DigitalOcean startet öffentliche Vorschau für verwaltete KI-Agenten

Werkzeuge über einen kontrollierten Zugang

Agenten entfalten ihren praktischen Nutzen erst, wenn sie mit externen Systemen interagieren können. Dazu gehören etwa Datenbanken, Dateispeicher, Recherche- und Suchdienste, Projektmanagementsysteme oder Kommunikationsplattformen. DigitalOcean stellt dafür einen sogenannten Action Gateway bereit.

Nach Angaben des Unternehmens bündelt dieser Zugang Werkzeuge hinter einer zentralen Schnittstelle. Genannt werden mehr als 16.000 Tools. In einem Beispiel aus der Ankündigung werden unter anderem Exa, Supabase und Box als Anbieter aufgeführt. Der Zugriff soll über einen MCP-Endpunkt erfolgen. MCP steht für Model Context Protocol und beschreibt ein standardisiertes Verfahren, mit dem Modelle und Agenten Werkzeuge und Datenquellen ansprechen können.

Der zentrale Ansatz kann die technische Verwaltung vereinfachen. Statt jeden Agenten mit individuellen Zugangsdaten und Integrationen auszustatten, lassen sich Berechtigungen an einer gemeinsamen Stelle steuern. Unternehmen können dadurch potenziell besser nachvollziehen, welcher Agent welches Werkzeug verwendet und unter welchen Bedingungen ein Zugriff erfolgt.

DigitalOcean erklärt, dass Zugangsdaten erst zum Zeitpunkt eines Aufrufs aufgelöst werden sollen. Sie sollen dem Agenten und der Sandbox nicht dauerhaft zur Verfügung stehen. Nach Angaben aus dem Unternehmensbeitrag existieren die Anmeldedaten nur für den jeweiligen Aufruf und werden nicht an den Agenten weitergereicht.

Diese Architektur kann das Risiko einer dauerhaften Offenlegung reduzieren, ersetzt aber keine umfassende Sicherheitsprüfung. Die tatsächliche Schutzwirkung hängt unter anderem von der Konfiguration der Berechtigungen, der Identitätsprüfung, der Protokollierung und den Regeln des jeweiligen Tool-Anbieters ab. Für produktive Umgebungen bleibt außerdem zu klären, ob Aktionen eine menschliche Freigabe benötigen.

Governance statt uneingeschränkter Autonomie

Der Begriff „gesteuerter“ oder „verwalteter“ Tool-Zugriff ist im Unternehmensumfeld von besonderer Bedeutung. Ein Agent, der Tickets anlegt, Dateien verändert oder Daten aus internen Systemen abruft, arbeitet nicht mehr nur als Textassistent. Seine Aktionen können unmittelbare Auswirkungen auf Geschäftsprozesse haben.

Eine belastbare Governance sollte deshalb mindestens folgende Fragen beantworten:

- Welche Tools darf ein bestimmter Agent verwenden? - Darf er Daten nur lesen oder auch verändern? - Welche Aktionen benötigen eine menschliche Freigabe? - Wie werden Aufrufe und Ergebnisse protokolliert? - Wie lange werden Gesprächsverläufe und Arbeitsstände gespeichert? - Wie wird ein kompromittierter Agent isoliert oder abgeschaltet? - Wie lassen sich Berechtigungen für einzelne Nutzer, Teams und Projekte trennen?

Managed Agents stellt dafür nach den verfügbaren Informationen technische Bausteine bereit. Die konkrete Umsetzung der Unternehmensrichtlinien liegt jedoch weiterhin beim Kunden. Eine verwaltete Cloud-Plattform nimmt Unternehmen nicht automatisch die Verantwortung für Datenschutz, Zugriffskontrolle und Prozesssicherheit ab.

Zugriff auf zahlreiche Modelle über eine Plattform

Neben der Agentenausführung integriert DigitalOcean seine Inference Engine. Nach Angaben des Unternehmens können Nutzer auf mehr als 75 offene und proprietäre Modelle zugreifen. Das soll Modellwahl und Agentenbetrieb in einer gemeinsamen Cloud-Umgebung zusammenführen.

Die Plattform wirbt außerdem mit Funktionen wie intelligenter Modellauswahl und der Zusammenführung von Ergebnissen mehrerer Modelle. Ein intelligentes Routing kann beispielsweise versuchen, Anfragen anhand von Kriterien wie Kosten, Geschwindigkeit oder Aufgabenart an unterschiedliche Modelle weiterzuleiten. Eine Synthese mehrerer Antworten kann dazu dienen, Ergebnisse zu vergleichen oder zu einer gemeinsamen Ausgabe zu kombinieren.

