enlanguageRegister | Login
start
dashboard
catalog
library
pricing
faq
fingerprint

Login
call

Contact
help

Help

Agentic Control Layer · Enterprise Agent Runtime

Agentic Control Layer:
kontrollierte KI-Orchestrierung für IT-Operations

Ein Agentic Control Layer ist die deterministische Governance-Schicht zwischen LLM-Intelligenz und technischer Ausführungsinfrastruktur. Das LLM plant und bewertet — der Control Layer entscheidet, was ausgeführt wird. AdminsBuddy implementiert dieses Prinzip für Unternehmens-IT.

Deterministische Policy Engine Tool Catalog Human-in-the-Loop Early Access
Architekturgespräch anfragen Governance im Detail

Was ist ein Agentic Control Layer?

Abgrenzung: Chatbot · Copilot · freier Agent · Control Layer

Die meisten KI-Automatisierungsansätze operieren auf einem Spektrum: vom einfachen Chatbot (beantwortet Fragen) bis zum vollautonomen Agenten (wählt und ruft Tools frei auf). Ein Agentic Control Layer liegt bewusst zwischen diesen Extremen.

Chatbot / Copilot

Gibt Empfehlungen, beantwortet Fragen, unterstützt menschliche Entscheidungen. Kein eigenständiges Ausführen von Aktionen in Infrastruktur.

Freier KI-Agent

Wählt Tools zur Laufzeit frei. Kein deterministischer Kontrollrahmen. Für Produktionsumgebungen mit schreibenden Zugriffen nicht geeignet.

AdminsBuddy Agentic Control Layer

LLM plant und bewertet. Deterministischer Control Layer entscheidet über Ausführung — anhand Tool Catalog, Policies und Autonomy Contracts. Vollständiger Audit-Trail.

Systemarchitektur

Conversation Layer

Web-UI · Teams Bot · MCP (ChatGPT / Claude)

↓ natürlichsprachliche Aufgabe

Agentic Control Layer ← Sie sind hier

LLM-Orchestrator: Goal → Plan → Execute → Replan

Policy Engine · Tool Catalog · Autonomy Contracts · Approval · Memory · Audit

↓ nur erlaubte Tools, nur validierte Args

Execution Layer

POD (PowerShell im Kundennetz) · Automation Engine

↓ Logs, Ergebnisse, Status

Zielsysteme

Active Directory · M365 · VMware · Azure · APIs

Run-Lifecycle

Jeder operative Lauf hat Ziel, Plan, Ausführung und nachvollziehbaren Endzustand

Goal

Natürlichsprachliche Aufgabe wird als strukturiertes Ziel erfasst

Plan

LLM zerlegt das Ziel in Schritte mit toolName und toolArgs

Execute

Control Layer prüft gegen Policy & Catalog — dispatcht dann an POD

Evaluate & Replan

LLM bewertet Ergebnisse — bei Bedarf wird der Plan angepasst

Terminal State

Done / Rejected / Failed — jeder Run endet in einem definierten Endzustand

Governance-Mechanik

Die Bausteine des deterministischen Control Layers

Tool Catalog & Capability-Modell

Nur explizit im Catalog hinterlegte Tools können vom LLM aufgerufen werden. Jedes Tool hat definiertes Schema, erlaubte Parameter und Autonomy Contract. Das LLM kann keine Tools ad hoc "erfinden".

Live

Autonomy Contracts & Policy Engine

Jedes Tool hat einen definierten Autonomy Contract: Allow (automatisch ausführen), Approval (Freigabe nötig), Deny (blockiert). Diese Entscheidung trifft die deterministische Policy Engine — nicht das LLM.

Live

Human-in-the-Loop Approval

Bei kritischen Aktionen (z.B. Benutzer deaktivieren, Gruppenänderungen) pausiert der Run und wartet auf explizite menschliche Freigabe. Ein Admin genehmigt oder lehnt ab — danach fährt der Run entsprechend fort.

Live

Audit & Prompt Provenance

Jede LLM-Entscheidung, jede Tool-Auswahl, jede Ausführung und jedes Ergebnis wird im Audit-Trail gespeichert — einschließlich des Prompts, der die Entscheidung ausgelöst hat. Vollständige Nachvollziehbarkeit.

