Enterprise-KI-Teams scheinen sich schneller auf Plattformen für „agentische“ Systeme festzulegen, als sie das schwierigere Problem lösen, diese Systeme in der Produktion vertrauenswürdig zu machen. Eine Reihe von vier VentureBeat-Pulse-Research-Umfragen aus dem Juni 2026, jeweils auf Basis separater Stichproben von Unternehmensbefragten, deutet aus unterschiedlichen Blickwinkeln auf dieselbe Schlussfolgerung hin: Der Engpass ist nicht mehr die Wahl einer Basissplattform, sondern der Einsatz von Agenten mit zuverlässiger Orchestrierung, kontrolliertem Kontext, glaubwürdiger Evaluierung und grundlegenden Sicherheitskontrollen.

Das deutlichste Signal kommt aus der Orchestrierungswelle. Laut VentureBeats Umfrage unter 101 Organisationen mit mehr als 100 Beschäftigten konzentrieren Unternehmen die Agenten-Orchestrierung auf Plattformen von Modellanbietern; Anthropics Claude wurde von 40% der Befragten als primäre Plattform genannt, gefolgt von Microsoft mit 18% und OpenAI mit 13%. Doch dieser Konsolidierung steht ein unangenehmes Eingeständnis gegenüber: 71% sagten, dass ein Viertel oder weniger ihrer eingesetzten „Agenten“ tatsächlich mehrstufig orchestrierte Workflows statt Chatbot-Hüllen seien.

Zusammen mit drei Begleitumfragen zu Kontextinfrastruktur, Evaluation und Sicherheit ist die Botschaft breiter als die Führung eines einzelnen Anbieters. Unternehmen sagen, dass sie zuverlässige, autonome, mehrstufige Systeme wollen. In der Praxis liefern viele jedoch weiterhin fragile Assistenten aus, nutzen standardmäßig die nativen Vorgaben der Anbieter und entdecken Fehler erst nach der Bereitstellung. Für KI-Entwickler, Unternehmenskäufer und Gründer, die in diesen Markt verkaufen, verschiebt das die Diskussion von der Modellauswahl hin zu operativer Disziplin.

Orchestrierung konsolidiert sich, aber die Reife der Bereitstellung hinkt hinterher

VentureBeats Orchestrierungsumfrage argumentiert, dass Unternehmen Plattformen vor allem wegen der „Modellgravitation“ wählen, also wegen der Anziehungskraft des zugrunde liegenden Foundation Models und nicht wegen einer eigenständigen Orchestrierungs-Kontrollschicht. In dieser Stichprobe dominierten die großen Anbieter, während offene Frameworks wie LangChain/LangGraph und maßgeschneiderte interne Eigenentwicklungen bei der Primärnutzung im einstelligen Bereich blieben.

Das ist wichtig, weil Unternehmen VentureBeat auch sagten, dass Orchestrierungserfolg vor allem an der Zuverlässigkeit der Aufgabenerledigung und am Management mehrstufiger Workflows gemessen werde. Diese Prioritäten deuten darauf hin, dass Käufer nach Systemen suchen, die Werkzeuge koordinieren, Zustand aufrechterhalten und Arbeit über mehrere Schritte hinweg abschließen können. Doch dieselben Befragten räumten ein, dass die meisten aktuellen Implementierungen diesen Standard nicht erfüllen.

Diese Lücke zwischen Anspruch und Produktionsrealität ist zentral für die Geschichte. Wenn die meisten eingesetzten Systeme weiterhin Single-Prompt-Assistenten sind, dann ist die Ausgaben für Orchestrierung im Unternehmen teilweise präventive Infrastruktur: Teams bauen die Schicht, bevor das Portfolio wirklich orchestrierter Agenten überhaupt existiert. Das ist nicht unbedingt irrational. Es kann ein normales Unternehmensmuster widerspiegeln, Beschaffung und Kontrollen früh zu standardisieren. Aber es bedeutet, dass viele „Agenten“-Adoptionszahlen vermutlich sehr unterschiedliche Arten von Systemen zusammenfassen.

Die Umfrage ergab außerdem, dass 68% innerhalb eines Jahres eine neue, zusätzliche oder ersetzende Orchestrierungsplattform einzuführen planen, während viele noch keine engere Auswahl getroffen haben. Das deutet darauf hin, dass diese Schicht noch längst nicht fest etabliert ist, selbst wenn derzeit einige Anbieter die Primäreinsätze dominieren.

