Flexera Software GmbH

Agentic AI verbreitet sich schnell. Laut einer KPMG-Studie setzen 53 Prozent der befragten US-Großunternehmen KI-Agenten ein. Doch während Unternehmen ihre KI-Initiativen ausweiten, Token-Effizienz stärker in den Fokus rückt und der EU AI Act neue Anforderungen mit sich bringt, hinkt die operative Governance hinterher. Nicht nur wegen fehlender Ressourcen und Zuständigkeiten, sondern auch, weil bestehende Kontrollmodelle auf menschliche Nutzer und klar abgegrenzte Softwareeinsätze ausgelegt sind.

NIST beschreibt KI-Agenten als Systeme, die mit begrenzter menschlicher Aufsicht selbstständig entscheiden und handeln. Diese Autonomie verändert zwangsläufig auch das IT-Asset-Management. Aus „Wer nutzt welche Software, auf welchem Gerät und mit welcher Lizenz?“ wird: „Auf welche Anwendungen, Daten und Budgets darf ein KI-Agent zugreifen, was darf er eigenständig auslösen – und wer trägt dafür die Verantwortung?“

Für das ITAM rücken damit neue Fragen und Zuständigkeiten auf die Agenda.

Lizenzmanagement: Zählt ein Agent als Nutzer?

Ein KI-Agent kann im Auftrag mehrerer Mitarbeitenden auf CRM-, ERP- oder Collaboration-Systeme zugreifen – und passt damit nicht ohne Weiteres in klassische Nutzer- und Gerätelizenzen. Ob ein Agent einen eigenen Account oder eine technische Lizenz benötigt, hängt vom jeweiligen Vertrag und der Lizenzmetrik ab (z. B. Named User, Service Account, Prozess- oder Verbrauchslizenz.)

 Wie uneinheitlich das Feld noch ist, zeigen Microsoft und Salesforce: Copilot Studio rechnet Agentenaktivitäten über Credits ab, während beim Zugriff auf angebundene Anwendungen weiterhin Multiplexing-Regeln greifen können. Salesforce kombiniert für Agentforce je nach Einsatz Nutzerlizenzen mit einer Abrechnung nach Conversations oder Aktionen.

Für ITAM-Teams ist deshalb nicht nur der Agent selbst relevant, sondern die gesamte Zugriffskette: Wer stößt eine Aktion an, über welches technische Konto läuft sie, welches Zielsystem wird genutzt und welche Lizenzmetrik greift dort? Ohne diese Zuordnung lassen sich Lizenzbedarf und Compliance kaum belastbar bestimmen.

KI-Kostenmanagement: Wie lässt sich der Verbrauch steuern?

Ein einzelner Agentenlauf kann mehrere Modellaufrufe, API-Calls, Datenbankabfragen und Aktionen auslösen. Die Kosten entstehen damit nicht mehr nur pro Lizenz, sondern entlang einer kaum vorhersehbaren Ausführungskette. Automatisierte Workflows verwandeln sich so schnell in automatisierte Kostenfallen.FinOps for AI liefert hier derzeit gute Instrumente, um diese Kostendynamik zu steuern.

Um den geschäftlichen Nutzen von KI vollständig zu erschließen, braucht es jedoch Governance-Ansätze, die über das reine Kostenmanagement hinausgehen. Auch die FinOps Foundation verweist auf die Komplexität dieser Herausforderung. Unterschiedliche Preismodelle und verteilte Ausführungsketten erschweren Kostenallokation und Prognosen. Dashboards und Budgetwarnungen allein reichen zudem nicht immer aus, um stark steigende Kosten zu verhindern.

In der Praxis braucht FinOps zusätzlich technische Leitplanken wie Quoten, Nutzungsgrenzen und eine gezielte Modellauswahl (Model Routing). Das richtige Maß bleibt ein Balanceakt: Je strenger die Kontrollen, desto größer das Risiko, den Nutzen autonomer Agenten wieder auszubremsen.

Discovery & Inventarisierung: Wie behält das ITAM den Überblick?

Schatten-KI ist mehr als die Neuauflage von Schatten-IT. Eine unbekannte Anwendung ist zunächst ein Transparenzproblem. Ein unbekannter Agent agiert dagegen aktiv im Hintergrund: Er greift auf Daten und Systeme zu, verbindet Tools und löst eigenständig Aktionen aus.

