Populäre KI-Agenten 2026: 13 Produkte, vier Kategorien und die richtige Wahl für den Mittelstand

Populäre KI-Agenten haben 2026 den Sprung vom Chatbot zum Mitarbeiter geschafft: Sie öffnen Browser und Terminal, schreiben Code, bedienen CRM und Helpdesk und treffen Entscheidungen in bestehenden Prozessen. Dieser Beitrag sortiert die 13 wichtigsten Produkte nach Einsatzgebiet und Anbieter, vergleicht ihre Preismodelle und zeigt, welcher Agent zu welchem Mittelständler passt.

Die Unterscheidung zwischen „KI-Anwendung” und „KI-Agent” ist inzwischen entscheidend. Eine KI-Anwendung antwortet. Ein Agent handelt: Er nimmt ein Ziel entgegen, plant die nötigen Schritte, ruft Werkzeuge auf, prüft das Ergebnis und iteriert, bis das Ziel erreicht ist oder eine Abbruchbedingung greift. Genau diese Handlungsfähigkeit macht Agenten für den Mittelstand interessant — und gleichzeitig zum Risiko, denn eine falsche Aktion ist teurer als eine falsche Antwort.

Dieser Beitrag ordnet den Stand zum Oktober 2026 ein. Er richtet sich an IT-Leiter und Geschäftsführer, die einen Agenten evaluieren wollen, ohne sich in einer Tool-Debatte zu verlieren. Preise und Produktstände verändern sich bei diesem Tempo monatlich; alle Angaben sind daher mit Stand-Datum zu lesen und vor einer Beschaffungsentscheidung gegen die Anbieter-Seiten zu prüfen.

1. Warum die Auswahl plötzlich so groß ist

Bis 2025 war „KI-Agent” praktisch ein Synonym für „Chatbot mit Werkzeugzugriff”. Diese Phase ist vorbei. Allein zwischen Anfang April und Mitte 2026 hat sich das Bild in drei Dimensionen verschoben:

  • Aus Assistenten wurden Ausführende. Claude Code, Devin und der GitHub-Coding-Agent arbeiten nicht mehr im Chat-Fenster, sondern in echten Entwicklungs-Umgebungen — mit Branch, Tests und Pull Requests.
  • Aus Werkzeugen wurden Plattformen. Amazon Bedrock AgentCore hat den Harness 2026 unter dem Begriff „Agent Harness” als Produktkategorie etabliert; Microsoft bündelt Agenten-Governance in Agent 365, Salesforce in Agentforce.
  • Aus Einzelprodukten wurden Ökosysteme. Der Linux Foundation, Google, OpenAI, Meta und Block haben ihre Agenten-Frameworks alle innerhalb weniger Wochen an Foundation oder Cloud-Ökosysteme übergeben — ein Zeichen dafür, dass dieser Bereich inzwischen strategisch besetzt ist.

Für den Mittelstand folgt daraus eine Entwarnung und eine Warnung zugleich. Entwarnung: Es gibt inzwischen für fast jedes Budget und jeden Stack eine passende Lösung, und die teuersten Produkte lassen sich oft mit einem Selbstbau auf offener Basis abgleichen. Warnung: Die Auswahlentscheidung ist zur Architekturentscheidung geworden. Wer sich heute auf ein Framework festlegt, bindet Tooldefinitionen, Memory-Semantik und Orchestrierungslogik an dessen Primitive.

2. Die vier Kategorien

Die praktisch erprobte Einteilung orientiert sich nicht an der Technologie, sondern an dem Ort im Prozess, an dem der Agent arbeitet:

  1. Enterprise- und Workflow-Agenten — sie greifen in vorhandene Geschäftsprozesse ein: CRM, Tickets, internes Wissen. Hier zählt Durchschlagskraft im Tagesgeschäft, nicht Benchmarks.
  2. Software-Entwicklungs- und Coding-Agenten — sie navigieren Repositories, schreiben Code, führen Terminal-Befehle aus, testen und debuggen. Hier ist die Autonomiegrenze das entscheidende Thema.
  3. Web-Navigations- und Recherche-Agenten — sie bedienen Browser-Oberflächen, extrahieren Daten und liefern fertige Reports. Der Engpass ist hier die Robustheit gegenüber Websites, die sich ändern.
  4. Multi-Agent-Frameworks und Builder-Plattformen — sie sind keine Endprodukte, sondern Bausteine, mit denen eigene Agenten-Netzwerke gebaut werden. Hier entscheidet sich, ob eine Lösung später austauschbar bleibt.

Die Grenzen verlaufen fließend. Microsoft Agent 365 ist ein Enterprise-Produkt und Orchestrierungsebene zugleich; Amazon Bedrock AgentCore ist Cloud-Plattform und Framework-Baustein in einem. Entscheidend für die Auswahl ist ohnehin eine andere Frage: Wer trägt die Verantwortung, wenn der Agent etwas tut?

3. Enterprise- und Workflow-Agenten

3.1 Salesforce Agentforce

Anbieter: Salesforce. Einsatzgebiet: autonome CRM-Abläufe in Sales, Service und Marketing. Kernfähigkeiten: Agentforce löst Supportfälle, qualifiziert Leads und aktualisiert Datensätze direkt im CRM — mit den nativen Zugriffsrechten und der Datenverankerung des Salesforce-Ökosystems.

