Die Kollision zwischen Maschinengeschwindigkeit und menschlichem Prozess

Als eine deutsche Versicherungstechnologie-Abteilung ihre ersten autonomen Procurement-Agents ausrollte, erledigte das System Dutzende Lieferantenbewertungen in wenigen Stunden – ein Prozess, der normalerweise mehrere Wochen menschlicher Koordination über ServiceNow-Workflows erforderte. Die Agents arbeiteten einwandfrei, bis sie versuchten, Bestellanforderungen zu erstellen. Jede Requisition löste eine vierstufige Genehmigungskette aus, die für menschliche Entscheidungsträger konzipiert war, und erzeugte eine Warteschlange von Hunderten ausstehenden Genehmigungen, die niemand vorhergesehen hatte. Die Agents, die für autonomen Betrieb entwickelt worden waren, waren plötzlich abhängig von genau jenen menschlichen Engpässen, die sie eigentlich eliminieren sollten.

Diese Kollision zwischen agentic AI und traditionellen IT-Service-Management-Plattformen stellt eine der am meisten unterschätzten architektonischen Herausforderungen dar, vor denen DACH-Unternehmen 2025 stehen. Organisationen haben Jahre damit verbracht, ITSM-Workflows in ServiceNow, Jira Service Management und ähnlichen Plattformen zu verfeinern und dabei Genehmigungsketten, Change Advisory Boards und Compliance-Checkpoints eingebettet, die menschliche Akteure voraussetzen, die mit menschlicher Geschwindigkeit arbeiten. Agentic AI bricht dieses Modell fundamental auf. Ein Agent, der Marktdaten analysieren, Empfehlungen generieren und Transaktionen in Sekunden ausführen kann, kann nicht 72 Stunden warten, bis ein Change Advisory Board zusammentritt.

Die Zahlen offenbaren das Ausmaß dieser Diskrepanz. Branchendaten zeigen, dass mediane Genehmigungszyklen für Infrastrukturänderungen in Enterprise-Umgebungen typischerweise 3-5 Tage betragen, wobei die Mehrheit der Anfragen mindestens zwei menschliche Genehmigungen erfordert. Währenddessen treffen autonome Agents in Produktionsumgebungen bei großen DACH-Industrie- und Telekommunikationsunternehmen durchschnittlich alle 90 Sekunden Konfigurationsentscheidungen. Der Geschwindigkeitsunterschied ist nicht inkrementell – er beträgt etwa drei bis vier Größenordnungen (960- bis 4.800-mal schneller).

Drei Integrationsmuster und ihre Trade-offs

DACH-Unternehmen, die sich dieser Herausforderung stellen, haben sich auf drei unterschiedliche architektonische Muster konzentriert, die jeweils tiefgreifende Auswirkungen auf Governance, Velocity und operationelles Risiko haben.

Agent-as-user-Implementierungen behandeln KI-Agents als synthetische Mitarbeiter innerhalb bestehender ITSM-Frameworks. Der Agent erhält Zugangsdaten, reicht Tickets ein und wartet in Genehmigungswarteschlangen wie jeder menschliche Nutzer. Ein Fertigungsunternehmen in Baden-Württemberg implementierte dieses Muster für seine Supply-Chain-Agents im vierten Quartal 2024 und erstellte Service-Accounts für 23 autonome Procurement-Agents. Der Ansatz bewahrte bestehende Governance-Strukturen vollständig und erforderte keine Änderungen an ServiceNow-Workflows oder Genehmigungsmatrizen. Innerhalb von sechs Wochen stellte die Organisation fest, dass Agents schneller Tickets generierten, als menschliche Genehmiger sie bearbeiten konnten, wodurch ein Rückstand entstand, der wöchentlich um 40 Prozent wuchs. Kritischer noch: Agents begannen, fehlgeschlagene Anfragen zu wiederholen, wodurch doppelte Tickets entstanden, die die Warteschlange vergifteten. Bis Februar 2025 hatte das Unternehmen etwa 1.850 offene, von Agents generierte Tickets, von denen schätzungsweise 60 Prozent Duplikate oder überholte Anfragen waren. Das Muster bewahrte Governance, zerstörte aber den Geschwindigkeitsvorteil, der die Agent-Bereitstellung rechtfertigte.