 Eine einmalige Discovery reicht nicht aus. Agenten verändern sich laufend und erscheinen oft nicht als eigenes Asset, sondern innerhalb bestehender Plattformen, APIs oder Tools. Das ITAM muss deshalb unter die Anwendungsebene blicken: Auf welche Modelle, Datenquellen, Konten und Zielsysteme greift ein Agent zu? Welche Aktionen darf er auslösen, und wie verändert sich diese Zugriffskette im laufenden Betrieb?

Je tiefer das ITAM in Agentenaktivitäten und Berechtigungsketten blicken muss, desto stärker ist es auf Daten und Kontrollen angewiesen. Die Crux: Das ITAM soll Agenten kontrollieren, besitzt aber oft nicht die dafür nötigen Daten. Die liegen verstreut in Plattformen, IAM und Security. Wer Agenten wirklich sichtbar machen will, muss diese Silos aufbrechen.

Compliance & Auditfähigkeit: Wie bleibt Agentennutzung compliant?

Lizenz-Compliance war schon immer dort heikel, wo Softwarenutzung nicht geradlinig verläuft – etwa beim indirekten Zugriff. KI-Agenten heben dieses Problem auf eine neue Ebene. Sie greifen nicht nur punktuell auf ein Zielsystem zu, sondern verbinden Anwendungen, Daten und Aktionen über Anbietergrenzen hinweg. Ein Vertriebsagent kann etwa im CRM ein Angebot anstoßen, dafür Daten aus dem ERP abrufen und das Ergebnis in einer Collaboration-Plattform ablegen. Ein einziger Workflow berührt so mehrere Verträge, technische Identitäten und Lizenzlogiken – ohne dass sich die Nutzung noch an einem einzelnen Login festmachen lässt.

Genau hier stoßen klassische Compliance-Modelle an ihre Grenzen. Bislang fehlen sowohl durchgängige Standards für autonome, anbieterübergreifende Workflows als auch ein zentraler Blick auf die gesamte Nutzungskette. Ohne ausreichende Transparenz darüber, wie KI-Agenten über verschiedene Systeme hinweg interagieren, wird es zunehmend schwieriger, Compliance sicherzustellen. Bis sich das ändert, dürfte Lizenz-Compliance stärker risikobasiert erfolgen: Besonders kritische Agenten-Workflows müssen transparent abgebildet werden, damit Unternehmen belastbare Nachweise erbringen, Verantwortlichkeiten belegen und bei Bedarf auf Audits reagieren können.

Organisation & Zuständigkeiten: Wer ist verantwortlich?

KI-Agenten sprengen nicht nur klassische ITAM-Aufgaben sondern auch Zuständigkeitsgrenzen. ITAM, FinOps, IAM, Security, Einkauf und Legal sind in vielen Fällen gleichzeitig betroffen. Das Problem: Keines dieser Teams sieht die gesamte Kette. Braucht es ein zentrales AI-Governance-Team? Oder müssen bestehende Funktionen enger verzahnt werden, ohne die nächste Parallelorganisation aufzubauen? Klar ist: Solange jedes Team nur einen Teilausschnitt kontrolliert, bleiben zwischen Lizenz, Budget, Zugriff und Risiko genau die Lücken, in denen sich unkontrollierte Agentennutzung ausbreiten kann.

Die Neuordnung im ITAM hat bereits begonnen: Laut dem Flexera State of ITAM Report unterstützen 51 Prozent der ITAM-Teams die Transparenz von KI-Ausgaben, während 92 Prozent der befragten ITAM-Fachkräfte ihre FinOps-Kompetenzen ausbauen. Das spricht weniger für ein neues, abgeschlossenes Spezialteam als für eine zunehmende Verschmelzung bislang getrennter Aufgabenbereiche.

 „Unternehmen stecken inzwischen tief im KI-Stack und kämpfen mit explodierenden Kosten, Tool- und Modell-Wildwuchs, fehlender Zurechenbarkeit und wachsenden Abhängigkeiten. Die Frage, die sich momentan jeder CIO stellt: Wo entsteht überhaupt messbarer Wert? Und wie lange ist die aktuelle KI-Umgebung wirtschaftlich, betrieblich und sicherheitstechnisch noch tragbar?“, erklärt Conal Gallagher, CIO von Flexera. „Agentic AI zwingt uns, diese Frage jetzt zu beantworten. Wer nicht konsolidiert und für Transparenz in der eigenen KI-Landschaft sorgt, verliert langfristig die Kontrolle über sein IT-Management, sein Unternehmen und seine Wettbewerbsfähigkeit.“