Zusammenfassung
- Mit zunehmender Reife der KI-Einführung verschiebt sich die Herausforderung von der Erzeugung isolierter Intelligenz hin zur Koordination von Agenten, Tools und Workflows über Systemgrenzen hinweg.
- Das Model Context Protocol (MCP) ist ein offener Standard zur Verbindung von KI-Systemen mit Tools, Datenquellen, Ressourcen und Prompts; Konnektivität allein schafft jedoch weder Vertrauen noch Governance oder Verantwortlichkeit.
- Erfolgreiche Orchestrierung erfordert maßgeblichen Kontext aus einem System of Record, eine auf die Autonomie jedes Agenten abgestimmte Governance sowie Auditierbarkeit, die der Arbeit systemübergreifend folgt. MCP-Unterstützung in der Ivanti Neurons Platform bietet zugelassenen KI-Systemen gesteuerten Zugriff auf autorisierten Neurons-Kontext, während Neurons das System of Record für Technologie-Assets, Beziehungen, Zuständigkeiten, Compliance und Betriebszustand bleibt.
Warum Orchestrierung die nächste Grenze für die Enterprise-IT ist
In diesem Artikel zeigen wir, wie zuverlässige KI mit einem maßgeblichen System of Record beginnt. Unternehmen benötigen eine durch Governance abgesicherte Aufzeichnung und Historie von Technologie-Assets, Beziehungen, Zuständigkeiten, Compliance und Betriebszustand, damit Menschen, Automatisierung und KI aus einem konsistenten Kontext heraus arbeiten können. Doch selbst wenn diese Grundlage vorhanden ist, entsteht eine neue Herausforderung: Die Arbeit selbst bleibt nur selten innerhalb eines einzigen Systems.
Unternehmen können nicht sichern, steuern oder optimieren, was sie nicht sehen und nicht koordinieren können. Eine einzelne Fehlerbehebung kann eine Discovery-Engine, eine Configuration Management Database, eine IT-Service-Management-Plattform (ITSM), ein Patch-Management-Tool, eine Cloud-Konsole und einen Sicherheitsscanner betreffen. Heute hängen diese Übergaben oft von manuellem Aufwand, fragilen Punkt-zu-Punkt-Integrationen oder menschlichen Kontextwechseln ab.
Wenn Unternehmen KI-Agenten und automatisierte Workflows hinzufügen, vervielfacht sich die Zahl der Verbindungen. Damit steigt auch das Risiko, dass eine in einem System ausgeführte Aktion auf unvollständigem Kontext basiert, mit Richtlinien in einem anderen System in Konflikt gerät oder sich im Nachhinein nur schwer erklären lässt. Stellen Sie sich vor, ein Sicherheitsscanner meldet eine kritische Schwachstelle auf einem Server. Ein KI-Agent empfiehlt einen dringenden Patch, doch die Konfigurationsdatenbank führt diesen Server als außer Betrieb, und die ITSM-Plattform zeigt einen Change Freeze für die unterstützte Anwendung an. Jedes System hat aus seiner eigenen Sicht „recht“, doch dem Agenten fehlt ein gemeinsamer, maßgeblicher Kontext, um diese Informationen abzugleichen. Das Ergebnis ist im besten Fall ein verschwendeter Patch-Zyklus, im schlimmsten Fall ein Ausfall.
Die Daten bestätigen diese Lücke: Laut McKinsey nennen acht von zehn Unternehmen Datenbeschränkungen als Hindernis für die Skalierung agentischer KI. Das Unternehmen argumentiert, dass agentische KI hochwertige Daten, interoperable Grundlagen und strengere Governance benötigt, wenn Autonomie und Koordination zunehmen.
Gartner prognostiziert, dass bis 2027 40 % der Unternehmen autonome KI-Agenten herabstufen oder außer Betrieb nehmen werden, weil nach der Bereitstellung Governance-Lücken entdeckt werden. Gartner empfiehlt eine Governance, die dem Autonomiegrad, dem Umfang und der zugehörigen Vertrauensgrenze eines Agenten entspricht.
Ebenso stellt BCG fest, dass KI-Agenten in großen Unternehmen „schneller Fuß fassen, als Entscheidungsträger Governance-Frameworks zu ihrer Steuerung entwickeln können“, wobei sich die Einführung unter uneinheitlichen Regeln und fragmentierter Aufsicht ausbreitet.
