Enterprise-KI-Agenten im Vergleich: Harness-Tiefe 2026

Kurz gesagt: Die meisten Enterprise-Agenten laufen heute auf denselben wenigen Frontier-Modellen. Der Unterschied liegt im Harness um das Modell: wie der Agent unter Hunderten das richtige Tool findet, einen langen Thread im Kontextfenster hält, Arbeit an andere Agenten übergibt, an einem Budget stoppt, Code sicher ausführt und fragt, bevor er etwas ändert. Claude Code und Codex setzen dafür die öffentliche Referenz. Palantir AIP dokumentiert die meisten dieser Funktionen und hat das ausgereifteste Modell für kontrollierte Schreibzugriffe. SAP Joule ist am stärksten, wenn die Arbeit eine SAP-Transaktion unter bestehenden SAP-Berechtigungen ist, und SAP hat sein Agenten-Tooling 2026 schnell ausgebaut. Wisp, die Agentenschicht in Geist, deckt die ganze Liste in einem Arbeitsbereich ab. Eine Lücke nennen wir offen: Der Zugriff externer Agenten über MCP ist in geschlossener Erprobung und noch nicht allgemein verfügbar.

Wir entwickeln Geist, dies ist also der Vergleich eines Anbieters. Jede Aussage über SAP und Palantir verlinkt auf öffentliches Material des jeweiligen Herstellers. Wo wir „nicht öffentlich dokumentiert” schreiben, haben wir keine Dokumentation gefunden; das heißt nicht, dass die Funktion fehlt. Palantir hat AIP Agent Studio in AIP Chatbot Studio umbenannt; wir verwenden den aktuellen Namen.

Warum Claude Code und Codex als Maßstab

Coding-Agenten arbeiten auf Repositories, nicht auf ERP-Daten, und sind hier keine Wettbewerber. Als Maßstab taugen sie, weil ihr Harness genau dokumentiert ist. Claude Code lädt MCP-Tool-Definitionen verzögert über Tool Search, die OpenAI-API hat mit tool_search ein Gegenstück. Beide Produkte halten von einem Skill nur Name und Beschreibung im Kontext und laden den Inhalt erst bei Bedarf (Claude Code, Codex). Beide fassen lange Threads mit /compact zusammen (Claude Code, Codex), starten Subagenten parallel (Claude Code, Codex) und arbeiten auf ein /goal hin (Claude Code, Codex). Das Claude Agent SDK stoppt einen Lauf bei max_turns oder max_budget_usd. Codex hat Sandbox-Modi von Nur-Lesen bis Vollzugriff, Claude Code hat Berechtigungsmodi von Rückfrage vor Änderungen bis zu einem Auto-Modus, in dem ein Klassifikator Aktionen prüft.

Ein Enterprise-Agent hat dieselben mechanischen Probleme mit höherem Einsatz: mehr Tools, längere Threads, echtes Geld und Schreibzugriffe auf führende Systeme. Wir haben deshalb bei jedem Anbieter geprüft, welche dieser Mechaniken dokumentiert sind.

Die Matrix

Stark dokumentiert, nativ Teilweise dokumentiert, engerer Umfang Angekündigt vom Hersteller angekündigt, Verfügbarkeit nicht bestätigt Nicht öffentlich dokumentiert keine öffentliche Dokumentation gefunden Beta heute nutzbar, vor der allgemeinen Verfügbarkeit

Die Bewertungen geben unsere Lesart der öffentlichen Herstellerdokumentation und des Geist-Produkts wieder, Stand Oktober 2026.

SAP Joule: am nächsten an der Transaktion

SAP beschreibt den Joule Orchestrator, den es auch Agent Harness nennt, als die Komponente, die Anfragen an Agenten weiterleitet und die dafür nötigen Tools und Skills lädt. Der Katalog ist groß: SAP meldet über 30 spezialisierte Agenten und mehr als 2.500 Joule Skills, Joule ist in 35 Lösungen live. Ein SAP-Skill ist etwas anderes als ein Skill in Claude Code. In Joule Studio automatisieren Skills regelbasierte Aufgaben über APIs, Agenten planen und schlussfolgern. Ein Joule Skill ähnelt damit eher einem typisierten Tool als einer Anweisungsdatei.

