KI-Agenten: Risikofrei zur neuen Plattform

Komplexe Plattformumstellungen sind selten deshalb schwierig, weil es den Engineers an Fachwissen oder Einsatz mangelt. Viel häufiger sind sie eine Herausforderung, weil die für gute Entscheidungen benötigten Informationen über viele Stellen verstreut sind: Release Notes, Infrastruktur-Code, Deployment-Workflows, der aktuelle Cloud-Status, Betriebshandbücher und die Historie früherer Änderungen.

Autor: Gaston Hummel, EMEA Lead Strategic Data Services bei Precisely/dcg

Das stellt Plattform-Teams vor eine altbekannte Herausforderung. Selbst wenn eine Änderung im Prinzip klar ist, erfordert sie oft eine sorgfältige Abstimmung über Systeme, Abhängigkeiten und Freigabeschritte hinweg. Wenn dabei Details übersehen werden, liegt das meistens nicht an mangelnder Automatisierung – sondern an unvollständigem Kontext genau in dem Moment, in dem eine Entscheidung getroffen werden muss.

Mit einem zielgerichteten internen, KI-gestützten Workflow lässt sich dieses Problem lösen. Er unterstützt Engineers dabei, alle notwendigen Informationen für komplexe Plattformarbeiten zu sammeln und zu strukturieren, noch bevor die eigentliche Umsetzung beginnt. Dabei soll nicht die menschliche Urteilskraft aus dem Prozess verdrängt werden, sondern durch ein lückenloses Gesamtbild der anstehenden Arbeit gestärkt werden.

Fokus auf Informationsvollständigkeit

Bei folgenschweren operativen Arbeiten ist KI dann am nützlichsten, wenn sie Engineers dabei hilft, fundierte Entscheidungen mit mehr Kontext zu treffen – und nicht, wenn sie unabhängig agiert.

Anstatt ein System zu entwickeln, das Änderungen eigenständig ausführt, ist ein agentenbasierter Workflow wichtig, der bei drei Dingen ansetzt:

• Identifikation relevanter Änderungsanforderungen aus verschiedenen Quellen.
• Abgleich von Infrastruktur-Definitionen mit der aktuellen Betriebsumgebung.
• Transformation von Erkenntnissen in einen strukturierten Implementierungs- und Review-Plan.

Das Ergebnis ist ein interner Plattform-Workflow, der Engineers dabei hilft, aus verstreuten Informationen einen verlässlichen Aktionsplan zu erstellen.

Wie sieht ein KI-gestützter Workflow für Plattformumstellungen aus?

Der Workflow basiert auf einer Reihe von fokussierten Agenten-Fähigkeiten. Jede Fähigkeit deckt einen bestimmten Teil des Prozesses ab, wie beispielsweise:

• Die Analyse von Änderungsdokumentationen und Release-Anleitungen.
• Die Überprüfung von Infrastruktur-Konfigurationen auf notwendige Updates.
• Die Validierung von Annahmen im reinen Lesemodus direkt in der Live-Umgebung.
• Die Erstellung strukturierter Implementierungsaufgaben und Verifizierungsschritte.

Diese Fähigkeiten können in zwei Hauptphasen eingesetzt werden:

Phase 1: KI-gestützte Planung

In der Planungsphase sammelt der Workflow Informationen aus genau den Quellen, die ein Engineer normalerweise manuell prüfen müsste. Er analysiert Änderungsanweisungen, untersucht die relevanten Konfigurationen und prüft die aktuelle Umgebung, um Abhängigkeiten, erforderliche Updates und Bereiche zu identifizieren, in denen Annahmen vor der eigentlichen Durchführung verifiziert werden sollten.

Diese Phase liefert einen konkreten Plan statt einer bloßen, generischen Zusammenfassung. Engineers erhalten eine Checkliste mit Handlungsempfehlungen, Validierungspunkten und nachgelagerten Aufgaben, die vor jeder Änderung überprüft werden können.

Phase 2: Geführte Implementierung unter menschlicher Aufsicht

In der Implementierungsphase unterstützt der Workflow die Engineers Schritt für Schritt. Er hilft dabei, den Plan in ausführbare Änderungen zu übersetzen, schlägt Updates vor und legt die Logik dahinter transparent offen.

Die menschliche Kontrolle bleibt während des gesamten Prozesses bestehen. Jede systemverändernde Aktion folgt weiterhin den üblichen Freigabe- und Delivery-Prozessen des Teams.

