Es reicht nicht aus, KI-Agenten mit einem leistungsfähigeren Modell auszustatten, damit sie die Cloud-Infrastruktur autonom verwalten können. Das von env zero gesponserte Material hebt als Problem den fehlenden Betriebskontext hervor, der das, was vorhanden sein sollte, wie es von Infrastructure as Code (IaC)-Tools beschrieben wird, mit dem verbindet, was tatsächlich in der Cloud läuft.
Wenn der Agent mit IaC-Dateien oder einer einzigen Informationsquelle arbeitet, kann er eine einzelne Ressource sehen, ohne ihre Beziehung zur Anwendung, zur Governance-Richtlinie oder zu Sicherheits- und Kostenanforderungen zu kennen. Infolgedessen kann der Agent eine Änderung vorschlagen, die lokal korrekt erscheint, aber einen Verstoß verursacht oder andere Komponenten beeinflusst, die in dem ihm verfügbaren Kontext nicht sichtbar sind.
Die API-Steuer
Agenten müssen kontinuierlich Cloud-APIs abfragen, um den aktuellen Zustand zu ermitteln. Dieses Muster bringt jedoch das mit sich, was das Material als „API-Steuer“ bezeichnet: Ratenbegrenzungen, das Scheitern von Abfrageketten sowie eine höhere Latenz und höhere Kosten. Hinzu kommt die mögliche Beeinträchtigung sensibler Prozesse wie CI/CD-Pipelines oder der automatischen Skalierung, wenn mehrere Tools um dieselbe Kapazität konkurrieren.
Die Arbeitsweise eines Agenten unterscheidet sich von der eines menschlichen Nutzers: Ein Mensch neigt dazu, konkrete Fragen zu stellen, während ein Agent möglicherweise eine lange Folge von Abfragen durchführt. Das Material zitiert Steve Corndell, den CEO des Unternehmens, mit dem Beispiel eines Agenten, der 90 Abfragen erfolgreich abgeschlossen hatte und dann bei der 91. Abfrage scheiterte, wodurch er gezwungen war, die gesamte Kette erneut auszuführen. In diesem Fall beschränkt sich der Schaden nicht auf die fehlgeschlagene Abfrage, sondern vergrößert sich durch die Wiederholung der bereits geleisteten Arbeit.
Der Ansatz schlägt nicht vor, Live-Abfragen abzuschaffen, sondern sie intelligent zu verteilen. Relativ stabile Informationen, etwa Zuständigkeiten, können in einem synchronisierten Kontext vorgehalten werden, der in einem angemessenen Rhythmus aktualisiert wird. Direkte Abfragen lassen sich auf Fragen beschränken, die Kenntnis des aktuellen Zustands erfordern. Ziel ist es, wiederholte Anfragen zu reduzieren und gleichzeitig die Genauigkeit der Betriebsinformationen zu bewahren.
Von der erklärten Absicht zur betrieblichen Realität
Das Material beschreibt eine Kontextebene, die deklarierte Infrastrukturinformationen mit der Erkennung tatsächlicher Ressourcen zusammenführt und sie mit Anwendungen, Richtlinien, Zuständigkeiten und den Grenzen zwischen Umgebungen verknüpft. Eine Ontologie- oder Wissensgraphschicht soll dabei helfen, Informationen zu vereinheitlichen, die üblicherweise über Zustandsdateien, Tags, Tabellen, direkt über Dashboards vorgenommene Änderungen und nicht dokumentiertes Wissen verteilt sind.
Ein hypothetisches Beispiel verdeutlicht, dass ein Tool wie Wiz möglicherweise eine Hochverfügbarkeitsrichtlinie durchsetzt, die mehrere Instanzen erfordert, während ein Agent, der sich ausschließlich auf IaC stützt, nur eine einzelne Instanz sieht und den Verstoß daher nicht erkennt. Die Verknüpfung dieser Daten mit dem Anwendungskontext und der Richtlinie ermöglicht es dem Agenten, die Auswirkungen vor dem Vorschlag einer Behebung zu bewerten.
Ein vollständiger Regelkreis
env zero schlägt ein Modell vor, das mit der Erfassung der erklärten Absicht beginnt, anschließend den tatsächlichen Zustand ermittelt, beide Zustände abgleicht, Richtlinien prüft, Änderungen in Form von Pull Requests zur Überprüfung und Ausführung vorschlägt und schließlich eine erneute Prüfung durchführt, um zu verifizieren, dass die Abweichung oder das Problem behoben wurde. Die Datenschicht kann bis zu Ausführungstools wie Terraform, OpenTofu und Pulumi reichen.
Das Unternehmen bezeichnet EZ Control als einen autonomen Regelkreis, der den erklärten mit dem erkannten Zustand verbindet, eine Behebung vorschlägt oder sie innerhalb der Richtlinienkontrollen ausführt und anschließend den Erfolg der Änderung überprüft. Das Produkt befindet sich in der Early-Access-Phase, und das Unternehmen strebt eine allgemeine Verfügbarkeit bis Ende Dezember 2026 an. Daher befinden sich einige der beschriebenen Elemente des Regelkreises noch im Aufbau bei env zero.
Warum ist dieses Modell relevant?
Der praktische Wert dieses Ansatzes liegt nicht allein in der Erkennung des Problems, sondern darin, den Prozess bis zur Überprüfung seiner Behebung abzuschließen. Ein Tool, das bei der Warnung stehen bleibt, überlässt den Ingenieuren die schwierigsten Schritte, während das Material den Erfolg an der Behebungszeit misst, also an der Zeitspanne von der Identifizierung eines Problems, das eine Maßnahme erfordert, bis zur Bestätigung, dass die Änderung es behoben hat.
Dennoch bleibt diese Sichtweise an die Aussagen des Sponsors und an eine frühe Produktphase gebunden. Die Quelle liefert keine unabhängigen Zahlen zur Leistung bei Kunden oder zum Umfang der Kosten- und Latenzsenkung. Auch das Vorhandensein einer Kontextebene macht Überprüfungs- und Richtlinienkontrollen nicht überflüssig, sondern rückt sie ins Zentrum jeder Automatisierung, die in einer Cloud-Umgebung tatsächlich Änderungen ausführen kann.