Was die geplante Portkey-Übernahme durch Palo Alto richtig macht – und was Unternehmen noch klären müssen

Unternehmen haben KI in der Produktion eingeführt: Agenten laufen, Workflows sind live und Demos sind erfolgreich. Doch hinter dieser Dynamik baut sich still und leise ein Sicherheitsproblem auf. Wer greift auf welche Modelle zu? Welche Daten fließen durch diese Systeme? Gibt es wirksame Schutzmechanismen? Für die meisten Unternehmen lautet die ehrliche Antwort: nicht vollständig.

Genau diese Lücke macht die geplante Übernahme von Portkey durch Palo Alto Networks zu einem logischen Schritt. Portkey fungiert als Schnittstelle zwischen Unternehmensanwendungen und LLM-Anbietern wie OpenAI, Anthropic und Mistral und übernimmt Routing, Failover, Caching, Kostenverfolgung und Observability. Unter dem Dach von Palo Alto würde diese Funktionalität durch eine Sicherheits- und Governance-Linse gefiltert – mit Zugriffskontrollen, Schutzmechanismen und Transparenz darüber, welche Modelle von wem genutzt werden. Für ein Cybersicherheitsunternehmen ist das eine natürliche und strategische Erweiterung. Doch die wichtigere Geschichte ist, was dies über die Zukunft der KI-Infrastruktur in Unternehmen aussagt.Maschinelles Lernen & Künstliche Intelligenz

Die Infrastrukturlücke, vor der niemand gewarnt hat

In den letzten zwei Jahren haben Unternehmen bei der KI schnell gehandelt. Copilots, KI-Agenten und LLM-gestützte Workflows sind heute fester Bestandteil der Unternehmensproduktion. Doch der rasante Fortschritt auf Anwendungsebene geht zulasten einer robusten unterstützenden Infrastruktur.

Das Ergebnis? Teams betreiben KI in der Produktion mit begrenztem Einblick in das Verhalten der Agenten. Daten aus der „Enterprise AI“-Studie 2026 von TrueFoundry zeigen, dass bei über 75 % der Teams eine einheitliche Protokollierung über ihre Modelle und Agenten-Workflows hinweg fehlt. Mehr als 40 % sehen KI-Kosten erst nach der Nutzung – ohne Echtzeit-Warnungen oder Budgetkontrollen. Und 83 % berichten von Token-Amplification, bei der eine Aufgabe, die eigentlich 1.000 Token verbrauchen sollte, durch Agenten-Aufrufketten am Ende 8.000 oder mehr verbraucht. Latenzspitzen sind schwer zu diagnostizieren, und die Ursachenforschung bei Fehlern erfordert oft einen technischen Aufwand, der das ursprüngliche Problem noch verschärft.

Was ein KI-Gateway tatsächlich leistet

Ein KI-Gateway ist eine Steuerungsebene zwischen Unternehmensanwendungen und den großen Sprachmodellen, die sie antreiben. Anstatt dass Anwendungen Anbieter wie OpenAI oder Anthropic direkt aufrufen, fließen die Anfragen durch das Gateway, das Routing, Observability, Zuverlässigkeit und Kostenmanagement zentral an einem Ort bündelt.

Wenn ein Anbieter verzögert oder ausfällt, leitet das Gateway den Datenverkehr um. Bei Kostensteigerungen können Teams die Ursachen in Echtzeit lokalisieren. Unerwartetes Prompt-Verhalten liefert vollständige Trace-Logs zur Untersuchung. Das Testen eines neuen Modells erfordert kein erneutes Deployment der Anwendungen.Software

Für Teams, die mehrere KI-Funktionen verwalten, wird diese Infrastruktur schnell unverzichtbar. Ohne sie gibt es keinen zentralen Punkt für Richtlinien, keine einheitliche Sicht auf die KI-Stack-Aktivitäten und keine saubere Möglichkeit, Kosten zuzuordnen oder Vorfälle zu untersuchen.

KI-Gateways bieten weit mehr als nur Sicherheit

Sicherheit und Governance sind eine entscheidende Dimension dessen, was ein Gateway bietet, und ein legitimer Grund, warum der Schritt von Palo Alto strategisch sinnvoll ist. Unternehmen benötigen jedoch auch Kostenkontrollen, Leistungsüberwachung, Anbieterflexibilität, Daten-Governance und Modell-Routing, einschließlich der Unterstützung für private und Open-Source-Optionen. Gateways, die primär auf Sicherheit ausgelegt sind, zwingen IT- und Engineering-Teams dazu, mehrere Tools zusammenzustückeln, um die Lücken zu füllen.

