Azul Systems 2026 State of Java Survey & Report

Die Zahlen sind in Sektoren am wichtigsten, in denen Scheitern reale Kosten verursacht. Finanzdienstleistungen, E-Commerce, Logistik, Telekommunikation und große SaaS-Plattformen verlassen sich weiterhin auf Java, gerade weil seine Laufzeiteigenschaften – Geschwindigkeit, vertikale Skalierbarkeit und Garbage Collection mit geringer Latenz – wenig Raum für die Art von Unvorhersehbarkeit lassen, die neuere, trendigere Sprachen unter Last einführen können.

LTS-Einführung beschleunigt sich

JDK 21, die aktuelle Long-Term Support-Version (LTS), führt mit 37 Prozent bei Produktionseinsätzen. Was in der Umfrage von 2026 auffällt, ist, wie schnell JDK 25 – die neueste LTS-Version, die nur wenige Wochen vor Schließung der Umfrage veröffentlicht wurde – bereits 18 Prozent der Befragten erreicht hatte. Diese Akzeptanzrate ist schneller als jeder frühere LTS-Übergang, der in früheren Ausgaben der Umfrage verzeichnet wurde. Zum Hintergrund: Als Oracle im September 2023 den kostenlosen Support für JDK 17 einstellte, waren innerhalb eines Jahres 30 Prozent der Unternehmen zu JDK 21 gewechselt; die Kurve für JDK 25 scheint noch steiler zu sein.

Der sich beschleunigende Upgrade-Zyklus spiegelt mehrere konvergierende Faktoren wider. Unternehmen in regulierten Branchen stehen vor Compliance-Anforderungen, die nicht unterstützte Laufzeiten zu einer Haftung und nicht nur zu einem Ärgernis machen. Jedes neue JDK bringt auch bedeutende Leistungsverbesserungen mit sich – wichtig für containerisierte Workloads und die wachsende Klasse von KI-nahen Diensten, die auf der JVM laufen. Eine kürzere, vorhersehbarere LTS-Frequenz hat auch die organisatorischen Reibungsverluste bei Upgrades verringert und die mehrjährige Lücke zwischen Veröffentlichung und Unternehmensadoption, die einst das Java-Ökosystem kennzeichnete, reduziert.

Über Java hinaus erweitert sich die JVM-Plattform. Kotlin, Scala und Groovy werden alle neben Java aktiv genutzt, wobei Unternehmen die Laufzeitschicht als dauerhaftes Gut betrachten und die Sprache als austauschbarere Wahl darüber hinaus.

Oracle-Lizenzkosten treiben Migration an

Kein Thema erzeugte in der Umfrage einen stärkeren Konsens als die Preisgestaltung. Neunzig Prozent der Befragten gaben an, dass sie sich über die Lizenzkosten von Oracle für Java Sorgen machen – ein deutlicher Anstieg gegenüber den 86 Prozent, die sich in der Umfrage von 2025 besorgt äußerten, und fast doppelt so viel wie der Anteil, der im letzten Jahr angab, „überhaupt nicht besorgt“ zu sein. Das 2023 eingeführte mitarbeiterbasierte Preismodell von Oracle hat anhaltende Kritik hervorgerufen, da es unvorhersehbare Kosten verursacht, die mit der Größe der Belegschaft und nicht mit dem tatsächlichen Java-Verbrauch skalieren.

Das Ergebnis war eine messbare Verschiebung in der Beschaffungsstrategie. Einundachtzig Prozent der Umfrageteilnehmer gaben an, dass sie ihr Oracle Java ganz oder teilweise zu einer Nicht-Oracle OpenJDK-Distribution migriert haben, derzeit migrieren oder dies planen. Davon streben 63 Prozent eine vollständige Migration der gesamten IT-Landschaft an – eine Zahl, die die Logik unterstreicht: Eine teilweise Migration macht Organisationen technisch weiterhin den Lizenzbedingungen von Oracle unterworfen, was den finanziellen Nutzen eines Umzugs überhaupt einschränkt.

Kosten sind der Haupttreiber, noch vor Bedenken hinsichtlich des Prüfungsrisikos, der Unsicherheit über Änderungen der Oracle-Richtlinien und der Unzufriedenheit mit der Supportabdeckung von Oracle für ältere JDK-Versionen. Die Angst vor der Komplexität der Migration, die frühere Umfragen als erheblichen Hemmfaktor identifizierten, verliert ihren Einfluss auf die organisatorische Entscheidungsfindung. Unter den Befragten, die die vollständige Migration von Oracle bereits abgeschlossen hatten, beendeten 72 Prozent diese innerhalb eines Jahres; 44 Prozent innerhalb von sechs Monaten. Vierundachtzig Prozent beschrieben den Prozess als einfacher als erwartet oder als planmäßig verlaufen.