Das Geschäftsmodell verdient Aufmerksamkeit, weil Salesforce parallel drei Abrechnungslogiken parallel betreibt, die oft verwechselt werden:

Modell Einheit Richtwert Anmerkung
Flex Credits 100.000 Credits 500 USD 1 Aktion ≈ 20 Credits ≈ 0,10 USD; Voice ≈ 30 Credits ≈ 0,15 USD
Conversations 1 Gespräch (24-h-Fenster) 2 USD nicht mit Flex Credits kombinierbar
Nutzer-Add-ons je Nutzer und Monat ab 125 USD zusätzlich zur Plattformlizenz

Wichtig für die Kalkulation: Agentforce benötigt ein Data-Cloud-Abo, das typischerweise deutlich über 100.000 USD pro Jahr liegt. Dazu kommen Endnutzer-Lizenzen ab 125 USD pro Monat oder die Max-Edition ab 550 USD pro Nutzer und Monat. Schätzungen für die Erstjahreskosten im Mittelstand liegen in Größenordnungen von 150.000 bis 600.000 USD. Das ist keine Anschaffung für den Mittelstand, sondern eine Plattformentscheidung — mit entsprechendem Change-Management-Bedarf.

Neu und für den Support relevant: Seit Juli 2026 ist der Agentforce Help Agent allgemein verfügbar und rechnet nach Pay-per-Resolution ab — nur bei tatsächlich gelösten Fällen, ohne menschliche Eskalation. Das senkt das Risiko bei unklarer Volumensituation erheblich.

3.2 Microsoft Copilot Studio und Agent 365

Anbieter: Microsoft. Einsatzgebiet: Geschäftsprozesse über Microsoft 365, Teams und die Power Platform hinweg. Kernfähigkeiten: Low-Code-Agenten mit rollenbasiertem Zugriff, triggerbasierten Aktionen und übergreifender Datensuche.

Die eigentliche Neuerung ist Agent 365, seit April 2026 allgemein verfügbar: eine zentrale Steuerungsebene, die Agenten über Umgebungen hinweg inventarisiert, Berechtigungen verwaltet, Verhalten regelt und Aktivität protokolliert. Im September 2026 kamen verwaltete Agenten in Copilot Studio, Agent Accounts, Business Process Memory und Trigger-Integration mit GitHub Copilot hinzu.

Für Compliance-Verantwortliche ist eine Neuerung besonders relevant: Seit Juli 2026 erhält jeder neue Agent automatisch eine Microsoft-Entra Agent ID — ohne Opt-out. Das bedeutet: Jeder im Unternehmen erzeugte Agent ist prinzipiell ein Identitäts- und Berechtigungsobjekt. Wer seine Hausaufgabe bei DSGVO und Auditierbarkeit macht, bekommt diese Identitätsverwaltung damit geschenkt — sollte sie aber auch tatsächlich nutzen.

Die Abrechnung läuft über Copilot Credits, wahlweise als Pay-as-you-go oder mit Jahres-Prepaid. Wer bereits Microsoft 365 flächendeckend hat, ist der Einstieg über Copilot Studio der mit dem geringsten zusätzlichen Vertragsvolumen.

3.3 Intercom Fin

Anbieter: Intercom — das Unternehmen firmierte im Mai 2026 zu Fin und wurde im September 2026 von Salesforce für rund 3,6 Milliarden USD übernommen; das Helpdesk-Produkt trägt weiterhin den Namen Intercom. Einsatzgebiet: Kundensupport-Automatisierung. Kernfähigkeiten: mehrstufige Support-Anfragen autonom auflösen, Wissensdatenbanken einbinden, Aktionen über API-Endpunkte ausführen.

Fin ist der interessanteste Preisvergleich der Enterprise-Kategorie, weil das Produkt nach Ergebnis abrechnet statt pro Sitz:

  • 0,99 USD je Resolution, Procedure-Handoff oder Disqualification
  • 9,99 USD je Sales-Qualification (mit Book-a-Call oder Trial-Start)
  • 0,99 USD für Self-serve-Routing, das bewusst niedriger abgerechnet wird

Wichtig: Es gibt keine Setup-, Integrations- oder Plattformgebühr, und eine einfache Weiterleitung an das Team kostet nichts. Intercom nennt eine durchschnittliche Lösungsrate von 76 Prozent über mehr als 8.000 Unternehmen. Zum Vergleich: Zendesk liegt bei rund 1,50 bis 2,00 USD pro gelöster Anfrage, Sierra AI rechnet rein outcome-basiert ab. Fin lässt sich zudem als eigenständiger Agent mit jedem bestehenden Helpdesk betreiben — die Salesforce-Übernahme ist für den Mittelstand also kein Zwang.

3.4 Glean Agent Platform

Anbieter: Glean. Einsatzgebiet: Unternehmenssuche und internes Wissens-Retrieval. Kernfähigkeiten: verbindet Corporate-Datenquellen wie Slack, Confluence und Drive und führt über App-Grenzen hinweg Synthese und Recherche durch.

