Skip to content
AV
Artificial Intelligence

KI-Agenten sind jetzt Infrastruktur: Wie das Bauen mit ihnen im Jahr 2026 wirklich aussieht

By Anurag Verma•June 3, 2026
KI-Agenten sind jetzt Infrastruktur: Wie das Bauen mit ihnen im Jahr 2026 wirklich aussieht

KI-Agenten sind jetzt Infrastruktur: Wie das Bauen mit ihnen im Jahr 2026 wirklich aussieht

Der Moment, der mir die Verschiebung klargemacht hat, war die Lektüre von Salesforces Q4-FY2026-Earnings-Call im Februar. Agentforce erreichte $800 Millionen ARR, ein Plus von 169% gegenüber dem Vorjahr, und das Management verwendete immer wieder einen Begriff, der vor achtzehn Monaten noch nach Marketing-Gerede geklungen hätte: "agentic work units". 2,4 Milliarden davon hatten sie protokolliert. Das sind keine Chat-Vervollständigungen. Das sind erledigte Aufgaben: ein Support-Fall, der ohne menschliches Eingreifen gelöst wurde; ein Vertriebsdatensatz, der nach einem Telefonat aktualisiert wurde; ein Onboarding-Workflow, der ohne Ticket angestoßen wurde. An diesem Punkt ist die Debatte darüber, ob KI-Agenten im Unternehmensumfeld relevant sind, beendet.

Was nicht beendet ist: herauszufinden, wie man sie verantwortungsvoll baut und betreibt.

Wo der Markt wirklich steht

Der globale Markt für KI-Agenten liegt 2026 bei rund 10,9 Milliarden Dollar, gegenüber 7,6 Milliarden im Jahr 2025, mit einem CAGR von 44%. Diese Zahlen interessieren mich weniger als die Adoptionsrate darunter: 40% der Unternehmensanwendungen verfügen inzwischen über agentische Fähigkeiten, verglichen mit unter 5% noch vor einem Jahr. Irgendetwas hat eine Schwelle überschritten.

Die Infrastrukturgeschichte ist noch aufschlussreicher. Anthropics Model Context Protocol, das Ende 2024 vorgestellt wurde, verzeichnet inzwischen 97 Millionen monatliche SDK-Downloads und hat mehr als 10.000 aktive Produktionsserver. Im Dezember 2025 übernahm Google MCP für seine eigenen Dienste. Im April 2026 setzten Fortune-500-Unternehmen es in der Produktion ein. Sechzehn Monate vom Forschungsprojekt zur Unternehmensinfrastruktur. Das ist schnell.

Die Linux Foundation hat das Ende 2025 mit der Agentic AI Foundation (AAIF) formalisiert und MCP, OpenAIs AGENTS.md und Blocks goose unter einem gemeinsamen Governance-Dach vereint. Platinum-Mitglieder sind Amazon, Anthropic, Google, Microsoft und OpenAI. Wenn die härtesten Wettbewerber gemeinsam dasselbe Standardisierungsgremium finanzieren, ist die Protokollebene geklärt.

Wo Coding-Agenten ins Bild passen

Softwareentwicklung hat etwa die Hälfte der frühen agentischen Deployments verschlungen, und ich verstehe warum. Die Feedbackschleife ist eng und messbar. Cursor soll im vergangenen Jahr $1 Milliarde ARR überschritten und eine Bewertung von 29,3 Milliarden Dollar erreicht haben, ausgehend von 100 Millionen ARR in nur zwölf Monaten. GitHub Copilot, Claude Code, Windsurf und Devin konkurrieren alle in einem Markt, den es in seiner heutigen Form vor zwei Jahren noch nicht gab.

Der Architekturwandel ist das, worauf es zu achten gilt. Diese Tools sind keine Autovervollständigungs-Wrapper mehr. Sie halten den Zustand über eine gesamte Codebase-Session aufrecht, öffnen Pull Requests, führen Tests aus, lesen Fehlerausgaben und versuchen es erneut. OpenAIs Operator erreicht 87% bei komplexen Browser-Aufgaben-Benchmarks. AGENTS.md, veröffentlicht im August 2025, wurde bereits von mehr als 60.000 Open-Source-Repositories als Standardformat zur Beschreibung von Repo-Kontext für Agenten übernommen. Die Coding-Oberfläche ist derzeit das ausgereifteste Testfeld, das wir haben.

