unternehmens- und Linienebene erhält.

• Business Principles, Goals und Drivers validieren: Die Geschäftsprinzipien, Geschäftsziele und strategischen Treiber der Organisation identifizieren und bestätigen.

• Scope und Prioritäten definieren: Den Umfang des Architekturvorhabens abgrenzen und die Komponenten priorisieren.

• Stakeholder und ihre Anliegen identifizieren: Die relevanten Stakeholder sowie deren Bedenken und Ziele definieren.

• Geschäftsanforderungen und Constraints erfassen: Die zentralen Business-Anforderungen und Einschränkungen formulieren, die in diesem Architekturvorhaben adressiert werden müssen.

• Architekturvision formulieren: Eine Vision artikulieren, die eine Antwort auf diese Anforderungen und Einschränkungen darstellt.

• Formale Genehmigung einholen: Die offizielle Freigabe zum Fortfahren sichern.

Für KI-Agenten bedeutet das konkret: Die Architecture Vision hilft dabei, ein Vorhaben nicht als singulären Use Case, sondern als Bestandteil der Enterprise-Architektur zu denken. Sie klärt, ob der Agent Wissen bereitstellt, Aufgaben automatisiert, Entscheidungen vorbereitet, Prozesse orchestriert oder Interaktionen mit Nutzern verbessert. Genau dadurch gewinnt das Projekt an strategischer Relevanz und an fachlicher, technischer und organisatorischer Tragfähigkeit.

Welche Stakeholder früh eingebunden werden müssen, und warum

Ein zentrales Element von TOGAF Phase A ist die frühzeitige Identifikation der relevanten Stakeholder, ihrer Anliegen und der geschäftlichen Anforderungen. Bei KI-Agenten ist das besonders wichtig, weil Erfolg nicht nur von Technologie, sondern vor allem von Akzeptanz, Governance, Datenqualität und klarer Verantwortung abhängt. Je nach Anwendungsfall können insbesondere folgende Gruppen relevant sein:

• Fachliche Nutzergruppen: Sie erwarten konkrete Entlastung im Arbeitsalltag, verlässliche Antworten oder eine schnellere Bearbeitung von Aufgaben. Ihre Akzeptanz entscheidet darüber, ob der Agent tatsächlich genutzt wird.

• Business Owner und Sponsoren: Sie verantworten Nutzen, Priorisierung und Finanzierung. Für sie muss die Vision zeigen, welchen Beitrag der Agent zu Geschäftszielen, Effizienz, Qualität oder Kundenerlebnis leistet.

• IT, Architektur und Plattformverantwortliche: Sie bewerten Integration, Skalierbarkeit, Betriebsmodell, Plattformauswahl und Anschlussfähigkeit an bestehende Systeme.

• Data Owner und Knowledge Owner: Sie verantworten Inhalte, Datenqualität, Aktualität, Zugriffsrechte und Pflegeprozesse der Wissens- oder Datenquellen.

• Security, Datenschutz, Compliance und Governance: Sie definieren Leitplanken für Identität, Berechtigungen, Datenverarbeitung, Nachvollziehbarkeit, Risikomanagement und regulatorische Anforderungen.

• Betrieb, Support und Change Management: Sie stellen sicher, dass Einführung, Schulung, Support, Monitoring und kontinuierliche Verbesserung organisatorisch verankert werden.

  
  

Wer diese Perspektiven früh zusammenführt, schafft die Voraussetzung für ein Zielbild, das nicht nur technologisch plausibel, sondern auch organisatorisch tragfähig ist. Genau das ist der Unterschied zwischen einem spannenden KI-Piloten und einer Agenteninitiative, die im Unternehmen tatsächlich Akzeptanz und Wirkung entfaltet.

Welchen Mehrwert ein KI-Agent für die Organisation stiften soll

Die Stärke einer Architecture Vision zeigt sich besonders dann, wenn sie ein Agentenvorhaben klar mit den Geschäftszielen verknüpft. Der Nutzen muss nicht nur technisch plausibel, sondern organisatorisch und wirtschaftlich nachvollziehbar sein. Typische Mehrwerte von KI-Agenten können sein:

• Beschleunigte Abläufe: Wiederkehrende Fragen, Recherchen oder Prozessschritte werden schneller bearbeitet.

