"Agentic AI wird zum Katalysator für eine neue Rolle des Channels"

Architekturkompetenz, Datenverständnis, Prozessdenken: Dieser Dreiklang klappt nicht, wenn MSPs isolierte Einzel-Tools betreiben. Echten Mehrwert schaffen Multi-Agenten-Systeme, aber sie sind komplex und überfordern vor allem kleinere IT-Dienstleister. VAD können hier helfen, wie Thorsten Tellinghusen von ADN im Interview mit CRN erläutert.

CRN: Aktuell dominiert "Agentic AI" die IT-Infrastruktur-Debatte. Was bedeutet das für den deutschen Channel?

Thorsten Tellinghusen: Viele Diskussionen rund um Agentic AI leiden aktuell noch an einem grundlegenden Verständnisproblem. Häufig wird an sichtbare Anwendungen wie Chatbots gedacht. Tatsächlich passiert ein Großteil von Agentic AI aber im Hintergrund: in Form von Systemen, die Aufgaben eigenständig ausführen, Informationen strukturieren oder Prozesse priorisieren, ohne dass der Nutzer direkt mit ihnen interagiert. Agentic AI ist also deutlich erklärungsbedürftiger als andere KI-Ansätze. Für den Channel bedeutet das, dass Partner vor allem konkrete Use Cases entwickeln und aufzeigen müssen, wo diese "unsichtbaren" Agenten tatsächlich einen Unterschied im Alltag machen.

Ein Beispiel dazu, bitte.

Tellinghusen: Nehmen wir das Beispiel aus Ticketing, also dem Alltag eines MSPs: Kommt am Wochenende eine kritische Fehlermeldung eines Kundenservers an, wartet ein KI-Agent nicht auf den Schichtbeginn am Montag. Er analysiert die Logfiles selbstständig, isoliert den betroffenen Dienst, startet ein passendes Skript zur Fehlerbehebung und überprüft im Anschluss, ob das System wieder stabil läuft. Dem Techniker liegt am Montagmorgen kein offenes Problem mehr vor, sondern ein fertiger, dokumentierter Erfolgsbericht zur Freigabe. Das System agiert und löst Probleme, statt nur automatisiert Tickets zu sortieren.

Im Gespräch mit Kunden reicht es nicht mehr, Technologie zu präsentieren, sondern entscheidend ist, Prozessverbesserungen greifbar zu übersetzen. Das erfordert ein deutlich tieferes Verständnis für Workflows beim Kunden. Agentic AI wird zum Katalysator für eine neue Rolle des Channels – weg vom Produktfokus, hin zur prozessorientierten Beratung. Und genau darin liegt langfristig auch die Chance, sich im Wettbewerb klarer zu differenzieren.

Welche Rolle spielt dabei die Integration von Systemen und Daten – gerade im Hinblick auf praxisnahe Anwendungsfälle?

Tellinghusen: Agentic AI funktioniert nur dann zuverlässig, wenn Daten, Systeme und Prozesse sauber miteinander verbunden sind. Integration ist damit die zentrale Voraussetzung dafür, dass KI-Agenten überhaupt sinnvoll arbeiten können. Ein Agent kann nur so gut agieren, wie die Datenbasis ist, auf die er zugreifen kann – und diese liegt in der Realität meist verteilt über viele Systeme hinweg. Gerade bei Aufgaben wie automatisierter Priorisierung, Reporting oder Workflow-Steuerung zeigt sich schnell, dass isolierte KI keinen echten Mehrwert liefert, wenn sie nicht tief in bestehende Prozesse integriert ist.

Ein typisches Beispiel ist das Cloud-Billing im Managed-Services-Umfeld. Viele Provider stehen am Monatsende vor der Herausforderung, riesige Mengen dynamischer Nutzungsdaten auszuwerten. Setzt man hier eine KI ohne entsprechende Schnittstellen an, verpufft ihr Potenzial. Erst durch Integration entsteht echter Mehrwert: Wenn Azure-Agenten über eine Orchestrierungsplattform wie Jitterbit auf APIs zugreifen, Verbrauchsdaten automatisiert mit den Vertragsinformationen im ERP-System abgleichen, Azure Functions anstoßen und Abweichungen in Echtzeit markieren, wird aus Datenverarbeitung ein effizienter, skalierbarer Prozess.

Für Partner heißt das: Der Fokus verschiebt sich von der reinen KI-Implementierung hin zu Integrationsprojekten und eröffnet damit auch neue Geschäftsfelder. Gleichzeitig steigen aber auch die Anforderungen an Architekturkompetenz, Datenverständnis und Prozessdenken.

Vor welchen Herausforderungen stehen IT-Partner aktuell, wenn sie sich dem Thema Agentic AI nähern?

Tellinghusen: Viele Partner sehen die Chancen, stoßen aber in der Umsetzung schnell an strukturelle Grenzen. Fachkräftemangel, hoher Spezialisierungsbedarf und schwer kalkulierbare Projekte machen es schwierig, eigene Kompetenzen in der Tiefe aufzubauen. Hinzukommt, dass Agentic AI nicht mehr aus einzelnen klar abgegrenzten Komponenten besteht, sondern aus einer Kombination aus KI, Datenintegration und Prozessautomatisierung. Zudem bewegen wir uns weg von isolierten Einzel-Tools hin zu komplexen Multi-Agenten-Systemen, die im Team agieren.

Doch genau hier lauert auch eine neue, akute Gefahr: der 'Agent Sprawl'– also der unkontrollierte Wildwuchs von KI-Agenten. Warum? Weil autonome Agenten sich im Hintergrund unbemerkt weitreichende Administrationsrechte für sensible Datenbanken aneignen können, wenn eine zentrale Governance-Instanz fehlt. Führen Unternehmen übereilt und isoliert KI-Bots ein, drohen weitreichende Folgen für Data Compliance und Security.