Glean ist das klassische Enterprise-Produkt dieser Liste: Es verbindet mehr als 275 Connector, spiegelt Berechtigungen der Quellsysteme und liefert ausschließlich Antworten, für die der Nutzer auch Zugriff hat. Das ist technisch unangenehm, aber genau der Grund, warum es im Finanz-, Gesundheits- und Versicherungsbereich eingesetzt wird. Zertifizierungen nach ISO 42001, ISO 27001, HIPAA, SOC 2 Type II und DSGVO liegen vor.

Aber: Glean veröffentlicht keine Preisliste. Drittschätzungen liegen bei rund 45 bis 50 USD pro Nutzer und Monat für die Basisplattform plus etwa 15 USD KI-Aufpreis, bei einer Mindestabnahme von ungefähr 100 Sitzen — also einer rechnerischen Untergrenze von etwa 60.000 USD pro Jahr. Auswertungen von 174 tatsächlichen Beschaffungsvorgängen ergeben einen Median von knapp 99.000 USD pro Jahr. Unter dem Modell Enterprise Flex kommt ein gemeinsamer FlexCredit-Pool hinzu: Premium-Anfragen, Deep Research und Agenten-Läufe verbrauchen ihn variabel, ein typischer Agenten-Lauf etwa 7 Credits, ein komplexer rund 114. Zwei Unternehmen mit identischer Nutzerzahl können daher sehr unterschiedliche Rechnungen bekommen.

4. Software-Entwicklungs- und Coding-Agenten

4.1 Claude Code

Anbieter: Anthropic. Einsatzgebiet: CLI-first Software-Engineering und Repository-Bearbeitung. Kernfähigkeiten: läuft direkt in der Terminal-Umgebung, führt Git- und Shell-Operationen aus, nutzt Model Context Protocol (MCP) und refaktoriert große Codebasen.

Claude Code hat denktiefsten Wandel durchlaufen. Seit 2026 läuft der Agent standardmäßig im automatischen Modus auf Pro-, Max- und Team-Plänen, erkennt riskante Kommandos und korrigiert Fehler selbst. Self-hosted-Umgebungen im eigenen Netz sind seit August 2026 in öffentlicher Beta. Computer-Use — Claude öffnet Anwendungen, steuert den Browser und bedient Dev-Tools — ist seit April 2026 verfügbar. Dynamische Workflows mit zehn bis hundert parallelen Subagenten und anschließender Prüfung kamen im Mai 2026 dazu, ebenso die zentrale Session-Verwaltung „Agent View” für den 28. August 2026.

Die Preislogik ist ungewöhnlich, weil Claude Code keinen eigenen Preis hat, sondern in den Claude-Plänen enthalten ist:

Plan Preis Claude Code enthalten Hinweis
Free 0 USD nein nur Chat
Pro 20 USD/Monat (17 USD jährlich) ja Baseline-Kontingent, alle 5 Stunden erneuert
Max 5x 100 USD/Monat ja 5-faches Kontingent, inkl. API-Guthaben
Max 20x 200 USD/Monat ja 20-faches Kontingent
Team 20 bis 125 USD/Sitz/Monat ja 2 bis 150 Personen
Enterprise ab 20 USD/Sitz + Nutzung ja jedes Token zu API-Preisen
API nach Token nein Sonnet 5.5: 2/10 USD je Mio. Token; Opus 5.5: 4/20 USD

Für den Mittelstand ist das der praktisch relevanteste Einstieg, weil das Kontingent modellübergreifend mit Chat geteilt wird — der Agent „verbraucht” also keine separate Budgetlinie, sondern dieselbe, die ohnehin für Assistenz vorhanden ist.

4.2 Devin

Anbieter: Cognition. Einsatzgebiet: autonome End-to-End-Softwareentwicklung. Kernfähigkeiten: Planung über lange Horizonte, Browser- und Sandbox-Shell-Zugriff, automatisiertes Debugging und Deployment-Handling.

Devin arbeitet in Cognition-eigenen Sandbox-Virtual-Maschinen und nutzt Modelle von OpenAI, Anthropic, Google sowie das hauseigene SWE-1.6. Der Unterschied zu Claude Code liegt in der Ausrichtung: Devin ist auf langlebige Aufgaben mit Deliverable ausgelegt — ein Branch, ein getesteter Pull Request, ein Deployment —, während Claude Code primär als Werkzeug im Entwicklerhandwerk konzipiert ist.

Die Preisstruktur wurde 2026 grundlegend umgestellt. Die vielfach zitierten „500 USD pro Sitz ohne Free-Tier” sind überholt. Aktuell gilt:

  • Free 0 USD
  • Pro 20 USD pro Sitz und Monat
  • Max 200 USD pro Sitz und Monat (neu)
  • Teams 80 USD Basis plus 40 USD je vollem Entwickler-Sitz
  • Enterprise maßgeschneidert

Ein Hinweis zur Einordnung: Quellen widersprechen sich bei der Frage, ob die Nutzung über ein Abo-Kontingent oder über ein ACU-Modell (Agent-Compute-Unit) abgerechnet wird. Für die Budgetplanung sollte diese Frage vor Vertragsabschluss ausdrücklich geklärt werden — sie bestimmt, wie sich steigende Agenten-Nutzung im laufenden Jahr auswirkt.

