Hinweis: Preise und Features können sich seit der Veröffentlichung geändert haben. Aktuelle Details findest du in der Dokumentation der jeweiligen Anbieter
Die beste Infrastruktur für KI-Agenten im Hintergrund hängt von der anspruchsvollsten Anforderung des jeweiligen Agenten ab: der Wiederherstellung lang laufender Prozesse, der Isolierung von nicht vertrauenswürdigem Code oder dem Zugriff auf Anwendungsdaten. Die meisten Produktionsumgebungen kombinieren zwei Schichten: einen Orchestrator und eine Ausführungsumgebung.
Im Gegensatz zu einem Hintergrundjob, der festgelegte Schritte ausführt, wählt ein Hintergrund-Agent seinen nächsten Schritt zur Laufzeit selbst aus – daher braucht er Grenzen hinsichtlich Laufzeit, Kosten und Berechtigungen. Seine Ausführungsphasen wechseln typischerweise zwischen in der queue, läuft und wartet (auf ein Tool, ein Modell oder eine Person) und enden mit abgeschlossen, fehlgeschlagen oder abgebrochen.
Der Begriff umfasst zwei Fälle:
Das Wichtigste auf einen Blick: Ein Hintergrund-Agent benötigt sieben Dinge von seiner Infrastruktur, und keine einzelne Kategorie deckt alle sieben gleichermaßen gut ab.
Plattform | Typ | Läufe beginnen ab | Längster Lauf | Wiederherstellung | Läuft auf |
| Upsun Cloud-Task-Containern | App-Plattform | API, CLI, Konsole | 24 Std. (Standard: 1 Std.) | Wiederholungsversuche des Aufrufers | Container neben App-Diensten |
| Render-Workflows | App-Plattform | SDK, API, CLI | 24 Std. | Wiederholungsversuche, Schritt-Wiederholung | On-Demand-Render-Instanzen |
| Trigger.dev | Durable-Engine | SDK, Zeitpläne | Kein Standardlimit | Wiederholungsversuche, Wartezeiten mit Checkpoints | Verwaltete oder selbst gehostete Worker |
| Ingest | Dauerhafte Engine | Ereignisse, Cron | 2 Stunden pro Schritt | Wiederholungsversuche auf Schritt-Ebene | Deine eigene Rechenleistung |
| Zeitabhängig | Dauerhafte Engine | API, Zeitpläne, Signale | Keine Standardbegrenzung | Wiedergabe der Ereignisgeschichte | Deine eigenen Worker |
| Cloudflare-Workflows | Stabile Engine | API, Worker-Bindungen | Keine zeitliche Begrenzung pro Schritt | Wiederholungsversuche für Schritte | Cloudflare Workers |
| Vercel-Workflow und Sandbox | Durable Engine plus Sandbox | Funktionsaufrufe | 24 Std. (Sandbox, Pro) | Schritt-Checkpoints | Firecracker-Mikro-VMs |
| Modal | Serverlose Rechenleistung | SDK, Zeitpläne, Web-Endpunkte | 24 Std. | Konfigurierbare Wiederholungsversuche | Modale Container, GPUs |
| E2B | Sandbox | SDK | 24 Std. (Pro), 1 Std. (Hobby) | Anhalten und fortsetzen | Firecracker-Mikro-VMs |
| Amazon Bedrock AgentCore-Laufzeitumgebung | Verwaltete Laufzeitumgebung | API aufrufen | 8 Stunden pro Sitzung | Neue Sitzung bei Erreichen des Limits | MicroVM pro Sitzung |
| Google Cloud Run-Jobs | Batch-Berechnung | API, Scheduler | 168 h (1 h mit GPUs) | Bis zu 10 Wiederholungsversuche | Cloud Run-Container |
| LangSmith-Bereitstellung | Framework-Laufzeit | API, Cron, Webhooks | Standardmäßig 1 Stunde, konfigurierbar | Checkpoints pro Schritt | Cloud, Hybrid oder selbst gehostet |
Temporal, Inngest, Cloudflare Workflows und Vercel Workflow speichern jeden abgeschlossenen Schritt, sodass bei einem erneuten Versuch bereits erledigte Schritte übersprungen werden. Trigger.dev erstellt während der Wartezeit Checkpoints für einen Lauf, aber bei einem erneuten Versuch wird die Aufgabe von vorne gestartet, es sei denn, die Arbeit ist in Unteraufgaben mit Idempotenzschlüsseln aufgeteilt.
Der Kompromiss: Die Engine verfolgt den Fortschritt, aber das Team entscheidet weiterhin, wo der Agent läuft und wie er auf Anwendungsdaten zugreift.
E2B und Vercel Sandbox führen jede Sandbox in einer eigenen Firecracker-Mikro-VM aus, und Modal bietet zusätzlich GPU-Optionen.
Der Kompromiss: Jede Sandbox startet ohne die Daten der Anwendung, daher müssen Datenbank- und Servicezugriffe eingerichtet und gepflegt werden.
Amazon Bedrock AgentCore Runtime, LangSmith Deployment (ehemals LangGraph Platform) und Google Cloud Run-Jobs hosten den Agenten innerhalb des Ökosystems einer cloud oder eines Frameworks.
Der Nachteil: Wenn Agenten und Anwendungen bei verschiedenen Anbietern laufen, baut jeder seine eigene Pipeline, sein eigenes Runbook und seinen eigenen Audit-Prozess auf.