Das Governance-Modell ist der Teil, den andere übernehmen sollten. SAP dokumentiert, dass die effektive Berechtigung zur Laufzeit die Schnittmenge aus Nutzer- und Agentenberechtigungen ist, durchgesetzt vom Agent Gateway bei jedem Schritt, und dass ein Nutzer über Joule keine Informationen sehen oder Prozesse ändern kann, die er nicht auch direkt sehen oder ändern dürfte. Joule Studio hat einen Tool-Typ für Human-in-the-Loop. Joule ist außerdem im SAP Knowledge Graph verankert, der laut SAP mehr als 7 Millionen Datenfelder abbildet.

2026 kamen die Bausteine eines breiteren Harness dazu. Die Runtime des neuen Joule Studio gibt Agenten ein dauerhaftes Langzeitgedächtnis auf SAP HANA Cloud und führt jeden Agenten in einer isolierten Sandbox mit konfigurierbaren Richtlinien aus; Multi-Agenten-Systeme lassen sich mit n8n orchestrieren. SAP nennt mehr als 70 Modelle in Joule Studio, der Generative AI Hub erreicht Azure OpenAI, AWS Bedrock und Google Vertex AI. Agenten können im Hintergrund laufen, ausgelöst durch ein Geschäftsereignis, einen Zeitplan oder ein Systemsignal.

Für die Interoperabilität kann SAP MCP-Server aus seinem semantischen API-Katalog generieren und SAP- wie Nicht-SAP-APIs über das MCP Gateway in der SAP Integration Suite bereitstellen. Joule tritt als A2A-Client auf, erwartet eine Antwort innerhalb von 60 Sekunden und nutzt Push-Benachrichtigungen für lange Aufgaben. Dieselbe Seite sagt, dass bidirektionale Kommunikation mit Drittanbieter-Agenten über das Agent Gateway noch nicht unterstützt wird; SAP hat bidirektionales A2A für Q4 angekündigt.

Nicht öffentlich dokumentiert: Compaction oder Kontextbehandlung für lange Threads, Token- oder Kostenbudgets pro Ziel, Quellenangaben in Joule-Antworten, Websuche, kundeneigene API-Schlüssel, Steuerung des Reasoning-Aufwands und das Erzeugen von PPTX- oder XLSX-Dateien.

Palantir AIP: kontrollierte Aktionen auf der Ontology

Palantir dokumentiert mehr vom Harness als jeder andere Enterprise-Anbieter, den wir geprüft haben. Agenten in AIP Chatbot Studio bekommen typisierte Tools: Aktionen, die die Ontology automatisch oder nach Bestätigung durch den Nutzer ändern, Objektabfragen, Functions (auch veröffentlichte AIP-Logic-Funktionen), Updates von Application-Variablen, Commands in andere Palantir-Anwendungen und ein Tool, das pausiert und beim Nutzer nachfragt. Native Tool-Aufrufe laufen bei einem Teil der Modelle parallel. Die Recherche nutzt Ontology-, Dokument- und funktionsbasierten Kontext, Antworten können Objekte, PDF-Seiten und URLs zitieren.

Skills funktionieren wie in Claude Code. In AIP Analyst lädt der Agent die vollständigen Anweisungen eines Skills erst, wenn er ihn für relevant hält; Skills lassen sich Nutzergruppen zuweisen, und eine Unterhaltung kann als neuer Skill exportiert werden. Dieselbe Seite beschreibt ein Tool zur Kontextbereinigung; ausgeblendete Tool-Ergebnisse werden nicht erneut an das Modell gesendet. AI FDE, Palantirs Builder-Agent, kann sein Arbeitsgedächtnis selbst aufräumen und aktivierte Skills laden. Für Arbeit mit mehreren Agenten koordiniert AIP Evolve ganze Gruppen von AI-FDE-Agenten auf ein Ziel hin, mit Grenzen wie einer maximalen Zahl an Iterationen.

