Unternehmen gehen dazu über, mehrere Plattformen zur Orchestrierung von KI-Agenten zu betreiben, statt diese Aufgabe einem einzigen Anbieter zu überlassen. Das geht aus einer laufenden Analyse von VB-Pulse-Daten hervor, die 107 Unternehmen umfasste. 85 % der Unternehmen nutzen zwei oder mehr Tools, 64 % verwenden drei Tools, und nur 15 % verlassen sich auf eine einzige Plattform. Diese Vielfalt ist nicht nur auf den Wunsch zurückzuführen, eine Abhängigkeit von einem einzigen Anbieter zu vermeiden, sondern spiegelt auch Bedenken hinsichtlich der Fähigkeiten der Anbieter in den Bereichen Sicherheit und Berechtigungsverwaltung sowie den Wunsch der KI-Teams wider, eigene Kontrollen durchzusetzen.
Microsoft AI Foundry und Copilot Studio führen derzeit die Liste der verwendeten Tools an und kommen in 70 % der untersuchten Umgebungen vor. OpenAI Agents SDK folgt mit 68 %, danach Claude Platform von Anthropic mit 47 %. Die Befragten nutzen in unterschiedlichem Umfang außerdem Googles Enterprise Agent Platform, die Tools LangChain und LangGraph, Salesforce Agentforce, Amazon Bedrock und LlamaIndex. 22 % betreiben neben den Diensten der Anbieter eigene Orchestrierungstools innerhalb des Unternehmens.
Eine Zukunft mit mehreren Plattformen
53 % der Unternehmen erwarten, dass ihre zentrale „Kontrollebene“ bis Ende 2026 hybrid sein wird. Demgegenüber rechnen 14 % mit der Nutzung eines von einem Anbieter verwalteten Dienstes, 13 % planen den Aufbau einer eigenen internen Kontrollebene, während 11 % auf externe Plattformen setzen, die die Orchestrierungsebene von den Modellanbietern trennen.
Diese Architektur scheint noch nicht stabil zu sein: Mehr als zwei Drittel der Befragten planen, ihre Plattformen innerhalb eines Jahres zu ändern. 15 % sagten, dass die Änderung innerhalb von drei Monaten oder weniger erfolgen werde, 24 % innerhalb von drei bis sechs Monaten und 28 % innerhalb von sechs bis zwölf Monaten. Claude Agent SDK gehört zu den Tools, die in Betracht gezogen werden; 43 % der teilnehmenden Entwickler prüfen dessen Einsatz. Etwa ein Drittel untersucht Googles Enterprise Agent Platform, 31 % konzentrieren sich auf eine eigene interne Orchestrierung, während 25 % Optionen von OpenAI prüfen.
Trotz dieses anhaltenden Wandels lag die durchschnittliche allgemeine Zufriedenheit mit den verwendeten Plattformen bei 4,17 von 5. Bei der Bewertung der einfachen Umsetzung sank die Zufriedenheit jedoch auf 3,91 von 5 und bei der Bewertung des Preis-Leistungs-Verhältnisses auf 3,63 von 5. Diese Lücke deutet darauf hin, dass das Problem nicht unbedingt im Fehlen von Tools liegt, sondern in der Schwierigkeit, sie so zu integrieren und zu betreiben, dass ihre Kosten gerechtfertigt sind.
Wofür finanzieren Unternehmen tatsächlich?
Flexibilität steht mit 29 % an der Spitze der Kriterien für die Plattformauswahl. Es folgen Sicherheits- und Berechtigungsaspekte mit 17 % sowie die Zuverlässigkeit des Betriebs in der Produktionsumgebung und die Kontrolle über die Ausführung des Agenten mit jeweils 15 %. Nur etwa 10 % der Befragten betrachteten eine „Modellbindung“ oder die native Kompatibilität mit einem Basismodell als wichtigen Faktor. Die einfache Entwicklung wurde von 8 % genannt, die Gesamtbetriebskosten von 4 % und die Leistung hinsichtlich Latenz und Speicher lediglich von 2 %.
Dieser Schwerpunkt spiegelt sich in den Ausgabenposten wider: 31 % der Ausgaben entfallen auf die Überwachung und Fehlerbehebung von Agenten, gegenüber 30 % für die Umsetzung von Sicherheit und Berechtigungen sowie 19 % für Workflow-Tools. Dies stellt eine Veränderung gegenüber einer früheren Umfragewelle von VentureBeat dar, in der die Ausgaben für Workflow-Tools am höchsten waren.