Diese Erkenntnisse weisen auf ein Problem hin, das über Konnektivität hinausgeht. Unternehmen können Agenten und Tools möglicherweise schneller verbinden, als sie die Autorität, Kontrollen und Verantwortlichkeit schaffen können, die erforderlich sind, um zu steuern, was zwischen ihnen geschieht.
Das Muster ist klar: Orchestrierung ohne Governance lässt sich nicht skalieren. Sie schafft mehr Verbindungen, aber nicht mehr Vertrauen. Die nächste Phase der KI in IT und Sicherheit wird nicht dadurch bestimmt, wer die meisten Systeme verbindet, sondern wer Arbeit systemübergreifend koordinieren kann und dabei Entscheidungen und Aktionen fundiert, gesteuert und verantwortbar hält.
Wie das Model Context Protocol (MCP) KI-Orchestrierung ermöglicht
MCP wurde Ende 2024 von Anthropic eingeführt und bietet KI-Anwendungen eine standardisierte Möglichkeit, sich mit Tools, Datenquellen, Ressourcen und Prompts zu verbinden. Anstatt für jede Client-Server-Kombination eine individuelle Integration zu erstellen, können Unternehmen ein gemeinsames Protokoll verwenden, um autorisierten Kontext und autorisierte Funktionen bereitzustellen.
Das Protokoll entwickelt sich weiter in Richtung einer breiteren Nutzung im Unternehmen, einschließlich Funktionen, die skalierbare und anspruchsvollere Interaktionen zwischen KI-Anwendungen und -Services unterstützen. Dieser Fortschritt ist wichtig, doch technische Reife macht Enterprise Governance nicht überflüssig.
Kurz gesagt: MCP bietet Unternehmen eine konsistente Möglichkeit, autorisierten Kontext und autorisierte Funktionen für kompatible KI-Systeme bereitzustellen. Es kann die Verbindungen vereinfachen, auf denen Orchestrierung beruht. Doch eine Verbindung allein schafft noch kein Vertrauen.
Die Ivanti Neurons Platform ermöglicht zugelassenen KI-Clients und -Agenten den Zugriff auf autorisierten Neurons-Kontext in Echtzeit über MCP. Neurons bleibt das maßgebliche System of Record für den von der Plattform gesteuerten Technologiekontext, auch wenn dieser Kontext über ein anderes zugelassenes KI-Erlebnis genutzt wird.
„Die eigentliche Chance von MCP besteht nicht nur darin, KI mit mehr Systemen zu verbinden – sondern sicherzustellen, dass jede Verbindung auf einem Kontext basiert, dem Sie vertrauen können. Wenn KI autorisierte Daten aus einem durch Governance abgesicherten System of Record abruft, anstatt auf fragmentierte Quellen zuzugreifen, wird Koordination sicher genug, um skaliert zu werden. Genau das macht Orchestrierung enterprise-ready – nicht nur technisch möglich.“ — Meeta Dash, Vice President of Product Management, AI, Ivanti
Warum KI-Orchestrierung gesteuerten Kontext erfordert
Systeme zu verbinden macht Orchestrierung möglich; Autorität zu definieren macht sie verlässlich. Wenn KI-Systeme über Unternehmensgrenzen hinweg agieren, müssen Führungskräfte die Regeln festlegen, die jede Interaktion steuern, darunter:
- Welcher maßgebliche Kontext informiert jede Interaktion?
- Welche Identität fordert Zugriff an?
- Welche Daten und Funktionen darf sie nutzen?
- Wo ist eine menschliche Genehmigung erforderlich?
- Welches System führt die Aktion aus?
- Wie werden die Interaktion und ihr Ergebnis auditiert?
Gartner beschreibt Ausführungsautorität als eine architektonische Position, die Identität, Berechtigungen, Richtliniendurchsetzung, Zugriff auf das System of Record und Auditierbarkeit umfasst. Gartner geht davon aus, dass erfolgreiche Plattformen Agentenorchestrierung in Systems of Record einbetten, eine richtlinienbewusste Ausführung von APIs bereitstellen und Identitäts-, Berechtigungs- und Auditkontrollen durchsetzen werden.