4.3 GitHub Copilot Workspace und Agent Mode

Anbieter: GitHub/Microsoft. Einsatzgebiet: Coding-Workflows auf IDE- und Pull-Request-Ebene. Kernfähigkeiten: mehrdateilige Vorschläge aus Issues, Terminal-Tests, automatische Behebung von Build-Fehlern direkt in VS Code und GitHub.

Copilot ist inzwischen die weiteste Verbreitung, weil der Agent in der IDE sitzt, die das Team ohnehin nutzt. Die drei Ausprägungen sind klar zu trennen: Inline-Agent-Modus (im Chat der IDE, kleinster Scope), Chat-Panel-Agent-Modus (mehrere Dateien, mehrstufig) und die Cloud-Variante, die in GitHub Actions auf einem Branch ohne IDE läuft, aus einem Issue, einem PR-Kommentar oder per gh copilot agent --issue 42 gestartet wird und einen Pull Request eröffnet.

Die GitHub-CLI ist seit dem 25. Februar 2026 allgemein verfügbar, mit Plan-Modus, Autopilot-Modus, spezialisierten eingebauten Agenten, MCP-Servern, Plugins und Hooks. Im September 2026 kamen in VS Code Automatisierungen (stündlich, täglich, wöchentlich), die Merge-Unterstützung durch den Agenten und der Agents-Window hinzu — der Agent übernimmt damit auch Review-Feedback, fehlgeschlagene Checks und Merge-Konflikte. Wichtige Grenze: Der Cloud-Agent kann seinen eigenen Pull Request weder approven noch mergen. Das ist Absicht und keine Fehlfunktion.

4.4 Google Antigravity

Anbieter: Google. Einsatzgebiet: agentische Entwicklerbetriebsabläufe und Multi-Agent-Code-Orchestrierung. Kernfähigkeiten: dedizierte Laufzeitumgebungen für Code-Pipelines, kontinuierliche Testläufe und Multi-Agent-Engineering-Workflows.

Antigravity wurde am 17. November 2025 zusammen mit Gemini 3 vorgestellt und ist als kostenlose Public Preview verfügbar. Agents erhalten dort direkten Zugriff auf Editor, Terminal und Browser — die Browser-Steuerung greift auf Gemini 2.5 Computer Use zurück. Für Aufgaben, die mehrere Werkzeuge koordinieren müssen, ist das der eigentliche Unterschied zu einem Coding-Agenten im Terminal: Antigravity orchestriert mehrere Agenten in getrennten Laufzeitumgebungen. Google berichtet für Gemini 3 einen Spitzenresultat im „Vending-Bench 2″-Benchmark. Läuft unter macOS, Windows und Linux.

Einschränkung: Public Preview bedeutet, dass sich Bedienung, Preise und Funktionsumfang bis zur Produktivfreigabe noch verschieben können. Für einen produktiven Einsatz im Mittelstand ist Antigravity derzeit eher als Beobachtungsfeld und Experimentierraum einzuordnen.

5. Web-Navigations- und Recherche-Agenten

5.1 Manus

Anbieter: Manus AI (Butterfly Effect, Singapur). Einsatzgebiet: autonome Web-Navigation und browserbasierte Aufgaben. Kernfähigkeiten: bedient Web-Oberflächen direkt, füllt Formulare aus, extrahiert Daten und erzeugt strukturiert fertige Reports.

Manus ist der Agent, bei dem die Abgrenzung zur klassischen Recherche am deutlichsten wird: Das Ergebnis ist kein Link-Set, sondern ein fertiges Dokument — Bericht, Präsentation oder Website. Die „Wide Research”-Funktion verteilt große Aufgaben auf viele parallel arbeitende Agenten mit eigenem Kontext; getestet wurde sie bis 250 Positionen.

Die Preislogik ist vollständig credit-basiert und damit planungsintensiv:

  • Free 0 USD — 300 täglich erneuernde Credits (monatliche Obergrenze 1.500), 1 gleichzeitige Aufgabe, 2 Automationen, nur „Manus 2.0 Lite”
  • Pro ab 20 USD/Monat (17 % günstiger bei Jahreszahlung) — 4.000 Credits monatlich, 20 gleichzeitige Aufgaben, 20 Automationen, Website-Deployment und Folien-Erstellung
  • Pro ab 40 USD/Monat — 8.000 Credits, 7 Tage Testphase
  • Extended ab 200 USD/Monat — 40.000 Credits
  • Team ab 20 USD je Sitz/Monat — SSO, Opt-out aus dem Daten-Training, Team-Analytics, getrennte Zugriffsrechte

Credits verbrauchen sich nach Komplexität, nicht nach Anfrage — der tatsächliche Monatsbetrag ist deshalb vorab nur grob schätzbar. Credits werden monatlich zurückgesetzt und rollen nicht über. Anmerkung zur Eigentümerstruktur: Zur Übernahme des Unternehmens durch Meta im Dezember 2025 und zu einer regulatorischen Aufsicht in China liegen widersprüchliche Darstellungen vor; für Kunden mit Datenverarbeitungsanforderungen ist der aktuelle Rechtsstatus im Vorfeld zu prüfen.