ITSM-as-orchestrator-Architekturen kehren die Beziehung um und positionieren die Service-Management-Plattform als Control Plane für Agent-Operationen. Agents werden zu Ausführungs-Engines, die ITSM-Workflows aufrufen und überwachen. Eine Frankfurter Finanzdienstleistungsgruppe implementierte dieses Muster im Januar 2025 und erweiterte ServiceNows Orchestrierungsfähigkeiten, um 15 Compliance-Agents zu verwalten, die regulatorische Einreichungen validieren. Jede Agent-Operation beginnt mit einem ServiceNow-Workflow, der den Agent bereitstellt, seinen Scope definiert, die Ausführung überwacht und Outputs als Configuration Items erfasst. Der Ansatz liefert vollständige Auditierbarkeit – jede Agent-Aktion ist ein nachvollziehbares ITSM-Event –, führt aber das Latenzproblem wieder ein. Der Orchestrierungs-Overhead fügt zwischen 45 und 90 Sekunden zu jedem Agent-Aufruf hinzu, und die Anforderung, jede Agent-Fähigkeit als ServiceNow-Workflow zu modellieren, schafft einen Entwicklungsengpass. Das Plattform-Team der Organisation berichtet, dass es 30 Prozent seiner Kapazität für Workflow-Wartung aufwendet, und die Agent-Deployment-Velocity hat sich von wöchentlichen auf monatliche Releases verlangsamt.

Event-driven-Hybrid-Muster repräsentieren den entstehenden Konsens unter Unternehmen, die die Limitierungen der ersten beiden Ansätze durchgearbeitet haben. Diese Architekturen behandeln ITSM- und Agent-Plattformen als Peer-Systeme, die über ein Event Mesh verbunden sind. Agents operieren autonom innerhalb definierter Guardrails und publizieren Events zu einem zentralen Bus, den ITSM-Plattformen für Governance, Audit und Exception Handling konsumieren. Ein Münchner Industriekonzern implementierte dieses Muster unter Verwendung von Event-Streaming- und ITSM-Plattformen Ende 2024 und deployierte mehrere Dutzend autonome Agents über Procurement, Logistik und Qualitätssicherung. Agents führen Entscheidungen in Echtzeit aus und emittieren strukturierte Events, die ServiceNow als Configuration Items und Change Records aufnimmt. Policy-Verletzungen lösen automatische Eskalations-Workflows aus, aber Routineoperationen laufen ohne Genehmigungsverzögerungen. Die Architektur erforderte erhebliche Vorabinvestitionen – die Organisation verbrachte vier Monate mit dem Aufbau von Event-Schemas, der Definition von Policy-Grenzen und der Integration von Systemen –, aber operative Metriken vom März 2025 zeigen Agent-Operationen, die mit voller Velocity bei 100 Prozent Audit-Abdeckung laufen. Die Komplexitätskosten sind real: Das Plattform-Team pflegt über hundert Event-Schemas und Dutzende Policy-Definitionen, und das Onboarding neuer Agent-Typen erfordert funktionsübergreifende Koordination zwischen AI Engineering, ITSM und Security-Teams.

Das Governance-Boundary-Problem

Die architektonische Wahl ist weniger wichtig als das Governance-Modell, das sie ermöglicht. Die fundamentale Frage ist nicht, wie man Agents mit ITSM integriert, sondern wo man die Grenze zwischen autonomem Betrieb und menschlicher Aufsicht zieht.