• Mehr erfahren
• Datenmanagement
• Cloud-Speicher
• Software
• Computersicherheit
• Maschinelles Lernen & Künstliche Intelligenz

Die Branche erkennt dies zunehmend. Laut Gartners „Market Guide for AI Gateways“ von 2025 werden bis 2028 70 % der Software-Engineering-Teams, die multimodale Anwendungen entwickeln, KI-Gateways nutzen, um die Zuverlässigkeit zu verbessern und Kosten zu optimieren – nicht nur aus Sicherheitsgründen. Gartner definiert ein KI-Gateway als eine Technologie, die „als Vermittler zwischen Anwendungen und verschiedenen KI-Diensten oder -Modellen fungiert“ und eine zentrale Steuerungsebene zur Sicherung, Verwaltung und Überwachung von KI-Workloads bietet. Dieser Anwendungsbereich ist bewusst breit gefasst.

Unternehmen, die dies richtig angehen, betrachten das KI-Gateway als grundlegende Infrastruktur und nicht als Sicherheits-Add-on oder nachträgliche Ergänzung. Sie integrieren es von Anfang an in den Stack, genau wie ein API-Gateway oder ein Service Mesh, und erweitern ihre Tool-Landschaft darauf aufbauend, nicht umgekehrt.

Wichtige Fragen vor der Entwicklung oder Anschaffung

Für Unternehmensteams, die verschiedene AI-Gateway-Optionen prüfen oder entscheiden müssen, ob sie überhaupt eines benötigen, sind folgende Fragen entscheidend:

• Haben wir einen vollständigen Überblick über jeden LLM-Aufruf in der Produktion, einschließlich Kosten und Latenzzeiten?
• Können wir den Datenverkehr umleiten, falls ein Anbieter ausfällt oder zu teuer wird?
• Sind wir flexibel genug, um sowohl kommerzielle APIs als auch selbst gehostete Modelle zu nutzen?
• Wohin fließen sensible Daten und wer hat die Kontrolle darüber?

Wenn die ehrliche Antwort auf eine dieser Fragen „eher nicht“ lautet, besteht eine infrastrukturelle Lücke, die geschlossen werden sollte. Da sich KI von experimentellen Projekten zu zentralen Produktfunktionen entwickelt, steigen die Kosten für das Ignorieren dieser Lücke stetig an.

Die geplante Übernahme von Portkey durch Palo Alto markiert einen Wendepunkt: AI-Gateways werden zunehmend als unverzichtbare Unternehmensinfrastruktur anerkannt. Die Frage ist nun, wie umfassend Unternehmen darauf aufbauen werden.

Über TrueFoundry:

TrueFoundry bietet ein AI-Gateway auf Unternehmensniveau, das ein LLM-Gateway, ein MCP-Gateway und ein Agent-Gateway umfasst. Es ermöglicht Unternehmen, den Zugriff auf Modelle, Tools, Guardrails und Agenten sicher zu verbinden, zu überwachen und zu steuern – alles über eine zentrale Steuerungsebene. Das AI-Gateway ermöglicht agentenbasierte Workloads, die durch einheitliche und kombinierbare Verbindungen über verschiedene Anbieter hinweg sicher, effizient und zukunftssicher sind.

Über die Gateway-Ebene hinaus ermöglicht TrueFoundry Unternehmen das Bereitstellen und Trainieren eigener LLMs auf GPUs, das Hosten von MCP-Servern und das Ausführen individueller Agenten – alles über eine Kubernetes-native Schnittstelle. Es unterstützt On-Premise- und VPC-Installationen sowohl für das AI-Gateway als auch für die Bereitstellungsumgebungen. TrueFoundry gewährleistet Compliance auf Unternehmensniveau gemäß SOC 2, HIPAA und ITAR. Mit integriertem Autoscaling, Caching und Ressourcenoptimierung unterstützt TrueFoundry Unternehmen dabei, KI-Systeme sicher, effizient und auf einem zukunftssicheren Stack zu entwickeln, bereitzustellen und zu verwalten. Weitere Informationen finden Sie unter truefoundry.com