Nicht jeder Agent erzeugt dasselbe Risikoniveau. Governance sollte widerspiegeln, worauf ein Agent zugreifen oder was er ausführen kann, welche Systeme er erreichen kann und welche Folgen seine Aktionen haben. Menschliche Genehmigung und strengere Kontrollen werden wichtiger, je höher Autonomie und betriebliche Auswirkungen sind. Die Forschung von Gartner unterstützt die Anwendung von Governance entsprechend der Agentenautonomie und des Umfangs, statt allen Agenten identische Kontrollen aufzuerlegen.
Das sich abzeichnende Unternehmensmuster bevorzugt eine durch Governance gesteuerte Kontrollebene statt uneingeschränkter Verbindungen zu beliebigen MCP-Servern. Zu den gängigen Praktiken gehören geprüfte Server-Registrierungen, begrenzte Anmeldedaten, standardbasierte Autorisierung, Audit-Protokollierung und Kostenkontrollen innerhalb der Unternehmensgrenzen. Zusammen begrenzen diese Kontrollen, wie Agenten Verbindungen herstellen, worauf sie zugreifen können und wie ihre Aktivitäten im gesamten Unternehmen nachverfolgt werden. Ohne sie verteilt ein Agent, der Arbeit über fünf Systeme hinweg koordiniert, möglicherweise lediglich das Risiko, das durch fragmentierte oder widersprüchliche Informationen entsteht.
Unternehmen benötigen nicht eine einzige Quelle der Wahrheit für jede Kategorie von Unternehmensdaten. Was sie tatsächlich benötigen, ist Klarheit darüber, welches System für den Kontext maßgeblich ist, der an einer bestimmten Entscheidung beteiligt ist. Bei Neurons gilt diese Autorität für die Aufzeichnung und Historie von Technologie-Assets, Beziehungen, Zuständigkeiten, Compliance und Betriebszustand.
Wie ein System of Record gesteuerte KI-Orchestrierung ermöglicht
Für Ivanti Neurons beginnt dieses Governance-Modell mit einer klaren Aufteilung der Verantwortlichkeiten. Die Plattform bleibt maßgeblich für den Technologiekontext, den sie steuert, während MCP zugelassenen KI-Clients und -Agenten strukturierten Zugriff auf autorisierte Plattformdaten bietet.
Dieser Zugriffspfad ergänzt die native KI-Strategie von Ivanti: Das Agentic-AI-Framework bietet die Struktur für den Aufbau und die Verwaltung von Agenten, KI-Services liefern Einblicke und Empfehlungen, Conversational AI Reporting bietet ein Erlebnis in natürlicher Sprache, und MCP ermöglicht unterstützten externen KI-Clients den Zugriff auf dieselbe durch Governance abgesicherte Neurons-Grundlage.
MCP bietet einen standardisierten Zugriffspfad. Die umgebenden Plattform-, Anwendungs-, Identitäts-, Berechtigungs-, Richtlinien- und Auditkontrollen sorgen für Governance. Diese Unterscheidung verhindert, dass das Protokoll mit dem System verwechselt wird, das Entscheidungen autorisiert oder operative Änderungen ausführt.
Entscheidend ist: Die Ivanti Neurons Platform bleibt das System of Record, und MCP bleibt ein Protokoll – kein Datenspeicher. Ein MCP-Server kann den autorisierten Kontext zurückgeben, der für eine Interaktion erforderlich ist, wird dadurch aber nicht zu einer neuen Quelle der Wahrheit.
Kontext kann wandern. Autorität verbleibt beim System of Record.
Betrachten wir beispielsweise eine Schwachstelle mit hohem Risiko, die auf einer Gruppe von Endpunkten erkannt wurde. Der relevante Kontext kann die betroffenen Assets, ihre Eigentümer, Geschäftsbeziehungen, den Konfigurationszustand, den aktuellen Compliance-Status und verfügbare Hinweise zur Behebung umfassen. Heute müssen Analysten diesen Kontext möglicherweise manuell über den Schwachstellenscanner, das Asset-Inventar, kontextuelle Beziehungen, das Patching-System und die ITSM-Plattform hinweg rekonstruieren.
