SAN FRANCISCO / LONDON (IT BOLTWISE) – Auf dem Dreamforce-Gipfel prägte die Frage nach KI-Sicherheit die Bühne, doch im Alltag dominierten Bedenken zur Umsetzbarkeit. Mehrere Unternehmensvertreter argumentierten, dass bereits ältere und günstigere KI-Modelle für Sales- und Customer-Service-Prozesse ausreichen. Gleichzeitig verschiebt sich der Fokus weg von reinen Frontier-Fähigkeiten hin zu Agenten-Workflows, Modellrouting und einer tokenbasierten Kostenrechnung. Für viele Teams zählt deshalb weniger der neueste Hype als die Frage, welches Modell pro Aufgabe wirklich den besten Kosten-Nutzen liefert.
Auf Dreamforce 2026 in San Francisco wurde der KI-Sicherheitsdiskurs zwar prominent in den Keynotes verhandelt, aber die Tonlage im Publikum war auffällig pragmatisch: Viele Teilnehmer sagten, sie kämen mit der Nutzung dessen, was bereits verfügbar ist, kaum hinterher. Der Grund ist weniger eine fehlende Vision als eine alltägliche Umsetzungshürde. Während in der Debatte um „frontier“ KI die Geschwindigkeit der Modellentwicklung im Mittelpunkt stand, berichteten Führungskräfte aus dem Salesforce-Ökosystem, dass die konkrete Integration in Vertriebs- und Serviceprozesse erst noch konsolidiert wird. Genau dort traf die Diskussion auf die Realität: Wer heute Agenten und Assistenzfunktionen ausrollt, muss nicht nur Modelle auswählen, sondern auch Workflows, Datenzugriff und Kostensteuerung gleichzeitig in den Griff bekommen.
Inhaltlich setzte die Veranstaltung die bekannten Leitlinien fort, nur mit anderer Gewichtung. Laut Aussagen auf der Bühne drängte NVIDIA-Chef Jensen Huang die „frontier labs“, schnell voranzugehen; gleichzeitig hatten Vertreter wie Anthropic-Geschäftsführer Dario Amodei und OpenAI-Chef Sam Altman Initiativen für mehr Sicherheitsarbeit und teils eine langsamere Entwicklung angestoßen. Abseits der Mikrofone zeigte sich jedoch, dass das Publikum weniger über Existenzszenarien sprach, sondern über Lücken im Tagesgeschäft. Alec Bronston, Senior Director bei der auf Retail-Daten spezialisierten Firma Spins, brachte den Punkt auf den Kern: Das Tempo der Modellwelt ist hoch genug, um bereits genug Lern- und Umstellungsarbeit zu verursachen. Für viele Teams klang eine mögliche Verlangsamung deshalb eher nach Chance, „aufzuholen“, statt nach Bremsmanöver in einer technologischen Wettfahrt.
Die wirtschaftliche Einordnung fiel auf Dreamforce zusätzlich deshalb leicht, weil die Unternehmen bereits erste Nutzenbilder in laufenden Systemen sehen. Mehrere Konferenzteilnehmer verwiesen darauf, dass ältere und damit oft günstigere Modelle für „everyday“-Sales und Customer Service nicht nur funktionieren, sondern bereits den Großteil der Anforderungen abdecken. Jaya Rohit Vuyyuru von SummitX beschrieb eine typische Einführungsphase: Viele Kunden seien weiterhin „getting their feet wet“ und näherten sich schrittweise dem Punkt, an dem Agenten in echten Abläufen nachweisbar helfen. Gleichzeitig wächst die Heterogenität der Modelllandschaft: Teams prüfen je nach Datenlage, Latenzanforderung und Sicherheitsprofil, ob sie bei Anthropic oder OpenAI bleiben oder ob sie auf günstigere Open-Source-Alternativen ausweichen. Diese Gemengelage macht den Markt in der Praxis weniger zu einem Entweder-oder zwischen Frontier-Modellen, sondern zu einem Portfolio-Entscheid entlang der Workload-Klassen.
Technisch wurde diese Portfolio-Logik besonders greifbar, als Dreamforce-Gäste über Agentforce-nahe Implementierungen sprachen. Salesforce unterstützt Agenten so, dass nicht zwingend jedes einzelne Agenten-Outcome von einem neuesten Frontier-Modell abhängt. Laut einer Supportbeschreibung nutzt Salesforce für Agentenbots je nach Szenario nicht ausschließlich die jeweils „cutting-edge“ Varianten, sondern kann auch mit Modellen arbeiten, die eine Generation älter sind. Tim Sanders von G2 formulierte das inhaltlich pointiert: Die meisten agentischen Ergebnisse würden nicht durch die allerhöchste Frontier-Leistung bestimmt, sondern durch die Fähigkeiten der zuletzt eingesetzten Generation. Kevin Lee, Chief Technology Officer bei Nice, äußerte sich ähnlich und betonte, dass Nice für die meisten Workloads nicht auf besonders teure Spitzenmodelle wie „Fable“ setzen müsse. Für Produkt- und Architekturteams bedeutet das: Entscheidend wird, wie gut die Pipeline die richtige Modellstufe zur richtigen Aufgabe routet, statt ob das eingesetzte Modell im Benchmark ganz oben steht.