Für Unternehmen kann die Modellvielfalt Vorteile bieten. Teams können ein leistungsfähigeres Modell für komplexe Aufgaben und ein kostengünstigeres Modell für Routineanfragen einsetzen. Zudem lässt sich die Abhängigkeit von einem einzelnen Modellanbieter möglicherweise reduzieren.

Gleichzeitig steigt mit der Zahl der verfügbaren Modelle der Prüf- und Steuerungsaufwand. Unterschiede bei Datenschutz, Trainingsdaten, Ausgabestabilität, Kontextfenster, Latenz und regionaler Datenverarbeitung müssen in die Auswahl einfließen. Auch kann ein automatisches Routing die Nachvollziehbarkeit erschweren, wenn nicht transparent dokumentiert wird, welches Modell eine bestimmte Antwort erzeugt hat.

Abrechnung nach aktiver Rechenzeit

DigitalOcean hebt eine nutzungsabhängige Abrechnung hervor. Nach Angaben des Unternehmens wird die aktive CPU-Zeit pro Sekunde berechnet. Pausierte Sitzungen sollen keine CPU-Kosten verursachen, solange sie nicht aktiv arbeiten.

Das Abrechnungsmodell passt zu Agenten-Workflows, die zwischen einzelnen Arbeitsschritten längere Wartezeiten aufweisen. Eine Sitzung kann beispielsweise auf eine menschliche Entscheidung, eine externe API oder einen Termin warten, ohne dauerhaft Rechenressourcen zu belegen.

Für die Budgetplanung genügt der Blick auf die CPU-Zeit jedoch nicht. Die Gesamtkosten können sich aus mehreren Komponenten zusammensetzen:

- aktive CPU-Zeit der Agentensitzungen - Modell- und Inference-Aufrufe - Nutzung externer Tools und Datenquellen - Speicherung von Sitzungszuständen, Checkpoints und Artefakten - Netzwerkverkehr und gegebenenfalls zusätzliche Cloud-Dienste - Kosten für parallele Sitzungen und Sitzungsverzweigungen

Gerade bei autonomen Agenten kann die Zahl der Aufrufe schwerer vorhersehbar sein als bei klassischen Anwendungen. Ein Agent, der aufgrund einer fehlerhaften Planung wiederholt ein Werkzeug aufruft oder Aufgaben nicht beendet, kann unerwartete Kosten verursachen. Unternehmen sollten daher Obergrenzen, Zeitlimits, automatische Abbrüche und Benachrichtigungen einplanen.

Einordnung für Softwareentwicklung und Automatisierung

Ein naheliegender Anwendungsbereich ist die softwaregestützte Entwicklung. Coding-Agenten können Quellcode analysieren, Änderungen vorschlagen, Tests ausführen und Dokumentation erstellen. In einer persistenten Sandbox können sie den Zustand eines Projekts über mehrere Sitzungen hinweg behalten.

Für Entwicklungsteams kann das die Zusammenarbeit an Aufgaben erleichtern, die nicht in einem einzigen Dialog erledigt werden. Ein Agent könnte beispielsweise eine Fehleranalyse beginnen, Zwischenergebnisse speichern und später nach einer menschlichen Rückmeldung fortfahren. Über Checkpoints und Verzweigungen können mehrere Lösungsansätze getestet werden, ohne den Ausgangszustand zu überschreiben.

Darüber hinaus sind Research- und Backoffice-Prozesse denkbar. Agenten könnten Informationen aus mehreren Quellen zusammenführen, strukturierte Ergebnisse erstellen oder Aufgaben in internen Systemen vorbereiten. Die praktische Eignung hängt davon ab, wie gut sich die verwendeten Tools, Datenquellen und Freigabeschritte integrieren lassen.

DigitalOcean verweist in der Kommunikation zur Einführung auf ein Support-Triage-Szenario von Qencode. Der dort beschriebene Agent bewertet eingehende Anfragen nach Dringlichkeit, Stimmung und Kontowert, erstellt oder aktualisiert Jira-Tickets und leitet unklare Fälle an Menschen weiter. Ein Unternehmensvertreter berichtet, dass die Umsetzung einen Tag gedauert habe und bis zu einen Arbeitstag pro Woche einsparen könne.

Diese Angaben stammen aus der Unternehmenskommunikation und sind nicht als unabhängige Effizienzmessung zu verstehen. Sie zeigen jedoch, welche Prozessklasse DigitalOcean adressiert: wiederkehrende Aufgaben mit strukturierten Eingangsdaten, mehreren Systemzugriffen und einer klaren Möglichkeit zur menschlichen Eskalation.

