Claude Managed Agents: Preise, Einschränkungen und selbst gehostete Alternativen
Was Claude Managed Agents bietet, wie viel es pro Sitzungsstunde kostet, wo die Bindung und die Privatsphäreprobleme liegen und wann Open-Source-Tools wie Multica sinnvoller sind.
Welches Problem dieses Produkt löst
Jeder, der bereits einen produktiven KI-Agenten in Betrieb genommen hat, kennt die Checkliste, die vor der eigentlichen Arbeit durchzuführen ist. Der Agent benötigt einen sicheren Ort, um Code auszuführen, damit er den Host nicht beschädigt. Eine zweistündige Aufgabe sollte nicht aufgrund eines kurzen Netzwerkproblems neu starten müssen – wofür Checkpoints erforderlich sind. Die von ihm aufgerufenen Tools benötigen Anmeldeinformationen, die ordnungsgemäß verwaltet werden müssen. Die Berechtigungen müssen so eingeschränkt werden, dass der Agent nur das anfassen kann, was er eigentlich tun soll. Wenn in Schritt 47 von insgesamt 60 etwas fehlschlägt, sollte eine end-to-end-Überwachung zeigen, wo das Problem liegt. Schließlich muss die Infrastruktur auch dann weiterhin funktionieren, wenn 500 Agenten parallel statt nur einer laufen.
Nichts davon ist der unterhaltsame Teil beim Aufbau von Agenten. Es handelt sich dabei um komplexe technische Anpassungen, die Monate in Anspruch nehmen, bis sie richtig funktionieren. Teams, die diese Schritte überspringen, merken in der Praxis oft erst, warum sie notwendig waren. Anthropics Ansatz mit Claude Managed Agents besteht darin, diese gesamte Schicht wegzulassen, damit Entwickler sich auf die Funktionen des Agenten konzentrieren können.
Kurze Zusammenfassung zur öffentlichen Beta vom 8. April 2026: Das Produkt bietet API-Optionen für Agent-Sandboxing, lange Sitzungen, eingeschränkte Berechtigungen, Ausführung von Tools sowie Tracking. Die Abrechnung erfolgt zum üblichen Preis eines Claude-API-Tokens, zuzüglich 0,08 US-Dollar pro Sitzungsstunde. Die Behauptung einer „10-mal schnelleren“ Leistung bezieht sich auf die Geschwindigkeit, mit der Teams entwickeln können, sagt aber nichts über die Qualität des Modells aus. Die Multi-Agent-Koordination und die Selbstbewertung, zwei der größten Verkaufsargumente, sind weiterhin Forschungsvorabversionen, die separat angefordert werden müssen. Teams, die volle Kontrolle bevorzugen, haben Open-Source-Lösungen wie CrewAI, Multica, Cabinet oder eine inhouse zusammengestellte Lösung.
Was es ist und was es nicht ist
Claude Managed Agents ist weder ein neues Modell noch ein no-code-Agent-Builder. Man kann es als eine verwaltete Infrastruktursschicht betrachten: komponierbare APIs zwischen Ihrem Anwendungscode und Claudes Modellen, die die betrieblichen Aufwände beim Skalieren von Agenten übernehmen. Es wird auf der Claude Platform gehostet, und Anthropics Bezeichnung für dessen Kern ist „Agent Harness“. Das bedeutet die Software um ein Modell herum, die es ermöglicht, im Auftrag eines Benutzers zu handeln – einschließlich Tools, Speicher, Kontextverwaltung und Fehlerrückgewinnung.
Die wichtigsten Funktionen lassen sich wie folgt zusammenfassen:
- Agenten laufen in sicheren Sandboxes, wobei Authentifizierung, Tool-Ausführung und Geheimnisse von Anthropic gesteuert werden, sodass niemand Server bereitstellen oder Isolierungscode schreiben muss.
- Sessions können stundenlang unüberwacht laufen und auch bei unterbrochenen Verbindungen weiterarbeiten, sodass eine umfangreiche Forschungsaufgabe ihren Fortschritt und Ergebnisse beibehält, anstatt von vorne anzufangen.
