Wie die Agenten-Kontrollebene von Snowflake und der Context Graph von Accenture kontrollierte Daten in kontrollierte Entscheidungen verwandeln
In den letzten Jahren war die vorherrschende These im Bereich der Unternehmens-KI, dass KI die Benutzeroberfläche für Daten ist. Natürliche Sprache ersetzt traditionelle Konsum- und Interaktionsmechanismen wie Berichte und Dashboards. Konversation hat die Distanz zwischen geschäftlichen Usern und den von ihnen benötigten Informationen verringert. Jeder CIO hat die Anziehungskraft dieses Wandels gespürt.
Diese These ist mittlerweile eine Grundvoraussetzung. Die schwierigere Frage, die uns jeder CxO stellt, ist, was als Nächstes kommt.
Wir glauben, dass es im nächsten Kapitel darum geht, Erkenntnisse in echte, unternehmensweite agentische Aktionen umzusetzen. Kontrollierte Daten in kontrollierte Entscheidungen verwandeln.
Dies ist die Entstehung des Agentic Enterprise: eine Welt, in der intelligente Agenten kontinuierlich über Daten, Modelle und Anwendungen hinweg agieren, um Unternehmen dabei zu helfen, in großem Maßstab zu schlussfolgern, zu entscheiden und zu handeln.
Die Herausforderung für Unternehmen
Jedes Unternehmen sieht das Potenzial dieser agentischen Zukunft. Aber heute stellen die meisten Unternehmen Agenten in bereits fragmentierten Umgebungen bereit.
Die meisten Unternehmen setzen Agenten in Silos ein. Ein Finanzagent trifft Annahmen, die dem widersprechen, was der Supply-Chain-Agent gerade entschieden hat. Ein Marketingagent generiert Inhalte, ohne zu wissen, was der Supportagent gestern über diesen Kunden erfahren hat. Das Ergebnis: widersprüchliche Aktionen, inkonsistente Ergebnisse und begrenzte geschäftliche Auswirkungen.
Die Lösung dieser Herausforderung beginnt mit dem Kontext: Ein Abwanderungssignal in der Telekommunikation unterscheidet sich von einem im Privatkundengeschäft; ein „hochwertiger Kunde“ bei Konsumgütern wird in der Pharmaindustrie anders definiert; und ein Anstieg der Stückkosten erfordert bei einem Krankenversicherer einen anderen Eskalationspfad als bei einem Vermögensverwalter.
Ohne den richtigen Entscheidungskontext (z. B. Branchensemantik, KPI-Hierarchien, Entscheidungsrahmen und Richtlinien) kann ein Agent Daten fehlerfrei abrufen und dennoch zu einer Entscheidung gelangen, die strategisch falsch, kommerziell teuer oder unbemerkt nicht konform ist.
Und dann muss dieser Kontext mit dem richtigen KI-Modell und den richtigen Informationen aus all Ihren Anwendungen verknüpft werden, um sinnvolle, vertrauenswürdige Entscheidungen in großem Maßstab zu treffen.
Die aktuelle AI-Ready Data-Studie von Accenture ergab, dass nur 7 % der Unternehmen – die wir als „Data Reinventors“ bezeichnen – die Datengrundlagen geschaffen haben, die für die Skalierung fortschrittlicher KI erforderlich sind. Sie haben ihre Datenkapazitäten erweitert, um kontrollierte, vertrauenswürdige Daten nicht nur für die Nutzung durch Menschen, sondern auch für diese neue Generation von KI und Agenten bereitzustellen. Diese Vorreiter setzen Context Graphs mit etwa doppelt so hoher Wahrscheinlichkeit in großem Maßstab ein wie ihre Mitbewerber, und 74 % von ihnen integrieren Decision Intelligence in ihre wichtigsten Geschäftsentscheidungen, verglichen mit nur 28 % ihrer Mitbewerber.
Die Architektur eines Agentic Enterprise
Die Realisierung dieser Chance und die Entwicklung zu einem Agentic Enterprise beginnt mit den richtigen Elementen. Wir glauben, dass das Agentic Enterprise vier Schlüsselkomponenten erfordert:
Unternehmensdaten + Kontext: Eine kontrollierte, gemeinsame Grundlage aus Daten, Geschäftssemantik und Richtlinien. Der Kontext und die Informationen, die Ihr Unternehmen zu Ihrem Unternehmen machen.
KI-Modelle: Reasoning Engines, die Analysen, Vorhersagen und Empfehlungen generieren und Ihnen helfen, echte Intelligenz aus diesem Kontext zu gewinnen.
SaaS + Anwendungen: Unternehmenssysteme, die Ihre kritischen Geschäftsabläufe am Laufen halten.
