Die Agentic-Client-Wars: Wer kontrolliert das KI-Backend?

Stellen Sie sich den agentischen Enterprise-Stack so vor, wie viktorianische Ingenieure über Eisenbahnspurweiten nachgedacht haben. Alle waren sich einig, dass Züge die Zukunft sind. Der Kampf, der wirklich zählte – und der still entschied, wer die nächsten fünfzig Jahre reich wurde – drehte sich um die Gleise darunter. Snowflake, Databricks, Microsoft, OpenAI und Anthropic legen gerade alle ihre Spurweite fest, und der Großteil des Marktes streitet noch immer über die Lokomotiven.

Wenn Sie als CTO oder Plattformverantwortlicher einen Analytics-Anbieter für den nächsten Budgetzyklus auswählen müssen, ist der Entscheidungsbaum gerade deutlich unübersichtlicher geworden. Die Pitches der Anbieter klingen alle gleich. Die zugrundeliegenden architektonischen Wetten tun es nicht.

Das Problem

Der agentische Client ist das neue System of Engagement. Snowflake hat Snowflake Intelligence in CoWork umbenannt und etwas namens CoCo angedockt. Databricks hat Genie. Microsoft hat Copilot. Google hat Gemini Enterprise. OpenAI hat ChatGPT und Codex. Anthropic hat Claude – und ja, verwirrenderweise auch etwas namens Cowork. Wie SiliconANGLE in einer Breaking Analysis von Dave Vellante und George Gilbert formulierte: Der größere Kampf ist nicht Snowflake gegen Databricks oder Copilots gegen Agents. Es geht darum, wer den intelligenten Client und das Backend besitzt, das ihn nützlich macht.

Jeder, der schon einmal versucht hat, eine Chat-Oberfläche mit einem echten Enterprise-Warehouse zu verbinden, weiß: Das langweilige Problem ist nicht das LLM. Es ist die Semantik. Der Agent muss wissen, dass „aktiver Kunde" im Finanzwesen etwas anderes bedeutet als „aktiver Kunde" im Marketing, und dass die Workday-Headcount-Zahl nur am zweiten Dienstag des Quartals mit der Salesforce-Kontoliste übereinstimmt. Dieser Kontext ist die Spurweite. Legen Sie sie falsch, läuft darauf nichts mehr.

Der Artikel nutzt Clay Christensens „Integrated Innovation" und Jensen Huangs „Extreme Co-Design", um den Punkt zu verdeutlichen: Agentischer Client und Backend müssen gemeinsam entwickelt werden, weil das Backend aus der Art lernt, wie Nutzer und Entwickler durch den Client interagieren. Diese Rückkopplungsschleife ist der Burggraben. Entwickeln Sie die beiden Ebenen unabhängig voneinander, landen Sie bei dem, was Enterprise-IT seit sechzig Jahren liefert – mehr Silos mit einem freundlicheren Gesicht.

Derweil skizziert jedes Y-Combinator-Deck ein vertikales Agent-Geschäft, das zehnmal so groß wie vertikales SaaS werden will. Die These ist grundsätzlich richtig und operativ kaputt. Tausend vertikale Agents ohne eine gemeinsame Intelligence-Schicht sind einfach SaaS-Wildwuchs mit einem Transformer-Hut.

Die Optionen

Zieht man das Marketing ab, gibt es grob vier Wetten, die ein Datateam jetzt eingehen kann – jede mit einer anderen Spurweite.

Wette auf die Datenplattform-Anbieter. Snowflake treibt Horizon Context und Cortex Sense gemeinsam mit CoWork voran. Databricks baut Data Intelligence durch Unity Catalog und wird das Data + AI Summit Mitte Juni höchstwahrscheinlich in eine Genie-Vorführung verwandeln. Beide drängen außerdem in Governance mit Horizon, Polaris und Unity – schlechte Nachrichten für Collibra, Alation und Informatica. Der Pitch ist ehrlich: Die Daten leben bei uns, das semantische Modell lebt bei uns, der Agent sollte es auch. Das Risiko: Die Client-Erfahrung hält nie ganz mit dem Schritt, was Endnutzer von einem allgemeinen Chat-Tool bekommen. Was sie liefern, sehen Sie in der Snowflake-Dokumentation und der Databricks-Dokumentation – die Lücke zwischen Plattform-Ambitionen und aktuellem Produkt ist noch real.