Was die Leistung angeht, so zeigten Anthropics eigene Tests zur Erstellung strukturierter Dateien, dass Managed Agents die Erfolgsrate der Aufgaben im Vergleich zu einem einfachen Prompting-Loop um bis zu 10 Prozentpunkte steigern konnten – wobei die Vorteile bei schwierigeren Aufgaben noch größer waren.
Die Aspekte, die in der Ankündigung unerwähnt bleiben
Zwei Funktionen klingen am beeindruckendsten, sind aber am wenigsten verfügbar. Die erste ist die Koordination mehrerer Agenten, bei der ein Agent gestartet wird und andere anleitet, die Arbeit zu parallelisieren. Berichten zufolge verwendet Notion diese Funktion, um gleichzeitig Dutzende von Aufgaben auszuführen. Allerdings muss hierfür eine Anfrage gestellt werden, und sie ist nicht Teil der Standard-Öffentlichen Beta-Version. Die zweite Funktion ist die Selbstbewertung: Ein Agent definiert Ergebnisse und Erfolgskriterien, bewertet anschließend seine eigenen Ausgaben und iteriert, bis die Kriterien erfüllt sind. Dies ermöglicht eine weitaus autonomere Funktionsweise, ist jedoch ebenfalls nur als Forschungs-Vorabversion verfügbar. Jeder, der auf diese Funktionen setzt, sollte mit Zeitplanunsicherheiten rechnen, da „Forschungs-Vorabversion“ bedeutet, dass sich Dinge ändern können.
Kosten
Alle Modell-Inferenzen werden zu den üblichen Token-Preisen der Claude Platform abgerechnet. Darüber hinaus entstehen für den aktiven Agentenbetrieb Kosten in Höhe von 0,08 Dollar pro Sitzungsstunde. Für einen einzelnen Agenten bei einer einstündigen Aufgabe sind das acht Cent an Zusatzkosten. Bei 500 gleichzeitig laufenden Agenten betragen die Sitzungskosten 40 Dollar pro Stunde, noch bevor die Inferenzkosten hinzukommen. In großem Maßstab summieren sich diese Kosten schnell. Ein System mit 24 Agenten, die jeweils acht Stunden pro Tag arbeiten, verursacht allein durch die Sitzungskosten 15,36 Dollar pro Tag.
Einzelne Entwickler, kleine Unternehmen und Start-ups sollten die Kosten sorgfältig durchrechnen, bevor sie sich entscheiden. Sofern eine Organisation nicht sehr groß ist, ist es in der Regel günstiger, den Stack selbst zu verwalten, und es gibt keinen kostenlosen Tarif speziell für Managed Agents. Zu einem bestimmten Zeitpunkt ist es sinnvoll zu prüfen, ob ein Ingenieur, der sich darum kümmert, günstiger wäre – insbesondere wenn die Kundeneinnahmen die Rechnung nicht ausgleichen.
Was es gut kann
- Das Infrastrukturproblem ist tatsächlich sehr schwierig, und Teams, die von Grund auf sandbox-basierte, langlaufende, beobachtbare Agenten entwickeln, unterschätzen es in der Regel. Hier erhält man sofort eine funktionierende Version dieses Stack.
- Die Beobachtbarkeit ist hervorragend. Das Tracking, die Analytik sowie das Fehlerbeheben in der Konsole sind besser als die manuelle Auswertung von Logs in den meisten selbstgebauten Systemen.
- Weil Anthropic sowohl das Modell als auch die zugehörige Infrastruktur entwickelt, können beide gemeinsam angepasst werden. Der 10-prozentige Vorteil gegenüber herkömmlichem Prompting resultiert aus speziell für Claude entwickelten Prompting-Strategien, Kontextverwaltungsmechanismen sowie Fehlerbehebungsverfahren.
- Die CLI verändert den Ansatz bei der Bereitstellung. Versionierte Agenten mit Umgebungswechselfunktionen sind etwas, das nur wenige Teams selbst erstellt haben; daher hilft es enorm, dass diese Funktion bereits standardmäßig verfügbar ist.