Die Agenten-Kontrollebene: Die Komponente, die alle drei Elemente koordiniert, Governance durchsetzt und Absichten in kontrollierte agentische Aktionen übersetzt.
Wenn diese Komponenten vorhanden sind, sind Agenten nicht länger nur clevere Assistenten, sondern vertrauenswürdige Entscheidungsträger, die auf derselben Governance basieren, die auch Ihr Unternehmen steuert.
Der Kontext ist der Ausgangspunkt. Die Control Plane ist der Ort, an dem gehandelt wird.
Ihre Unternehmensdaten- und Kontextschicht ist Ihr Wettbewerbsvorteil. Sie ist die kontrollierte, domänenübergreifende Source of Truth, in der Daten, Richtlinien, Betriebsstatus und Geschäftssemantik zusammenlaufen.
Dies ist der wesentliche erste Schritt auf dem Weg zu einem Agentic Enterprise: die Vorbereitung der Unternehmenskontext-Grundlage für KI. Daten, die zugänglich, sicher, umsetzbar sind – und für die Branche, die Funktion, die Richtlinie und die Transaktion kontextualisiert sind.
Snowflake dient heute als diese Grundlage für über 13.600 Unternehmen – der Ort, an dem kontrollierte Daten, Richtlinien und Geschäftslogik zusammenlaufen, um das Substrat zu schaffen, von dem KI abhängt.
Der Context Graph von Accenture: Branchenspezifische Decision Intelligence auf der Kontextschicht
Der Context Graph von Accenture verwandelt die Unternehmenskontextschicht in ein branchenspezifisches Entscheidungssubstrat. Er basiert auf jahrzehntelanger Arbeit mit Kunden aus den Bereichen Konsumgüter, Finanzdienstleistungen, Life Sciences, Gesundheitswesen und anderen Sektoren und kodiert die Domänenontologien, Wertbaumlogik, Eskalationsregeln, regulatorischen Overlays und Aktions-Playbooks, die rohen Kontext in entscheidungsrelevanten Kontext verwandeln.
Der Context Graph befindet sich innerhalb der Unternehmenskontextschicht neben den kontrollierten Daten von Snowflake und übernimmt deren Richtlinien- und Lineage-Kontrollen. Er macht die Datengrundlage branchenspezifisch. Jedes Mal, wenn ein Agent Kontext aus Snowflake abruft, stellt der Context Graph sicher, dass die richtige Geschäftssemantik, die richtigen Entscheidungsrahmen und die richtigen Richtlinien angewendet werden. Das Ergebnis: Agenten rufen nicht nur Daten ab – sie rufen Entscheidungen ab.
Im Bereich Finanzdienstleistungen kodiert der Context Graph Kreditrisikorahmen, regulatorische Eskalationsmuster und Wertbäume für Portfolioentscheidungen. Bei Konsumgütern kodiert er kanalspezifische Kundendefinitionen, Trade-Promotion-Frameworks und Regalentscheidungslogik. Bei Krankenversicherern kodiert er Richtlinien für das Utilization Management, die Segmentierung von Mitgliedern und Workflows für die Vorabgenehmigung. Jede Branchensicht ist eine Peer-Review-geprüfte, kontrollierte Wissensstruktur – kein einmaliger Aufbau, sondern ein lebendiges Asset, das sich mit der Branche und dem Kunden weiterentwickelt.
Accenture liefert und pflegt den Context Graph über die Reinvention.AI-Plattform von Accenture, seine Unternehmensplattform für KI-gesteuerte Neuerfindung. Reinvention.AI orchestriert die Graph-Entwicklung, während sich Branchen verändern und Kunden lernen, und integriert sich in Snowflake CoWork und Snowflake CoCo, sodass geschäftliche User und Entwickler auf denselben kontrollierten Entscheidungskontext zugreifen können – unabhängig davon, ob sie eine Frage in natürlicher Sprache stellen oder eine neue Agenten-Anwendung erstellen.
KI-Modelle und Anwendungen: Diesen Kontext in Erkenntnisse verwandeln
Kontext allein führt nicht zu Ergebnissen. Er muss mit KI-Modellen verbunden werden, die ihn analysieren können, und mit den Anwendungen, in denen Ihre Teams tatsächlich arbeiten.
Snowflake ermöglicht die Modellauswahl und bringt KI zu Ihren Daten, anstatt Ihre Daten zum Modell zu verschieben. Über offene Standards wie MCP werden kontrollierte Unternehmensdaten sicher mit führenden Modellen – Claude, Gemini, ChatGPT und anderen – sowie mit den SaaS-Systemen verbunden, die Ihr Unternehmen steuern.
Accenture bringt unsere Branchen-Jump-Starter, die auf bekannten Prozessneuerfindungen basieren, bis hin zu sicheren und optimierten Integrationen in Unternehmenssysteme und -tools ein.
