Unternehmens-KI wandelt sich von isolierten Modellen zu autonomen Agenten. Der aktuelle Magic Quadrant von Gartner zeigt, welche Plattformen für diese Transformation gerüstet sind – und wo noch Lücken bestehen.
Während Unternehmen künstliche Intelligenz immer tiefer in den täglichen Betrieb integrieren, entwickeln sich die Plattformen für Data Science und Machine Learning rasant weiter. Der Magic Quadrant for AI Platforms for Data Science and Machine Learning von Gartner vom 22. Juni 2026 erfasst einen Markt, der nun durch die End-to-End-Entwicklung von Modellen und Agenten, robuste Governance sowie die Unterstützung sowohl klassischer Machine-Learning-Techniken als auch generativer KI geprägt ist. Verantwortliche für KI-Strategien müssen Anbieter nicht nur nach traditionellen Fähigkeiten, sondern auch nach ihrer Bereitschaft für agentische Systeme bewerten, die autonome Entscheidungen treffen können.
Der Markt für KI-Plattformen, die Data Science und Machine Learning (DSML) unterstützen, hat sich über reines Modelltraining hinaus zu umfassenden Umgebungen entwickelt, die den gesamten Lebenszyklus von Modellen und KI-Agenten verwalten. Laut Gartner ermöglichen diese Plattformen Datenaufbereitung, Modellbildung, Bereitstellung, Überwachung und Governance. Sie bedienen sowohl Experten als auch Fachanwender durch eine Mischung aus codebasierten Umgebungen, Low-Code-Interfaces und KI-Unterstützung.
Strategische Planungsannahmen unterstreichen die Dringlichkeit dieses Wandels. Bis 2027 rechnet Gartner damit, dass die Hälfte der Data Analysts zu Data Scientists umgeschult wird, während viele Data Scientists in Rollen als AI Engineers wechseln. Organisationen werden deutlich mehr kleine, aufgabenbezogene Modelle als allgemeine große Sprachmodelle einsetzen. Die Nachfrage nach AI Engineers soll im Vergleich zu Data Scientists verdreifacht werden. Bis 2028 könnten mindestens 15 Prozent der täglichen Arbeitsentscheidungen autonom durch agentische KI getroffen werden – ausgehend von nahezu null im Jahr 2024.
Im Magic Quadrant 2026 befinden sich sieben Anbieter im Leaders-Quadranten: Amazon Web Services, Databricks, Dataiku, DataRobot, Google, IBM und Microsoft. Diese Anbieter kombinieren reife Produktportfolios mit klaren Strategien für generative KI, Multi-Agenten-Systeme und unternehmensweite Operationen. AWS betont sein Partner-Ökosystem, das AgentCore-Framework und spezialisierte Infrastruktur wie Trainium-Chips. Databricks konzentriert sich auf einheitliche Governance über Unity Catalog und die schnelle Entwicklung von Funktionen rund um Agent Bricks.
Dataiku hebt architektonische Flexibilität und integriertes Risikomanagement hervor. DataRobot unterstreicht hybride und air-gapped Bereitstellungsoptionen sowie starken Kundensupport. Google positioniert Vertex AI (nun Teil der Gemini Enterprise Agent Platform) als Full-Stack-Angebot unabhängig von anderen Anbietern. IBM differenziert sich durch umfassende Governance, die auch Drittanbieter-Modelle einschließt, sowie fortgeschrittene Retrieval-Augmented-Generation-Techniken. Microsoft nutzt einen umfangreichen Modellkatalog und eine Kontextschicht in Fabric IQ, um diverse Personas zu unterstützen.
Alibaba Cloud steht als einziger Challenger und wird für leistungsstarke Infrastruktur, kontinuierliche Qwen-Modellveröffentlichungen und erhebliche Kapitalinvestitionen in fortschrittliche KI anerkannt. Geografische Konzentration und die Lernkurve für nicht-technische Nutzer bleiben als Einschränkungen vermerkt.
Eine große Gruppe von Visionaries – darunter Cloudera, Domino Data Lab, H2O.ai, Red Hat, SAS, Siemens (Altair), Snowflake und Teradata – zeigt differenzierte Ansätze. Viele betonen hybride oder souveräne Deployments, Composite AI, die Machine Learning mit Optimierung und Simulation verbindet, oder spezialisierte Agenten-Tools. Die Niche Players MathWorks und Posit bedienen weiterhin hochspezialisierte Engineering- bzw. code-first analytische Communities.
Über die Bewertung hinweg wiederholen sich mehrere Themen. Plattformen müssen multimodale Daten, reproduzierbare Umgebungen, Lineage-Tracking und mehrere Ops-Disziplinen (MLOps, AgentOps und andere) unterstützen. Governance und Guardrails sind von optional zu obligatorisch geworden, da agentische Systeme an Autonomie gewinnen. Käufer stehen vor Abwägungen bezüglich Kostenprognostizierbarkeit, Hybrid-Cloud-Unterstützung, Composite-AI-Workflows und dem Tempo der Feature-Releases.
Neue Teilnehmer Posit, Red Hat, Siemens (nach der Übernahme von Altair) und Teradata spiegeln die Erweiterung des Marktes wider, während Alteryx nach Anpassung der Einschlusskriterien herausfiel. Anbieter werden sowohl hinsichtlich Ability to Execute als auch Completeness of Vision bewertet, mit besonderem Gewicht auf Produktfähigkeiten, Marktverständnis und Innovation in generativer und agentischer KI.
Für KI- und Analytics-Verantwortliche ist die Botschaft klar: Die Auswahl einer Plattform erfordert heute eine zukunftsorientierte Bewertung des Agenten-Lebenszyklus-Managements, der collaboration über Personas hinweg und der Fähigkeit, klassische Data-Science-Techniken mit modernen generativen Fähigkeiten zu kombinieren. Erfolgreiche Plattformen werden jene sein, die die wachsende Zahl von Modellen und Agenten in zuverlässigen, gesteuerten Geschäftswert verwandeln.
Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM.
Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de