[Mehr zum Thema KI: AI Week bei CRN]

Sie sprechen es: Multi-Agenten-Systemen sind komplex, überfordern schnell. VADs versprechen Partnern Hilfestellungen, um solche Komplexitäten zu beherrschen. Wie gehen Spezialisten aus der Distribution vor?

Tellinghusen: Wir sehen insbesondere bei kleineren Systemhäusern wie sie im Spannungsfeld zwischen Innovationsdruck, begrenzten Ressourcen und wachsenden Anforderungen an Sicherheit und Governance stehen und sich entsprechend schwertun, moderne Multi-Agenten-Systeme einzusetzen. Aber Kunden erwarten zunehmend konkrete, schnell umsetzbare Ergebnisse – also Proof-of-Value statt langwieriger Konzeptphasen. Genau hier setzen wir als Value-Added Distributor an. Mit unserem Master-MSP-Ansatz für Jitterbit stellen wir die Plattform zentral bereit, übernehmen Betrieb, Integration und Support und tragen einen wesentlichen Teil des technologischen und wirtschaftlichen Risikos. Mit Technologien wie "Deep Message Inspection und Human-in-the-Loop"-Konzepten garantieren wir die nötige Enterprise-Governance und AI Accountability. So schaffen wir einen strukturierten, sicheren Rahmen, in dem Partner sofort starten können – ohne selbst hochkomplexe Multi-Agenten-Architekturen von Grund auf programmieren oder spezialisierte Entwicklerteams vorhalten zu müssen.

Welche Rolle kann die Distribution in diesem Umfeld übernehmen?

Tellinghusen: Die Rolle der Distribution verändert sich derzeit grundlegend. Es geht längst nicht mehr nur darum, Technologien bereitzustellen, sondern darum, hochkomplexe Innovationsfelder so zu strukturieren, dass Partner daraus unmittelbar wirtschaftlich tragfähige Lösungen entwickeln können. Genau hier entsteht echter "Value-Added": Technologien müssen sinnvoll kombiniert, entlang konkreter Anwendungsszenarien gedacht und in wiederholbare Lösungsbausteine übersetzt werden, die sich nahtlos in typische Workflows integrieren lassen.

Denn moderne KI-Lösungen entstehen nicht im luftleeren Raum. Autonom agierende "AI Coworkers" benötigen beispielsweise auch ein durchdachtes Fundament, das weit über die reine Software hinausgeht. Wenn wir High-End-Compute-Infrastruktur von Nvidia für das Training von KI-Modellen einsetzen, hat das unmittelbare Auswirkungen auf die physische Umgebung im Rechenzentrum. Systeme unter Volllast erzeugen enorme Anforderungen an Stromversorgung und Kühlung. Deshalb reicht es nicht aus, nur die Rechenleistung bereitzustellen – wir müssen auch die passende Infrastruktur mitdenken.

In der Praxis bedeutet das, Server-Racks, USV-Anlagen und Kühlsysteme beispielsweise von Vertiv zu integrieren. Ein intelligenter Agent kann diese Komponenten dann in Echtzeit überwachen und steuern, etwa indem er die Flüssigkeitskühlung proaktiv hochregelt, noch bevor steigende Lastspitzen die Hardware an ihre Grenzen bringen.

Genau diese Zusammenführung bislang getrennter Welten ist unsere Aufgabe als Value-Added Distributor. Wir bündeln technologische Abhängigkeiten, Infrastruktur und Services zu schlüsselfertigen, skalierbaren Lösungsbausteinen. Parallel bauen wir unser Service-Portfolio gezielt aus. Das Ergebnis: Unsere Partner können komplexe Szenarien schneller umsetzen, Risiken deutlich reduzieren und sich stärker auf ihr eigenes Geschäft konzentrieren.

Welche konkreten Geschäftspotenziale ergeben sich aus Agentic AI für den Channel?

Tellinghusen: Agentic AI eröffnet dem Channel vor allem die Möglichkeit, sich stärker in Richtung Managed Services und wiederkehrende Geschäftsmodelle zu entwickeln. Statt einmaliger Projekte entstehen kontinuierliche Services rund um Automatisierung, Datenmanagement und KI-gestützte Prozesse. Ein zentraler Punkt ist dabei, dass KI-Agenten kontinuierlich arbeiten, optimiert und überwacht werden müssen – das schafft langfristige Service-Beziehungen. Gleichzeitig entstehen neue Use Cases, etwa in der Prozessautomatisierung, im Datenmanagement, in der Netzwerkinfrastruktur oder im Bereich smarter Assistenzsysteme.

Partnern bietet sich somit die Chance, sich stärker vom klassischen Projektgeschäft zu lösen und wiederkehrende Umsätze zu etablieren. Unser klares Ziel bei ADN: unsere Partner bei genau dieser Transformation zum wertschöpfenden Service-Provider zu begleiten. Wir liefern die Trainings, die schlüsselfertigen Architekturen und die vorintegrierten Plattformen. Wir wollen Partner in die Lage versetzen, nicht bei Null zu starten, sondern auf erprobte Modelle zurückzugreifen.

Denn am Ende entscheidet nicht die Technologie allein, sondern die Fähigkeit, daraus skalierbare Geschäftsmodelle zu entwickeln. Genau hier sehen wir unsere Rolle als Enabler im Channel.

Sieger-Video CRN Channel Award. Jetzt für 2026 bewerben - noch bis 19. Juni 2026!