IBM Research beschreibt in diesem Blogbeitrag, warum LLMs allein für den breiten Enterprise-Einsatz nicht ausreichen. Der Kernbegriff ist „Agent Logic": Software-Primitiven (Knowledge Graphs, Algorithmen, Programmanalyse-Bibliotheken), die auf der Agenten-Ebene operieren und den LLM gezielt in Richtung des jeweiligen Enterprise-Workflows lenken – und damit den benötigten Kontext reduzieren. Belegt wird die These anhand von vier konkreten IBM-Anwendungsfällen: (1) Das Werkzeug WCA4Z nutzt statische Analyse für Legacy-Code-Verständnis (Cobol/PL1, bis zu 1 Mio. Codezeilen) mit Mistral Medium 250B – und erreicht dabei ~30× niedrigeren Token-Verbrauch als ein reiner LLM-Ansatz. (2) Die proprietäre Bibliothek Aster generiert Unit-, Integrations- und API-Tests für 75+ IBM-CIO-Java-Anwendungen mit dem Devstral-24B-Modell und erzielt 20–45% bessere Line-, Branch- und Method-Coverage. (3) Für Incident Response wird ein Knowledge Graph über Microservices und Infrastruktur-Entitäten eingesetzt. IBM positioniert „Agent Logic" als das entscheidende Differenzierungsmerkmal gegenüber generischen Agenten-Frameworks, um Halluzinationen zu reduzieren, Kosten zu senken und das Vertrauen der Endnutzer zu gewinnen.