Sicherheits- und Datenschutzfragen im Unternehmensbetrieb

Die Ausführung in isolierten Umgebungen ist ein wichtiger Baustein für den Betrieb von Agenten. Nach den verfügbaren Produktinformationen nutzt Harness Runtime leichtgewichtige MicroVMs. Jede Umgebung soll in einer eigenen Sandbox laufen. Dadurch wird eine Trennung zwischen Sitzungen und Prozessen angestrebt.

Isolation allein beantwortet jedoch nicht alle Sicherheitsfragen. Ein Agent kann innerhalb seiner erlaubten Umgebung weiterhin sensible Daten verarbeiten oder legitime Berechtigungen missbrauchen. Entscheidend sind daher zusätzlich die Netzwerkregeln, die Identitäten, die Lebensdauer von Zugangsdaten, die erlaubten Dateipfade und die Kontrolle ausgehender Verbindungen.

Für europäische Unternehmen kommen Anforderungen aus Datenschutz und Regulierung hinzu. Vor der produktiven Nutzung sollte geprüft werden, welche Daten verarbeitet werden, in welchen Regionen die Verarbeitung stattfindet, welche Unterauftragnehmer beteiligt sind und welche vertraglichen Regelungen gelten. Besonders kritisch sind personenbezogene Daten, Geschäftsgeheimnisse, Quellcode und Informationen aus regulierten Branchen.

Auch die Modellwahl beeinflusst die Risikobewertung. Proprietäre und offene Modelle können sich hinsichtlich Datenverarbeitung, Protokollierung und Aufbewahrung unterscheiden. Eine zentrale Plattform kann die Administration erleichtern, führt aber nicht automatisch zu einer einheitlichen rechtlichen Bewertung aller verfügbaren Modelle und Tools.

Menschliche Kontrolle bleibt ein Kernelement

Agenten arbeiten mehrstufig und können Entscheidungen auf Grundlage unvollständiger oder fehlerhafter Informationen treffen. Für Unternehmen ist daher entscheidend, welche Aktionen autonom erfolgen dürfen. Bei Änderungen an produktiven Systemen, der Kommunikation mit Kunden oder dem Umgang mit finanziell relevanten Daten können Freigabeschritte erforderlich sein.

Ein belastbares Betriebsmodell sollte nachvollziehbar machen, wie ein Agent zu einer Aktion gelangt ist. Dazu gehören die verwendeten Eingaben, Modellaufrufe, Tool-Ergebnisse, Zwischenentscheidungen und die letztlich ausgeführte Aktion. Ohne diese Informationen sind Fehleranalyse, Compliance-Prüfungen und die Rekonstruktion eines Vorfalls nur eingeschränkt möglich.

Potenzielle Vorteile einer integrierten Architektur

Managed Agents verbindet mehrere Funktionen, die Unternehmen andernfalls aus unterschiedlichen Diensten zusammensetzen müssten. Dazu gehören die Ausführung des Agenten, der persistente Sitzungszustand, der Tool-Zugriff und die Modellinferenz.

Ein solcher integrierter Ansatz kann die Zahl der Schnittstellen reduzieren. Entwickler müssen möglicherweise weniger eigene Komponenten für Sitzungsverwaltung, Skalierung und kurzfristige Zugangsdaten entwickeln. Für kleinere Teams kann das den Einstieg in agentische Anwendungen erleichtern.

Auch die einheitliche Abrechnung wird von DigitalOcean als Vorteil dargestellt. Ein gemeinsames Cloud-Konto und eine zentrale Plattform können die Zuordnung von Kosten und Ressourcen vereinfachen. Ob dies tatsächlich zu geringeren Gesamtkosten führt, hängt vom Nutzungsmuster, den Modellpreisen, der Tool-Nutzung und der Architektur der Anwendung ab.

Ein weiterer Aspekt ist die Geschwindigkeit beim Start und bei der Wiederaufnahme. DigitalOcean gibt an, dass neue Sitzungen innerhalb weniger Sekunden zu einer ersten Antwort gelangen können. Für interaktive Entwicklungsprozesse und kurzfristige Aufgaben kann eine geringe Startlatenz wichtig sein. Für langfristige Hintergrundprozesse sind hingegen vor allem Zuverlässigkeit, Wiederanlaufverhalten und Observability entscheidend.

