AI‑gesteuerte Enterprise‑Software: Die Chance von Context‑Graphs

Key Takeaway

Die entscheidende Chance für AI‑gesteuerte Enterprise‑Software besteht darin, Entscheidungs‑Traces (Context‑Graphs) aufzubauen, damit Agenten nicht nur Regeln anwenden, sondern auch nachvollziehbare, auditierbare Präzedenzfälle liefern können.

Summary

• Traditionelle Systeme of Record: Salesforce, Workday, SAP haben ein Trillion-Dollar‑Ökosystem durch zentrale Datenhaltung, Workflow‑Definitionen und Lock‑in geschaffen.
• Debatte um Agents vs. Record‑Systems: Jamin Ball argumentiert, dass Agenten Systeme of Record nicht ersetzen, sondern deren Ausführungsebene verbessern.
• Daten vs. Entscheidungen: Während Systeme die “canonical data” sichern, fehlen ihnen die “decision traces” – die Erklärungen, warum bestimmte Entscheidungen getroffen wurden.
• Definition von Decision Traces:
  • Regeln: allgemeine Anweisungen (“verwende ARR für Reports”).
  • Trace‑Daten: spezifische Historie (“X‑Definition wurde unter Policy v3.2 verwendet, mit VP‑Ausnahme, basierend auf Präzedenz Z”).
• Context Graph: Ein lebender Datensatz, der diese Traces über Zeit und Entitäten verknüpft, sodass Präzedenzfälle durchsucht werden können.
• Agent‑Orchestrierung:
  • Agenten agieren als Schnittstelle zwischen Daten und Aktionen, aber sie benötigen Zugriff auf umfassende, strukturierte Trace‑Daten.
  • Durch Erfassung von Entscheidungszeiten (“in der Stunde X”), Kontext, Policies, Ausnahmeregeln, Berechtigungen usw. entsteht ein wiederholbarer, auditierbarer Pfad.
• Nutzen von Context‑Graphs:
  • Erleichtert Audits, Debugging und das Lernen aus vergangenen “edge cases”.
  • Transformiert seltene menschliche Expertise in wiederholbare Daten.
  • Erhöht Transparenz und Effizienz von autonomen Entscheidungen.
• Limitierungen bestehender Plattformen:
  • Salesforce, ServiceNow, Workday haben keine voll integrierte Fähigkeit, Decision Traces zu speichern, da sie auf “current state” setzen.
  • Data‑Warehouse‑Player (Snowflake, Databricks) haben zwar Zeit‑Sequenzdaten, holen aber Traces erst nach einer Decision‑Made‑Periode und fehlen dadurch den “why”‑Daten.
  • Sie können sich nicht in die Ausführungsebene einbinden, die nötig ist, um Traces zu generieren.
• Startups-Strategien:
  1. Complete System Replacement – CRM/ERP mit Agent‑execution (z. B. Regie).
  2. Module Replacement – Spezialisierte Sub‑Workflows (z. B. Maximor im Finanzbereich).
  3. New System of Record – Reines Orchestrations‑Layer, das Traces speichert (z. B. PlayerZero).
• Wettbewerb und Verteidigungen der Incumbents:
  • Akquisitionen, API‑Lock‑ins, höhere Ausganskosten.
  • Aufbau eigener Agent‑Frameworks innerhalb bestehender Ecosysteme.
• Key Signals für Founders:
  • Hohe Mitarbeiterzahl in Ziellösungen, Indikatoren für Skalierbarkeit von Agent‑Orchestrierung.
  • Fehlende strukturierte Entscheidungsdaten als Leerlaufpotenzial.
• Langfristige Perspektive:
  • Kontext‑Graphen werden zu neuen “Systems of Record” – Dokumentation, wo und warum Entscheidungen getroffen wurden.
  • Unternehmen können durch automatisierte Lernschleifen immer mehr Entscheidungspfade freischalten ohne wiederkehrende manuelle Interaktion.

Related queries:

1. Welche Fragen könnten Nutzer stellen?
2. Wie kann die Implementierung von Context‑Graphs in bestehenden Systemen erfolgen?

Quelle: https://foundationcapital.com/context-graphs-ais-trillion-dollar-opportunity/