• Höhere Qualität und Konsistenz: Antworten und Empfehlungen basieren auf definierten Quellen, Regeln oder Prozesslogiken.

• Bessere Nutzererfahrung: Mitarbeitende, Kunden oder Partner erhalten eine verständliche, dialogorientierte Unterstützung.

• Entlastung von Fach- und Supportteams: Standardanfragen werden automatisiert oder vorqualifiziert, sodass Experten sich auf komplexere Aufgaben konzentrieren können.

• Wissenssicherung und Skalierung: Fachwissen wird breiter verfügbar, einfacher auffindbar und konsistenter nutzbar.

• Transparenz und Steuerbarkeit: Durch klare Zielgrößen, Monitoring und Governance wird messbar, ob der Agent den erwarteten Nutzen liefert.

Wie sich ein KI-Agent in die vier TOGAF-Architekturdomänen einordnet

TOGAF unterscheidet vier zentrale Architekturdomänen: Business, Data, Application und Technology. Diese Perspektiven helfen dabei, einen KI-Agenten nicht nur als Werkzeug, sondern als Bestandteil der Gesamtarchitektur zu verstehen. Die Zuordnung macht sichtbar, wo der Agent Nutzen stiftet, welche Abhängigkeiten bestehen und welche Leitplanken für eine tragfähige Umsetzung relevant sind.

In Phase A geht es dabei bewusst noch nicht um eine vollständige Ausmodellierung der Business-, Data-, Application- und Technology-Architektur. Die vier Domänen werden zunächst auf einer groben, richtungsgebenden Ebene betrachtet, um Scope, Nutzen, Abhängigkeiten und zentrale Leitplanken sichtbar zu machen. Die detaillierte Modellierung erfolgt erst in den nachfolgenden ADM-Phasen.

Business Architecture: Der Agent unterstützt konkrete Geschäftsprozesse, Rollen oder Interaktionen. In dieser Domäne wird geklärt, welches Problem gelöst wird, welche Fähigkeiten gestärkt werden, welche Zielgruppen betroffen sind und wie der Nutzen gemessen wird. Im Microsoft-Umfeld könnte ein Agent beispielsweise Mitarbeitende bei HR-Anfragen in Microsoft Teams unterstützen, Vertriebsmitarbeitende durch einen geführten Angebotsprozess begleiten oder Serviceteams bei der Vorqualifizierung von Tickets entlasten. Entscheidend ist dabei nicht die Technologie allein, sondern die Frage, welche geschäftliche Fähigkeit durch den Agenten verbessert oder neu bereitgestellt wird.

Data Architecture: Im Zentrum stehen Daten, Wissen und Kontext – und damit die Grundlage für Retrieval-Augmented Generation (RAG). Gerade bei KI-Agenten entscheidet die Data Architecture darüber, ob Antworten lediglich generativ plausibel wirken oder tatsächlich auf verlässlichen, freigegebenen und aktuellen Unternehmensinformationen basieren. Hier werden relevante Wissens- und Datenquellen, Datenqualität, Berechtigungen, Aktualität, Grounding, Nachvollziehbarkeit, Aufbewahrung und Pflegeprozesse definiert. Typische Quellen im Microsoft-Umfeld können SharePoint-Seiten und Dokumentbibliotheken, Microsoft Teams-Dateien, OneDrive-Inhalte, Dataverse, Dynamics 365, strukturierte Listen oder freigegebene Wissensbereiche sein. Ergänzend können auch spezifische interne oder externe Webseiten als Wissensquelle eingebunden werden, sofern deren Inhalte fachlich geeignet, aktuell und governance-konform nutzbar sind. RAG macht diese Quellen für den Agenten nutzbar, indem relevante Informationen zur Laufzeit herangezogen und als Kontext für die Antwortgenerierung verwendet werden. Dadurch wird die Data Architecture zur zentralen Vertrauensschicht des Agenten: Sie bestimmt, welche Informationen verwendet werden dürfen, wie sie auffindbar sind, wie Berechtigungen durchgesetzt werden und wie die fachliche Qualität der Antworten überprüfbar bleibt.