Cloud-Kosten und ungenutzte Kapazität

Die zentrale Bedeutung von Java für die Unternehmensinfrastruktur bedeutet auch, dass es einen erheblichen Teil der Cloud-Ausgaben ausmacht. Dreiundvierzig Prozent der Umfrageteilnehmer gaben an, dass JVM-basierte Workloads über alle öffentlichen, privaten und hybriden Umgebungen hinweg mehr als die Hälfte ihrer gesamten Cloud-Rechenkosten ausmachen. In diesem Zusammenhang haben die Leistungsmerkmale der zugrunde liegenden Java-Laufzeit direkte finanzielle Auswirkungen.

Fast universell – 97 Prozent – gaben Organisationen an, dass sie in den letzten zwölf Monaten Maßnahmen zur Senkung der Kosten für öffentliche Cloud-Dienste ergriffen hätten. Die Einführung einer Hochleistungs-Java-Plattform rangierte neben der Verfolgung von Nutzungs-KPIs, der Einführung von Cloud-Anbieter-Kostentools, dem Wechsel zu effizienteren Recheninstanzen und der Neuverhandlung von Verträgen unter den Top Fünf der Strategien. Die Einführung einer Hochleistungs-Java-Plattform rangierte neben der Verfolgung von Nutzungs-KPIs, der Einführung von Cloud-Anbieter-Kostentools, dem Wechsel zu effizienteren Recheninstanzen und der Neuverhandlung von Verträgen unter den Top Fünf der Strategien. Doch die Umfrage ergab auch, dass 74 Prozent der Teilnehmer mehr als 20 Prozent ungenutzte Cloud-Rechenkapazität mit sich führen, was darauf hindeutet, dass die richtige Dimensionierung der Infrastruktur nach wie vor eine Herausforderung darstellt und kein gelöstes Problem ist.

Unternehmen, die Hochleistungs-JDK-Distributionen eingeführt haben, berichten, dass verbesserte Anwendungsleistung und ein besseres Kundenerlebnis ihre Hauptmotivationen sind – nicht die Kostenreduzierung an sich. Der Kostenvorteil ergibt sich als nachgelagerte Konsequenz: Schnellere Anwendungen erfordern weniger Infrastruktur, um äquivalente Arbeitslasten zu bewältigen, was sowohl die Cloud-Rechnungen als auch die Kapitalausgaben für lokale Hardware reduziert.

Sicherheitsdruck auf DevOps-Teams

Die Wartung von Java-Anwendungen in der Produktion ist zu einer größeren betrieblichen Belastung geworden. Sechsundfünfzig Prozent der Umfrageteilnehmer gaben an, täglich oder wöchentlich mit gängigen Schwachstellen und Gefährdungen (CVEs) in Java-basierten Workloads umzugehen – ein deutlicher Anstieg von 41 Prozent im Jahr 2025. Die zunehmende Häufigkeit von Schwachstellenmeldungen, kombiniert mit dem Volumen an Java-Abhängigkeiten in großen Unternehmensumgebungen, hat die Sicherheitsbehebung in den Mittelpunkt von DevOps-Workflows gerückt.

Das Problem wird durch falsch-positive Ergebnisse von automatisierten Scan-Tools noch verschärft. Dreißig Prozent der Befragten gaben an, dass ihre Teams mehr als die Hälfte ihrer Arbeitszeit mit Sicherheitswarnungen verbringen, die sich letztendlich als unbegründet erweisen. Toter und ungenutzter Code erschwert die Situation zusätzlich: 63 Prozent gaben an, dass ruhender Code die Produktivität ihres Teams messbar beeinträchtigte, entweder weil niemand ihn sicher entfernen kann, ohne einen Bruch zu riskieren, oder weil er die Angriffsfläche vergrößert, die Sicherheitstools scannen.
Für Aufgaben zur Code-Sanierung und zum Patchen ist ChatGPT mit 58 Prozent das am weitesten verbreitete Automatisierungstool, gefolgt von Google Gemini AI mit 51 Prozent, Amazon Q mit 32 Prozent und Claude von Anthropic mit 31 Prozent.