Die größeren Schwachstellen sind Kontext, Evaluierung und Sicherheit

Die drei anderen VentureBeat-Umfragen helfen zu erklären, warum Unternehmen Schwierigkeiten haben, von Chatbot-Hüllen zu verlässlichen Agenten zu gelangen.

Beim Kontext ergab eine separate Umfrage unter 101 Befragten, dass 57% der Unternehmen in den vergangenen sechs Monaten eine selbstbewusste, aber falsche Antwort eines KI-Agenten auf fehlenden oder inkonsistenten Geschäftskontext zurückgeführt hatten. Retrieval-Augmented Generation ist bereits für viele Teams die wichtigste Kontextquelle, und VentureBeat berichtete, dass anbieternative Retrieval-Tools wie OpenAI-Dateisuche und Google Vertex AI Search in seiner Stichprobe nun dedizierte Vektordatenbanken bei der Nutzung in der Produktion übertreffen.

Das bedeutet jedoch nicht, dass Retrieval gelöst ist. Dieselbe Umfrage legt das Gegenteil nahe: Die meisten Unternehmen bauen noch immer die kontrollierte semantische Schicht auf, die nötig ist, um abgerufenen Kontext konsistent und vertrauenswürdig zu machen. VentureBeat fand heraus, dass 58% eine solche semantische Schicht entweder betreiben oder aufbauen, aber nur 25% sie produktiv einsetzen. Mit anderen Worten: KI-Agenten klingen bereits selbstsicher, bevor die zugrunde liegenden Geschäftsdefinitionen stabil sind.

Bei der Evaluierung sind die Zahlen ähnlich ernüchternd. In VentureBeats Umfrage unter 157 Befragten sagten 50%, dass sie eine KI-Funktion ausgeliefert hätten, die interne Evaluierungen bestanden habe und dann in einem kundenorientierten Umfeld gescheitert sei. Nur 5% sagten, sie vertrauten automatischer Evaluierung heute vollständig. Dennoch erlauben 66% entweder bereits vollständig automatisierte Bereitstellung für risikoarme Agenten oder entwickeln darauf hin innerhalb eines Jahres.

Diese Kombination ist womöglich das deutlichste Zeichen dafür, dass Enterprise-KI-Betrieb die Absicherung überholt. Teams wollen schnellere Release-Zyklen und mehr Autonomie, doch die Evidenz in dieser Umfrage legt nahe, dass die Testschicht noch nicht stark genug ist, um das sicher zu tragen.

Bei der Sicherheit ergab VentureBeats Umfrage unter 107 Befragten, dass 54% bereits entweder einen bestätigten Sicherheitsvorfall mit einem Agenten oder einen Beinahevorfall erlebt haben. Das strukturelle Problem ist laut Bericht Identität und Eindämmung. Nur 32% sagten, jeder Agent erhalte eine eigene, begrenzte und verwaltete Identität, während viele weiterhin auf gemeinsam genutzte Zugangsdaten setzen. Lediglich 30% isolieren ihre risikoreichsten Agenten in Sandboxes.

Das ist besonders relevant, da Unternehmen Agenten echten Zugriff auf interne Systeme gewähren. Ohne agentenspezifische Identität und Isolation kann ein kompromittiertes oder überberechtigtes System einen deutlich größeren Schadensradius haben.

Anbieternative Tools gewinnen standardmäßig, nicht per endgültigem Urteil

Ein durchgängiges Muster über alle vier Umfragen hinweg ist, dass anbieternative Werkzeuge zur Standard-Entscheidung werden. Bei der Orchestrierung dominieren Modellplattform-Anbieter die Primärnutzung. Beim Kontext führen OpenAI-Dateisuche und Google Vertex AI Search in VentureBeats Stichprobe den Retrieval-Stack an. Bei der Sicherheit waren OpenAI-Schutzmechanismen und cloudnative Kontrollen großer Anbieter die am häufigsten genutzten Tools. Bei der Evaluierung lagen anbieternative Tools ebenfalls an der Spitze, gleichauf mit überhaupt keinen dedizierten Tools.