Bei ihren betrieblichen Prioritäten konzentrieren sich Unternehmen zu 30 % auf die zuverlässige Erledigung von Aufgaben, zu 27 % auf die Verwaltung mehrstufiger Workflows, zu 23 % auf die Entwicklerproduktivität und zu 13 % auf die Betriebsstabilität. Nur 7 % der Unternehmen stellten die Benutzererfahrung an die Spitze ihrer Prioritäten. Das deutet darauf hin, dass sich die Phase des Aufbaus von Infrastruktur und Kontrolle weiterhin vor der Verbesserung von Benutzeroberflächen und Nutzungserfahrung befindet.
Das Problem der Transparenz und Kostenkontrolle
Die größten Bedenken bei der Plattformauswahl betreffen mit 37 % Einschränkungen bei Sicherheit und Berechtigungsverwaltung, gefolgt von der Anbieterabhängigkeit mit 23 %, eingeschränkter Transparenz und Überwachbarkeit mit 22 % sowie mangelnder Flexibilität bei der Auswahl von Modellen und Tools mit 16 %. Besonders dringlich ist, dass etwa eines von fünf Unternehmen die Ausgaben eines außer Kontrolle geratenen KI-Agenten nicht in Echtzeit stoppen kann.
Um dem entgegenzuwirken, verlassen sich 30 % der Unternehmen auf native Kontrollinstrumente, etwa Budgetgrenzen oder eine Verringerung der Nutzungsrate, während 25 % eigene Gateways aufgebaut haben, die als Vermittler fungieren und außer Kontrolle geratene Agenten abfangen. 25 % nutzen dynamisches Routing, um aufwendige Aufgaben an kostengünstigere Modelle weiterzuleiten. Demgegenüber verlassen sich 21 % auf eine reaktive Überwachung nach Auftreten des Problems, etwa durch eine spätere Protokollprüfung, ohne sofortigen Notausschalter.
Die Unternehmensgröße scheint kein entscheidender Faktor für die Reife der Finanzkontrolle zu sein: 18 % der Unternehmen mit mehr als 10.000 Beschäftigten verlassen sich weiterhin ausschließlich auf reaktive Kontrolle, verglichen mit 23 % der kleineren Unternehmen. In der Praxis bedeutet das, dass größere Ressourcen nicht automatisch Instrumente garantieren, die Ausgaben messen und stoppen, bevor sie sich verschärfen.
Die echten Agenten haben sich noch nicht verbreitet
Die Antworten der Befragten zeigen, dass viele der als „Agenten“ bezeichneten Systeme weiterhin einfache Assistenten oder Chatbots sind und keine autonomen Systeme, die mehrstufige Aufgaben erledigen. 47 % sagten, dass zwischen 26 % und 50 % ihrer Systeme eine echte Orchestrierung darstellen, während 35 % angaben, dass der Anteil lediglich 1 % bis 25 % beträgt. 14 % erklärten, dass 51 % bis 75 % ihrer Systeme komplexe, mehrstufige Workflows mit mehreren Agenten seien, während nur 2 % angaben, dass 76 % bis 100 % ihrer Systeme fortgeschritten und nahezu autonom seien. Weitere 3 % berichteten, dass sie weiterhin ausschließlich Chatbots einsetzen.
Diese Ergebnisse stimmen mit der Juni-Welle von VB Pulse überein. Damals sagten 71 % der Befragten, dass höchstens ein Viertel ihrer eingesetzten Agenten in der Lage sei, mehrstufige Arbeit unabhängig abzuschließen, während nur ein Zehntel der Befragten angab, Agenten in großem Umfang eingesetzt zu haben. Daher steht der aktuelle Trend weniger für das Erreichen einer ausgereiften Phase autonomer Agenten als für den Aufbau der erforderlichen Kontrollebenen, um diese künftig aufzunehmen. Während Unternehmen beim Aufbau der Infrastruktur Fortschritte machen, besteht weiterhin eine Lücke zwischen der Bezeichnung eines Systems als „Agent“ und seiner tatsächlichen Fähigkeit, miteinander verbundene Aufgaben autonom auszuführen.