KI-Agenten können Informationen zusammenführen, Optionen formulieren und Arbeitsabläufe anstoßen. Sobald sie jedoch über Kredite, Rabatte, Lieferanten, Zugriffsrechte oder regulatorisch relevante Ausnahmen entscheiden sollen, reicht eine plausible Antwort nicht. Unternehmen müssen erklären können, welche Eingaben vorlagen, welche Regel angewendet wurde, welche Version dieser Regel galt und wer eine Ausnahme freigegeben hat. Genau hier setzt Decision Model and Notation, kurz DMN, als formales Entscheidungsmodell an.
Eine InfoQ-Präsentation von Alex Porcelli beschreibt die Verbindung von DMN, Sprachmodellen, Agent Skills und Guardrails als Weg zu nachvollziehbaren, deterministischen Entscheidungspfaden. Das ist ein belastbarer Architekturimpuls aus der Praxis, aber kein unabhängiger Wirksamkeitsnachweis. Aus der Quelle lassen sich daher Komponenten und Verantwortungsgrenzen ableiten – nicht jedoch pauschale Aussagen über Fehlerquoten, Einsparungen oder eine garantierte Compliance.
Was DMN in einer Agentenarchitektur übernimmt
DMN bildet fachliche Entscheidungslogik als explizite Regeln und Entscheidungstabellen ab. Ein Sprachmodell kann eine Anfrage klassifizieren und strukturierte Merkmale extrahieren. Die eigentliche Freigabe entscheidet anschließend nicht das Modell, sondern eine versionierte DMN-Regel. Agent Skills orchestrieren die Schritte; Guardrails begrenzen erlaubte Eingaben, Werkzeuge und Ausgaben. Fachbereiche verantworten Regeln und Ausnahmen, Engineering Schnittstellen und Betrieb, Compliance die Nachweispflichten.
Entscheidungsgrenze: Was das LLM darf und was DMN entscheidet
Die wichtigste Designentscheidung ist nicht die Wahl eines Modells, sondern die Grenze zwischen probabilistischer Interpretation und verbindlicher Entscheidung. Ein LLM eignet sich für mehrdeutige Sprache, Zusammenfassungen und Vorschläge. DMN eignet sich für explizite Kriterien, wiederholbare Ergebnisse und prüfbare Ausnahmen. Eine menschliche Freigabe bleibt nötig, wenn Folgen hoch, Daten unsicher oder Regeln unvollständig sind.
- LLM: Freitext verstehen, Informationen extrahieren, fehlende Angaben markieren und Optionen formulieren.
- DMN: strukturierte Eingaben gegen genehmigte Regeln prüfen und ein reproduzierbares Ergebnis liefern.
- Guardrails: unzulässige Werkzeuge, Datenzugriffe und Ausgaben technisch begrenzen.
- Menschliche Freigabe: Sonderfälle, hohe Schadenspotenziale und widersprüchliche Daten übernehmen.
- Audit-Protokoll: Eingaben, Regelversion, Ergebnis, Eskalation und Freigabe referenzieren.
Ein rein hypothetisches Beispiel ist eine Rabattfreigabe. Der Agent liest die Anfrage und extrahiert Kundensegment, Auftragswert und gewünschten Rabatt. DMN prüft diese Merkmale gegen freigegebene Konditionen. Fehlt ein Pflichtwert oder überschreitet die Anfrage eine definierte Grenze, gibt das System keine kreative Begründung aus, sondern stoppt und leitet den Fall an die zuständige Rolle weiter.
Der Audit-Mindestdatensatz für jede kritische Entscheidung
Auditierbarkeit entsteht nicht allein durch eine Entscheidungstabelle. Ohne konsistente Identitäten, Zeitpunkte und Versionsreferenzen kann später niemand rekonstruieren, warum ein Ergebnis zustande kam. Der Datensatz sollte deshalb nicht nur die finale Antwort speichern, sondern die kontrollierte Übergabe zwischen Modell, Regelwerk und Freigabe.