Grenzen und offene Punkte der öffentlichen Vorschau

Eine Public Preview ist noch kein uneingeschränkt fertiges Standardprodukt. Unternehmen sollten deshalb vor einer Einführung prüfen, welche Funktionen bereits stabil verfügbar sind und welche Einschränkungen gelten. Dazu gehören etwa regionale Verfügbarkeit, Service-Level, Limits für parallele Sitzungen, Speicherfristen, Supportumfang und Änderungen an den Preisen.

Auch die Leistungsangaben des Anbieters sollten in realistischen Tests überprüft werden. Die tatsächliche Zeit bis zur ersten Antwort hängt unter anderem vom gewählten Modell, der Größe der Sandbox, der Komplexität des Prompts, den verwendeten Tools und der Netzwerkanbindung ab. Gleiches gilt für die Wiederaufnahme einer pausierten Sitzung.

Offen bleibt außerdem, wie sich die Plattform in bestehende Identitäts- und Sicherheitsarchitekturen einfügt. Für B2B-Kunden sind Integrationen in Single-Sign-on-Systeme, Rollenmodelle, Audit-Log-Plattformen, Geheimnisverwaltung und zentrale Monitoring-Werkzeuge häufig entscheidend.

Die Nutzung von mehr als 16.000 Tools kann die Auswahlmöglichkeiten erhöhen, aber auch die Governance erschweren. Ein Unternehmen muss nicht nur entscheiden, welche Werkzeuge technisch verfügbar sind, sondern auch, welche davon für bestimmte Datenklassen und Prozesse zugelassen werden. Ein Katalog mit vielen Integrationen ersetzt keine unternehmensweite Freigabestruktur.

Was Unternehmen vor einem Pilotprojekt prüfen sollten

Für einen belastbaren Einstieg bietet sich ein begrenztes Pilotprojekt an. Dabei sollte der Agent zunächst eine Aufgabe übernehmen, deren Ergebnisse messbar sind und deren Fehler keine irreversiblen Folgen haben. Geeignet können beispielsweise interne Recherche, Dokumentklassifizierung, Testfallgenerierung oder die Vorbereitung von Support-Tickets sein.

Vor dem Start sollten Sie die Ausgangslage dokumentieren. Dazu gehören die bisher benötigte Bearbeitungszeit, die Fehlerquote, die Zahl der beteiligten Systeme und die Kosten des manuellen Prozesses. Nur so lässt sich später beurteilen, ob der Agent einen konkreten operativen Mehrwert erzeugt.

Für die technische und organisatorische Bewertung sind insbesondere folgende Punkte relevant:

- Auswahl und Versionierung des Agenten sowie des zugrunde liegenden Modells - Definition der erlaubten Tools und Aktionen - Trennung von Entwicklungs-, Test- und Produktionsumgebungen - Verwaltung von Zugangsdaten und kurzlebigen Berechtigungen - Protokollierung von Modell- und Tool-Aufrufen - Regelungen für menschliche Freigaben und Eskalationen - Zeit- und Kostenlimits für einzelne Sitzungen - Umgang mit pausierten, verzweigten und archivierten Sitzungen - Löschung oder Aufbewahrung von Gesprächsverläufen und Artefakten - Notfallverfahren bei Fehlverhalten oder Sicherheitsvorfällen

Darüber hinaus sollte die Organisation festlegen, wer für die Ergebnisse eines Agenten verantwortlich ist. Die technische Ausführung kann an einen Cloud-Anbieter ausgelagert werden; die Verantwortung für fachliche Entscheidungen, Datenverarbeitung und interne Prozesse bleibt jedoch beim jeweiligen Unternehmen.

Bedeutung für den Markt der KI-Infrastruktur

Die Einführung von Managed Agents zeigt eine Entwicklung innerhalb des Cloud-Marktes: Anbieter konzentrieren sich nicht mehr ausschließlich auf Rechenleistung, Speicher und Datenbanken, sondern bündeln zunehmend die Infrastrukturkomponenten, die für autonome oder teilautonome KI-Anwendungen erforderlich sind.

Für Entwickler bedeutet dies eine Verschiebung des Abstraktionsniveaus. Statt einzelne virtuelle Maschinen zu verwalten, können sie eine Agentenumgebung mit definierten Eigenschaften anfordern. Der Cloud-Anbieter übernimmt dann Teile des Lebenszyklus, der Skalierung und der Isolation.

Für Unternehmen entsteht dadurch ein Spannungsfeld zwischen Vereinfachung und Abhängigkeit. Eine integrierte Plattform kann die Entwicklungszeit verkürzen und den Betrieb vereinfachen. Gleichzeitig steigt die Bedeutung von Schnittstellen, Datenportabilität und klaren Exit-Strategien. Wer Agenten, Sitzungszustände und Tool-Konfigurationen eng an einen Anbieter bindet, sollte früh prüfen, wie ein Wechsel der Plattform technisch und wirtschaftlich möglich wäre.