In einem gesteuerten Orchestrierungsmodell kann ein zugelassenes KI-Erlebnis über MCP-Unterstützung autorisierten Neurons-Kontext abrufen. Die Agenten- oder Anwendungsebene kann diesen Kontext nutzen, um Untersuchung, Priorisierung oder einen empfohlenen nächsten Schritt zu unterstützen. Jede Behebung, Aktualisierung eines Datensatzes oder Ticketaktion bleibt Aufgabe der autorisierten Anwendungs- oder Plattformausführungsebene und unterliegt den entsprechenden Richtlinien und Genehmigungen.
Das Ziel besteht nicht darin, MCP autonom handeln zu lassen. Es geht darum sicherzustellen, dass der für koordinierte Arbeit erforderliche Kontext über zugelassene Grenzen hinweg verschoben werden kann, ohne die Quelle der Autorität mit zu verschieben.
Vier Best Practices für die Governance von KI-Orchestrierung
Diese vier Governance-Best-Practices helfen Ihnen, KI-Systeme plattformübergreifend zu orchestrieren und dabei den Kontext maßgeblich sowie Aktionen verantwortbar zu halten.
Richten Sie KI-Orchestrierung an Ihrem System of Record aus
Orchestrierung, die das System of Record umgeht, erzeugt Inkonsistenz. Bevor Teams Agenten und Workflows systemübergreifend verbinden, müssen sie definieren, welches System für jede Art von Kontext, der in einer Entscheidung verwendet wird, maßgeblich ist.
Definieren Sie präzise, was das System of Record steuert, und vermeiden Sie den Eindruck, dass eine Plattform für jede Kategorie von Unternehmensinformationen maßgeblich ist. Für Neurons bedeutet dies die Aufzeichnung und Historie von Technologie-Assets, Beziehungen, Zuständigkeiten, Compliance und Betriebszustand. Andere Systeme können für andere Geschäftsbereiche maßgeblich bleiben.
Das System of Record sollte als Datenautorität für den Kontext dienen, auf den in jeder koordinierten Interaktion Bezug genommen wird. Wenn Teams von einer gemeinsamen Grundlage aus orchestrieren, stärkt Koordination das Vertrauen, statt es zu verwässern.
Stimmen Sie KI-Governance-Kontrollen auf die Agentenautonomie ab
Governance sollte widerspiegeln, was ein Agent tatsächlich tun kann. Führungskräfte sollten Vertrauensgrenzen und Autonomiestufen für jeden Agenten und Workflow definieren:
- Worauf kann er zugreifen?
- Was kann er interpretieren?
- Was kann er empfehlen?
- Was kann er initiieren?
- Was kann er ausführen?
- Wo ist eine menschliche Genehmigung erforderlich?
Ein Agent, der Kontext abruft, erfordert andere Kontrollen als ein Agent, der Maßnahmen zur Behebung empfiehlt. Ein Agent, der Änderungen in Produktionssystemen ausführt, benötigt noch stärkere Schutzmaßnahmen. Skalierbare Governance ist nicht einheitlich; sie steht im Verhältnis zu Risiko, Autonomie und betrieblichen Auswirkungen.
Wenden Sie konsistente KI-Governance über verbundene Systeme hinweg an
Wenn Arbeit mehrere Systeme umfasst, darf Governance nicht an der Grenze enden. Unternehmen benötigen die Sicherheit, dass die Daten, die Entscheidungen informieren, aus autorisierten Quellen stammen, dass der Zugriff den entsprechenden Berechtigungen folgt und dass Aktionen weiterhin den organisatorischen Richtlinien und Kontrollen unterliegen.
Wenn KI-Systeme, Agenten und Workflows plattformübergreifend verbunden werden, gewinnen Identität und Autorisierung zunehmend an Bedeutung. Governance, die durch standardbasierte Autorisierung, OAuth, rollenbasierte Zugriffskontrollen (RBAC) und Richtliniendurchsetzung in jede Interaktion eingebettet ist, hilft Unternehmen, die Kontrolle zu behalten, während Arbeit systemübergreifend stattfindet. Das Ziel ist keine uneingeschränkte Konnektivität, sondern vertrauenswürdige Koordination auf Basis maßgeblichen Kontexts und gesteuerten Zugriffs.