Die Nachteile
Managed Agents funktioniert nur mit Claude. GPT-5, Gemini, Kimi K2 und DeepSeek können nicht in dieses System integriert werden. Ein Team, das seinen Produktionsworkflow darauf stützt und anschließend mit Preisänderungen, Änderungen im Modellzugang oder entfernten Funktionen konfrontiert wird, stellt fest, dass ein Wechsel kostspielig ist. Es gibt ein altes Sprichwort über das Anbinden einer Ziege an einen einzigen Baum: Sobald die Blätter aufgebraucht sind, hungert die Ziege. Das Risiko ist real. Anthropic hat kürzlich den Zugang zu den Claude Pro- und Max-Abonnements für Drittanbieter-Tools eingestellt und entwicklerseitig auf API-Preise gelenkt; eine Infrastruktur-Verankerung führt zu derselben Art von Abhängigkeit. Eine tiefe Bindung an die Infrastruktur, Modelle und Tools eines einzigen Anbieters erfordert Vorsicht.
Die Funktionen, die das Produkt am mächtigsten erscheinen lassen – nämlich die Koordination mehrerer Agenten sowie die Selbstbewertung – sind nicht im öffentlichen Beta-Version enthalten. Ein Anwendungsfall, der von autonomem, mehragentigem Parallelbetrieb abhängt, kann daher noch nicht in Kürze verfügbar gemacht werden.
Eine weitere Sorge ist die Datenoffenlegung. Ein Agent in Anthropics Cloud verarbeitet alles, was ihm zugeführt wird. Bei rechtlichen Dokumenten, Finanzunterlagen, proprietärem Code oder Patientendaten läuft jeder Tool-Aufruf sowie jede Entscheidung über die Infrastruktur eines Dritten. Anthropics Unternehmensversion bietet Vertraulichkeitsgarantien, doch ob besonders sensible Betriebsdaten über die Cloud eines Dritten gesendet werden sollten, ist eine eigene Frage. In Entwicklerforen wird oft der Begriff „Sicherheits-Albtraum“ verwendet, wenn Agenten Zugang zu echten Systemen erhalten. Für Organisationen, die bereits alles auf Claude laufen lassen, mag diese Sorge geringer sein.
Zuletzt wirkt die Gebühr von 0,08 Dollar günstig – solange keine langen Aufgaben ausgeführt werden. Berechnen Sie daher die Kosten im Voraus, bevor Sie sich anmelden.
Open-Source- und selbst gehostete Alternativen
Managed Agents eignet sich gut für Teams, die schnell Ergebnisse liefern und keine eigene Infrastruktur betreiben möchten. Es ist jedoch nicht der einzige Weg. Wer Wahlmöglichkeiten bei den Modellen, Kontrolle über die Daten oder niedrigere Kosten in großem Maßstab benötigt, kann den Stack selbst aufbauen oder Community-Projekte nutzen. Mehrere Frameworks verdienen im Jahr 2026 eine Betrachtung, darunter zwei Open-Source-Projekte, die als Community-Alternativen zu Managed-Agent-Infrastrukturen entwickelt wurden.
Multica
Unter den Open-Source-Optionen kommt Multica am nächsten an das heran, was Managed Agents in Bezug auf Infrastruktur bietet. Es behandelt die Code-Agenten wie Teamkollegen: Aufgaben werden ihnen zugeteilt, ähnlich wie ein GitHub-Issue an einen Kollegen geschickt wird, zusammen mit Statusverfolgung, Berichten über Blockierungen sowie Fähigkeiten, die das gesamte Team wiederverwenden kann.
Ihr Funktionsumfang sieht wie folgt aus:
- Ein vollständiger Aufgabenzyklus (Einschub, Übernahme, Start, Abschluss oder Fehler) mit Echtzeit-Progress-Übertragung über WebSockets
Die Technologiebasis besteht aus einem Go-Backend mit einer TypeScript- und Next.js-Frontend-Schicht sowie PostgreSQL 17 mit pgvector. Sie funktioniert mit Claude Code, OpenAI Codex, OpenClaw und OpenCode und ist von vornherein anbieterunabhängig konzipiert.