Wette auf die Hyperscaler-Suite. Microsoft schiebt Work IQ und Fabric IQ hinter Copilot. Google hat Gemini Enterprise. Das Argument liegt auf der Hand: Ihre E-Mails, Dokumente, Identitäten und ein Großteil Ihrer Daten leben bereits hier, also sollte es der Agent auch. Der Kompromiss ist eine Bindung auf einer tieferen Ebene als jemals zuvor, weil die Intelligence-Schicht schwerer zu migrieren ist als eine Datenbank.

Wette auf die Modellhersteller. OpenAI Group PBC und Anthropic PBC haben mit ziemlicher Sicherheit die weltweit volumenstärksten agentischen Clients. Die Breaking Analysis ist direkt in Bezug auf die Schwäche: Sie haben noch kein Backend, um die intelligenten Interaktionen, die durch diese Clients fließen, zu erfassen und zu harmonisieren. Sie bauen Lokomotiven, ohne die Gleise zu besitzen. Erwarten Sie aggressive Schritte, um das zu korrigieren – wahrscheinlich durch Akquisitionen oder tiefe Partnerschaften mit einem der Datenplattform-Anbieter.

Wette auf die Systems of Record. SAP Business Data Cloud, Salesforce Data Cloud, ServiceNow und Celonis argumentieren allesamt, der Agent solle neben dem transaktionalen Prozess sitzen, nicht neben dem analytischen Warehouse. Sie haben einen Punkt. Oracle, SAP, Salesforce und Workday sind der Ort, an dem die Geschäftsabwicklung tatsächlich stattfindet, und ein Intelligence-System, das sie ignoriert, ist ein Intelligence-System über Marketing-Dashboards.

Keine dieser Wetten ist bisher dominant. Wer Ihnen am 8. Juni 2026 Gewissheit verkauft, verkauft Ihnen etwas anderes.

Was Datateams wirklich tun sollten

Meine Einschätzung: Wählen Sie die Wette, die die Kosten des Irrtums minimiert – denn Sie werden teilweise falsch liegen. Das bedeutet, in die Schicht zu investieren, die überleben wird, egal welcher Client gewinnt.

Die beständige Schicht ist die semantische und Governance-Schicht. Ein sauberer Katalog, ein explizites semantisches Modell, klar definierte Metriken, Lineage, die tatsächlich auflösbar ist, Query-History, die sich wiedergeben lässt. Das ist unspektakuläre Arbeit, und sie war fünfzehn Jahre lang unspektakulär. Es ist genau das Substrat, das jeder agentische Client jetzt braucht, um nützlich zu sein. Ein in Code definierter, versionsverwalteter Semantic Layer mit Tests ist portabler als jedes gebündelte Intelligence-Produkt eines Anbieters.

Praktisch bedeutet das drei Dinge. Erstens: Behandeln Sie Ihren Katalog als Produkt, nicht als Compliance-Artefakt. Ob Sie bei Horizon, Polaris oder Unity landen – die Metadaten, die Sie einspeisen, bestimmen die Obergrenze für jeden Agent, der obendrauf sitzt. Zweitens: Instrumentieren Sie den agentischen Client, den Sie pilotieren, so dass menschliche Reasoning-Traces, Agent-Aktionen und Query-History zurück in die Intelligence-Schicht fließen. Die Rückkopplungsschleife, auf die der SiliconANGLE-Artikel immer wieder pocht, ist real – und die meisten Piloten ignorieren sie. Drittens: Lassen Sie den agentischen Client nicht die semantischen Definitionen besitzen. Wenn „Umsatz" in CoWork oder Copilot statt in einer portablen Schicht definiert ist, haben Sie gerade Ihren Anbieter für das nächste Jahrzehnt gewählt, ohne es zu merken.