Der Blick auf Kosten- und Betriebsmodelle führte direkt zur Frage, wie Token-Ökonomie und Modellkosten die klassische SaaS-Logik verdrängen. Nice-Chef Tim Sanders machte deutlich, dass Softwareanbieter in eine Welt rutschen, in der Kosten stärker variieren: Kunden zahlen stärker nach Nutzung und nach den Outputs, die sie anfordern. Das verändert die GuV-Struktur, weil SaaS in der Vergangenheit oft keine variablen Bereitstellungskosten als dominanten Faktor hatte. Laut Sanders kann der Wechsel von einem typischen SaaS-Ansatz zu agentischen Modellen die Bruttomargen spürbar drücken, von über 85% Richtung näher an 45%. In der Praxis heißt das: Architekturentscheidungen wie Prompt-Optimierung, Caching, Retrieval-Strategien und eben Modellrouting sind nicht mehr „nice to have“, sondern zentral für die Wirtschaftlichkeit eines Agentenprodukts.
Genau dort setzt Docusign im Rahmen von Dreamforce an. CEO Allan Thygesen erklärte, dass das Unternehmen sowohl „big frontier models“ als auch Open-Weight-Modelle einsetzt. Die Logik dahinter wird in den Worten „cost-effective“ konkret: Laut Beschreibung auf der Docusign-Website werden größere Frontier-Modelle für Aufgaben reserviert, bei denen Urteilsbildung und mehrstufiges Denken wertvoll sind, etwa komplexe Klauselanalyse, Multi-Dokument-Reasoning oder Zusammenfassungen, bei denen die allgemeine Denkfähigkeit die höheren Kosten pro Anfrage rechtfertigt. Der Rest läuft eher auf Open-Weight-Modellen, die sich herunterladen und in eigener Infrastruktur betreiben lassen. Thygesen nannte dafür Modellrouting als Methode, bei der jede Anfrage zur kostengünstigsten geeigneten KI-Lösung geleitet wird. Damit entsteht eine klare technische Linie: Agenten brauchen keine einzige „Allzweck-Instanz“, sondern ein Orchestrierungsmodell, das pro Anfrage unterscheidet.
Neben der Architekturfrage zeigte Dreamforce auch, wie schnell sich die Tooling-Landschaft rund um Modellverfügbarkeit und Updates verändert. Ram Reddy, Technologieverantwortlicher für Consumer Industries bei Nagarro, beschrieb einen deutlich konservativeren Rollout-Rhythmus: Teams dort warteten etwa drei Monate, bevor sie die neuesten Modelle der Labore einbinden. Andere Firmen verfolgen aggressivere Strategien, etwa indem sie leistungsfähige Modelle früh in einen Entwickler-Workflow geben. Databricks stellte im Kontext der Veranstaltung GPT-6 Astra für seine rund 3.500 Entwickler bereit; Engineering Vice President Patrick Wendell verwies dabei darauf, dass Astra frühere Top-Modelle auf hochkomplexen Aufgaben übertreffe. Für Unternehmen klingt das wie zwei parallele Geschwindigkeiten: Innovation entsteht durch frühe Tests, Stabilität durch kontrollierte Einführungszyklen und systematisches Routing über unterschiedliche Modellklassen hinweg.
In Summe zeigte Dreamforce 2026 damit eine Verschiebung, die über die Bühne hinaus in den Alltag der Softwarehäuser wirkt. Der KI-Sicherheitsdiskurs bleibt wichtig, aber die operative Realität ist: Wer Agenten produktiv betreibt, gewinnt nicht allein durch das neueste Frontier-Modell, sondern durch die Fähigkeit, Workloads sauber zu klassifizieren, die Kosten pro Token zu beherrschen und die Antworten an die Erwartungen der Fachanwender anzupassen. Genau deshalb wirken Aussagen aus dem Ökosystem plausibel, wonach „frontier“ Leistung zwar beeindruckt, aber in vielen Sales- und Service-Szenarien nur einen Teil des Gesamtwerts ausmacht. Für IT-Entscheider heißt das: Die nächsten Investitionsrunden werden vermutlich stärker in Observability, Modellrouting und in die Auswertung agentischer Outcomes fließen als in die reine Beschaffung des jeweils teuersten Modells. Damit entscheidet sich der Wettbewerb zunehmend nicht am Benchmark, sondern an der Engineering-Disziplin, die aus KI-Anfragen verlässliche, bezahlbare Prozesse macht.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Dreamforce 2026: Warum Unternehmen eher auf ältere KI-Modelle setzen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Dreamforce 2026: Warum Unternehmen eher auf ältere KI-Modelle setzen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Dreamforce 2026: Warum Unternehmen eher auf ältere KI-Modelle setzen« bei Google Deutschland suchen, bei Bing oder Google News!