Ich nutze Claude Code täglich auf der Next.js-Codebase dieses Blogs, und der Produktivitätsunterschied ist real, kein Hype. Aber ich weiß auch genau, was es nicht kann: über mehrere Tool-Aufrufe hinweg eine konsistente Intention aufrechterhalten, wenn etwas schiefläuft, oder Seiteneffekte zwei Schritte voraus bedenken. Diese Lücke ist das eigentliche Ingenieursproblem.

Das, worüber niemand genug spricht

Hier ist die unbequeme Statistik: Nur 11 bis 14% der Enterprise-KI-Agenten-Piloten haben es bis März 2026 in die skalierte Produktion geschafft. Das Versagen liegt fast nie am Modell. Es liegt an der Orchestrierungsschicht. Kontextinkonsistenzen an Übergabepunkten, Agenten, die in Feedbackschleifen geraten und API-Budgets in Minuten aufbrauchen, Koordinationsfehler, die sich zu systemweiten Ausfällen ausweiten. Produktive Multi-Agenten-Systeme weisen individuelle Fehlerquoten von 5 bis 15% auf, und ohne geeignete Circuit-Breaker pflanzt sich ein einzelner Fehler fort.

Sicherheit ist das andere ungelöste Problem. Prompt-Injection-Angriffe stiegen um 340% im Jahresvergleich und sind laut OWASPs LLM Security Report 2026 nach wie vor die häufigste Kategorie von Sicherheitsversagen bei agentischer KI. Die indirekte Variante ist besonders heimtückisch: eine bösartige Anweisung, versteckt in einem Dokument, das der Agent liest, löst reale Aktionen aus (Datenbankabfragen, API-Aufrufe, Datei-Schreibvorgänge), die Betreiber nie kommen sehen. Microsoft, Google und GitHub hatten allesamt Produktionssysteme, die auf diese Weise kompromittiert wurden. Neunundzwanzig Prozent der Organisationen, die agentische Deployments planen, sagen, sie seien darauf vorbereitet, diese abzusichern. Die übrigen einundsiebzig Prozent deployen trotzdem.

Achtzig Prozent der Organisationen, die Agenten einsetzen, haben kein ausgereiftes Governance-Modell, um sie in großem Maßstab zu verwalten. Diese Zahl muss schneller sinken als die Adoptionsrate steigt.

Wie gute Architektur heute aussieht

Die Teams, die ich schätze, bauen keine monolithischen Agenten. Sie bauen Netzwerke aus spezialisierten, prüfbaren Agenten mit expliziten Übergabeverträgen, deterministischen Fallback-Pfaden und menschlichen Kontrollpunkten bei jeder folgenreichen Aktion. Die MCP-Roadmap 2026 adressiert das Stateful-Session-Problem, Lücken bei der Enterprise-Authentifizierung und Governance-Tooling, das Produktions-Deployments offengelegt haben. Das sind lösbare Ingenieursprobleme, sobald man sich entschließt, sie zu lösen.

Das Agent-to-Agent-Protokoll (A2A), das Google auf der Cloud Next 2026 vorgestellt hat, ist das nächste Puzzlestück. Agenten müssen andere Agenten finden, sich bei ihnen authentifizieren und Aufgaben an sie delegieren können, ohne dass ein Mensch dazwischen steht. Diese Infrastruktur wird gerade jetzt gebaut.

Mein eigener Ansatz bei Projekten: die Aktionsfläche des Agenten wie eine Sicherheitsgrenze behandeln, nicht wie eine Feature-Liste. Jedes Tool, das der Agent aufrufen kann, ist ein potenzieller Schadensradius. Alles instrumentieren. Explizite Budget-Obergrenzen pro Lauf setzen. Evaluierungen bauen, bevor man Features baut.

Das große Bild

Die Rahmung von "KI-Agenten als das neue Betriebssystem" war in der Richtung richtig, aber 2025 verfrüht. Was Mitte 2026 zutreffender ist: Agenten werden Infrastruktur, so wie Datenbanken und Message Queues Infrastruktur wurden: still, mit viel Schmerz in der Frühphase, und dann plötzlich überall. Der International AI Safety Report 2026 benennt Koordinationsversagen im großen Maßstab als das primäre systemische Risiko, nicht die Fähigkeiten einzelner Modelle.

Die Entwickler, die hier erfolgreich sein werden, sind jene, die Zuverlässigkeit, Beobachtbarkeit und Sicherheit von Agenten als erstklassige Ingenieurdisziplinen behandeln, nicht als Nachgedanken. Wer glaubt, Orchestrierung sei das Problem von jemand anderem, wird in der Produktion eine schwere Zeit haben.

Quellen