Das Ergebnis: Intelligenz, die auf Ihren Daten basiert, vom besten verfügbaren Modell angetrieben wird (Powered by) und in den Systemen umsetzbar ist, in denen die Arbeit erledigt wird.
Die Agenten-Kontrollebene: Wo alles zusammenkommt
Mit einer starken Unternehmenskontext-Grundlage, die wie beim Context Graph von Accenture branchenspezifisch gestaltet ist, koordiniert die Agenten-Kontrollebene alle vier Elemente, um Aktionen auf Unternehmensebene voranzutreiben.
Snowflake CoWork ist der persönliche Arbeitsagent für geschäftliche User, der einzige Ort, an dem sie auf alle benötigten Daten zugreifen und über die von ihnen genutzten Anwendungen hinweg in natürlicher Sprache Aktionen ausführen können.
Snowflake CoCo ist der KI-gestützte Coding-Agent, mit dem Entwickler alles erstellen und auf alle Daten und Systeme zugreifen können – von der Idee bis zur Anwendung, vom Prompt bis zur Pipeline.
Reinvention.AI von Accenture erweitert die Control Plane weiter über die vorhandenen Tools, Plattformen und Agenten jedes Kunden – und stellt so sicher, dass Entscheidungen in Systeme im gesamten Unternehmen einfließen, während dieselbe Governance und Decision Intelligence erhalten bleibt, die der Context Graph bietet.
Zusammen erwecken sie die Agenten-Kontrollebene zum Leben: Sie koordinieren Unternehmenskontext, Modelle und Anwendungen, um agentische Aktionen in großem Maßstab zu ermöglichen und sicherzustellen, dass alle Entscheidungen kontrolliert werden.
Was sich ändert, wenn Entscheidungen End-to-End kontrolliert werden
Mit einem starken Kontext und einer Control Plane, die Entscheidungen koordiniert, wird das Agentic Enterprise operativ. Daten sind nicht länger ein passives Asset, das darauf wartet, abgefragt zu werden. Sie werden zu einem aktiven Substrat, in dem Entscheidungen End-to-End getroffen, kontrolliert, geprüft und ausgeführt werden können.
Drei Muster wiederholen sich bei allen Bereitstellungen:
Konsistenz über Funktionen hinweg, by Design: Wenn ein Finanzagent, ein Supply-Chain-Agent und ein Marketingagent aus demselben Kontext schlussfolgern – dieselben KPI-Definitionen, dieselben Eskalationsregeln, dieselben Richtlinien –, verschwinden die agentenübergreifenden Widersprüche. Entscheidungen werden im gesamten Unternehmen kohärent, da der Entscheidungskontext geteilt wird.
Von der Frage zur kontrollierten Aktion in Sekunden: Geschäftliche User, die durch Kontext unterstützt werden, gelangen in Sekundenschnelle von einer Frage in natürlicher Sprache zu einer kontrollierten Aktion – und komprimieren so das, was zuvor mehrstufige Übergaben durch Analytics-, Planungs- und Betriebsteams erforderte. Entwickler, die agentische Anwendungen erstellen, erben vom ersten Tag an denselben Kontext und dieselbe Governance.
Eine Grundlage, die sich potenziert: Jede Interaktion bereichert den Kontext. Neue Richtlinien werden hinzugefügt. Neue Entscheidungen werden explizit. Stillschweigendes Wissen tritt in strukturierter Form zutage. Wie die Data Reinventors in unserer Studie zeigen, erzielen diejenigen, die einer kontinuierlichen Schleife aus Erfassung, Kontextualisierung und Wertschöpfung folgen, einen sich potenzierenden Margenvorteil gegenüber ihren Mitbewerbern.
Die Unternehmen, die jetzt handeln, werden Agentic AI nicht nur einführen. Sie werden sich darauf basierend neu erfinden.
Unternehmen, die dies jetzt integrieren, werden die nächste Entwicklung anführen
Wir stehen am Anfang dieses Kapitels, nicht am Ende. Die Unternehmen, die führend sein werden, sind diejenigen, die heute in ihre Kontextgrundlage investieren – und die Decision-Intelligence-Schicht aufbauen, die diesen Kontext in vertrauenswürdige, kontrollierte Aktionen verwandelt.
Dies ist die gemeinsame Grenze, die Snowflake und Accenture zusammen aufbauen – sei es durch die Ausweitung des Context Graph von Accenture auf weitere Branchen oder durch die Unterstützung von Unternehmen beim Aufbau ihres eigenen – wir bringen die nächste Welle gemeinsamer Kunden auf einer einheitlichen agentischen Grundlage live. Das Agentic Enterprise ist kein zukünftiger Zustand. Für die Unternehmen, die jetzt handeln, ist es bereits operativ.