Dieses Muster ist für den Markt wichtig, weil es zeigt, dass Bequemlichkeit in der ersten Welle der Unternehmensbereitstellung Spezialisierung schlägt. Käufer scheinen sich für das zu entscheiden, was mit ihrer Modellplattform oder ihrem Cloud-Stack mitgeliefert wird, besonders wenn die Teams in der Produktionsreife noch am Anfang stehen.

Doch VentureBeats eigene Daten deuten auch darauf hin, dass diese Standardeinstellungen vorläufig sind. Bei der Sicherheit planten 59% innerhalb eines Jahres die Einführung oder den Wechsel von Werkzeugen. Beim Kontext wollten 57% einen Retrieval-Anbieter wechseln oder hinzufügen. Bei der Evaluierung planten 64%, eine neue oder ersetzende Plattform einzuführen. Auch bei der Orchestrierung war die Wechselabsicht hoch.

Obwohl der aktuelle Stack also konzentriert aussieht, ist der Kaufzyklus noch offen. Unternehmen beginnen möglicherweise mit gebündelten Kontrollen und Retrieval, weil das Reibung reduziert, aber viele scheinen nicht überzeugt zu sein, dass sie dort bleiben werden. Vendor-Lock-in war das am häufigsten genannte Risiko, wenn die Orchestrierungs-Kontrollschicht innerhalb einer Modellanbieter-Plattform sitzt, was erklärt, warum 51% in der Orchestrierungsumfrage bis Ende 2026 eine hybride Kontrollschicht erwarteten.

Belege, Vorbehalte und was diese Umfragen wirklich zeigen

Alle vier Quellen sind VentureBeat-Pulse-Research-Umfragen aus dem Juni 2026, keine öffentlichen Einreichungen oder geprüften Marktdaten. Das macht sie wertvoll als Richtungsindikator für die Stimmung und das Bereitstellungsverhalten in Unternehmen, setzt aber auch klare Grenzen.

Die Stichproben waren selbstselektiert, in mehreren Fällen auf den Mid-Market gewichtet und mit moderater Größe: 101 Befragte für Orchestrierung, 101 für Kontext, 157 für Evaluierung und 107 für Sicherheit. VentureBeat selbst sagt, die Ergebnisse sollten als Tendenz und nicht als präzise Messung verstanden werden. Die Umfragen verwendeten zudem unterschiedliche Befragtengruppen, weshalb Leser vorsichtig sein sollten, Prozentwerte aus verschiedenen Erhebungswellen als direkt vergleichbare Marktanteile zu behandeln.

Diese Vorsicht ist besonders wichtig bei Anbieter-Rangfolgen. Dass Anthropics Claude in dieser Stichprobe bei der Orchestrierung führt, belegt keine breitere Marktanteilsführerschaft. Dasselbe gilt für OpenAI-Dateisuche, Google Vertex AI Search, OpenAI-Schutzmechanismen oder anbieternative Evaluierungen. Das sind umfragebasierte Momentaufnahmen der Primärnutzung oder Präsenz im Stack unter KI-aktiven Befragten, keine nach Ausgaben gewichteten Rankings.

Trotzdem ist das wiederkehrende strukturelle Muster über getrennte Umfragen hinweg schwer zu ignorieren. Unterschiedliche Unternehmensgruppen meldeten ähnliche Spannungen: gebündelte Tools bestimmen die aktuelle Nutzung; Spezialkategorien bleiben fragmentiert; und die meisten Organisationen planen, innerhalb eines Jahres Werkzeuge zu ändern oder hinzuzufügen. Selbst wenn sich die genauen Prozentsätze verschieben, wirkt dieses Muster glaubwürdig.

Was das für Entwickler und Unternehmenskäufer bedeutet

Für KI-Produktteams ist die praktische Lehre, dass „Agenten“-Behauptungen stärker hinterfragt werden. Wenn Unternehmenskunden zunehmend erkennen, dass viele eingesetzte Agenten lediglich Hüllen um Prompts sind, müssen Anbieter zeigen, wo Orchestrierung tatsächlich vorhanden ist: Zustandsverwaltung, Werkzeugkoordination, Laufzeitkontrollen, Fallback-Verhalten und messbare Aufgabenerledigung.