Der konträre Schritt – und für die meisten mittelgroßen Teams der richtige – ist, die Client-Schicht die nächsten achtzehn Monate bewusst austauschbar zu halten. Betreiben Sie Genie auf der Databricks-Seite, Copilot auf der Microsoft-Seite, vielleicht Claude für Code, und zwingen Sie alle dazu, aus demselben gesteuerten semantischen Modell zu lesen. Ja, das ist mehr Aufwand. Es ist auch die einzige Haltung, die es Ihnen erlaubt, 2027 Ihre Meinung zu ändern, ohne alles zu reißen und neu aufzubauen.

Fallstricke und Sonderfälle

Das Erste, das zusammenbricht, ist Identität und Berechtigungen. Agents, die im Auftrag von Nutzern handeln, benötigen eingegrenzte Anmeldedaten – und die meisten Unternehmen stellen Agents noch immer das Äquivalent eines Generalschlüssels aus, weil die Alternative zu umständlich ist. Das hält so lange, bis der erste Agent etwas Kostspieliges und Unumkehrbares mit einer Produktionstabelle anstellt.

Der zweite Fallstrick ist die Harmonisierungsgeschichte. Jeder Anbieter in diesem Rennen behauptet, die sechzig Jahre alten Silos aufzulösen, die der SiliconANGLE-Artikel erwähnt. Keiner wird es wirklich tun, weil die Silos teilweise sozialer Natur sind. Finanz- und Vertriebsabteilungen sind sich über Definitionen uneinig, weil sie dafür bezahlt werden. Keine Menge an Vektorsuche löst einen Bonusformel-Streit.

Der dritte Fallstrick sind die Kosten. Agentische Workloads haben völlig andere Query-Muster als Dashboards. Erwarten Sie Überraschungsrechnungen von allen, die nach Compute abrechnen, und überlegen Sie, ob eine günstigere Analyse-Engine wie ClickHouse für hochfrequente Agent-Lesezugriffe in den Pfad gehört. Die Wirtschaftlichkeit von Agents, die alle paar Sekunden Ihr Warehouse abfragen, entspricht nicht der Wirtschaftlichkeit eines BI-Tools, das über Nacht aktualisiert.

Der vierte – und derjenige, der um 3 Uhr morgens wehtut – ist Non-Determinismus. Derselbe Agent kann bei derselben Frage an verschiedenen Tagen unterschiedliches SQL erzeugen. Ihre Data Contracts, Tests und Observability müssen davon ausgehen, dass der Consumer jetzt ein stochastischer Prozess ist, kein bekanntes Dashboard.

Die wichtigsten Erkenntnisse

Zurück zu den Eisenbahnen. Die Unternehmen, die die Spurweiten-Kriege gewannen, waren nicht jene mit den schönsten Zügen. Es waren diejenigen, auf deren Gleisen alle anderen fahren mussten. Snowflake, Databricks, Microsoft und die Modellhersteller wissen das alle. Die Frage ist, wer von ihnen eine Spurweite legt, die die anderen nicht mehr herausreißen können.

• Der strategische Kampf ist das Co-Design von agentischem Client (CoWork, Genie, Copilot, Gemini Enterprise, ChatGPT/Codex, Claude) und dem System-of-Intelligence-Backend – kein einzelner Produktvergleich.
• OpenAI und Anthropic haben Client-Reichweite, aber noch kein Enterprise-Backend. Erwarten Sie Akquisitionen, Partnerschaften oder einen ernsthaften Vorstoß in Governance innerhalb von zwölf Monaten.
• Snowflake und Databricks fressen Governance-Marktanteile von Collibra, Alation und Informatica durch Horizon, Polaris und Unity. Legacy-Katalog-Anbieter brauchen schnell eine neue Geschichte.
• Investieren Sie in einen portablen Semantic Layer und einen produktreifen Katalog, bevor Sie sich auf einen einzigen agentischen Client festlegen. Die Schicht darunter ist beständiger als die Chat-Box darüber.
• Planen Sie für nicht-deterministische Consumer, eingegrenzte Agent-Identitäten und unerwartete Compute-Rechnungen. Das Betriebsmodell für Agents ist nicht das Betriebsmodell für Dashboards.