Gartner: Bis 2028 setzen 70 Prozent der Unternehmen auf eigene Agentic-AI-Systeme

Gartner prognostiziert, dass bis 2028 70 Prozent der Unternehmen auf Agentic-AI-Systeme verzichten, die mit Unterstützung von Anbietern entwickelt wurden. The Register berichtete am 30. September darüber. Die Beratungsfirma verweist auf ein Modell namens Forward-Deployed Engineering (FDE). Dabei stationiert ein Anbieter eigene Ingenieure beim Kunden, um Software für dessen spezifische Anforderungen zu bauen und zu deployen.

Diese Vorgehensweise kann zu schnellen frühen Fortschritten führen. Gartner argumentiert jedoch, dass der Kunde das System nach dem Abzug des Anbieters oft nicht mehr warten kann. „Der Erfolg von FDE beginnt mit der richtigen Struktur der Zusammenarbeit, von Umfang und Anreizen bis zu Governance, Ownership und Exit“, sagte Mukul Saha, Senior Director Analyst bei Gartner, laut The Register. Gartner erwartet zudem, dass bis 2028 weniger als 20 Prozent der FDE-Engagements wiederkehrende Kundenanforderungen in Funktionen des Kernprodukts des Anbieters überführen. Die Firma warnt vor „FDE washing“, bei dem gewöhnliche Beratungsleistungen als spezialisierter vermarktet werden. Der Rat: FDE nur für Probleme einsetzen, die tiefe Produktexpertise, schnelle Anpassung oder eine enge Integration in die Betriebsumgebung des Kunden erfordern.

Die Werkzeuglücke, die Anbieter schließen wollen

Am selben Tag, an dem die Warnung von Gartner erschien, kündigte OpenClaw OpenClaw Enterprise an. Es handelt sich um eine Open-Source-Control-Plane zur Verwaltung persistenter Agenten in sensiblen Umgebungen. Das Projekt erklärt, dass IT-Abteilungen Agentic-Plattformen oft komplett verbieten, weil es keinen gemeinsamen Standard für Sicherheit, Schutz und Governance gibt. OCE, derzeit in der Pre-1.0-Phase und offen entwickelt, fügt Multi-Tenancy, harte Sicherheitsgrenzen und Auditierbarkeit über den gesamten Lebenszyklus eines Agenten hinzu. Laut dem Projekt läuft die Pilotierung bereits bei Red Hat und OpenAI.

Ein separates offenes Protokoll, UAI, wurde am selben Tag auf GitHub veröffentlicht. Es zielt auf Identität und Rechenschaft ab, nicht auf Deployment. Es bindet einen Agenten an einen verantwortlichen Eigentümer, definiert, was er tun darf, protokolliert seine Handlungen und ermöglicht es Dritten, die Belege zu prüfen, ohne dem Register vertrauen zu müssen, das sie erzeugt hat. Das Projekt stellt klar, dass es nicht behauptet, ein Agent sei sicher. Es besagt nur, dass seine Handlungen zurechenbar gemacht werden können. Netzwerkzugriff ist ein weiterer Kontrollpunkt. Tailscale veröffentlichte am 30. September eine Anleitung, wie Metas Muse-Agent als eigener Knoten einem Tailnet eines Nutzers beitritt. Grants, Tags und einmalige Bestätigungen regeln, auf was er zugreifen kann. Tailscale beschreibt das Setup als eine Schicht über den eigenen Schutzmaßnahmen von Meta gegen Prompt Injection und Datenabfluss.

Entwickler kontern mit Geschwindigkeits- und Kostenversprechen

Werkzeuganbieter konkurrieren unterdessen über den Durchsatz. Magnitude, eine von YC unterstützte Open-Source-Inferenz-Engine, stimmt Kernel auf der Hardware des Nutzers ab. So laufen offene Modelle bis zu 2x schneller als llama.cpp, mit 92 Prozent schnellerem Decode auf Metal und 19 Prozent auf CUDA. git-dedup, ein direkt einsetzbarer Git-Ersatz für Agentenflotten, behauptet, große Checkouts liefen 6x schneller. Ein Entwickler habe seinen Git-Speicher von 35,5 GB auf 11,1 GB reduziert.

Der Bericht State of agent skills von Vercel vom 25. September nennt mehr als eine Million Einträge bei skills.sh und fast 280.000.000 erfasste Installationen in sieben Monaten. Branchenübergreifende Skills machen 87,5 Prozent der Installationen in der klassifizierten Stichprobe aus. Das sind Aktivitätszahlen eines Registers, kein Beleg für geschäftlichen Nutzen. DevNavigator, das am 30. September über den Bericht schrieb, merkt an, dass Anweisungen auch veraltete Annahmen oder individuelle Vorurteile enthalten können. Eine fachliche Prüfung bleibt daher nötig.