Dadurch eignet sich der Workflow nicht nur für den Entwurf von Änderungen, sondern stärkt auch das Vertrauen in den gesamten Prozess von der Planung bis hin zur Ausführung.

Die Auswirkungen von KI-gestütztem Change Management auf Plattform-Teams

Der größte Vorteil ist nicht allein die Geschwindigkeit. Es ist die Konsistenz.

Durch die Nutzung von KI, um Kontext aus verschiedenen Systemen zu sammeln und strukturiert darzustellen, können Teams den Aufwand für manuelles Abgleichen bei komplexen Plattformarbeiten drastisch reduzieren. Die Engineers verbringen weniger Zeit damit, den Systemstatus aus verstreuten Quellen zu rekonstruieren, und haben mehr Zeit, Entscheidungen auf Basis der direkt vorliegenden, korrekten Informationen zu prüfen.

Das führte zu mehreren praktischen Verbesserungen:

• Klarere Vorbereitung vor dem Start der Implementierung.
• Bessere Sichtbarkeit von Abhängigkeiten und Abweichungen in der Systemumgebung.
• Aussagekräftigere Review-Dokumente für die Freigabe-Verantwortlichen.
• Ein besser wiederholbarer Prozess für ähnliche Arten operativer Änderungen.

Der Workflow hilft, die Qualität der Vorbereitung zu steigern, was wiederum die Qualität der Ausführung verbessert.

Welche Rolle spielt KI im operativen Engineering?

Es wird viel über den Einsatz von KI zur Automatisierung von Engineering-Aufgaben diskutiert.

Bei komplexen Infrastruktur- und Plattformaufgaben liegt der größte Wert von KI oft nicht in der autonomen Ausführung, sondern in einer disziplinierten Assistenzfunktion.

KI kann im Plattform-Engineering besonders effektiv sein, wenn sie Teams bei Folgendem unterstützt:

• Informationen aus verschiedenen technischen Quellen zusammenzuführen.
• Abweichungen zwischen Soll- und Ist-Zustand aufzudecken.
• Aufgaben in eine leichter überprüfbare Reihenfolge zu bringen.
• Implizites Erfahrungswissen explizit und wiederverwendbar zu machen.

Diese Vorteile sind entscheidend, da Plattformarbeit oft von feinen Details abhängt, die leicht übersehen werden, wenn sie über Dokumente, Code und Live-Systeme hinweg verteilt sind.

Aufbau auf offenen und vertrauten Mustern

Der Workflow sollte sich bestenfalls nahtlos in die Tools einfügt, die Engineers bereits nutzen mit einem System basierend auf gängigen Entwicklungsmustern, Standardschnittstellen und für Menschen lesbaren Anweisungen, sodass die Logik hinter jedem Schritt im Laufe der Zeit überprüft und optimiert werden kann.

Dies ist entscheidend für die Akzeptanz. Engineers vertrauen einem KI-gestützten Workflow eher, wenn sie dessen Funktionsweise nachvollziehen können, seine genaue Rolle verstehen und die letztendliche Entscheidungsgewalt beim Menschen bleibt.

Learnings über den Einsatz von KI-Agenten bei komplexen Plattformumstellungen

Eine qualitativ hochwertige Ausführung beginnt weit vor der eigentlichen Implementierung. Bei komplexen Plattformumstellungen liegt die wahre Herausforderung oft nicht im Schreiben der eigentlichen Code-Änderung. Es geht vielmehr darum, den richtigen Kontext früh genug zu erfassen und so klar darzustellen, dass Engineers fundierte Entscheidungen treffen können.

KI kann genau dabei helfen.

Richtig eingesetzt, kann sie den Aufwand für das Zusammentragen und Strukturieren des technischen Kontexts verringern, die Konsistenz bei der Planung verbessern und die Qualität des Review-Prozesses stärken, bevor Änderungen umgesetzt werden.

Genau das ist die Rolle, die KI bei dieser Art von Engineering-Arbeit am besten einnehmen sollte: nicht die menschliche Verantwortung zu ersetzen, sondern Teams dabei zu helfen, mit einem umfassenderen und verlässlicheren Verständnis der von ihnen verwalteten Systeme zu agieren.

Direkter Link: Precisely: Daten für agentenbasierte KI – Wo unternehmensweite KI auf messbaren ROI trifft