Gartners Forschung vom Februar 2025 zu AI Governance in europäischen Unternehmen identifiziert, was sie den „Approval Horizon" nennen – die Konsequenzschwelle, jenseits derer menschliches Urteilsvermögen obligatorisch bleibt. Für Finanztransaktionen setzen DACH-Organisationen diesen Horizon typischerweise zwischen 10.000 Euro (kleinere Mittelständler) und 25.000 Euro (größere Unternehmen), abhängig von Sektor und Risikobereitschaft. Für Infrastrukturänderungen wird der Horizon durch Blast Radius definiert: Agents können individuelle Applikationskonfigurationen autonom modifizieren, aber Änderungen, die Shared Services oder Datenplattformen betreffen, erfordern menschliche Genehmigung. Für Lieferantenbeziehungen variiert das Muster stark – einige Organisationen erlauben Agents, Verträge unter 10.000 Euro autonom abzuschließen, während andere menschliche Überprüfung für jede externe Verpflichtung verlangen.

Diese Grenzen können nicht in ITSM-Workflows hardcodiert werden, die für menschliche Akteure konzipiert sind. Eine ServiceNow-Genehmigungskette, die alle Bestellanforderungen über 25.000 Euro an einen Procurement Director routet, funktioniert, wenn Menschen 15 Anfragen pro Woche einreichen. Sie bricht, wenn Agents 200 Anfragen pro Tag einreichen, von denen 180 unter der Schwelle liegen und 20 Eskalation erfordern. Der Volumenunterschied erfordert policy-basierte Automatisierung, nicht workflow-basiertes Routing.

Die technische Implementierung dieser Policies variiert, aber das Muster ist konsistent: deklarative Regeln, die zur Laufzeit evaluiert werden, statt prozeduraler Workflows, die seriell ausgeführt werden. Das erwähnte Münchner Industrieunternehmen definiert Policies as Code in Open Policy Agent mit Regeln wie „Infrastrukturänderungen, die mehr als 50 Nutzer betreffen, erfordern Change Advisory Board Approval" und „Procurement-Verpflichtungen über 15.000 Euro oder mit neuen Lieferanten erfordern Director-Freigabe". Agents befragen die Policy Engine vor dem Handeln, und die ITSM-Plattform setzt dieselben Policies zur Audit-Verifizierung durch. Die Entkopplung erlaubt es Policies, sich unabhängig von Agent-Logik und ITSM-Workflows zu entwickeln.

Das Shadow-Operations-Risiko

Der gefährlichste Fehlermodus ist nicht exzessive Governance oder unzureichende Velocity – es ist die Entstehung von Shadow Operations außerhalb der ITSM-Sichtbarkeit. Wenn Agents nicht effektiv innerhalb etablierter Service-Management-Frameworks operieren können, stehen Organisationen unter Druck, diese zu umgehen. Die Konsequenzen sind vorhersehbar und schwerwiegend.

Organisationen riskieren zu entdecken, dass Agents außerhalb der ITSM-Sichtbarkeit operiert haben und Verträge ausführten sowie Lieferantenbeziehungen ohne entsprechende Aufzeichnung verwalteten. Wenn Agents von Geschäftseinheiten deployed werden, die ServiceNow-Genehmigungszyklen als inkompatibel mit Echtzeit-Entscheidungen empfinden, besteht die Versuchung, Agents mit direktem ERP-Zugang auszustatten und Service Management vollständig zu umgehen. Solche Shadow Operations können während externer Audits ans Licht kommen und erhebliche Lieferantenverpflichtungen ohne Change Records, Risikobewertungen oder Compliance-Dokumentation offenbaren. Das regulatorische Exposure kann signifikant sein, aber das operationelle Risiko ist schlimmer: Die Organisation hat keine Sichtbarkeit in Agent-Entscheidungsmuster, keine Fähigkeit, Lieferantenauswahllogik zu auditieren, und keinen Mechanismus, um Agent-Fehler zu erkennen oder zu verhindern.