5.2 ChatGPT Agent und Custom GPTs

Anbieter: OpenAI. Einsatzgebiet: multimodale Aufgabenausführung, Web-Suche und Datenverarbeitung. Kernfähigkeiten: Python-Sandbox, tiefe Web-Recherche, visuelle Dokumentenanalyse und API-Tool-Aufrufe.

ChatGPT Agent ist der am weitesten verbreitete Recherche-Agent, weil er mit dem bestehenden ChatGPT-Abo mitkommt. Die Stärke liegt in der Kombination aus Code-Ausführung, Browser-Navigation und Dokumentenverständnis; Custom GPTs ergänzen das um spezialisierte, konfigurierbare Assistenten ohne Code. Preislich ist die Einstiegshürde am niedrigsten: Free sowie die ChatGPT-Plus- und Pro-Stufen sind ohne zusätzliche Agenten-Lizenz nutzbar, Business- und Enterprise-Stufen ergänzen sie um zentrale Verwaltung. Der Preis ist damit kein Anschaffungs-, sondern ein Volumenthema — die Frage lautet, wie viele Credits die Agenten-Läufe verbrauchen.

5.3 Goose

Anbieter: Block (Square/Cash App). Einsatzgebiet: lokale, quelloffene agentische Workflows. Kernfähigkeiten: ein quelloffenes Werkzeug, das direkt auf der Entwicklungsmaschine läuft und die volle lokale Datenkontrolle behält.

Goose ist in Rust geschrieben, läuft lokal als Desktop-App (macOS, Linux, Windows), als CLI und als API — und es ist ein fertiger Agent, keine Bibliothek, die man selbst zusammenbaut. Er ist modellagnostisch (über 15 Anbieter, von Anthropic und OpenAI bis Ollama und Bedrock) und nutzt das MCP-Format für Werkzeuge mit über 70 dokumentierten Extensions für Datenbanken, Browser, GitHub und Google Drive. Bemerkenswert: Goose kann auf bestehende Claude-, ChatGPT- oder Gemini-Abonnements setzen, statt auf Pay-per-Token-Abrechnung umzuschwenken.

Im April 2026 hat Block Goose an die Linux Foundation übergeben — Marke, Repositories und Governance. Das ist ein seltener und für den Mittelstand relevanter Schritt: Es nimmt das Risiko, dass ein Konzern die Lizenz eines Projekts ändert, von dem die eigene Agenten-Infrastruktur abhängt, weitgehend heraus. Die Framework-Landschaft ordnet sich damit neu: LangGraph und die OpenAI Agents SDK sind Bibliotheken, die man programmiert; Goose ist das fertige Fahrzeug.

6. Multi-Agent-Frameworks und Builder-Plattformen

6.1 LangGraph

Anbieter: LangChain. Einsatzgebiet: zustandsbehaftete Multi-Agent-Orchestrierung mit präziser Kontrolle über zyklische Graph-Flows. Kernfähigkeiten: Knoten und Kanten als expliziter Kontrollfluss, natives Checkpointing für unterbrechbare und fortsetzbare Läufe, Supervisor-, Hierarchie-, Sequenz- und Parallelmuster, Integration mit LangSmith für Tracing und Evaluation.

LangGraph ist die ausgereifteste Open-Source-Option, was Reife, Observability und Produktionsbetrieb betrifft — der Download-Umfang wird inzwischen im Bereich von zwei Millionen monatlichen Downloads angegeben. Der Preis ist Komplexität: Explizite Zustandsschemas und Kantenfunktionen machen einfache Agenten umständlicher als ein rollenbasiertes Framework. LangSmith ist separat metrikiert, was bei Produktionslast ins Gewicht fällt.

6.2 CrewAI Enterprise

Anbieter: CrewAI. Einsatzgebiet: Orchestrierung von rollenspielenden Agententeams für Geschäftsprozessketten. Kernfähigkeiten: Rollen, Ziele und Aufgaben als deklarative Definition, Delegation zwischen Agenten, gestufte Ausführung.

CrewAI punktet mit der niedrigsten Einstiegshürde: Ein “Crew” aus vier Agenten mit Rollen und Zielen ist an einem Nachmittag lauffähig. Der Kern ist MIT-lizenziert. Die gehostete Plattform AMP kennt zwei Stufen: Basic 0 USD mit 50 Workflow-Ausführungen pro Monat und Enterprise als Custom mit SSO, RBAC, PII-Redaction, Policies und Deployment in der CrewAI-Cloud, im eigenen VPC oder auf eigener Infrastruktur. CrewAI wirbt damit, dass 65 Prozent der Fortune 500 die Plattform nutzen; unabhängige Bestätigungen dieser Zahl liegen nicht vor. Drittzahlen zu rund 120.000 USD jährlich oder zu „Professional 25 USD / Ultra 120.000 USD” sind auf der offiziellen Seite nicht bestätigt und sollten als unbestätigt behandelt werden.

6.3 Amazon Bedrock AgentCore

Anbieter: AWS. Einsatzgebiet: Cloud-native Bereitstellung von Agenten, Memory-Verwaltung und Tool-Integration. Kernfähigkeiten: Runtime, Memory, Gateway, Browser, Identity und Observability als Bausteine; Harness seit dem 18. Juni 2026 allgemein verfügbar.