Beginnen Sie KI-Orchestrierung mit einem einzelnen systemübergreifenden Workflow
Gesteuerte Orchestrierung lässt sich am besten in einem fokussierten Szenario nachweisen, bevor sie skaliert wird. Beginnen Sie mit einem Workflow, der zwei oder drei Systeme umfasst (etwa von der Schwachstellenerkennung über gesteuertes Patching bis zum verifizierten Ticketabschluss), und belegen Sie, dass Kontext, Richtlinien und Auditierbarkeit über die Übergaben hinweg bestehen bleiben. Sobald diese Schleife nachgewiesen ist, erweitern Sie dasselbe Muster auf weitere Bereiche. Skalierung wird additiv: dieselbe durch Governance abgesicherte Grundlage, dasselbe Orchestrierungsmodell, angewendet auf neue Use Cases.
Was gesteuerte KI-Orchestrierung ermöglicht
Wenn Koordination auf gesteuertem Kontext basiert, können Unternehmen vom Zusammentragen von Nachweisen dazu übergehen, mit Zuversicht danach zu handeln. Teams erhalten eine konsistente Sicht auf die Technologieumgebung über Systeme hinweg und reduzieren die Zeit, die sie vor Untersuchung, Priorisierung, Genehmigung und Umsetzung für die Validierung von Kontext aufwenden.
Teams verbringen weniger Zeit damit, abzugleichen, was verschiedene Systeme annehmen. Agenten handeln seltener auf Basis unvollständigen oder widersprüchlichen Kontexts. Führungskräfte gewinnen mehr Vertrauen, dass Automatisierung in einem Bereich mit Richtlinien in einem anderen Bereich abgestimmt bleibt. Orchestrierung kann dann maßgebliche System-of-Record-Daten nach außen erweitern, sodass der Kontext, die Richtlinien und die Verantwortlichkeit, die Arbeit innerhalb der Plattform steuern, auch für systemübergreifende Arbeit gelten.
MCP-Unterstützung in Neurons kann autorisierten Plattformkontext auf zugelassene KI-Systeme, Partner, Entwickler und künftige Erlebnisse erweitern, ohne zusätzliche Quellen der Wahrheit zu schaffen. Die nativen KI-Erlebnisse von Ivanti bleiben ebenso wichtig und bieten konversationelle, Multi-Agenten- und zweckgebundene Wege, diesen Kontext innerhalb von Neurons anzuwenden.
Der Wert liegt in Wahlfreiheit ohne Fragmentierung: Unterschiedliche KI-Erlebnisse können gesteuerten Kontext nutzen, während Neurons für die von ihm verwalteten Technologiedaten maßgeblich bleibt.
Bereit, KI-Orchestrierung zu skalieren, ohne die Kontrolle zu verlieren?
Unternehmen, die mit KI-Orchestrierung erfolgreich sind, verwalten sie als Betriebsmodell, nicht nur als Integrationsprojekt. Sie definieren die maßgebliche Quelle für jede Entscheidung, legen Kontrollen entsprechend der Agentenautonomie fest, bewahren die Nachvollziehbarkeit über Übergaben hinweg und erweitern erst dann, wenn ein systemübergreifender Workflow seine Zuverlässigkeit bewiesen hat.
Die erste Welle der Enterprise-KI konzentrierte sich darauf, Intelligenz zu erzeugen und sichtbar zu machen. Die nächste wird sich darauf konzentrieren, Arbeit systemübergreifend zu koordinieren. Führend werden nicht zwangsläufig die Unternehmen mit den meisten Agenten, Integrationen oder Modellen sein. Es werden diejenigen sein, die maßgeblichen Kontext dort verfügbar machen können, wo er benötigt wird, und gleichzeitig Entscheidungen und Aktionen gesteuert, erklärbar und verantwortbar halten.
Mit der Ivanti Neurons Platform bieten native KI-Erlebnisse und MCP-gestützter Zugriff ergänzende Möglichkeiten, gesteuerten Plattformkontext zu nutzen. Neurons bleibt das System of Record für den Technologiekontext, den es steuert. KI-Erlebnisse können diesen Kontext abrufen und interpretieren, während autorisierte Anwendungen und Workflows weiterhin für die Ausführung verantwortlich bleiben.
Kontext kann Systemgrenzen überschreiten. Autorität, Governance und Verantwortlichkeit müssen intakt bleiben.