Bei der Prüfung setzt Palantir den Maßstab. AI FDE handelt in Ihrer eigenen Foundry-Sitzung und schreibt nichts ohne Ihre Zustimmung (pro Aktion oder für die Sitzung vorab erteilt), alles landet in den regulären Audit-Logs. AIP-Logic-Änderungen aus Automate lassen sich als Vorschläge bereitstellen, die eine prüfende Person annimmt. Bei der Modellwahl unterstützt AIP Modelle von xAI, OpenAI, Anthropic, Meta, Google und weiteren, dazu eigene Modelle mit nativen Tool-Aufrufen und Reasoning. Der externe Zugriff ist ausgereift: Palantir MCP und Ontology MCP sind seit Juni 2026 allgemein verfügbar, jeder Ontology-MCP-Aufruf läuft mit den Foundry-Rechten des Nutzers, und Palantir MCP hat eine optionale Tool Search bekommen. Palantir MCP selbst richtet sich an KI-IDEs und Agenten, die Anwendungen bauen.

Nicht öffentlich dokumentiert: eine allgemeine Sandbox zur Code-Ausführung für Chatbots, Websuche, ein Gedächtnis über Chatbot-Sitzungen hinweg und eine Einstellung für den Reasoning-Aufwand. Der Zielkonflikt liegt in der Architektur: Der Agent ist so nützlich wie der Teil Ihres Betriebs, der in der Ontology modelliert ist.

Wisp: die ganze Liste, eine Lücke

Wisp ist die Agentenschicht in Geist, in der das KI-Team arbeitet. Das liefert sie heute.

Tools und Skills. Über 370 typisierte Tools in 19 Domänen. Der Agent findet sie über Tool Search und lädt nur, was die Aufgabe braucht, auf jedem unterstützten Modell. 55 eingebaute Skills laden bei Bedarf, Admins können Org-Skills schreiben, und jeder Turn protokolliert, welche Skills er genutzt hat.

Lange Threads. Automatische Compaction, manuelles /compact, Wiederherstellung nach Kontextüberlauf, Prompt-Caching und Modellwechsel innerhalb eines Threads, ohne dass der Verlauf verloren geht.

Delegation und Ziele. Ein leitender Agent delegiert an Spezialisten mit parallelen Planzweigen, übergibt jedem ein Briefing und plant nach Fehlern neu. Der Agent kann mitten im Turn eine Rückfrage an Sie stellen. /goal führt dauerhafte Ziele über mehrere Runden mit Budgets für Runden, Tokens, Kosten, Zeit, Tool-Aufrufe und Änderungen; der Abschluss muss mit Belegen begründet sein. Es gibt über 40 Slash-Commands.

Arbeitsergebnisse und Quellen. Python läuft in einem isolierten Container (kein Netzwerk, schreibgeschütztes Dateisystem, kein Root, Ressourcenlimits), den Admins pro Organisation freischalten, und erzeugt PPTX-, XLSX-, DOCX- und PDF-Dateien. Verwaltete Websuche und Web-Fetch liefern Quellenangaben, Knowledge Spaces antworten mit Quellen, ein SharePoint-Connector liest Dateien. Gedächtnis gibt es auf Organisations- und persönlicher Ebene, jeder Eintrag mit Herkunft.

Modelle und Steuerung. 10 Modellanbieter hinter den Stufen pro, standard und fast, Routing durch Admins, eigene API-Schlüssel und Reasoning-Aufwand pro Modell. Drei Berechtigungsmodi (Nur lesen, Änderungen prüfen, Direkt anwenden), Behalten oder Verwerfen pro Änderungsblock, fail-closed Bestätigung für destruktive Aktionen, rollenbasierte Tools, ein Ausgabenbuch und ein einziger Stopp mit organisationsweitem Not-Halt.

Datierte Belege und Änderungsgedächtnis. Zwei Punkte, die die Referenzliste nicht abdeckt. Jeder Beleg behält sein eigenes Beobachtungs-, Veröffentlichungs- und Prüfdatum, das Lesen eines Fakts lässt ihn nie aktueller erscheinen, und Belege werden als aktuell, veraltet, unbekannt oder widersprüchlich eingestuft. Vorschläge zeigen, auf welchem Stand ihre Belege beruhen. Bevor ein Agent einen Prozess ändert, kann er lesen, was sich zuletzt geändert hat, Versionen vergleichen und das Modell so abfragen, wie es bei einer früheren Revision war. Chat-Antworten lassen sich zwischen den Ansichten Fokus, Detail und Audit umschalten: Prüfer sehen jeden Tool-Aufruf, auch fehlgeschlagene, alle anderen sehen die Antwort.