Der Harness bringt das Konzept „Agent Harness” als Produktkategorie: Ein Harness kapselt die repeatedly benötigte Infrastruktur — Sandbox, Tools, Memory, Identität, Observability — so, dass ein Agent über zwei API-Aufrufe erzeugt und aufgerufen wird. Besonders relevant für Bestandskunden: Der Modellanbieter lässt sich mitten in einer Session wechseln, ohne den Kontext zu verlieren, und ein Agent lässt sich als Strands-Code exportieren, statt in einer Blackbox zu verschwinden.

Die Kostenlogik ist verbrauchsabhängig: Für den Harness selbst fällt keine Gebühr an, aber die darunterliegenden Services rechnen ab — Runtime sekundenweise, Gateway pro Invocation, Memory pro Event, dazu CloudWatch. AgentCore selbst ist mit 99,9 Prozent SLA verfügbar; AWS berichtet über eine Verfünfzehnfachung der Agenten-Aufgaben innerhalb von sechs Monaten, genannt werden unter anderem Nasdaq, Visa und Experian. Für Mittelständler ist der entscheidende Punkt die Einstiegshürde: Wer bereits AWS-Kunde ist, hat Identity, Observability und Billing bereits — das ist der eigentliche Hebel.

7. Übersicht: die 13 Produkte im Vergleich

Kategorie Produkt Anbieter Schwerpunkt
Enterprise CRM Salesforce Agentforce Salesforce Sales-, Service- und Lead-Automation
Workspace / Plattform Copilot Studio / Agent 365 Microsoft M365 und Enterprise-Produktivität, Governance
Customer Support Fin Fin (ehem. Intercom) Autonome Support-Auflösung, Outcome-Pricing
Enterprise Suche Glean Agent Platform Glean Unternehmenssuche, berechtigungsbewusst
Developer / CLI Claude Code Anthropic Terminal-native Repository-Bearbeitung
Developer / Sandbox Devin Cognition Autonomes Software-Engineering
Developer / Plattform Copilot Agent Mode GitHub / Microsoft IDE- und Pull-Request-Workflows
Developer / Plattform Antigravity Google Agentisches Coding, Operations-Infrastruktur
Web / Recherche Manus Manus AI Autonome Browser-Navigation, fertige Deliverables
Web / Recherche ChatGPT Agent OpenAI Multimodale Ausführung, Deep Research
Web / Recherche Goose Block / Linux Foundation Lokal, quelloffen, MCP-nativ
Orchestrierung LangGraph LangChain Zustandsbehaftete Graph-Flows, Checkpointing
Orchestrierung CrewAI Enterprise CrewAI Rollenbasierte Agententeams
Orchestrierung Bedrock AgentCore AWS Cloud-native Runtime, Memory, Identity

Der Vergleich zeigt ein Muster: Bei den Enterprise-Agenten entscheidet das Abrechnungsmodell über die Eignung — Seat-basiert für Workflow-Tools, outcome-basiert für Support (Fin), verbrauchsabhängig für Cloud-Plattformen. Bei den Coding-Agenten entscheidet das Ausführungsmodell: lokal beim Entwickler (Claude Code, Goose), in der Cloud (Devin, GitHub-Cloud-Agent) oder als IDE-Funktion (Copilot, Antigravity). Bei den Frameworks entscheidet die Austauschbarkeit — und hier hat sich die Lage 2026 zugunsten offener Governance-Basis verbessert.

8. Bausteine im Detail: Architektur dahinter

Für diejenigen, die nicht nur auswählen, sondern verstehen wollen, wie diese Systeme arbeiten, lohnt der Blick auf drei unterschiedliche Architekturprinzipien.

8.1 Claude Code: der Agent als Werkzeug im Entwicklerhandwerk

Claude Code ist im Kern ein CLI-Prozess, der in der Entwicklerumgebung läuft und über MCP an Werkzeuge andockt. Das ist technisch unspektakulär und genau der Grund für seine Stärke: Es gibt keine Schicht, die den Entwickler ausbremst. Die Iterationsschleife — Plan ausführen, Testergebnis lesen, korrigieren — ist der Kern; der Agent muss die Testergebnisse selbst interpretieren, weil er den nächsten Schritt daraus ableitet. Das erklärt auch, warum die Ausführungsgrenzen hier so wichtig sind: In der automatischen Betriebsart erkennt der Agent riskante Kommandos, aber die Verantwortung für die Freigabe bleibt beim Menschen im Pull Request.

8.2 Agentforce: der Agent als Akteur im Datensystem

Agentforce dreht die Perspektive: Der Agent agiert nicht neben dem CRM, sondern in ihm. Er hat dieselben Berechtigungen, dieselben Datenzugriffe und dieselben Freigabeketten wie ein menschlicher Nutzer. Das ist ein Sicherheitsvorteil, weil kein Sonderweg entsteht, und ein Skalierungsvorteil, weil der Agent viele Vorgänge parallel abarbeiten kann. Der Preis ist die Plattformbindung: Mit der Verankerung in Salesforce-Daten ist der Agent dort am stärksten, wo der Prozess ohnehin in Salesforce stattfindet.

