Unternehmenskäufer verlagern ihren Fokus von Pilotprojekten hin zu Plattformentscheidungen. Gartner prognostiziert weltweite Ausgaben für KI-Modelle und -Plattformen in Höhe von 64,25 Milliarden US-Dollar im Jahr 2026– ein Anstieg um 63,4 %. Kosten, Latenz, Leistung, Zuverlässigkeit, Evaluierung und Nutzungsanalyse werden dabei zu zentralen Kaufkriterien. Agentische KI hat das Spektrum über die Modellentwicklung hinaus auf die Workflow-Ausführung erweitert. Die Beschaffungsfrage dreht sich daher weniger darum, welche Plattform in Demos am besten abschneidet, sondern vielmehr darum, welches Betriebsmodell der Produktionslast, sich ändernden Modellen und der zunehmenden Autonomie der Agenten standhält.
Lesen Sie auch: Warum kleine Sprachmodelle KI-Softwarelösungen für Unternehmen revolutionieren könnten
Legen Sie die Produktionsgrundlage fest, bevor Sie generative KI-Plattformen auswählen
Definieren Sie die Arbeitslast, bevor Sie eine Lieferantenbewertung erstellen. Eine Plattform für die Ampelsuche hat andere Anforderungen als eine Plattform, die mehrstufige Agenten für ERP-Systeme, CRM-Systeme, Datenbanken und interne APIs ausführt.
Legen Sie Latenzziele, Durchsatz, Kontextanforderungen, Modellklassen, Datenresidenz, Identitätsweitergabe, Werkzeugberechtigungen, Genehmigungspunkte, Aufbewahrungsfristen für Audits und Wiederherstellungsziele fest. Testen Sie diese Anforderungen anschließend anhand realer Workloads anstatt anhand von Benchmark-Angaben.
Wie viel Gestaltungsfreiheit bewahrt die Architektur?
Die Portabilität von Modellen erfordert eine genaue architektonische Prüfung. Prüfen Sie, ob Anwendungen an proprietäre APIs, Eingabeaufforderungen, Werkzeugschemata, Auswertungsformate, Vektordienste oder Agentenlaufzeiten gekoppelt sind.
Eine robuste Plattform sollte es Teams ermöglichen, Modelle zu ändern, ohne die Geschäftslogik neu schreiben zu müssen. Untersuchen Sie Routing-Steuerungen, Fallback-Verhalten, Versionsverwaltung, regionale Bereitstellung, Unterstützung offener Modelle und den Aufwand für den Export von Eingabeaufforderungen, Richtlinien, Auswertungen und Anwendungsstatus.
Welche Kontrollmechanismen bleiben auch dann in Kraft, wenn Agenten handeln?
Agentenbasierte Workloads erhöhen die Anforderungen an die Beschaffung, da die Autorisierung Teil der Ausführung wird. Evaluieren Sie die Weitergabe von Identitäten, den Zugriff auf Tools nach dem Prinzip der minimalen Berechtigungen, die Durchsetzung von Richtlinien, Genehmigungsprozesse, Sandboxing, den Umgang mit Geheimnissen und Rollback-Mechanismen.
Starke Designprinzipien machen Richtlinien deterministisch. Ein Agent kann eine Handlung probabilistisch empfehlen, während die Plattform entscheidet, ob diese Handlung zulässig ist.
Wo treffen Evaluierung und operative Tätigkeiten aufeinander?
Offline-Modelltests reichen nicht aus, sobald KI in Live-Workflows integriert wird. Die Plattform sollte die Evaluierung mit Produktionstelemetriedaten verknüpfen.
Suchen Sie nach Protokollen, die Eingabeaufforderungen, Tool-Aufrufe, abgerufenen Kontext, Modellversionen, Latenz, Token-Verbrauch und Fehler offenlegen. Ergänzen Sie dies um Kennzahlen auf Aufgabenebene, wie z. B. Lösungsrate, Eskalationsrate, Korrektheit, Richtlinienverstöße und Kosten pro erfolgreichem Ergebnis.
Dadurch entsteht eine Rückkopplungsschleife vom Produktionsverhalten zurück zur Modell- und Workflow-Auswahl.
Bewerten Sie die Arbeitsbelastung, dann den Fluchtweg
Die Kostenstruktur kann sich schnell ändern, wenn Agenten mehrere Inferenzaufrufe, Wiederholungsversuche, Abrufschritte und Tool-Ausführungen generieren. Vergleichen Sie die Kosten pro abgeschlossenem Workflow, nicht nur die Kosten pro Token.
Integrieren Sie eine Migrationsschätzung in die Beschaffung. Quantifizieren Sie den Entwicklungsaufwand für die Übertragung von Modellen, Workloads, Datenintegrationen, Evaluierungen, Richtlinien und Observability zu einem anderen Anbieter. Die Wechselkosten sind eine ökonomische Variable.
Nutzen Sie eine Beschaffungs-Scorecard, die architektonische Risiken aufdeckt
Gewichten Sie bei der Entscheidung Folgendes:
- Laufzeitsteuerung: Berechtigungen, Genehmigungen, Isolation und Rollback
- Modellflexibilität: Routing, Portabilität, Versionierung und Fallback
- Operative Tiefe: Rückverfolgung, Auswertung, Überwachung und Arbeitsabläufe bei Vorfällen
- Wirtschaftliche Kontrolle: Transparenz des Verbrauchs, Budgets, Routenplanung und Stückkostenrechnung
- Datenstatus: Wohnsitz, Aufbewahrung, Verschlüsselung und Mandantengrenzen
- Vorbereitung auf den Ausstieg: Exportpfade, Migrationsaufwand und Abhängigkeitszuordnung
Häufig gestellte Fragen
Erstreckt sich die Plattformportabilität über die Modellschicht hinaus?
Portabilität sollte Eingabeaufforderungen, Agenten-Workflows, Evaluierungsressourcen, Richtlinien, Telemetriedaten, Integrationen und den Anwendungsstatus umfassen. Eine Plattform kann mehrere Modelle unterstützen und gleichzeitig durch proprietäre Laufzeitdienste tiefe Abhängigkeiten erzeugen.
Wann wird Plattform-Governance zur Laufzeitanforderung?
Governance wird betriebskritisch, wenn KI-Systeme Tools aufrufen, auf Unternehmensdaten zugreifen oder operative Aktionen auslösen können. Der Einkauf sollte daher Durchsetzungsmechanismen für Identität, Berechtigungen, Genehmigungen, Richtlinienverstöße und Prüfbarkeit prüfen, anstatt sich ausschließlich auf Governance-Dashboards zu verlassen.
