Enterprise-KI-Agenten: bauen, kaufen oder Open Source

Enterprise-KI-Agenten sind der Budgetposten, den fast jede grosse Organisation 2026 neu aufgenommen hat — und der Markt signalisiert bereits, dass ein grosser Teil dieser Ausgaben nie bis zur Produktion überlebt. Gartner prognostiziert, dass über 40% der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden, mit Verweis auf eskalierende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen, basierend auf einer Umfrage unter 3.412 Webinar-Teilnehmern. Darüber legt sich, was Gartner selbst „Agent Washing“ nennt: Von den tausenden Anbietern, die heute ein agentisches Produkt vermarkten, bescheinigt das Unternehmen nur rund 130 eine substanzielle, echte agentische Fähigkeit. Forresters unabhängige Einschätzung landet, von einem anderen Winkel aus betrachtet, an ungefähr derselben Stelle: Die Analysten prognostizieren, dass drei von vier Unternehmen scheitern werden, die auf eigene Faust ambitionierte, vollständig unabhängige agentische Architekturen bauen.

Nichts davon heisst, dass die Technologie nicht funktioniert — Sierra ist auf echtem Umsatz — $100 Mio. ARR in unter zwei Jahren — zu einer Bewertung von ~$15,8 Mrd. geritten. Es heisst, dass die Kategorie laut genug ist, dass die Wahl eines Anbieters per Demo eine schlechte Methode ist. Die Frage, die einen Strategie-Nachmittag wert ist, lautet nicht, welches Logo man kauft. Es ist Build vs. Buy vs. Self-Host — und, für welchen Weg man sich auch entscheidet, wie viel Lock-in man sich damit vertraglich und technisch am ersten Tag einhandelt. Das ist der Rahmen, den dieses Playbook verwendet.

Der Markt zerfällt in drei Käufer-Archetypen

Jedes heutige Enterprise-Agenten-Angebot fällt in eines von drei Kaufmustern, die jeweils Geschwindigkeit anders gegen Kontrolle abwägen.

Pure-Play-Spezialisten

Pure-Play-Spezialisten verkaufen ein einziges, tiefes Agentenprodukt, ohne bestehende Software verteidigen zu müssen. Sierra, 2023 gegründet vom Ex-Salesforce-Co-CEO Bret Taylor und Ex-Googler Clay Bavor, bepreist nach Outcomes und ist mit diesem Modell auf $150 Mio. ARR geritten, auf dem Weg zu einer Series E über $950 Mio. bei einer Bewertung von ~$15,8 Mrd. im Mai 2026. Wonderful.ai zielt auf eine Lücke, die die US-gebauten Plattformen offenlassen — nicht-englischsprachige und kulturell spezifische Märkte — und hat eine Series B über $150 Mio. bei einer Bewertung von $2 Mrd. eingesammelt. Keines der beiden trägt eine Legacy-Installationsbasis mit sich — Vorteil und Risiko zugleich.

Data-Gravity-Suiten

Data-Gravity-Suiten bündeln Agenten in Software, die man bereits betreibt. Google Gemini Enterprise (umbenannt von Agentspace, Oktober 2025) legt Agenten über Workspace und Google Cloud für $21–$60+/Nutzer/Monat plus Token-Abrechnung, und Google berichtet über 8 Mio. zahlende Seats bei ~2.800 Unternehmen. Microsoft Copilot Studio rechnet in Copilot Credits innerhalb des M365-Stacks ab, und Microsoft berichtet von über 230.000 Organisationen, darunter ~90% der Fortune 500. Salesforce Agentforce fährt drei Pricing-Modelle gleichzeitig — $2/Konversation, Flex Credits oder einen Seat für $125/Nutzer/Monat — und Salesforce berichtet $1,2 Mrd. ARR, ein Plus von 205% im Jahresvergleich. Keiner der drei sperrt Sie auf sein eigenes Modell fest — alle drei erlauben, Anthropic, Meta oder andere Modelle mitzubringen — aber alle drei binden den Agenten an die Plattform darunter: Data Cloud, Workspace oder Azure/Entra ID.