Neben den Managed Agents verfügt es weder über Sandboxing auf Container-Ebene mit Isolierung von Zugangsdatenverwahrstätten noch über eine Tool-Call-Tracking-Funktion, die der von Claude Console entspricht. Es orchestriert Aufgaben auf Basis vorhandener CLIs und ist keine Recheninfrastruktur; daher werden tiefe Isolierungsanforderungen wie Zugangsdatenverwahrstätten oder Netzwerkbeschränkungen pro Ausführung nicht standardmäßig unterstützt. Es zeichnet sich durch Unterstützung mehrerer Modelle, vollständige Selbsthosting-Möglichkeiten, eine verbesserte Zusammenarbeitsfunktion mit Kanban-Tabellen, Agentenprofilen und gemeinsamen Fähigkeiten sowie keiner Abhängigkeit von einem Anbieter aus. Das Selbsthosting kostet nichts.
Die Installation mit Homebrew oder das Selbsthosting über Docker Compose beginnt mit einem „tap“-Befehl und anschließendem Installationsbefehl.
brew tap multica-ai/tap && brew install multica
# Or self-host via Docker Compose
Cabinet
Cabinet betrachtet die Dinge aus einer anderen Perspektive. Es handelt sich um ein Open-Source „Startup-OS“, in dem KI-Agenten gemeinsam mit Menschen anhand einer dauerhaften Wissensbasis arbeiten. Notion und Obsidian sind seine natürlichen Konkurrenten – mehr als Managed Agents – doch Teams, die eine zuverlässige Agentenerinnerung sowie geplante wiederkehrende Aufgaben benötigen, erhalten Funktionen, die Managed Agents nicht bietet.
Die Technologiebasis besteht aus TypeScript mit Next.js 16, einem Node.js-Backend sowie dem node-cron-Scheduler, und die Einrichtung erfordert nur einen einzigen Befehl.
npx create-cabinet@latest
Es unterstützt die Claude Code- und Codex-CLI sowie OpenCode und folgt damit der Philosophie „Bring-your-own-AI“. Im Vergleich zu Managed Agents verfügt es weder über einen Rechensandbox noch über eine eigene Ausführungsebene – die Ausführung wird stattdessen direkt von Claude Code oder Codex lokal übernommen. Zudem fehlen ihm Überwachungsmöglichkeiten für Toolaufrufe, Credential-Vaults sowie dauerhafte Serverseitensitzungen; die Agenten laufen nur solange, wie der Rechner des Benutzers eingeschaltet ist. Eine gehostete Version befindet sich derzeit auf einer Warteliste. Seine Stärke liegt in der persistenten Wissensbasis in Kombination mit geplanten, wiederkehrenden Agentenaufgaben. Teams, die möchten, dass ihre Agenten Wissen aufbauen, nächtliche Zusammenfassungen erstellen oder ein aktives Unternehmens-Wiki pflegen, erhalten damit etwas wirklich Einzigartiges: eine selbst gehostete Lösung unter MIT-Lizenz, die kostenlos genutzt werden kann.
CrewAI
CrewAI richtet sich an mehrere Agententeams. Ein Team besteht aus spezialisierten Agenten – beispielsweise einem Forscher, einem Schreiber und einem Analysten – die gemeinsam an Aufgaben arbeiten. Es ist einfach zu starten, bietet jedoch weniger feine Steuerungsmöglichkeiten. CrewAI basiert auf LiteLLM und ist daher standardmäßig modellunabhängig; die Hosted-Version bedeutet außerdem, dass Sie sich keine Sorgen um die Infrastruktur machen müssen.