Die Lücke. WebMCP im Browser ist in der Beta, ein gehosteter MCP-Endpunkt mit OAuth-Anmeldung folgt; einen öffentlichen Endpunkt gibt es noch nicht. Einen MCP-Client für Server, die Sie selbst betreiben, hat Geist nicht, und A2A ist geplant. Wenn externe Agenten schon jetzt in die Plattform hineinrufen müssen, dokumentieren Palantir und SAP hier mehr. Und wenn Agenten heute SAP-Transaktionen unter SAP-Berechtigungen buchen sollen, ist Joule der native Weg.

Wie die Teile zusammenspielen, zeigt die Seite zum Wisp Agent Harness.

So testen Sie jeden Anbieter in einer Demo

Funktionstabellen schmeicheln allen, auch uns. Sechs Tests trennen einen tiefen Harness von einem dünnen:

1. Binden Sie einige hundert Tools an und stellen Sie eine Frage, die ein seltenes davon braucht. Beobachten Sie, wie viel Kontext die Tool-Definitionen belegen, bevor der Agent anfängt.
2. Führen Sie einen Thread über das Kontextfenster hinaus. Prüfen Sie, welche Entscheidungen und Zahlen die Compaction überstehen.
3. Setzen Sie ein Ziel mit Token- und Zeitbudget. Sehen Sie sich an, was der Agent meldet, wenn er das Limit erreicht.
4. Verlangen Sie im Prüfmodus eine destruktive Änderung. Der Agent sollte zur Bestätigung anhalten, und Sie sollten das Änderungspaket rückgängig machen können.
5. Fordern Sie eine belegte Antwort an und öffnen Sie jede Quelle.
6. Verbinden Sie Ihren eigenen Agenten über MCP oder A2A und prüfen Sie, ob er die Rechte des aufrufenden Nutzers erbt und nicht die eines Servicekontos.

---

Quellen

• Anthropic: Claude Code MCP und Tool Search, Skills, Kosten und /compact, Subagenten, /goal, Agent-SDK-Loop, Budgets und Berechtigungsmodi, Berechtigungsmodi, Tool Search Tool, Web Search Tool
• OpenAI: Tool Search, Websuche, Codex Skills, Codex Slash-Commands, Codex Subagenten, Codex Sandboxing
• SAP: Agentic AI auf der SAP Business AI Platform, Business AI Release Highlights Q1 2026, Joule mit Joule Studio erweitern, Joule integrieren und erweitern, Agenten mit Joule Studio bauen, Neues Joule Studio, SAP Connect, Oktober 2026, Low-Code- und Pro-Code-Agenten auf SAP BTP, Joule Agents kennenlernen, MCP-Zugriff durch Drittanbieter-Server, Low-Code- und Pro-Code-Agenten mit Joule (A2A), The future of the enterprise is autonomous
• Palantir: AIP Chatbot Studio Überblick, Tools, Retrieval Context, Citations, AIP Analyst verwenden, AI FDE Modi und Fähigkeiten, AI FDE Sicherheit und Governance, AIP Evolve, AIP Logic automatisieren, Unterstützte LLMs, Eigenes Modell, Ankündigungen Juni 2026, Palantir MCP Überblick
• Weiterlesen: Warum KI-Agenten Process Intelligence brauchen, bevor sie handeln

Die Fähigkeiten der Anbieter sind aus den oben verlinkten öffentlichen Materialien zusammengefasst, Stand Oktober 2026. „Nicht öffentlich dokumentiert” heißt, dass wir keine öffentliche Dokumentation gefunden haben, nicht dass die Fähigkeit fehlt. Produkte ändern sich schnell; prüfen Sie aktuelle Details beim jeweiligen Anbieter.

Antworten

Schnelle Antworten

Kurze Käuferantworten, passend zu diesem Artikel.

