Wandel der Backend-Architektur: Vom festen API-Modell zu AI-Agentensystemen
Erfahren Sie, wie sich das Backend-Design verändert, wenn KI-Agenten feste API-Wege ersetzen, mit echten Codebeispielen, Anwendungsfällen sowie praktischen Abwägungen, die berücksichtigt werden müssen.
Seit langer Zeit folgt die Backend-Entwicklung einem einfachen Muster: Man konfiguriert Routen, der Client ruft sie auf, und der Server sendet eine Antwort zurück.
POST /create-order
GET /user/123
Es ist übersichtlich, leicht verständlich und skaliert gut in der Produktion.
Doch es gibt ein Problem:
Jeder mögliche Pfad in der Anwendung muss im Voraus definiert werden.
Immer wenn ein Benutzer etwas außerhalb dieses Plans versucht, ist die Lösung stets dieselbe: Mehr Code schreiben, weitere Routen hinzufügen und mehr bedingte Anweisungen einbauen.
Stellen Sie sich nun eine andere Art von Anfrage vor. Ein Benutzer tippt einfach:
„Finde mir den günstigsten Flug für morgen und buche ihn.“
Es gibt keinen einzigen Endpunkt, der diese Aufgabe erledigt. An diesem Punkt beginnt das traditionelle Modell an seine Grenzen zu stoßen.
Wie wir heute Backends bauen (APIs)
Betrachten Sie ein konkretes Szenario.
E-Commerce-Fluss (API-basiert)
// Step 1: Get product
GET /products/:id
// Step 2: Add to cart
POST /cart// Step 3: Create order
POST /order// Step 4: Payment
POST /payment
Jeder dieser Schritte ist:
- im Voraus festgelegt
- explizit gesteuert
- im Fluss fest codiert
Sogar die Logik hinter diesen Routen sieht in der Regel so aus:
if (user.isLoggedIn) {
createOrder()
} else {
throw new Error("Unauthorized")
}
Dieser Ansatz funktioniert gut, birgt aber eine vorausgesetzte Bedingung: Man muss bereits alle Pfade kennen, die ein Benutzer durch das System nehmen könnte.
Ausbau derselben Funktion mit einem Agenten
Anstatt jeden Schritt einzeln darzulegen, beschreibt man das gewünschte Ergebnis.
"Den günstigsten iPhone unter ₹70.000 bestellen"
Durch diesen Wechsel nimmt der Backend eine andere Form an.
Schritt 1: Werkzeuge definieren (Ihre APIs)
const tools = [
{
name: "search_products",
description: "Search products by name and filters",
},
{
name: "create_order",
description: "Create order for a product",
},
{
name: "make_payment",
description: "Process payment",
}
]
Betrachten Sie genau, was sich geändert hat.
Die gleichen zugrundeliegenden APIs sind weiterhin vorhanden – sie werden lediglich als aufrufbare Tools bereitgestellt.
Schritt 2: Lassen Sie den Agenten entscheiden
Durch eine Konfiguration wie Ollama in Kombination mit Gemma 4:
const userGoal = "Buy the cheapest iPhone under 70000"
const response = await agent.run({
goal: userGoal,
tools
})
Im Hintergrund arbeitet der Agent selbstständig an der Lösung des Problems:
- Ruft
search_productsauf - Filtriert nach Preis
- Wählt die beste Option aus
- Ruft
create_orderauf - Löst
make_paymentaus
Es gibt keine manuell festgelegte Reihenfolge.
Der wesentliche Unterschied, klar dargestellt
Hier ist der Unterschied zusammengefasst:
APIs:
Sie schreiben:
Step 1 → Step 2 → Step 3
Agenten:
Sie schreiben:
Goal → System figures out steps
Das ist die Essenz dieser Veränderung.
Wo das tatsächlich Vorteile bringt
Betrachten wir praktische Szenarien anstelle von Abstraktionen.