Eine selbst gehostete Lösung, die ganz Ihnen gehört
Eine Produktionsumgebung, die Sie von Anfang bis Ende kontrollieren, könnte folgende Komponenten kombinieren:
- Orchestrierung über LangGraph, das OpenAI Agents SDK oder das Vercel agents SDK
- Aufgabenverwaltung mit Multica, falls die Teamkoordination und das Kanban-Prinzip wichtig sind
- Persistente Agentenerinnerung mit Cabinet
- Ausführung in Ihrem eigenen Cloud-Konto (AWS, GCP oder Azure) innerhalb einer VPC
- Überwachungsmöglichkeiten durch LangSmith, Langfuse oder Prometheus
Jede Schicht gehört Ihnen, Sie zahlen nur für das, was Sie nutzen, und können zwischen Modellen wechseln.
Agenten benötigen weiterhin Daten und Suchfunktionen
Die meisten Diskussionen zur Agent-Infrastruktur übersehen dies. Gemanagte Agenten sowie alle selbst gehosteten Alternativen stellen die Ausführungsschicht bereit – also wie ein Agent arbeitet. Sie bestimmen jedoch nicht, auf welche Daten der Agent zugreifen kann. Agenten, die echte Arbeit leisten, wie beispielsweise Finanzforschung, biomedizinische Analyse, Aktienanalyse oder Wettbewerbsanalyse, nutzen selten nur interne Datenbanken. Oft benötigen sie Web-Suchen oder tiefgehende Recherchen zu bestimmten Themen.
Ein Kodierungsagent kann ausschließlich mit lokalen Dateien arbeiten. Ein Forschungsagent, der SEC-Berichte, klinische Studien, Patente sowie Gewinnmitteilungen miteinander abgleicht, muss schließlich drei bis fünf APIs mit inkompatiblen Formaten und Authentifizierungsmechanismen aufrufen. Das ist das Datenproblem. Eine Möglichkeit, es zu vereinfachen, besteht darin, einen einzigen Suchendpunkt zu verwenden, der sowohl Websuche als auch spezialisierte Quellen wie SEC-Berichte, PubMed, klinische Studien und Aktienkurse abdeckt und strukturierte, normalisierte Ergebnisse zurückgibt, die von den Agenten genutzt werden können. Die Anbindung eines solchen Services als Tool erfordert nur wenige Zeilen Code, sei es in Managed Agents oder bei einer selbst gehosteten Installation.
import { Valyu } from "valyu-js";
const valyu = new Valyu();
// Short snippets
const response = await valyu.search({
query: "renewable energy trends",
responseLength: "short",
maxNumResults: 10,
});
// Full content
const response2 = await valyu.search({
query: "financial market analysis",
responseLength: "max",
maxNumResults: 3,
});
// Custom limit
const response3 = await valyu.search({
query: "Meta-analyses of immunotherapy efficacy in lung cancer",
responseLength: 5000,
maxNumResults: 5,
});
Infrastruktur und Daten sind getrennte Probleme – die Behebung eines beeinflusst das andere nicht.
Auswahl zwischen verwalteter und selbsthostierter Lösung
Verwaltete Agenten eignen sich, wenn:
- Es Priorität hat, einen Produktionsagenten innerhalb weniger Tage statt Monate bereitzustellen
- Das Team zu klein ist, um eigene Agenten-Infrastruktur zu betreiben
- Claude als Modell gewählt wurde und Flexibilität nicht benötigt wird
- Der Anwendungsfall den frühen Kunden ähnelt: Produktivitäts-, Programmier- oder Dokumentverarbeitungsagenten
- Öffentliche Beta-Beschränkungen sowie gewisse Instabilitäten in Ordnung sind
Selbsthosting eignet sich, wenn:
- Verschiedene Aufgaben die Kombination von Claude, GPT-5 und Open-Source-Modellen erfordern
- Datenschutzanforderungen die Agentenlasten in der eigenen Infrastruktur halten
- Die Menge an Anfragen so hoch ist, dass 0,08 Dollar pro Sitzungsstunde eine Rolle spielen
- Forschungs- und Vorabfunktionen stabil und sofort verfügbar sein müssen
Multica eignet sich für Teams, die Agenten als Kollegen möchten, mit Fähigkeitsaustausch und Kanban-Systemen sowie Flexibilität bei mehreren Modellen und Selbsthosting. Cabinet ist geeignet für Teams, die eine dauerhafte Agentenmemorie sowie geplante, wiederkehrende Aufgaben benötigen, bei denen die Agenten Wissen anhäufen und nach einem Zeitplan statt auf Anfrage arbeiten. Es ist außerdem wahrscheinlich, dass weitere Plattformanbieter, darunter Cloudflare, konkurrenzfähige Angebote veröffentlichen werden, was der Community zugutekommen würde.