8.3 Devin: der Agent als ausgelagerte Entwicklungsabteilung

Devin ist als Übernahme einer ganzen Aufgabe konzipiert, nicht als Werkzeug. Das bedeutet: eigene Sandbox, eigene Umgebung, ein Auftrag mit Definition von Fertig, und ein Ergebnis, das als Pull Request oder Deployment zurückkommt. Die entscheidende Architekturentscheidung ist die Trennung von Agent und Infrastruktur — die Entwicklungs-VM gehört dem Anbieter, nicht dem Team. Das ermöglicht paralleles Arbeiten, nimmt dem Team aber auch die Kontrolle über den Ausführungskontext.

9. Framework-Vergleich: LangGraph, CrewAI und Bedrock AgentCore

Diese drei werden häufig in eine Schublade gesteckt, obwohl sie auf verschiedenen Ebenen operieren.

Kriterium LangGraph CrewAI Enterprise Bedrock AgentCore
Modell Bibliothek, die Sie in Ihrem Code aufrufen Bibliothek plus gehostete Plattform Cloud-Plattform mit Primitiven
Kontrollgranularität sehr hoch — explizite Zustandsschemas und Kanten gering — Rollen und Aufgaben als Deklaration mittel — Harness kapselt die Infrastruktur
Zustand / Memory Checkpointing, persistente Langzeit-Speicher Kontext der Crew, kurzlebig Memory-Primitive, ereignisbasiert abgerechnet
Multi-Agent Supervisor-, Hierarchie-, Sequenz-, Parallelmuster Teams mit Delegation eigene Orchestrierung über Gateway und Runtime
Betrieb Sie betreiben es in Ihrer Infrastruktur CrewAI-Cloud, Ihr VPC oder eigene Infra AWS, verbrauchsabhängig
Governance MIT, LangChain Inc. MIT-Kern, Enterprise mit SSO/RBAC AWS, volle Entra-/IAM-Anbindung
Stärkster Hebel Determinismus und Testbarkeit Schnellster Prototyp Identity, Observability, Billing

Drei Empfehlungen daraus:

  • Determinismus zuerst. Wenn ein Agent in einen Geschäftsprozess mit Nachvollziehbarkeit eingebaut wird, ist LangGraph die einzige Option, bei der der Ablauf explizit beschrieben und getestet werden kann. Das ist kein Komfortargument, sondern die Voraussetzung für Auditierbarkeit.
  • Prototyp zuerst. Wenn die Frage lautet „funktioniert das überhaupt”, ist CrewAI mit 50 kostenlosen Ausführungen pro Monat der schnellste Weg zu einer ehrlichen Antwort — in Tagen statt Wochen.
  • Betrieb zuerst. Wenn die Frage lautet „wie bringe ich das in Produktion”, ist AgentCore die kürzeste Strecke, weil Runtime, Identity, Browser und Observability bereits existieren. Der Preis ist die Abhängigkeit von einem einzigen Cloud-Anbieter.

10. Empfehlung nach Branche und Stack

Für den Mittelstand ist die Branche der wichtigere als die Technik-Affinität. Die Auswahl fällt nach Datenlage und Prozessnatur unterschiedlich aus:

  • Handwerk, Handel, Dienstleistung — Volumen dominiert. Hier zählt das Ergebnis pro Anfrage, nicht die Flexibilität. Fin mit 0,99 USD je gelöster Anfrage ist das wirtschaftlichste Einstiegsprodukt der gesamten Liste: keine Setup-Gebühr, keine Abrechnung für Weiterleitungen, und die Lösung funktioniert mit jedem vorhandenen Helpdesk. Voraussetzung ist eine belastbare Wissensbasis — ohne sie löst Fin nichts.
  • Industrie und Produktion — Prozess-Integration dominiert. Hier entsteht der Wert in der Verbindung von ERP-, MES- und Qualitätsdaten. Microsoft Copilot Studio mit Agent 365 ist die naheliegendste Wahl, wenn M365 ohnehin die Arbeitsplattform ist; die automatische Entra Agent ID ab Juli 2026 erleichtert die Auditierbarkeit erheblich. Glean ist die Alternative, wenn das Wissen über Salesforce, Slack und Confluence verteilt ist — allerdings mit einer Jahresvertragssumme, die für unter 100 Mitarbeiter in der Regel zu hoch ist.
  • Softwareentwicklung — Autonomiegrenze dominiert. Hier ist das Werkzeug fast zweitrangig: Claude Code oder GitHub Copilot Agent Mode decken denselben Bedarf ab, mit dem Unterschied, dass der Cloud-Agent einen Pull Request eröffnet, während Claude Code auf der Maschine des Entwicklers arbeitet. Die entscheidende organisatorische Frage ist, wo die Autonomiegrenze gezogen wird — im Review des Menschen, im Merge oder erst in der Freigabe.
  • Regulierte Branchen — Nachweisbarkeit dominiert. Finanz, Versicherung, Gesundheitswesen: Hier ist der Agent ohne Audit-Trail ein Risiko. Glean liefert die Berechtigungsspiegelung und die Zertifizierungen, ist aber teuer. Bedrohlicher ist die Alternative: ein lokal betriebener Agent wie Goose, kombiniert mit einem Framework, das Checkpointing beherrscht, ist technisch die sauberste Antwort — und die aufwendigste.