Die Plattformstrategie von DigitalOcean verbindet außerdem mehrere Marktsegmente: Coding-Agenten, Workflow-Orchestrierung, Tool-Integration und Modellbereitstellung. Ob sich dieser Ansatz langfristig gegenüber spezialisierten Einzelangeboten durchsetzt, wird unter anderem davon abhängen, wie zuverlässig die Komponenten zusammenspielen und wie transparent die Kosten ausfallen.

Fazit

Mit Managed Agents stellt DigitalOcean eine Plattform für den Betrieb von KI-Agenten in verwalteten und isolierten Laufzeitumgebungen bereit. Die öffentliche Vorschau kombiniert persistente Sitzungen, Pause- und Wiederaufnahmefunktionen, Checkpoints, Tool-Zugriff und die Auswahl aus zahlreichen Modellen.

Der praktische Nutzen liegt vor allem in der Reduzierung eigener Infrastrukturarbeit. Agenten sollen nicht mehr an einen einzelnen Rechner gebunden sein, sondern als fortsetzbare und potenziell skalierbare Prozesse betrieben werden können. Die Unterstützung verschiedener Agenten-Adapter und eigener Sandbox-Templates erweitert den Einsatzbereich über ein einzelnes Coding-Werkzeug hinaus.

Für B2B-Unternehmen ist die Plattform dennoch kein Selbstläufer. Vor einer produktiven Nutzung müssen Berechtigungen, Datenflüsse, Modellwahl, Kosten, Protokollierung und menschliche Kontrollpunkte präzise definiert werden. Besonders bei Agenten, die externe Systeme verändern oder sensible Informationen verarbeiten, sind technische Isolation und zentrale Tool-Verwaltung nur ein Teil der erforderlichen Schutzmaßnahmen.

Die öffentliche Vorschau bietet damit vor allem eine Gelegenheit, agentische Anwendungen unter realistischen Bedingungen zu testen. Entscheidend wird sein, ob sich die versprochene Kombination aus schneller Ausführung, flexibler Modellwahl, kontrolliertem Tool-Zugriff und nutzungsabhängiger Abrechnung in stabilen, transparenten und regulatorisch belastbaren Unternehmensprozessen bewährt.

Bibliografie

1. DigitalOcean: Introducing DigitalOcean Managed Agents: One AI-native stack to power your intelligence. 22. September 2026. https://www.digitalocean.com/blog/managed-agents-public-preview
2. DigitalOcean: Managed Agents. Produktübersicht. https://www.digitalocean.com/products/managed-agents
3. DigitalOcean Documentation: What You Can Build. Zuletzt verifiziert am 21. September 2026. https://docs.digitalocean.com/products/managed-agents/agent-harness-runtime/details/what-you-can-build/
4. DigitalOcean Documentation: Agent Adapters. Zuletzt verifiziert am 21. September 2026. https://docs.digitalocean.com/products/managed-agents/agent-harness-runtime/concepts/agent-adapters/
5. DigitalOcean Documentation: How to Run a LangGraph Agent on Harness Runtime. Zuletzt verifiziert am 21. September 2026. https://docs.digitalocean.com/products/managed-agents/agent-harness-runtime/how-to/run-langgraph-agent/
6. DigitalOcean Documentation: How to Create an Environment Using a Coding Adapter. Zuletzt verifiziert am 21. September 2026. https://docs.digitalocean.com/products/managed-agents/agent-harness-runtime/how-to/create-managed-agent/
7. DigitalOcean Documentation: How to Use a Custom Sandbox Template (BYOT). Zuletzt verifiziert am 21. September 2026. https://docs.digitalocean.com/products/managed-agents/agent-harness-runtime/how-to/use-custom-template/
8. DigitalOcean: Private Preview: DigitalOcean Managed Agents Runtime Services. 25. August 2026. https://www.digitalocean.com/blog/managed-agents-runtime-services-private-preview
9. OpenAI Developers: DigitalOcean als Umgebungsanbieter für die Agents API. https://developers.openai.com/api/docs/guides/agents-api/environments/providers/digitalocean
10. DigitalOcean auf X: Ankündigung der öffentlichen Vorschau von Managed Agents und zugehöriger Thread. 22. September 2026. https://x.com/digitalocean/status/2102414817797550320
11. Longbridge: DigitalOcean Launches Managed Agents, Bringing Agent Execution, Tool Access, and Inference Together on One Cloud. https://longbridge.com/en/news/299786731.md