KI hält Einzug in den Java-Stack

Künstliche Intelligenz hat sich von einem peripheren Anliegen zu einer zentralen Variable in der Entwicklung von Java gewandelt. Die Umfrage ergab, dass alle Befragten nun in irgendeiner Weise KI-Code-Generierungstools nutzen. Dreißig Prozent gaben an, dass mehr als die Hälfte ihres neuen Java-Anwendungscode von KI-Generierungstools erstellt wird – eine Zahl, die noch vor wenigen Jahren unvorstellbar gewesen wäre. Die am weitesten verbreiteten Tools zur Code-Generierung sind unter anderem die auf OpenAI GPT basierenden Tools, Google Gemini Code Assist und Microsoft Visual Studio IntelliCode.

Die Rolle von Java in der KI geht über die Entwicklungstoolchain hinaus. Zweiundsechzig Prozent der Teilnehmer gaben an, Java zur Programmierung von KI-Funktionalitäten innerhalb von Anwendungen zu verwenden, ein Anstieg von 50 Prozent im Vergleich zur Umfrage von 2025. Python behält seine Position als dominierende Sprache für den Aufbau und das Training von KI-Modellen sowie für Forschung und Prototyping, aber Java entwickelt sich zur bevorzugten Laufzeitumgebung für die Bereitstellung von KI-gestützten Diensten in der Produktion. Der Unterschied ist bedeutsam: Produktionsumgebungen stellen Anforderungen an Zuverlässigkeit, Latenz und Sicherheit, die die ausgereiften Betriebsmerkmale von Java gegenüber der forschungsfreundlichen Flexibilität von Python begünstigen.

Unter den Java-Bibliotheken, die zur Entwicklung von KI-Funktionalitäten verwendet werden, führt JavaML zum zweiten Mal in Folge, gefolgt von Deep Java Library (DJL) und OpenCL. Die Integration mit großen Sprachmodellen (LLMs) und die Unterstützung von Vektordatenbanken und Retrieval-Augmented Generation Pipelines gehören zu den am häufigsten genannten Fähigkeiten, die Unternehmen wünschen, dass Java weiterentwickelt, da sich die KI-Einführung vertieft.

Als die Umfrageteilnehmer gefragt wurden, welche Fähigkeiten für Java am wichtigsten wären, um in einer KI-gestützten Landschaft wettbewerbsfähig zu bleiben, spiegelten die Top-Antworten – langfristiger Support für moderne Versionen (34 Prozent), integrierte Sicherheitsfunktionen (31 Prozent), Laufzeitbeobachtbarkeit (31 Prozent), Unterstützung für den Zugriff auf große Datenmengen (30 Prozent) und LLM-Integration (30 Prozent) ein praktisches Anliegen wider: nicht nur, ob Java an KI-Workloads teilnehmen kann, sondern auch, ob dies möglich ist, ohne neue betriebliche Belastungen zu schaffen.

The numbers matter most in sectors where failure carries real costs. Financial services, e-commerce, logistics, telecommunications, and large-scale SaaS platforms continue to lean on Java precisely because its runtime characteristics—speed, vertical scalability, and low-latency garbage collection—leave little room for the kind of unpredictability that newer, trendier languages can introduce under load.

LTS Adoption Accelerates

JDK 21, the current Long-Term Support release (LTS), leads production deployments at 37 percent. What stands out in the 2026 survey is how quickly JDK 25—the newest LTS version, published just weeks before the survey closed—had already reached 18 percent of respondents. That rate of uptake is faster than any previous LTS transition recorded in prior editions of the survey. For context, when Oracle ended free support for JDK 17 in September 2023, 30 percent of organizations had moved to JDK 21 within a year; the JDK 25 curve appears steeper still.

The accelerating upgrade cycle reflects several converging pressures. Enterprises in regulated industries face compliance requirements that make unsupported runtimes a liability, not merely an inconvenience. Each new JDK also ships meaningful performance improvements—important for containerized workloads and the expanding class of AI-adjacent services running on the JVM. A shorter, more predictable LTS cadence has also lowered the organizational friction around upgrades, reducing the multi-year gap between release and enterprise adoption that once characterized the Java ecosystem.

Beyond Java itself, the JVM platform is broadening. Kotlin, Scala, and Groovy are all in active use alongside Java, with companies treating the runtime layer as the durable asset and the language as a more interchangeable choice on top of it.

Oracle Licensing Costs Fuel a Migration

No topic generated stronger consensus in the survey than pricing. Ninety-two percent of respondents said they were concerned about Oracle’s Java licensing costs—up sharply from the 86 percent who expressed concern in the 2025 survey, and nearly double the proportion who reported being „not at all concerned“ last year. Oracle’s employee-based pricing model, introduced in 2023, has drawn consistent criticism for creating unpredictable costs that scale with workforce size rather than with actual Java consumption.

