OpenAI, SAP und die neue Zentralität von AI-Governance

OpenAI launcht "Presence", SAP kündigt den "AI Agent Hub" für Q3 an. Das Bemerkenswerte daran: Die Bedeutung der Modelle sinkt. Dafür steigt die Bedeutung von Governance.

Beide Anbieter reden kaum noch über das Modell, sondern über Guardrails, Policies und Freigaben. Kein Zufall: Laut Gartner erreichen neun von zehn Agenten-Piloten nie die Produktion (Gartner, 2026), ab dem 2. August greifen die Transparenz- und GPAI-Pflichten des EU AI Act (EU-Kommission). Governance ist vom Randthema ins Zentrum gerückt, und da beginnt das Missverständnis.

In einem aktuellen Kundenprojekt ist das die Kernfrage: Welche Governance braucht ein Unternehmen für Data und AI, wenn Agenten künftig eigenständig handeln?

Unsere Sicht: Governance heißt nicht, einzelne Use Cases zu kontrollieren. Governance heißt, wenige Dinge zentral und sauber zu bauen, damit alles andere dezentral und schnell laufen kann. Kontrolle pro Agent bremst. Eingebaute Governance ermöglicht.

Diese Bausteine gehören zentral gebaut, nicht dezentral verhandelt:

Agent Registry:

Ein zentrales Verzeichnis, welcher Agent was darf, worauf er zugreift und wer ihn verantwortet. Tools wie Entire zeigen die Richtung, aktuell für Coding-Agenten: jede Session protokolliert, durchsuchbar, neben dem Commit. Business-Agenten brauchen dasselbe Prinzip.

Business Semantic Layer:

Eine unternehmensweit einheitliche Bedeutung von Kennzahlen und Daten, plattformübergreifend. Sonst rechnet jeder Agent mit seiner eigenen Wahrheit.

Kostenoptimierung:

Nicht Kosten hinterher überwachen, sondern vorher entscheiden: das richtige Modell für die Aufgabe, die passende Plattform, bewusstes Caching statt jeder Anfrage gegen das teuerste Modell.

Richtig gebaut, behindern diese drei nichts. Sie enablen: Teams handeln dezentral und schnell, weil die Leitplanken eingebaut sind, nicht weil jemand sie bei jedem Schritt neu prüft.