Entdecken Sie, wie MCP-Unterstützung in der Ivanti Neurons Platform Ihrem Unternehmen helfen kann, maßgeblichen Technologiekontext auf zugelassene KI-Erlebnisse zu erweitern und gleichzeitig die Kontrolle zu bewahren.
FAQs
Was ist das Model Context Protocol (MCP) und warum ist es für IT- und Sicherheitsabläufe wichtig?
MCP ist ein offener Standard, der KI-Anwendungen eine konsistente Möglichkeit bietet, sich mit Tools, Datenquellen, Ressourcen und Prompts zu verbinden. Für IT- und Sicherheitsabläufe ist MCP wichtig, weil Untersuchungen und Workflows häufig von Kontext abhängen, der über mehrere Systeme verteilt ist. Ein gemeinsames Protokoll kann den Bedarf an individuellen Client-Server-Integrationen verringern und autorisierten Kontext sowie autorisierte Funktionen über eine konsistente Schnittstelle verfügbar machen. MCP selbst begründet keine Datenautorität, legt keine Richtlinien fest und führt keine operativen Workflows aus. Diese Verantwortlichkeiten verbleiben bei den verbundenen Plattformen, Anwendungen, Agenten, Identitätssystemen und Governance-Kontrollen.
Wie nutzt die Ivanti Neurons Platform MCP, um KI-Zugriff zu steuern?
MCP-Unterstützung in Neurons bietet einen strukturierten Zugriffspfad, über den zugelassene KI-Clients, Agenten, Partner und künftige Erlebnisse autorisierte Neurons-Plattformdaten und -Kontext abrufen können. Neurons bleibt das System of Record, während MCP als Protokoll dient, über das freigegebener Kontext verfügbar gemacht wird.
Dies ist ein Teil der umfassenderen KI-Strategie von Ivanti. Native Neurons KI-Erlebnisse, das Agentic-AI-Framework, KI-Services, Conversational Reporting und unterstützte externe KI-Clients bieten ergänzende Möglichkeiten, gesteuerten Plattformkontext zu nutzen und anzuwenden.
Warum benötigt KI-Orchestrierung ein System of Record?
Orchestrierung verbindet Systeme, aber eine Verbindung macht diese Systeme nicht vertrauenswürdig. Ohne klar definierte Datenautorität können Agenten auf Basis fragmentierter oder widersprüchlicher Informationen handeln, und Koordination kann Inkonsistenzen verstärken. Ein System of Record liefert den maßgeblichen Kontext, auf den sich eine zugelassene KI-Interaktion beziehen kann. Für Neurons umfasst dies die Aufzeichnung und Historie von Technologie-Assets, Beziehungen, Zuständigkeiten, Compliance und Betriebszustand. Es bedeutet nicht, dass Neurons die maßgebliche Quelle für jede Art von Unternehmensdaten ist. Indem Unternehmen Kontext im jeweils geeigneten System of Record verankern, können sie Arbeit über Grenzen hinweg koordinieren, ohne konkurrierende Quellen der Wahrheit zu schaffen.
Führt MCP Behebungsmaßnahmen aus oder automatisiert es Workflows?
Nein, MCP bietet einen standardisierten Mechanismus für den Zugriff auf autorisierten Kontext und autorisierte Funktionen. Es sollte nicht als Workflow-Engine, Automatisierungsplattform, Entscheidungsebene oder autonomes Ausführungssystem beschrieben werden. Empfehlungen und Ausführung erfolgen über den jeweiligen KI-Agenten, die Anwendung, das Plattformerlebnis oder die Workflow-Ebene und unterliegen weiterhin Berechtigungen, Richtlinien, Genehmigungen und Audit-Anforderungen. Die aktuelle Neurons-Planungsarchitektur beschreibt das anfängliche MCP-Zugriffsmodell als schreibgeschützt.
Ist MCP die einzige Möglichkeit, wie KI Neurons-Kontext nutzt?
Nein, die KI-Strategie von Ivanti umfasst native Neurons KI-Erlebnisse sowie MCP-gestützten Zugriff für unterstützte externe Clients, Partner, Agenten und künftige Erlebnisse. Das Agentic-AI-Framework bietet ein gemeinsames Framework für Agenten, KI-Services liefern zweckgebundene Einblicke und Empfehlungen, und Conversational AI Reporting ermöglicht den Zugriff auf Reporting und Betriebsinformationen in natürlicher Sprache.