Live

LLM als Denkkomponente

Das LLM übernimmt Aufgabenzerlegung, Ergebnisbewertung und Replanning. Es hat keine direkte Ausführungshoheit — diese liegt ausschließlich beim Control Layer. Zwei getrennte Verantwortlichkeiten.

Live

MCP-Server für externe KI-Assistenten

Ein vollständiger MCP-Server (JSON-RPC 2.0, OAuth 2.0) stellt Tools für externe KI-Assistenten wie ChatGPT und Claude bereit — Ressourcen, Job-Status, Skript-Inhalt, AC-Run-Informationen.

Live (read-only)

Produktstand

Heute verfügbar — und was auf der Roadmap steht

Der Agentic Control Layer ist implementiert und produktiv in Betrieb. Die Governance-Mechanik ist stabil. Die Gesamtorchestration befindet sich in aktiver Weiterentwicklung (Early Access).

Live / Early Access

  • Vollständiger Run-Lifecycle (Goal → Plan → Execute → Replan → Terminal)
  • Tool Catalog mit definierten Capability-Contracts
  • Autonomy Contracts: Allow / Approval / Deny per Tool
  • Deterministische Policy Engine
  • Human-in-the-Loop Approval Gates
  • Vollständiger Audit-Trail mit Prompt Provenance
  • MCP-Server (read-only) für ChatGPT & Claude
  • Bridge zur Automation Engine (produktiv in Betrieb)
  • AD, WinRM, DNS, Storage, M365-Tools über Tool Catalog

Roadmap

  • MCP Write-Path: Job-Submission über externe KI-Assistenten
  • Workflow-Orchestrierung: DAG-basierte Multi-Step-Abläufe
  • Progressive Trust: dynamische Freigabeanpassung
  • Cross-System Learning aus erfolgreichen Runs
  • A2A Gateway: Agent-zu-Agent-Kommunikation

Der Agentic Control Layer befindet sich in aktiver Weiterentwicklung. Für erste produktive Einsätze empfehlen wir ein begleitetes Pilotprojekt mit klar abgegrenztem Use Case.

Technische FAQ

Was Architekten und IT-Entscheider fragen

Ein Agentic Control Layer ist die deterministische Governance-Schicht zwischen einem LLM und der technischen Ausführungsinfrastruktur. Das LLM plant und bewertet — der Control Layer entscheidet, welche Aktionen tatsächlich ausgeführt werden dürfen, anhand von Tool Catalog, Policies und Autonomy Contracts. AdminsBuddy setzt dieses Prinzip für IT-Operations um.
Ein freier Agent kann zur Laufzeit improvisieren — welche Tools er nutzt, was er ausführt. AdminsBuddy beschränkt die Ausführung auf: (1) explizit hinterlegte Tools im Catalog, (2) vom Control Layer validierte toolName und toolArgs, (3) per Autonomy Contract definierte Freigabelevel. Das LLM hat keine direkte Ausführungshoheit.
Der POD ist der lokale Execution-Agent im Kundennetz. Er empfängt Jobs vom Control Layer, führt PowerShell-Skripte in der lokalen Infrastruktur aus und meldet Ergebnisse zurück. Die Ausführung bleibt im Kundennetz — kein Cloud-Lock, keine offenen eingehenden Ports.
Der Agentic Control Layer ist implementiert und in aktiver Nutzung — befindet sich aber in der Early-Access-Phase. Die Governance-Mechanik ist stabil. Die Gesamtorchestration wird kontinuierlich weiterentwickelt. Für den Einstieg empfehlen wir ein begleitetes Pilotprojekt mit klar abgegrenztem Use Case.
Lesend ja — der MCP-Server (read-only) ist live und unterstützt ChatGPT und Claude als externe Clients. Schreibende Operationen (Job-Submission über MCP) sind auf der Roadmap, aber noch nicht produktionsbereit. Details unter Sichere KI-Agenten für IT-Operations.

Verwandte Themen

Vertiefende Seiten

Sichere KI-Agenten für IT-Operations IT-Operations automatisieren — Pillar-Seite PowerShell-Skripte zentral steuern Infrastruktur-Diagramm ansehen

Nächster Schritt

Architekturgespräch für Ihren Agentic-Control-Einstieg

Wir besprechen, welcher Use Case sich als erster kontrollierter Agentic-Control-Pilot in Ihrer IT-Umgebung eignet — mit klaren Governance-Grenzen und begleitetem Setup.

Architekturgespräch anfragen Pricing ansehen