The result has been a measurable shift in procurement strategy. Eighty-one percent of survey participants reported that they have migrated, are currently migrating, or plan to migrate all or some of their Oracle Java to a non-Oracle OpenJDK distribution. Among those, 63 percent are pursuing a full-estate migration—a figure that underscores the logic: partial migration leaves organizations technically subject to Oracle’s licensing terms, which limits the financial benefit of moving at all.

Cost is the primary driver, cited ahead of concerns about audit risk, uncertainty around Oracle’s policy changes, and dissatisfaction with Oracle’s support coverage for older JDK versions. Fear of migration complexity, which earlier surveys identified as a significant deterrent, is losing its grip on organizational decision-making. Among respondents who had already completed a full migration off Oracle, 72 percent finished within a year; 44 percent within six months. Eighty-four percent described the process as easier than expected or as having gone according to plan.

Cloud Costs and Unused Capacity

Java’s centrality to enterprise infrastructure means it also accounts for a substantial portion of cloud spend. Forty-three percent of survey participants said JVM-based workloads represent more than half of their total cloud compute costs across public, private, and hybrid environments. In that context, the performance characteristics of the underlying Java runtime carry direct financial weight.

Almost universally—97 percent—organizations said they had taken steps to reduce public cloud costs over the past twelve months. Deploying a high-performance Java platform ranked among the top five strategies, alongside tracking usage KPIs, adopting cloud provider cost tools, switching to more efficient compute instances, and renegotiating contracts. Yet the survey also found that 74 percent of participants carry more than 20 percent unused cloud compute capacity, suggesting that infrastructure right-sizing remains an ongoing challenge rather than a solved problem.

Enterprises that have adopted high-performance JDK distributions report that improved application performance and better customer experience are their primary motivations—not cost reduction per se. The cost benefit emerges as a downstream consequence: faster applications require less infrastructure to handle equivalent workloads, which reduces both cloud bills and capital expenditure on on-premises hardware.

Security Pressure on DevOps Teams

Maintaining Java applications in production has become a heavier operational burden. Fifty-six percent of survey participants reported dealing with common vulnerabilities and exposures (CVEs) in Java-based workloads on a daily or weekly basis—a substantial increase from 41 percent in 2025. The growing frequency of vulnerability disclosures, combined with the volume of Java dependencies in large enterprise estates, has placed security remediation at the center of DevOps workflows.

The problem is compounded by false positives from automated scanning tools. Thirty percent of respondents said their teams spend more than half their working time on security alerts that ultimately prove to be non-issues. Dead and unused code compounds the difficulty: 63 percent said dormant code measurably affected their team’s productivity, either because no one can confidently remove it without risking a breakage, or because it inflates the attack surface that security tools scan.

For code remediation and patching tasks, ChatGPT is the most widely used automation tool at 58 percent, followed by Google Gemini AI at 51 percent, Amazon Q at 32 percent, and Claude by Anthropic at 31 percent.

AI Enters the Java Stack

Artificial intelligence has moved from a peripheral concern to a central variable in Java’s trajectory. The survey found that all respondents now use AI code-generation tools in some capacity. Thirty percent said that more than half of their new Java application code is produced by AI generation tools—a figure that would have been implausible just a few years ago. The most widely used tools for code generation include OpenAI GPT-based tools, Google Gemini Code Assist, and Microsoft Visual Studio IntelliCode.

Java’s role in AI extends beyond the development toolchain. Sixty-two percent of participants reported using Java to write AI functionality within applications, up from 50 percent in the 2025 survey. Python retains its position as the dominant language for building and training AI models, and for research and prototyping, but Java is emerging as the runtime environment of choice for deploying AI-powered services in production. The difference is meaningful: production environments impose requirements around reliability, latency, and security that favor Java’s mature operational characteristics over Python’s research-friendly flexibility.

Among Java libraries used to build AI functionality, JavaML leads for the second consecutive year, followed by Deep Java Library (DJL) and OpenCL. Integration with large language models (LLMs) and support for vector databases and retrieval-augmented generation pipelines are among the most frequently cited capabilities enterprises want Java to develop further as AI adoption deepens.

When survey participants were asked which capabilities would be most important for Java to remain competitive in an AI-enabled landscape, the top answers—long-term support for modern versions (34 percent), built-in security features (31 percent), runtime observability (31 percent), large data access support (30 percent), and LLM integration (30 percent)—reflect a practical concern: not just whether Java can participate in AI workloads, but whether it can do so without creating new operational burdens.