KI-Agenten steuern, Token-Ausgaben optimieren und Sicherheitsrisiken minimieren

KI-Agenten entwickeln sich vom experimentellen Werkzeug zunehmend zu operativen Akteuren in Unternehmensprozessen. Damit verschiebt sich die Sicherheitsfrage: Nicht mehr allein die Antwort eines KI-Modells ist entscheidend, sondern welche Systeme ein Agent aufrufen darf, welche Aktionen er ausführt und welche Kosten er dabei verursacht. Boomi adressiert genau diese Kontrolllücke mit einer neuen Agent Control Plane, die Governance, Konnektivität, Kostenkontrolle und Nachvollziehbarkeit in einer zentralen Infrastruktur zusammenführen soll.

Governance wird zum Engpass für Agentic AI

Boomi erweitert seine Enterprise Plattform um eine KI-native Kontrollschicht für den produktiven Einsatz autonomer Agenten. Die Agent Control Plane sitzt zwischen KI-Agenten, Modellen beziehungsweise Anwendungen und den Geschäftssystemen eines Unternehmens.

Damit sollen Organisationen unabhängig vom eingesetzten Modell oder Agenten-Framework festlegen können, welche Systeme angesprochen werden dürfen, welche Aktionen zulässig sind und wann menschliche Freigaben erforderlich werden. Gleichzeitig erfasst die Plattform die Aktivitäten der Agenten und soll verhindern, dass unkontrollierter Token-Verbrauch zu unerwarteten Kosten führt.

Der Ansatz adressiert ein Problem, das mit der zunehmenden Verbreitung von Agentic AI an Bedeutung gewinnt: Unternehmen führen KI-Agenten teilweise schneller ein, als Governance-, Sicherheits- und FinOps-Strukturen angepasst werden können.

Gartner prognostiziert laut Boomi, dass bis 2027 rund 40 Prozent der Unternehmen autonome KI-Agenten zurückstufen oder außer Betrieb nehmen könnten, weil Governance-Lücken erst nach Störungen im Produktivbetrieb sichtbar werden.

Vom Modellrisiko zum Ausführungsrisiko

Für Unternehmen verändert sich damit die Risikobetrachtung grundlegend. Bei klassischen generativen KI-Anwendungen stand bislang häufig die Frage im Mittelpunkt, welche Informationen ein Modell verarbeitet oder welche Antworten es erzeugt.

Autonome Agenten können dagegen aktiv in Geschäftsprozesse eingreifen. Sie greifen beispielsweise auf Salesforce, SAP, Oracle oder Workday zu, verändern Datensätze, starten Prozesse oder rufen weitere Tools und APIs auf.

Damit entsteht eine neue Ebene des Execution Risk.

Michael Barnes, Chief Analyst Enterprise IT bei Omdia, sieht deshalb eine Verlagerung „vom Modellrisiko zum Ausführungsrisiko“. Unternehmen müssten nachvollziehen können, welche Auswirkungen Agenten auf Geschäftssysteme haben, welche Kosten entstehen und ob Entscheidungen auch Monate später noch auditierbar sind. Die entscheidende Kontrollstelle liege deshalb zwischen dem Agenten und dem jeweiligen Stammdaten- oder Transaktionssystem.

Zentrale Kontrolle über Agenten, Modelle und Tools

Boomis Agent Control Plane soll diese Kontrollfunktion hersteller- und modellunabhängig übernehmen. Unternehmen können damit Agenten verschiedener Anbieter sowie eigene oder spezialisierte Sprachmodelle innerhalb einer gemeinsamen Governance-Struktur betreiben.

Die Plattform kombiniert dabei mehrere Funktionen.

Über eine zentrale Verwaltungsebene können Unternehmen Agenten und Tools erfassen und deren Datenverkehr überwachen. Identitätsrichtlinien, Nutzungslimits und Genehmigungsprozesse lassen sich zentral durchsetzen.

Das Boomi AI Gateway, das auf Technologie der übernommenen Lunar.dev basiert, übernimmt dabei die technische Durchsetzung. MCP-Gateway- und LLM-Gateway-Funktionen werden nach Angaben des Unternehmens in einem gemeinsamen Kontrollpunkt zusammengeführt.

Besonders risikoreiche Transaktionen können so beispielsweise gestoppt und zur manuellen Freigabe an einen Mitarbeiter weitergeleitet werden.

KI-Agenten sicher mit Geschäftssystemen verbinden

Ein weiterer Schwerpunkt liegt auf der kontrollierten Verbindung von Agenten mit Unternehmensanwendungen.

Mit Boomi Connect stellt die Plattform Geschäftssysteme als verwaltete MCP-Server und Tools bereit. MCP-kompatible KI-Agenten können diese erkennen und nutzen.

Unternehmen sollen dadurch unter anderem KI-Anwendungen wie ChatGPT, Claude oder Gemini mit internen Systemen verbinden können, ohne für jede Integration eigene Schnittstellen entwickeln zu müssen.

Boomi spricht von mehr als 1.000 vorgefertigten MCP-Servern und Tools. Jeder Tool-Aufruf kann dabei authentifiziert, protokolliert und gemessen werden.