Application Architecture: Der Agent wird als Anwendungskomponente in die bestehende Systemlandschaft eingeordnet. Dazu gehören Kanäle wie Microsoft Teams, SharePoint, Webportale oder Fachanwendungen, Schnittstellen zu Backend-Systemen, Integrationen mit Wissensquellen sowie Erweiterbarkeit und Wartbarkeit. Ein Basis-Agent kann dabei zunächst allgemeine Fragen beantworten oder Nutzer durch Standardprozesse führen und später durch spezifische Workflows erweitert werden, etwa mit Power Automate, Copilot Studio-Actions, Genehmigungsprozessen, Ticket-Erstellung, CRM-Aktualisierungen oder Übergaben an Fachsysteme. So entsteht eine Architektur, die nicht beim Chat endet, sondern konkrete Geschäftsprozesse unterstützt.

Technology Architecture: Diese Domäne beschreibt Plattformen, KI-Services, Identitäts- und Berechtigungsmodelle, Netzwerk- und Sicherheitsarchitektur, Monitoring, Betriebsmodell und nichtfunktionale Anforderungen wie Verfügbarkeit, Performance und Skalierbarkeit. Im Microsoft-Umfeld können dazu beispielsweise Microsoft Copilot Studio als Agentenplattform, Azure AI Services oder Azure OpenAI für KI-Funktionen, Microsoft Entra ID für Identität und Zugriff, Microsoft Purview für Compliance und Informationsschutz sowie Power Platform und Azure Integration Services für Erweiterungen und Integrationen gehören. Wichtig ist, dass technische Plattformentscheidungen zur Governance, zum Betriebsmodell und zu den Sicherheitsanforderungen des Unternehmens passen.

Der Mehrwert dieser Einordnung ist klar: Der Agent wird nicht als isolierter KI-Baustein betrachtet, sondern als Teil eines größeren Architekturzusammenhangs. Das erleichtert die spätere Umsetzung in den ADM-Phasen und stärkt die Anschlussfähigkeit an bestehende Programme, Governance-Strukturen und Strategien.

Welche Rahmenbedingungen und Erfolgsfaktoren von Anfang an geklärt werden müssen

TOGAF fordert, dass in Phase A nicht nur Chancen, sondern auch Constraints transparent gemacht werden. Für KI-Agenten heißt das: Grenzen des Anwendungsfalls, technische Restriktionen, Lizenzfragen, Datenzugriff, Datenschutz, regulatorische Anforderungen und organisatorische Verantwortlichkeiten müssen früh benannt werden. Ein Agent sollte nur für klar definierte Aufgaben eingesetzt werden und nicht den Eindruck erwecken, jede Fragestellung vollständig oder verbindlich beantworten zu können. Genau diese Erwartungssteuerung schützt vor falschen Annahmen und stärkt das Vertrauen in den späteren Einsatz. Hinzu kommen Erfolgsfaktoren wie Datenqualität, Zugriffskontrolle, Prompt- und Antwortqualität, Evaluierung, Monitoring, Feedbackprozesse, Schulung, Change Management und ein klarer Owner für Betrieb und Weiterentwicklung.

Welche Schritte in der Vision-Phase entscheidend sind – und was am Ende vorliegen sollte

Die TOGAF-Dokumentation beschreibt für Phase A klar strukturierte Schritte, die sich sehr gut auf KI-Agenten übertragen lassen. Sie helfen dabei, aus einer ersten Idee ein abgestimmtes Architekturvorhaben zu machen – mit klarer Zielrichtung, definiertem Scope und tragfähiger Governance. Die folgende Übersicht zeigt, wie diese Schritte allgemein auf ein Agentenvorhaben angewendet werden können.

Schritt	Anwendung auf ein Agentenvorhaben
Project Establishment	Sicherung der unternehmensweiten Anerkennung des Vorhabens und Einordnung in Strategie, Governance und Portfolio.
Business Principles, Goals and Drivers	Ermittlung und Bestätigung der zentralen Geschäftsprinzipien und strategischen Treiber, die den Agenten begründen, zum Beispiel Effizienz, Qualität, Skalierbarkeit oder bessere Nutzererfahrung.
Architecture Principles	Review und Definition von Prinzipien wie menschliche Verantwortung, Transparenz, Datensparsamkeit, sichere Berechtigungen, nachvollziehbare Quellen und kontinuierliche Qualitätskontrolle.
Scope	Definition des Umfangs: Zielgruppen, Prozesse, Kanäle, Datenquellen, Funktionen, ausgeschlossene Anwendungsfälle, Architekturdomänen und Zeithorizont.
Constraints	Erfassung unternehmensweiter und projektspezifischer Einschränkungen wie Budget, Ressourcen, Lizenzen, Datenschutz, Compliance, Datenqualität, Modellgrenzen und Betriebsanforderungen.
Stakeholders, Concerns, Business Requirements, Architecture Vision	Identifikation der Stakeholder und ihrer Anliegen; Definition der Geschäftsanforderungen; Formulierung der Architecture Vision als Antwort auf diese Anforderungen.
Statement of Architecture Work and Approval	Festlegung der zu entwickelnden Architekturdomänen, des Detaillierungsgrads, der Roadmap, der Ressourcen und der formalen Freigabe unter den geltenden Governance-Verfahren.