Process Intelligence für KI-AgentenKI-Agenten brauchen mehr als Tool-Zugriff. Sie brauchen Prozessmodell, aktuelle Daten, Rollengrenzen, Freigaben, Risikokontext und einen Audit Trail, der zeigt, warum eine Aktion vorgeschlagen oder ausgeführt wurde.Antwort öffnen →Human-in-the-Loop-ProzessautomatisierungHuman-in-the-Loop Automation bedeutet, dass das System Arbeit empfehlen, entwerfen, routen oder ausführen kann, während sensible Entscheidungen explizit menschlich geprüft werden. Das Prozessmodell sollte zeigen, wo Menschen freigeben, welche Evidenz sie sehen und was nach der Freigabe passiert.Antwort öffnen →AI-Agent-Audit-Trail für Process IntelligenceEin AI-Agent-Audit-Trail sollte Prozessschritt, Modellzustand, Input-Evidenz, vorgeschlagene Aktion, Policy- oder Rollengrenze, Human Approval, Ausführungsergebnis und Review verbinden. Dieser Nachweis macht aus Agentenaktion gesteuerte Prozessarbeit.Antwort öffnen →

FAQ

Häufige Fragen

Direkte Antworten auf die wichtigsten Kauf- und Vergleichsfragen.

5 Fragen

01Was ist ein Agent-Harness?

Der Harness ist alles um das Modell herum, was daraus einen arbeitsfähigen Agenten macht: wie er Tools findet, welche Anweisungen er lädt, wie er lange Threads im Kontextfenster hält, wie er an andere Agenten delegiert, welche Budgets ihn stoppen, wo sein Code läuft und welche Aktionen eine Freigabe brauchen. Claude Code und Codex sind 2026 die klarste öffentliche Referenz dafür.

02Wie schneidet SAP Joule im Vergleich zu Palantir AIP bei KI-Agenten ab?

Joule ist am stärksten, wenn die Aufgabe des Agenten eine SAP-Transaktion ist: SAP dokumentiert, dass die effektive Berechtigung die Schnittmenge aus Nutzer- und Agentenberechtigungen ist, und meldet über 30 Agenten und mehr als 2.500 Joule Skills. Palantir AIP dokumentiert mehr vom Harness selbst, darunter bedarfsweise geladene Skills, parallele native Tool-Aufrufe, Quellenangaben, Vorschläge zur menschlichen Prüfung und zwei allgemein verfügbare MCP-Server. Beide haben Stärken, die dem anderen fehlen.

03Unterstützt SAP Joule MCP und A2A?

SAP dokumentiert, dass es MCP-Server aus seinem semantischen API-Katalog generieren und über das MCP Gateway in der SAP Integration Suite betreiben kann. Joule tritt gegenüber anderen Agenten als A2A-Client auf. SAPs eigene Referenzarchitektur sagt, dass bidirektionale Kommunikation mit Drittanbieter-Agenten über das Agent Gateway noch nicht unterstützt wird; bidirektionales A2A hat SAP für Q4 2026 angekündigt.

04Können externe Agenten Wisp über MCP aufrufen?

Teilweise. WebMCP im Browser ist in der Beta: Browser-Agenten nutzen die typisierten Tools von Geist mit den Rechten der Person und bleiben im Prüfmodus, solange die Organisation nicht mehr erlaubt. Ein gehosteter MCP-Endpunkt mit OAuth-Anmeldung folgt, einen öffentlichen Endpunkt gibt es noch nicht. Einen MCP-Client für Server, die Kunden selbst betreiben, hat Geist noch nicht, und A2A ist geplant. Wenn externer Agentenzugriff jetzt Pflicht ist, dokumentieren Palantir und SAP hier mehr.

05Welche Enterprise-Agentenplattform sollte ich zuerst prüfen?

Beginnen Sie dort, wo die Arbeit liegt. Wenn Agenten SAP-Transaktionen unter SAP-Berechtigungen ändern sollen, prüfen Sie Joule. Wenn Ihr Betrieb in einer Palantir-Ontology modelliert ist, prüfen Sie AIP. Wenn Sie einen breiten Harness (Tool Search, Skills, Compaction, Budgets, Code-Sandbox und Prüfmodi) auf Prozessmodellen, Organisationsdaten und externen Signalen wollen, prüfen Sie Wisp in Geist.