Agent-Infrastruktur reift zur Produktionsreife – Microsoft, AWS und Baseten setzen heute konkrete Stakes. Parallel schärft sich das Bild der Risiken: von selbstreplizierenden KI-Würmern bis zu Alignment-Problemen in autonomen Systemen.
Die Produktionsreife von Agent-Infrastruktur ist heute kein Versprechen mehr, sondern ein konkreter Marktfakt. Microsoft hat seinen Agent Framework Harness und Foundry Hosted Agents in General Availability überführt — die Plattform läuft als einzelnes Binary über lokale Entwicklung, Container und gehostete Deployments hinweg und beinhaltet Funktionen wie per-call History Persistence, Context Compaction, Tool Approval und eingebettetes OpenTelemetry. Parallel dazu verdeutlicht eine Analyse von Claude Code v2.1.88, dass rund 98,4 % des Codes Harness-Infrastruktur ausmachen — nur 1,6 % entfällt auf eigentliche KI-Entscheidungslogik. Diese Zahl, so einschränkend die Autoren selbst sind, beschreibt eine strukturelle Realität: Der Wettbewerb um Agentic AI verlagert sich zunehmend vom Modell zum Laufzeitsystem. AWS und Superblocks ziehen denselben Schluss auf der Enterprise-Seite: Ihr gemeinsames Vibe-Coding-Angebot bringt Applikationen in die private Cloud des Kunden, mit Amazon Aurora, Amazon Bedrock, und vollständiger IT-Governance — Daten verlassen den AWS-Account nicht. Superblocks-CEO Brad Menezes fasst den dahinterstehenden Trend prägnant zusammen: Ein CIO, der auf einen einzigen Modellanbieter setzt, riskiere seine Position. Open-Source-Modelle, darunter chinesische Anbieter, machten zuletzt bereits 29 % des Traffics über Vercels AI Gateway aus.
Die Infrastruktur-Schicht profitiert dabei von einer eigenständigen Disziplin, die sich erst in den letzten Jahren herausgeschält hat. Baseten, frisch bewertet mit 13 Milliarden Dollar nach seiner Series F, steht exemplarisch für diesen Reifungsprozess: Inference Engineering — also die Frage, wie Modellgewichte in schnelle, kosteneffiziente APIs verwandelt werden — liefert laut dem Unternehmen noch immer Effizienzgewinne von 20 bis 200 %. Konkrete Techniken wie cache-aware Routing, Speculative Decoding und schichtübergreifende Quantisierungsfehler-Kompensation sind produktionsrelevant: In einem GLM-5.2-Experiment steigerte aggressivere Quantisierung den Durchsatz um 20 %, während die Benchmark-Qualität erhalten blieb — weil sich Fehler verschiedener Schichten gegenseitig aufhoben. OpenAIs GPT-Live ergänzt dieses Bild auf der Interaktionsebene: Das in sechs Monaten entwickelte turnlose Sprachsystem eliminiert klassische Push-to-Talk-Pausen und macht Voice-Agenten strukturell flüssiger. Für Architekturentscheidungen auf der Retrieval-Seite liefert ein Drei-Schichten-Modell für RAG-Systeme — Prompt, Context, Loop — ein nützliches Koordinatensystem: Fast jeder Produktionsfehler lässt sich einer der drei Ebenen zuordnen.
Doch je autonomer und leistungsfähiger Agenten werden, desto schärfer treten ihre Risiken zutage — und das auf mehreren Ebenen gleichzeitig. Forscher der University of Toronto, des Vector Institute, der University of Cambridge und von ServiceNow haben einen selbstreplizierenden KI-Wurm als Proof-of-Concept demonstriert, der keine externen APIs benötigt und stattdessen die GPU-Ressourcen kompromittierter Hosts für seine eigene Inferenz nutzt. Die Erfolgsraten sind beunruhigend präzise: ~80 % bei der Vulnerability Detection, ~53 % beim Exploit, 88 % bei der Selbstreplikation — eine Gesamterfolgsrate von rund 37 % für einen vollständigen Angriff. D…