Für Unternehmenskäufer deuten diese Umfragen darauf hin, dass die Plattformwahl zum leichteren Teil wird. Der schwierige Teil ist, Enterprise-KI auf vier Schichten gleichzeitig zu operationalisieren: eine vertrauenswürdige Kontextschicht, eine an reale Ergebnisse gekoppelte Evaluierungsschicht, eine Identitäts- und Isolationsschicht für Sicherheit sowie eine Kontrollschicht, die sowohl Kosten als auch Anbieterabhängigkeit managen kann.

Für Startups könnte der Einstieg enger sein, als die breite „Agentenplattform“-Botschaft vermuten lässt. Anbieterpakete absorbieren den Standard-Einstiegspunkt. Die Chancen scheinen spezifischer zu sein: kontrollierte semantische Schichten, nichtmenschliche Identität, Laufzeitisolierung, Monitoring der Ausgabequalität und Orchestrierungskontrollen oberhalb des Modellanbieters.

Auch die Kostenseite verdient Aufmerksamkeit. VentureBeats Orchestrierungsumfrage ergab, dass 27% keine Echtzeit-, programmgesteuerte Möglichkeit hatten, einen außer Kontrolle geratenen Agenten zu stoppen, bevor die Rechnung kam. Das ist nicht nur ein FinOps-Problem. Es ist ein Zeichen dafür, dass Laufzeit-Kontrollschichten noch unreif sind.

Worauf als Nächstes zu achten ist

Das wichtigste Folge-Signal ist, ob Unternehmen ein Wachstum bei tatsächlich mehrstufigen Produktions-Workflows melden, nicht nur mehr „Agenten“-Bereitstellungen. Wenn diese Zahl niedrig bleibt, während die Ausgaben für Orchestrierung steigen, könnte die Kategorie überbenannt und unterliefert sein.

Zweitens sollte man beobachten, ob hybride Kontrollarchitekturen zum Standard werden. Wenn Teams weiterhin auf Anthropics Claude, Microsoft oder OpenAI standardisieren und dabei externe Orchestrierungs- und Richtlinienschichten hinzufügen, könnte sich der Markt in einen geteilten Stack statt in Gewinner-alles-nehmen-Plattformen entwickeln.

Drittens ist wichtig, ob kontrollierte semantische Schichten von Pilot zu Produktion wechseln. Wenn OpenAI-Dateisuche und Google Vertex AI Search weiter wachsen, ohne dass sich die Kontext-Governance verbessert, wird das Problem der selbstsicheren, aber falschen Antworten wahrscheinlich fortbestehen.

Viertens verdient die Evaluierungsschicht Aufmerksamkeit. Wenn Unternehmen weiter in Richtung automatisierter Bereitstellung gehen, während anbieternative Evaluierungen und fragmentierte Werkzeuge die Norm bleiben, könnten kundenorientierte Ausfälle zu einem wichtigen Auslöser für Beschaffungen werden.

Schließlich werden Sicherheitsausgaben und -architektur der eigentliche Test für Ernsthaftigkeit sein. Wenn OpenAI-Schutzmechanismen der Standard bleiben, während begrenzte Identität und Sandbox-Isolierung selten sind, normalisieren Unternehmen womöglich Exposition statt sie zu reduzieren.

Creati.ai-Perspektive

Diese Umfragen zeigen einen reifenden Enterprise-KI-Markt, in dem die Sprache der Agenten schneller vorangekommen ist als die operative Realität. Die wichtigste Erkenntnis ist nicht, dass Unternehmen die falschen Plattformen gewählt haben. Es ist, dass zu viele Teams die Plattformwahl für die Hauptentscheidung hielten, obwohl die Bereitstellungsherausforderung in der Qualität des Kontexts, der Laufzeitkontrolle, der Güte der Evaluierung und im Sicherheitsdesign liegt.

Deshalb ist das interessanteste Wettbewerbsfeld womöglich gar nicht das Basismodell selbst. Es könnten die Kontrollschichten darum herum sein: die Systeme, die entscheiden, was ein Agent weiß, worauf er zugreifen kann, wie er getestet wird, wann er gestoppt wird und wer anschließend beweisen kann, was passiert ist. Bis diese Schichten ausgereift sind, werden viele Enterprise-„Agenten“ teure Assistenten bleiben, die besser gebrandet als operativ autonom sind.