Open Source und Self-Host

Open Source und Self-Host tauschen Vendor-Risiko gegen Engineering-Eigenverantwortung. Botpress liefert seinen Kern unter einer sauberen MIT-Lizenz aus, per Docker selbst hostbar — doch sein „modellagnostisches“ Marketing braucht einen Vorbehalt: Bring-your-own-LLM ist hinter Botpress' kostenpflichtigem Enterprise-Plan versperrt, und das Open-Source-README selbst bewirbt das Produkt weiterhin als „powered by OpenAI“. Dify ist das schlüsselfertigste der Gruppe, doch seine Apache-2.0-Basis trägt eine Weiterverkaufs-Einschränkung — kein Multi-Tenant-SaaS und kein White-Label-Weiterverkauf ohne Difys schriftliche Zustimmung. Rasa trägt noch immer einen Ruf als „Open-Source-Conversational-AI“, den sein 2026er Flaggschiff nicht mehr verdient: Der kostenlose Tier deckelt bei 1.000 Konversationen/Monat, und das Produkt, das Unternehmen tatsächlich wollen, Rasa Pro, verlangt eine kommerzielle Lizenz. Darunter liegt LangGraph — kein Produkt, sondern das offene Substrat, zu dem Teams greifen, wenn sie die Agentenebene lieber selbst bauen, produktiv zitiert bei Uber, LinkedIn und Klarna.

Sieben Plattformen im direkten Vergleich

Der Fliesstext oben trägt die Zahlen und die Vorbehalte; diese Tabelle ist die knappe Referenz, zu der man zurückkehrt, wenn man eine Shortlist zuschneidet. Die Punkte lesen die drei lock-in-sensiblen Spalten aus Sicht des Käufers:

Buy, Build oder Open Source: die Entscheidungslogik

Buy gewinnt, wenn Geschwindigkeit zum Wert wichtiger ist als Kontrolle. Ein CX-Spezialist wie Sierra oder eine CRM-native Suite wie Agentforce bringt einen funktionierenden Agenten in Wochen statt Quartalen live, und beide sind für Organisationen gebaut, die bereit sind, etwas Datenschwerkraft gegen Outcome- oder Seat-basiertes Pricing in Fortune-50-Grössenordnung zu tauschen — das Käuferprofil, das die Plattform-Tabelle oben skizziert. „Appetit auf Outcome-Pricing“ leistet in diesem Satz echte Arbeit: Es bedeutet, dass der Käufer bereit ist, den Anbieter pro gelöstem Fall oder pro Seat messen und abrechnen zu lassen, im Tausch dafür, die Modellauswahl-, Prompt-Evaluations- und Fehlerbehandlungs-Engineering darunter nicht selbst besitzen zu müssen. Buy gewinnt auch, wenn der Organisation schlicht die Engineering-Bank fehlt, um einen Agenten-Stack in Produktion zu betreiben: Bereitschaftsdienst, Evals, Prompt-Regressionen und all das.

Build oder Open Source gewinnt unter nahezu entgegengesetzten Bedingungen: Datensouveränität — Konversationslogs, Embeddings und Kundendaten in der eigenen Infrastruktur zu halten statt in der Cloud eines Anbieters —, ein nicht-englischsprachiger oder stark regulierter Markt, den die grossen US-gebauten Plattformen nur dünn bedienen — der Keil, auf dem Wonderful.ai eine Bewertung von $2 Mrd. aufgebaut hat —, oder ein Kostenkontroll-Mandat, das offene, gemessene Abrechnung nicht toleriert, sobald das Volumen skaliert. Botpress' MIT-lizenzierten Kern selbst zu hosten vermeidet zum Beispiel die Weiterverkaufs- und Multi-Tenancy-Einschränkungen, die in Difys Apache-2.0-plus-Vorbehalt-Lizenz gebündelt sind — auf Kosten dessen, Studio, die Runtime und jede Integration selbst zu betreiben.