Häufige Fragen
Was sind Claude Managed Agents?
Anthropics verwalteter Infrastrukturdienst für KI-Agenten, der eine Ausführungsumgebung bereitstellt: Sandboxing, lange Sitzungen, eingeschränkte Berechtigungen, Ausführung von Tools sowie Überwachungsfunktionen. Die öffentliche Beta begann am 8. April 2026, und Entwickler können das Verhalten der Agenten beschreiben, ohne irgendeine zugrundeliegende Infrastruktur erstellen zu müssen.
Wie viel kostet es?
Die Inferenzkosten entsprechen den üblichen Token-Preisen der Claude Platform, zuzüglich 0,08 US-Dollar pro Sitzungsstunde während der aktiven Ausführung. Für Managed Agents gibt es keine feste monatliche Gebühr, sodass die Kosten der Nutzung entsprechen.
Ist es für alle zugänglich?
Nicht ganz. Die Kernfunktionen wie lange Sitzungen, Sandboxing und Governance sind in der öffentlichen Beta auf der Claude Platform verfügbar, während die Koordination mehrerer Agenten sowie die Selbstbewertung noch im Forschungsstatus sind und einen separaten Zugangsantrag erfordern.
Welche sind die wichtigsten Open-Source-Alternativen?
Multica kommt am nächsten: eine selbst gehostete Plattform, die den Lebenszyklus der Aufgaben verwalten kann, mit parallelen Agenten und Unterstützung für mehrere Modelle. Cabinet kümmert sich um verwandte Anforderungen wie persistente Speicherung und terminierte, wiederkehrende Aufgaben. LangGraph, das OpenAI Agents SDK sowie CrewAI sind ebenfalls ausgereifte Optionen.
Wie ernst ist das Lock-in-Risiko?
Das Framework läuft nur mit Claude-Modellen. Jeder, der darauf Produktivitätsworkflows aufbaut und später ein anderes Modell oder eine geringere Abhängigkeit vom Cloud-Service von Anthropic wünscht, müsste die Orchestrierungsschicht neu aufbauen. Selbst gehostete Frameworks wie Multica vermeiden das, indem sie mehrere Modellanbieter unterstützen.
Wie wird mit der Datensicherheit umgegangen?
Die Agenten laufen auf Anthropics Cloud, was bedeutet, dass alle verarbeiteten Daten sowie Eingaben und Ausgaben der Tools durch Anthropics Systeme fließen. Unternehmenskonten verfügen über vertragliche Datenschutzmaßnahmen, doch die Arbeitslast ist nicht vollständig abgeschirmt. Sehr sensible Aufgaben erhalten eine stärkere Isolation durch die Bereitstellung innerhalb Ihrer eigenen VPC mithilfe von Multica, Cabinet oder CrewAI.
Können Agenten externe Daten wie SEC-Berichte oder PubMed nutzen?
Ja, jede API kann als Tool hinzugefügt werden. Die Agenten können auf externe APIs zugreifen, einschließlich spezialisierter Quellen für Finanz-, Biomedizin- oder akademische Forschung. Authentifizierung und isolierte Ausführung werden von der Infrastruktur übernommen, während Sie die Tools auswählen, die der Agent verwenden darf. Ein Suchdienst, der über einen einzigen Endpunkt normierten Zugriff auf Web-Ergebnisse und spezialisierte Quellen bietet, eignet sich hier hervorragend.