TOGAF empfiehlt darüber hinaus den Einsatz von Business Scenarios, einer Methode, um Geschäftsanforderungen greifbar zu machen und die Architecture Vision mit konkreten Arbeitssituationen zu verbinden. Für einen KI-Agenten könnte ein solches Szenario beschreiben, wie eine Nutzergruppe heute eine Aufgabe erledigt, welche Medienbrüche oder Wartezeiten entstehen und wie derselbe Prozess künftig durch einen Agenten schneller, konsistenter oder besser unterstützt wird. Genau solche Szenarien helfen dabei, abstrakte Architekturarbeit in nachvollziehbare Zielbilder zu übersetzen.

Am Ende von Phase A stehen nicht nur schöne Folien, sondern konkrete Ergebnisse, die das Vorhaben absichern und anschlussfähig machen. Typischerweise gehören dazu unter anderem:

• Statement of Architecture Work: Formaler Auftrag mit Zielen, Umfang, Ressourcen und Verantwortlichkeiten

• Verfeinerte Business Principles, Goals und Strategic Drivers: Abgleich der Geschäftsstrategie mit dem Agentenvorhaben

• Architecture Principles: Leitlinien wie menschliche Kontrolle, sichere Datenverarbeitung, Transparenz und Qualitätsprüfung

• Capability Assessment: Bewertung organisatorischer, fachlicher, technischer und datenbezogener Voraussetzungen

• Tailored Architecture Framework: Anpassung des Architekturvorgehens an den Agenten-Kontext

• Architecture Vision: Übergeordnete Zusammenfassung von Zielbild, Nutzen, Scope, Stakeholdern, Risiken und Leitplanken

• Communication Plan: Plan zur Kommunikation, Einführung und Begleitung der betroffenen Nutzergruppen und Stakeholder

  
  

Fazit

Eine TOGAF-konforme Architecture Vision mag auf den ersten Blick nach formaler Vorarbeit klingen. In Wirklichkeit schafft sie genau die Klarheit, die KI-Agenten im Unternehmen brauchen: über Nutzen, Scope, Verantwortlichkeiten, Risiken, Datenquellen, Governance und Erfolgskriterien. Sie verhindert, dass Technologie vorschnell zum Selbstzweck wird, und sorgt dafür, dass ein Agent nicht nur technisch machbar, sondern auch fachlich relevant, organisatorisch akzeptiert und strategisch anschlussfähig ist.

TOGAF beschreibt die Architecture Vision als zentrale Gelegenheit, den Mehrwert einer geplanten Entwicklung gegenüber den Entscheidungstragenden sichtbar zu machen. Genau das leistet sie auch bei KI-Agenten: Sie bringt Business, Fachbereiche, IT, Architektur, Datenverantwortliche und Governance auf ein gemeinsames Zielbild – und schafft damit die Voraussetzung für Akzeptanz, Freigabe und nachhaltige Umsetzung.

Die Einordnung in die vier Architekturdomänen Business, Data, Application und Technology macht deutlich: Ein KI-Agent ist kein isoliertes Experiment, sondern ein fachlich motivierter, datengetriebener und technologisch abgesicherter Bestandteil der Enterprise-Architektur. Genau darin liegt die eigentliche Stärke einer guten Architecture Vision: Sie macht aus einer spannenden Idee ein tragfähiges Vorhaben. Für in2success ist genau das entscheidend: KI wird dann relevant, wenn sie strategisch eingebettet, fachlich anschlussfähig und architektonisch belastbar ist.

Quellenhinweise: [opengroup.org]