Keiner der beiden Wege ist risikofrei, und die ehrliche Rechnung zählt mehr als das Marketing beider Seiten. Auf der Build-Seite prognostiziert Forrester, dass drei von vier Unternehmen scheitern werden, die auf eigene Faust ambitionierte, vollständig unabhängige agentische Architekturen bauen — DIY ist keine Absicherung gegen Vendor-Risiko, es ist eine Wette, dass die eigene Organisation die Ausnahme ist, und die oben zitierten Gartner-Abbruch- und „Agent-Washing“-Befunde sind dieselbe Warnung aus einem anderen Winkel. Auf der Open-Source-Seite entfernt Self-Hosting das Risiko nicht so sehr, wie es es verlagert: Man wandelt Vendor-Risiko in die Eigenverantwortung des Engineering-Teams für Uptime, Skalierung, Modellkosten und Patches um — ohne Vendor-SLA als Rückfallebene, wenn im grossen Massstab etwas kaputtgeht.

Wo der Lock-in tatsächlich sitzt

Modell-Lock-in ist das Geringste davon. Google, Microsoft und Salesforce lassen Kunden inzwischen alle ein Drittanbieter-Modell in ihre Agenten-Plattform mitbringen — Vertex Model Garden hostet Claude, Llama und Mistral; Azure AI Foundrys Katalog umfasst OpenAI, Llama, Mistral, DeepSeek, Grok und Phi; Agentforces Models API unterstützt Bedrock, Azure OpenAI, OpenAI und Vertex. Der Burggraben ist eine Ebene tiefer gewandert, dorthin, wo die Daten des Unternehmens ohnehin schon liegen: BigQuery und Workspace bei Google, Dataverse/Fabric/Graph und Entra ID bei Microsoft, Data Cloud und das CRM-Objektmodell bei Salesforce. Azure bindet sich für Identität und Zugriff eng an Entra ID und Microsoft Graph, und Vertex stellt seine Search-/Grounding-Ebene standardmässig auf den eigenen Stack — fein abgestimmte Gewichte und Embedding-Indizes wandern typischerweise nicht zwischen Bedrock, Azure AI Foundry und Vertex, nach Einschätzung eines unabhängigen Analysten, selbst wenn das zugrunde liegende Modell es tut.

Offene Standards schliessen einen echten Teil dieser Lücke, aber einen schmaleren, als das Marketing suggeriert. MCP wurde im Dezember 2025 der Agentic AI Foundation gestiftet, die unter der Linux Foundation gebildet wurde, und A2A ging im Juni 2025 direkt an die Linux Foundation, mit AWS, Microsoft, Salesforce, SAP und ServiceNow unter den Unterstützern. Was das kauft, ist portables Tool-Calling und Agent-zu-Agent-Messaging. Es macht die Orchestrierungslogik darüber — Atlas Reasoning Engine, Foundrys Agent-Graphen, ADK-gebaute Flows — nicht portabel, und es tut nichts für fein abgestimmte Gewichte oder Preisstruktur. Copilot-Studio-Workflows, Agentforce-Konfigurationen und ServiceNow-KI-Configs bleiben anbieterspezifisch und per Design nicht portabel, nach Einschätzung eines spezialisierten Researchers.

Derselbe Researcher, VaasBlock, beziffert es — eine Schätzung einer einzelnen Quelle, kein Marktkonsens, aber die richtige Grössenordnung, um damit zu planen. Ein Unternehmen, das sich von Agentforce löst, meldet sich implizit für eine 18–36-monatige CRM-Migration an, und ein ServiceNow-Deployment rückzubauen bedeutet, „zehntausende Engineering-Stunden“ an Konfiguration neu aufzubauen, in die KI-Fähigkeit direkt eingebettet wurde.

