Welche 8 Architekturprinzipien gelten für jede produktionsreife AI-Plattform?
Zuletzt geprüft: 23. Juli 2026
Acht Prinzipien bilden die verbindlichen Leitplanken für jede AI-Architektur: API First, Human in the Loop, Explainability by Design, Fail Safe, saubere Kernsysteme, eine zentrale AI-Runway-Plattform, Datenqualität als Agentenqualität und Interop over Lock-in. Jedes Prinzip hat einen Verletzungsindikator — ein konkretes Signal, wann es gebrochen wird. Kein Go-Live ohne Prüfung aller acht.
Was bedeuten die 8 Prinzipien konkret?
Architekturprinzipien sind keine Wunschliste, sondern verbindliche Leitplanken, die vor jeder Technologieentscheidung geprüft werden. Sie sind bewusst herstellerneutral formuliert — sie gelten unabhängig davon, welche Plattform, welches ERP oder welche Cloud im Hintergrund läuft.
Jede Funktionalität wird über eine dokumentierte, versionierte API exponiert — keine Direktzugriffe auf Datenbanken oder interne Strukturen. Verletzt, wenn: Custom-Code direkt auf interne Tabellen zugreift, keine REST/OData-Schicht vorhanden ist.
Jede AI-Entscheidung mit erheblicher Wirkung auf Personen, Finanzen oder kritische Prozesse hat einen definierten menschlichen Prüfpfad. Verletzt, wenn: ein Agent Transaktionen autonom ohne Schwellenwert-Eskalation durchführt.
AI-Systeme in Produktion dokumentieren ihre Entscheidungsgrundlage nachvollziehbar — für Audit, Compliance und Nutzervertrauen. Verletzt, wenn: ein Output ohne Quellenangabe, Konfidenzwert oder Begründungspfad geliefert wird.
Jedes AI-System hat einen definierten Fallback-Pfad für Ausfälle, niedrige Konfidenz und Out-of-Scope-Anfragen. Verletzt, wenn: kein Fallback definiert ist und ein Ausfall den Kernprozess blockiert.
Kein AI-Deployment auf Basis eines nicht sanierten Kernsystems — ein sauberer Datenkern ist Eintrittsbedingung, nicht Zukunftsprojekt. Verletzt, wenn: AI-Investitionen auf stark individualisierten Systemen ohne Sanierungs-Roadmap laufen.
Eine dokumentierte Plattform ist die primäre Basis für AI-Extensions und Custom Agents — kein paralleler proprietärer AI-Stack. Verletzt, wenn: ein eigener LLM-Stack außerhalb der zentralen Plattform aufgebaut wird.
Die Qualität jedes AI-Agenten ist eine direkte Funktion der Master-Data-Governance — keine Governance heißt keine zuverlässigen Agenten. Verletzt, wenn: ein Agent inkonsistente Ergebnisse liefert, weil Stammdaten dupliziert sind.
Architekturentscheidungen priorisieren Interoperabilität (offene Protokolle, offene APIs) gegenüber herstellerspezifischen Stacks. Verletzt, wenn: ein vollständiger Agent-Stack eines Anbieters ohne Exit-Strategie besteht.
Die am häufigsten unterschätzte Schicht ist die Orchestrierung — nicht Daten, nicht Modell. Ohne Prompt Registry werden Prompts manuell im Code vergraben. Ohne MLOps veralten Modelle unbemerkt. Ohne Monitoring entstehen keine Feedback-Loops für Verbesserungen. Die Investition in diese Schicht zahlt sich spätestens ab dem zweiten produktiven Use Case aus — wer sie beim ersten Use Case überspringt, baut die Schulden für alle folgenden mit auf.
Glossar
Alle 8 Prinzipien vor jedem Go-Live prüfen
Die Architektur-Checkliste im Produkt führt jeden Use Case durch alle acht Prinzipien und dokumentiert Abweichungen automatisch.
Architektur-Generator öffnen →FAQ
Müssen alle 8 Prinzipien gleichzeitig umgesetzt sein?
Vor jedem Go-Live müssen alle acht geprüft werden — das heißt aber nicht, dass jedes Prinzip zu 100 % erfüllt sein muss. Wichtiger ist, bewusste Abweichungen zu dokumentieren statt sie zu übersehen.
Was, wenn unser Kernsystem noch nicht sauber ist?
Dann sollte die Sanierungs-Roadmap Teil des AI-Projektplans werden, nicht eine separate Entscheidung. Prinzip P5 verlangt eine Roadmap, keine sofortige Perfektion.
Bedeutet Interop over Lock-in, dass man keine Plattform-Standardprodukte nutzen darf?
Nein. Es bedeutet, dass offene Protokolle und ein Exit-Pfad von Anfang an mitgeplant werden — auch wenn man sich bewusst für eine zentrale Plattform entscheidet.
Wer prüft die 8 Prinzipien vor Go-Live?
In der Praxis das Architektur- oder AI-Governance-Board gemeinsam mit dem verantwortlichen AI Engineer — dieselben Rollen, die auch die Go-Live-Freigabe erteilen.
Daniel Ostner
Aus Kapitel 5 des Enterprise-AI-Leitfaden-Buchs
Verwandte Leitfäden
Warum AI-Projekte scheitern
88 % der Unternehmen nutzen AI, nur 5,5 % erzielen messbaren ROI. Die drei echten Ursachen: fehlende Datenbasis, kein Workflow-Redesign, fehlende Governance.
AI-Governance aufbauen
Tragfähige AI-Governance läuft auf drei Ebenen: strategisch, taktisch, operativ. Ein Minimalmodell mit 5 Rollen und 6 Kernentscheidungen reicht für den Start.