Damit wird MCP zunehmend zu einer wichtigen Governance-Schnittstelle für Agentic AI: Nicht nur die Konnektivität, sondern auch Identität, Berechtigungen und Protokollierung müssen kontrolliert werden.

Token-Kosten werden zum FinOps-Thema

Neben Sicherheit entwickelt sich auch die Kostenkontrolle zu einem wesentlichen Faktor beim Einsatz von KI-Agenten.

Nach Zahlen der FinOps Foundation verwalten inzwischen 98 Prozent der befragten FinOps-Verantwortlichen auch KI-Ausgaben. Zwei Jahre zuvor waren es lediglich 31 Prozent.

Für Unternehmen entsteht damit eine neue Kostenkategorie, deren Zuordnung schwieriger werden kann als bei klassischen Cloud-Ressourcen. Wenn autonome Agenten Modelle, APIs oder andere Agenten aufrufen, können sich Token- und Compute-Kosten entlang komplexer Prozessketten summieren.

Boomi will deshalb sichtbar machen, welcher Agent welche Kosten verursacht und welche Aktion dafür verantwortlich war.

Steve Lucas, Chairman und CEO von Boomi, sieht darin eine Voraussetzung für den produktiven Einsatz von KI. Unternehmen müssten beantworten können, welcher Agent eine Ausgabe ausgelöst habe, welchem Zweck sie diente und wer sie genehmigte.

Private KI-Infrastrukturen und Datenhoheit

Für regulierte Branchen spielt zusätzlich die Frage eine Rolle, wo KI-Modelle und Agenten betrieben werden.

Boomis hybride Laufzeitarchitektur soll deshalb unterschiedliche Betriebsmodelle unterstützen. Die Agent Control Plane kann laut Unternehmen in der Public Cloud, innerhalb einer kundeneigenen Virtual Private Cloud oder vollständig On-Premises betrieben werden.

Unternehmen können damit auch eigene Modelle, sogenannte Bring-Your-Own-Models, sowie spezialisierte Small Language Models innerhalb privater Netzwerke oder regional definierter Grenzen betreiben.

Das kann insbesondere dort relevant werden, wo geistiges Eigentum, personenbezogene Daten oder regulatorische Vorgaben verhindern, dass Informationen über öffentliche KI-Dienste verarbeitet werden. Verlässlicher Kontext statt ungeprüfter Agentenentscheidungen Ein weiteres Problem autonomer Agenten liegt in der Qualität ihres Kontextes.

Mit Boomi Agent Context sollen Agenten auf verifizierte Geschäftsdefinitionen und nachvollziehbare Datenherkunft zugreifen können. Ziel ist es, Entscheidungen stärker auf geprüfte Unternehmensdaten zu stützen.

Damit adressiert Boomi einen wichtigen Aspekt produktiver Agentensysteme: Für kritische Geschäftsprozesse reicht es nicht, einem Sprachmodell möglichst viele Daten bereitzustellen. Unternehmen müssen nachvollziehen können, woher Informationen stammen und welche Datenbasis eine automatisierte Entscheidung beeinflusst hat. Eine belastbare Data Lineage wird damit auch für Agentic AI zu einem Governance-Instrument.

Workflows per natürlicher Sprache

Parallel öffnet Boomi seine Plattform stärker für Fachabteilungen und Entwickler. Mit Boomi Orchestrate sollen Nutzer systemübergreifende agentenbasierte Workflows über natürliche Sprache definieren können. Die Plattform stellt diese sowohl in einer fachlichen als auch in einer technischen Ansicht dar.

Dadurch sollen Business- und IT-Teams gemeinsam überprüfen können, wie ein KI-gestützter Prozess funktioniert, bevor er produktiv geschaltet wird.

Erweiterte APIs, programmatische Orchestrierung und Funktionen wie ein Agent Trust Score sollen Entwicklern gleichzeitig mehr Möglichkeiten geben, Agenten in bestehende Unternehmensprozesse einzubetten.

Kontrolle entscheidet über die Skalierbarkeit von Agentic AI

Die eigentliche Herausforderung beim Einsatz autonomer KI-Agenten liegt zunehmend weniger im Modell selbst als in der Infrastruktur rund um das Modell.

Je mehr Agenten eigenständig auf Datenbanken, SaaS-Anwendungen, APIs und andere Agenten zugreifen, desto wichtiger werden Identität, Berechtigungen, Kostenkontrolle, Auditierbarkeit und technische Durchsetzung von Richtlinien.

Boomis Agent Control Plane greift damit einen zentralen Trend der nächsten Entwicklungsstufe von Enterprise AI auf: Unternehmen benötigen eine Kontrollschicht, die zwischen autonomen KI-Systemen und ihrer bestehenden IT-Infrastruktur vermittelt.

Denn Agentic AI lässt sich langfristig kaum dadurch absichern, dass Unternehmen ihren Agenten möglichst wenig Zugriff gewähren. Der entscheidende Faktor wird vielmehr sein, ihnen genau den Zugriff zu geben, den sie benötigen – und gleichzeitig jede relevante Aktion nachvollziehbar, begrenzbar und kontrollierbar zu machen.