- Fall-ID, Zeitpunkt und auslösender Prozessschritt
- Eingangsdaten einschließlich Herkunft und Validierungsstatus
- Modell- und Promptversion für Extraktion oder Klassifikation
- DMN-Modell, Regelversion und ausgewerteter Entscheidungspfad
- Ergebnis, Unsicherheitsmarker und ausgelöste Guardrails
- menschliche Freigabe, Ablehnung oder dokumentierte Ausnahme
- nachgelagerte Aktion sowie technische und fachliche Verantwortlichkeit
Dabei gilt Datenminimierung: Ein Audit benötigt Nachvollziehbarkeit, nicht die unbegrenzte Speicherung sensibler Rohinformationen. Unternehmen sollten festlegen, welche Inhalte gehasht, referenziert, pseudonymisiert oder nach einer Frist gelöscht werden. Ebenso wichtig ist die Zugriffstrennung. Wer Regeln ändert, sollte Änderungen nicht allein produktiv freigeben können; wer Einzelfälle entscheidet, sollte vergangene Protokolle nicht nachträglich verändern können.
Vier Schritte vom Entscheidungsmodell zum kontrollierten Betrieb
- Engen Prozess wählen: Einen häufigen, klar regelbaren Fall mit begrenztem Schadenspotenzial und verfügbaren Referenzentscheidungen auswählen.
- Entscheidungsinventar erstellen: Eingaben, Regeln, Ausnahmen, Rollen und verbotene automatische Aktionen dokumentieren.
- Im Schattenbetrieb prüfen: Agent und DMN parallel zum bestehenden Prozess ausführen, Abweichungen klassifizieren und Regeln fachlich freigeben.
- Begrenzt aktivieren: Nur definierte Fälle automatisieren, Eskalationen erzwingen und Änderungen an Modell, Prompt oder DMN-Version gemeinsam überwachen.
Für die Freigabe sollten Geschäftsführung und Fachbereich nicht nur auf technische Trefferraten schauen. Relevant sind auch die Quote unvollständiger Eingaben, die Zahl manueller Eskalationen, die Stabilität über Regelversionen hinweg und die Zeit bis zur Rekonstruktion eines Falls. Diese Messgrößen prüfen den Betrieb, ohne eine in der Quelle nicht belegte Rendite oder Qualitätssteigerung vorwegzunehmen.
Ein Produktivitätsgewinn entsteht erst, wenn Regelpflege Teil des Betriebsmodells ist. Der Fachbereich braucht einen verbindlichen Freigabeprozess für Regeländerungen; Engineering benötigt Tests für Schnittstellen und Versionen; Compliance braucht lesbare Nachweise; Operations benötigt einen Rückfallpfad. Fehlt eine dieser Rollen, wird aus dem formalen Modell schnell nur eine weitere technische Abhängigkeit.
Wann Unternehmen bewusst auf Automatisierung verzichten sollten
DMN ist ungeeignet, wenn eine Entscheidung nicht in belastbare Kriterien zerlegt werden kann, Eingangsdaten regelmäßig fehlen oder die Folgen einer Fehlentscheidung nicht begrenzt sind. Bei seltenen, stark kontextabhängigen Ausnahmen kann eine assistierte Vorbereitung mit menschlicher Entscheidung wirtschaftlicher sein als vollständige Automatisierung. Die Architektur sollte dann Transparenz verbessern, aber keine Scheinsicherheit durch deterministische Ausgabe erzeugen.
Die GNS-Einordnung lautet deshalb: DMN ist kein Ersatz für verantwortliche Entscheidungen, sondern ein Kontrollpunkt in einer Agentenarchitektur. Unternehmen gewinnen dann, wenn sie Sprachmodelle dort einsetzen, wo Interpretation Mehrwert liefert, und verbindliche Entscheidungen dort verankern, wo Regeln, Versionen und Zuständigkeiten geprüft werden können.