Agentic AI-Driven Orchestration and Validation for Complex Heterogeneous Software Deployment on Virtual Machines: A DSpace-CRIS 9.10 Case Study

ABSTRACT:The deployment, configuration, and runtime stabilization of modern Current Research Information Systems (CRIS) represent a critical infrastructure bottleneck in academic IT operations. Heterogeneous enterprise platforms such as DSpace-CRIS (version 9.10) combine a multi-core Apache Solr 9.x search cluster, a PostgreSQL 16 database utilizing pgcrypto extensions and Flyway migrations, a Spring Boot Java 17/21 application backend, and an Angular Universal Server-Side Rendering (SSR) runtime managed via an Nginx reverse proxy. On dedicated virtual machines (VMs), traditional Infrastructure-as-Code (IaC) tools like Ansible frequently fail when encountering non-linear cascading errors, leading to configuration drift, unhandled deadlocks, and prolonged Mean Time to Recovery (MTTR). This preprint conceptualizes, formalizes, and evaluates an autonomous, closed-loop multi-agent orchestration architecture for virtual machine environments. The pipeline couples a domain-grounded LLM Generator (Domain RAG) with a deterministic system runtime validator (DSV) and hypervisor-level snapshot management (KVM/libvirt Copy-on-Write snapshots). The configuration state space is modeled as a directed attributed dependency graph, enabling bounded backtracking and deterministic recovery without semantic hallucinations. Empirical evaluation on a dedicated enterprise testbed using the synthesized CRIS-Fault-50 dataset (50 realistic multi-tier fault injection scenarios) demonstrates that the proposed architecture achieves a 94.0% deployment success rate, reducing MTTR from 74.6 minutes (manual engineering baseline) to 14.2 minutes (a 5.25x speedup), while guaranteeing zero catastrophic state corruption (CSCR = 0.0%). Computational profiling reveals that neural inference accounts for less than 7.3% of total recovery latency, with 92.7% governed by intrinsic enterprise JVM/Solr warm-up cycles. The work addresses zero-trust secret isolation and GDPR compliance (Crypto-Shredding of transient snapshots). ZUSAMMENFASSUNG:Die Bereitstellung, Konfiguration und Stabilisierung moderner Forschungsinformationssysteme (Current Research Information Systems, CRIS) stellt eine erhebliche infrastrukturelle Hürde im universitären IT-Betrieb dar. Polyglotte Plattformen wie DSpace-CRIS (Version 9.10) verknüpfen ein mehrkerniges Apache Solr 9.x Cluster, eine PostgreSQL 16 Datenbank mit pgcrypto-Verschlüsselung und Flyway-Migrationen, ein Spring Boot Java 17/21 Backend sowie eine Angular Universal SSR-Laufzeitumgebung hinter einem Nginx-Reverse-Proxy. Auf dedizierten virtuellen Maschinen (VMs) scheitern klassische Infrastructure-as-Code (IaC) Werkzeuge wie Ansible regelmäßig an nichtlinearen Kaskadenfehlern, was zu Konfigurationsdrift und hohen Wiederherstellungszeiten (MTTR) führt. Dieser Preprint stellt eine autonome agentenbasierte Orchestrierungsarchitektur mit geschlossenem Regelkreis (Closed-Loop) für virtuelle Maschinen vor. Das Framework verbindet einen domänengestützten LLM-Generator (Domain RAG) mit einem deterministischen Systemvalidator (DSV) und Hypervisor-gestützten Copy-on-Write-Snapshots. Der Systemzustand wird als gerichteter attribuierter Abhängigkeitsgraph formalisiert, was ein sicheres Backtracking und deterministische Selbstheilung ermöglicht. Die empirische Evaluierung anhand des CRIS-Fault-50 Datensatzes (50 realitätsnahe Fehlerszenarien) belegt eine Bereitstellungserfolgsquote von 94.0% und eine Reduzierung der MTTR von 74.6 Minuten (Senior DevOps) auf 14.2 Minuten (5.25-fache Beschleunigung) bei 0.0% irreversibler Systemzerstörung. Laufzeitprofilierungen zeigen, dass neuronale Inferenz weniger als 7.3% der Ausfallzeit verursacht, während 92.7% auf physikalische Aufwärmzeiten des Java- und Solr-Stacks entfallen. Zudem werden Aspekte des Geheimnisschutzes und der DSGVO-Konformität (Crypto-Shredding ephemerer Snapshots) formal gelöst.