11. Kostenrealität und Einführungsreihenfolge

Die häufigste Fehleinschätzung ist nicht die Technik, sondern die Kostenwahrnehmung. Drei Muster sind typisch:

  • Der Seat-Preis ist nicht der Preis. Agentforce, Glean und Copilot sind Einstiegsprodukte mit Ausgaben von sechsstelligen Beträgen pro Jahr. Wer nur die Lizenz vergleicht, vergleicht die falsche Zahl.
  • Credit-basierte Preise sind planungsintensiv. Bei Manus und Glean-FlexCredits hängt die Rechnung von der Aufgabenkomplexität ab. Ein Credit-Verbrauch je Lauf schwankt um den Faktor 15 — die Standardabweichung liegt beim Median und nicht beim Maximum.
  • Die Betriebskosten fehlen. Bei Devin und AgentCore fallen Sandbox-, Runtime- und Observability-Kosten zusätzlich an. Ein Agent, der mehr arbeitet, kostet proportional mehr.

Für den Mittelstand hat sich eine Reihenfolge bewährt:

  1. Phase 1 — ein Anwendungsfall mit messbarem Ergebnis. Typischerweise Support-Volume oder Recherche-Aufwand. Ein Ziel, eine Kennzahl, ein Zeitraum.
  2. Phase 2 — Ausweitung auf angrenzende Prozesse. Erst wenn Phase 1 trägt, kommen weitere Agenten dazu — und mit ihnen die Governance-Frage.
  3. Phase 3 — Governance als Feature, nicht als Last. Inventar, Berechtigungen, Protokollierung. Wer Agent 365 oder AgentCore von Anfang an nutzt, bekommt das mitgeliefert; wer Phase 1 mit einem isolierten Tool startet, muss diese Basis später nachziehen — und das ist der teuerste Teil der Migration.

12. Was Agenten nicht ersetzen

Drei Grenzen gehören in jede Auswahlentscheidung:

  • Kein Agent ersetzt Verantwortung. Der AI Act verlangt für Hochrisiko-Systeme menschliche Aufsicht, und unabhängig davon gilt: Eine falsche Aktion im CRM, im Code oder im Kundendialog trägt der Betreiber, nicht das Werkzeug. Die EU AI Act hat die Hochrisiko-Anlagen als Anhang III bis zum 2. Dezember 2027 und Anhang I bis zum 2. August 2028 verschoben — die Pflichten für KI-Kompetenz nach Art. 4 gelten bereits, und für Systeme mit Transparenzpflichten nach Art. 50 gilt die Pflicht seit dem 2. August 2026 (mit Übergangsfrist für GPAI-Markierungen bis zum 2. Dezember 2026).
  • Robustheit ist kein Feature, sondern Zufall. Web-Agenten, die heute funktionieren, können morgen an einer Layout-Änderung scheitern. Für Produktivbetrieb braucht es Fallback-Pfade und einen menschlichen Eskalationskanal — Fin rechnet eine Eskalation bewusst nicht als Resolution ab, und das ist eine kluge Entscheidung, kein Defekt.
  • Der Datenschutz ist die teuerste Stelle. Je autonomer ein Agent arbeitet, desto mehr Daten verlassen den kontrollierten Bereich. Für den Mittelstand ist die Frage nicht „darf KI Daten verarbeiten”, sondern „welche Daten, wie lange, in welcher Cloud, mit welcher Protokollierung”.

13. Fazit

Die Landschaft der populären KI-Agenten hat sich im Jahr 2026 in vier klar unterscheidbare Gruppen sortiert, und für jede Gruppe gibt es eine für den Mittelstand tragfähige Option. Die Auswahlentscheidung ist einfacher geworden, aber die Einführungsentscheidung ist es nicht: Der Unterschied zwischen „Agent läuft” und „Agent läuft im eigenen Prozess, mit eigener Berechtigungslogik, nachvollziehbar protokolliert und kalkulierbar” beträgt mehrere Monate Arbeit.

Meine Empfehlung für den Mittelstand lautet deshalb: Mit einem Anwendungsfall beginnen, dessen Ergebnis messbar ist. Support-Volumen ist das beste erste Ziel, weil es eine harte Kennzahl hat und der Agent dort nachweislich eine Einheit — die gelöste Anfrage — produziert. Parallel von Anfang an die Governance-Frage beantworten, auch wenn sie nervt. Und bei jeder Auswahlentscheidung eine Frage stellen, die in keiner Produktbroschüre steht: Wer trägt die Verantwortung, wenn der Agent etwas tut, das niemand wollte?

Stand der Recherche: Oktober 2026. Preise, Funktionsumfänge und Verfügbarkeiten ändern sich bei diesem Tempo schnell; die Angaben sind vor einer Beschaffungsentscheidung gegen die jeweilige Anbieter-Seite zu prüfen. Dieser Beitrag ist eine technische Marktübersicht und keine Rechts- oder Investmentberatung.