1. Automatisierung der Kundenbetreuung
Anstelle separater Endpunkte wie:
/get-order/cancel-order/refund
lässt man das System eine einzige Anfrage verarbeiten, beispielsweise:
User: "My order is late, cancel it and refund"
Dann führt der Agent aus:
- den Bestellstatus überprüft
- die Bestellung storniert
- eine Rückerstattung auslöst
2. Interne Entwicklerwerkzeuge
Zum Beispiel:
"Überprüfen, warum die API-Latenz in den letzten 1 Stunde gestiegen ist"
Der Agent kann:
- Logs abfragen
- Metriken überprüfen
- das wahrscheinliche Problem vorschlagen
3. Plattform zur Suche nach vermissten Personen
Dieser Fall ist besonders hervorzuheben.
Ein Benutzer lädt ein Foto hoch und fragt:
">Prüfen, ob diese Person als vermisst gemeldet wurde"
Der Ablauf des Agents wäre:
- Ein Abruf eines Bildabgleichsdienstes
- Prüfung einer Datenbank
- Zurückgabe aller gefundenen Übereinstimmungen
Dafür ist keine starre, im Voraus definierte API-Sequenz erforderlich.
Wie die Architektur aussieht
Auf höherer Ebene ist sie einfach:
User → Agent → Tools → Your Existing Backend
Ihre bestehenden APIs verschwinden nicht – Sie umhüllen sie lediglich, damit ein Agent sie bei Bedarf aufrufen kann.
Eine Beispielausführung (im Node.js-Stil)
app.post("/tools/create_order", async (req, res) => {
const { productId } = req.body
const order = await createOrder(productId)
res.json(order)
})
Der Agent ruft einfach diesen Endpunkt als eines seiner verfügbaren Tools auf.
Die tatsächlichen Herausforderungen
Der Ansatz ist nicht ohne Probleme.
1. Das Debuggen wird schwieriger
Mit traditionellen APIs debuggen Sie Ihren eigenen Code.
Mit Agenten müssen Sie oft herausfinden, warum das Modell eine bestimmte Aktion gewählt hat.
2. Das Verhalten ist nicht immer konsistent
Dieselbe Eingabe kann jedes Mal eine andere Ausgabe erzeugen.
3. Die Kosten können schnell ansteigen
Ein Agent könnte 5 API-Aufrufe plus 10 Überlegungsschritte benötigen, um etwas zu erledigen, was mit einer einzigen Anfrage bewältigt werden könnte.
4. Sicherheit erfordert mehr Aufmerksamkeit
Man benötigt strenge Kontrolle darüber, auf welche Tools der Agent zugreifen kann und welchen Daten er ausgesetzt ist.
Was das für Sie als Backend-Entwickler bedeutet
Machen Sie die Sache nicht komplizierter, als sie sein muss.
Fahren Sie mit der Entwicklung von APIs fort
Sie bleiben die Grundlage, auf der alles andere beruht.
Entwerfen Sie Ihre APIs als aufrufbare Tools
Denken Sie in Begriffen einer Tool-Definition:
{
"name": "get_user_orders",
"description": "Fetch all orders for a user"
}
Entwickeln Sie ein kleines Agent-Projekt
Wählen Sie etwas Überschaubares, wie einen Bestellassistenten, einen Protokalanalysator oder einen internen Chatbot. Tools wie Ollama oder Gemma 4 sind ein vernünftiger Ausgangspunkt.
Verändern Sie Ihren Denkansatz hin zu Zielen statt zu festen Abläufen
Diese mentale Veränderung ist wichtiger als die Wahl eines bestimmten Tools.
Fazit
APIs verleihen Backend-Systemen Struktur. Agenten sorgen für Flexibilität. Die Zukunft liegt nicht bei APIs gegenüber Agenten – sie liegt bei APIs zusammen mit Agenten. Wenn Sie bereits wissen, wie man solide API-Strukturen erstellt, sind Sie schon auf halbem Weg. Beginnen Sie, sich zu fragen: Was wäre, wenn Ihr Backend die Schritte selbst herausfinden könnte?
Zusätzliche Lektüre
- Verständnis von KI-Agenten: Ziele, Tools, Speicher und der Agent-Zyklus — Eine für Anfänger geeignete Erklärung, wie sich KI-Agenten von Chatbots unterscheiden, mit Informationen zu Kernkomponenten, dem Entscheidungszyklus, Autonomiegraden und praktischen Anwendungsfällen.