Das Fünf-Hebel-Exit-Kosten-Framework

Bewerten Sie jede Plattform anhand von fünf Hebeln, bevor Sie unterschreiben — nicht nachdem Sie daran festhängen:

• Datenportabilität — lassen sich Logs, Embeddings und Fine-Tunes auf Anfrage in einem offenen Format exportieren?
• Orchestrierungsportabilität — ist die Workflow-Ebene auf MCP/A2A und offenen Frameworks aufgebaut, oder an die proprietäre Reasoning-Engine der Plattform gebunden?
• Modell-Austauschbarkeit — lässt sich das zugrunde liegende Modell vertraglich und technisch tauschen, ohne ein Re-Platforming-Projekt?
• Rebuild-Kosten — die Engineering-Stunden, um die Fähigkeit andernorts nachzubauen; die ServiceNow- und Agentforce-Ankerwerte oben sind die richtige Grössenordnung, um dagegen zu modellieren.
• Pricing-Exposure — wie viel des Vertrags fix ist versus Outcome- oder Usage-basiert, und wie stark Sie das Überraschungskosten aussetzt — 78% der IT-Verantwortlichen berichten von unerwarteten Consumption- oder KI-Pricing-Kosten innerhalb eines Jahres, laut Zylos 2026 SaaS Management Index.

Setzen Sie eine grobe Zahl darauf: Exit-Kosten ≈ (Rebuild-Stunden × belasteter Engineering-Satz) + Re-Migrations-Datenkosten + Pricing-Volatilitätsprämie − ausgehandelte Wechsel-Credits. Behandeln Sie das als richtungsweisend, nicht als geprüftes Modell — aber einmal durchgerechnet, vor der Unterschrift, macht Lock-in von einer Überraschung zu einem im Voraus eingepreisten Posten.

Diesen letzten Term lassen die meisten Käufer aus. Anbieter konkurrieren um Displacement-Geschäft, und Exit-Ausgleiche — Migrations-Credits, eine gedeckelte Rebuild-Stunden-Garantie, ein Daten-Export-SLA — sind verhandelbar, wenn Sie sie am selben Tisch wie die Pricing-Diskussion ansprechen, bevor Sie unterschreiben. Sie achtzehn Monate in ein Deployment hinein anzusprechen, sobald Sie tatsächlich gehen müssen, heisst, aus der Position einer Geisel zu verhandeln.

Bewerten Sie eine Plattform anhand dieser fünf Hebel unten.

Wie wir raten würden

Kaufen Sie nicht die Demo. Kaufen Sie den Exit. Jede Plattform in diesem Beitrag kann Ihnen innerhalb einer Woche einen funktionierenden Agenten vor die Nase setzen — das war nie der schwierige Teil, und die Anbieter wissen das. Der schwierige Teil ist die achtzehnmonatige CRM-Migration oder der Konfigurations-Rebuild von „zehntausenden Engineering-Stunden“, der auf der anderen Seite einer „Nein“-Entscheidung in drei Jahren wartet. Diese Zahl ist im Voraus bekannt, wenn Sie sie bepreisen, bevor Sie unterschreiben — nicht nachdem Sie darin feststecken. Lassen Sie den Fünf-Hebel-Scorer oben gegen Ihre tatsächliche Shortlist laufen, bevor die RFP rausgeht — nicht nachdem der SE eines Anbieters die Anforderungen bereits um das geformt hat, was er verkauft.

Die Buy-/Build-/Open-Source-Entscheidung ist im Kern kein Feature-Vergleich. Es ist eine Datenschwerkraft-Frage — wessen Infrastruktur am Ende Ihre Konversationslogs, Embeddings und Fine-Tunes hält. Es ist eine regulatorische Frage — ob Ihr Markt und Ihre Datenresidenz-Pflichten eine US-gehostete Suite tolerieren, oder Sie unabhängig von der Feature-Parität in Richtung Self-Hosting drängen. Und es ist eine Team-Fähigkeits-Frage — ob Sie die Bereitschaftsdienst- und Evals-Disziplin haben, oder aufzubauen bereit sind, die Self-Hosting oder ein massgeschneiderter Build ab Tag zwei tatsächlich verlangt. Beantworten Sie diese drei ehrlich, und die Anbieter-Shortlist wählt sich grösstenteils von selbst.

Bernhard Huber, 24. Juli 2026.

Das steht neben der eigentlichen Delivery-Arbeit: Digital & AI Strategy für die Plattformentscheidung, Executive Advisor & Operating Cadence für den Governance-Takt darum herum, und Interim Management, wenn Sie jemanden brauchen, der die Migration für ein Quartal verantwortet.