Dieses Muster wiederholt sich über Sektoren hinweg. ITSM-Plattformen, die für menschliche Geschwindigkeit konzipiert sind, werden zu Hindernissen statt Enablern, und Geschäftseinheiten reagieren, indem sie sie umgehen. Die Lösung ist nicht, Governance zu eliminieren, sondern sie für Maschinengeschwindigkeit neu zu gestalten.

Architektonische Entscheidungen für 2025

DACH-Unternehmen, die agentic AI 2025 im großen Maßstab deployen, stehen vor einer architektonischen Entscheidung, die ihr operationelles Modell für Jahre prägen wird. Die Wahl zwischen Agent-as-user-, ITSM-as-orchestrator- und Event-driven-Hybrid-Mustern ist letztlich eine Wahl darüber, wo Komplexität lebt.

Agent-as-user verschiebt Komplexität in Queue Management und Duplikatserkennung und bewahrt bestehende ITSM-Investitionen auf Kosten der Agent-Velocity. ITSM-as-orchestrator verschiebt Komplexität in Workflow-Entwicklung und -Wartung und erreicht Auditierbarkeit auf Kosten der Deployment-Geschwindigkeit. Event-driven Hybrid verteilt Komplexität über Event-Schema-Design, Policy-Definition und Systemintegration und erreicht sowohl Velocity als auch Governance auf Kosten architektonischer Vorabinvestitionen.

Für Organisationen mit weniger als 20 Agents und begrenzten Deployment-Velocity-Anforderungen mögen Agent-as-user-Muster ausreichen, besonders wenn ITSM-Workflows gestrafft und Genehmigungszyklen komprimiert werden können. Für Organisationen, die agentic AI als Kernfähigkeit behandeln – die Dutzende oder Hunderte von Agents über Geschäftsfunktionen hinweg deployen –, repräsentiert das Event-driven-Hybrid-Muster die einzige viable Langzeitarchitektur. Die Vorabinvestition ist substanziell, aber die Alternative ist entweder gedrosselte Agent-Velocity oder unregierte Shadow Operations.

Die technischen Komponenten von Event-driven-Architekturen sind gut etabliert: Event-Streaming-Plattformen wie Kafka oder Pulsar, Policy Engines wie Open Policy Agent oder AWS Cedar und Integrationsadapter für ITSM-Plattformen. Die Herausforderung ist nicht technische Fähigkeit, sondern organisatorisches Alignment – die Überbrückung von AI-Engineering-Teams, die für Autonomie und Velocity optimieren, mit ITSM-Teams, die für Kontrolle und Compliance optimieren.

Bereit, Agent-Operationen zu architektieren, die sowohl Velocity als auch Governance liefern? Remote Native hilft DACH-Unternehmen, Integrationsmuster zu designen, die agentic AI mit bestehenden Service-Management-Frameworks alignen – ohne Agent-Fähigkeit zu drosseln oder Shadow Operations zu schaffen. Unsere Fit Calls bewerten Ihre ITSM-Architektur, Agent-Deployment-Roadmap und Governance-Anforderungen, um das Integrationsmuster zu identifizieren, das zu Ihrem operationellen Modell passt. Wir arbeiten mit Ihren Plattform-, AI-Engineering- und Security-Teams, um Event-Schemas zu designen, Policy-Grenzen zu definieren und die Integrationsschicht zu bauen, die autonome Agents und Enterprise Governance kompatibel macht. Buchen Sie heute Ihren Fit Call und verwandeln Sie die ITSM-Agent-Kollision in eine kontrollierte Konvergenz.

Analyse basierend auf ServiceNow AI Integration Research, Gartner ITSM Governance Frameworks und Enterprise-Architecture-Mustern, die über DACH-Finanzdienstleistungs-, Fertigungs- und Industrieorganisationen 2024–2025 beobachtet wurden.