Upsun Cloud und Render führen den Agenten als separate Workload neben der Anwendung aus. Render Workflows, das im April 2026 eingeführt wurde, bietet dauerhafte Aufgaben mit Wiederholungsversuchen und Schritt-Wiederholung.
Der Kompromiss: Isolation, GPU-Unterstützung und integrierte Wiederherstellung variieren je nach Plattform.
Temporal, Inngest und Render Workflows wiederholen einen fehlgeschlagenen Lauf und nutzen die bereits abgeschlossenen Schritte wieder. Trigger.dev, Google Cloud Run-Jobs und Modal wiederholen einen fehlgeschlagenen Versuch von Anfang an, bis zu einer konfigurierten Anzahl. Upsun Cloud führt keine Wiederholungsversuche für Aufgaben durch und bricht laufende Aufgaben vor einer Neubereitstellung in derselben Umgebung ab. Daher sollte ein Agent dort ein SIGTERM abfangen, den Fortschritt in einem Dienst wie PostgreSQL speichern und den Aufrufer einen neuen Durchlauf starten lassen.
Teile die Arbeit auf jeder Plattform in Schritte auf, die ihre Ergebnisse aufzeichnen, speichere den Status in einer Datenbank statt auf der lokalen Festplatte und lege ein Timeout fest, das nahe an der erwarteten Dauer liegt, damit ein sich wiederholender Agent frühzeitig stoppt.
step.waitForEvent von Inngest, „step.waitForEvent“ von Cloudflare Workflows und die „waits“ von Trigger.dev unterbrechen einen Lauf, ohne die Rechenleistung zu blockieren. Auf Upsun Cloud, wo Aufgaben keinen eingehenden Datenverkehr empfangen können, speichert der Agent seine vorgeschlagene Aktion in einem Dienst und beendet sich; ein Webhook oder eine App-Aktion startet dann eine Folgeaufgabe mit der Genehmigung als Laufzeitvariable.
Wie sollte ein KI-Hintergrundagent isoliert und mit Daten verbunden werden?
E2B und Vercel Sandbox stellen jeder Sandbox eine eigene Firecracker-Mikro-VM zur Verfügung, Amazon Bedrock AgentCore Runtime weist jeder Sitzung eine dedizierte Mikro-VM zu, und AgentCore Identity verwaltet ausgehende Anmeldedaten.
Upsun-Cloud-Aufgaben laufen in denselben Linux-Containern wie Anwendungen, mit Namespace-Isolation, Capability-Dropping, einem Seccomp-Profil, cgroup-Limits und Netzwerkisolierung. Upsun empfiehlt, bubblewrap innerhalb der Aufgabe für nicht vertrauenswürdigen Code auszuführen; es ist nicht integriert, und Egress-Scoping ist noch nicht verfügbar.
Für den Datenzugriff deklariert eine Aufgabe nur Beziehungen zu den Diensten, die sie benötigt; Modellschlüssel werden als sensible Umgebungsvariablen über die Geheimnisse und die Umgebungskonfiguration von Upsun bereitgestellt, und Aufrufe der Upsun-API verwenden Workload-Autorisierungs-Token, die 60 bis 900 Sekunden gültig sind. Jeder Agent, der Tickets, E-Mails oder Webseiten liest, kann durch Prompt-Injection gesteuert werden, sodass die begrenzten Anmeldedaten die Hauptbeschränkung dafür darstellen, was ein gesteuerter Agent tun kann.
Ständig aktive Worker werden auch während der Wartezeit abgerechnet. Rechenleistung, die bis zum Abschluss ausgeführt wird (Upsun-Cloud-Aufgabencontainer, Render-Workflows, Modal, E2B, Google Cloud Run-Jobs), wird nur pro Sekunde abgerechnet, solange ein Lauf aktiv ist. Trigger.dev berechnet keine Rechenleistung, während ein Lauf an einem Checkpoint angehalten ist, und Cloudflare Workflows berechnet keine CPU-Zeit, während ein Lauf im Ruhezustand ist oder wartet, obwohl jeder Schritt abgerechnet wird.
Upsun Cloud berechnet Aufgaben pro Sekunde zu den auf der Upsun-Preisseite aufgeführten Tarifen für Anwendungs-CPU und -Speicher und erfasst den Token-Verbrauch nicht; daher protokollieren Teams die Token pro Lauf in ihrem eigenen Code.
Eine Aufgabe wird unter tasks: neben applications: und services: deklariert, mit eigenem Image, Build und Befehl. Sie startet bei Bedarf, führt diesen Befehl aus und wird entfernt, sobald der Befehl beendet ist. Aufgaben-Container sind seit dem 12. August 2026 allgemein verfügbar und stehen in jedem Upsun cloud-Projekt zur Verfügung.
Upsun Cloud-Regionen laufen auf AWS, Google Cloud, Azure und OVHcloud, wobei IBM Cloud über den IBM Cloud Marketplace verfügbar ist – alles unter einem einzigen Workflow. Teams, deren Anwendungen und Agenten auf verschiedene Anbieter verteilt sind, erhalten einheitliche Konfigurationen und Prüfnachweise, ohne separate Konsolen manuell abgleichen zu müssen.
Upsun verfügt über eine ISO 27001-Zertifizierung, einen SOC 2 Typ 2-Bericht und PCI DSS Level 1-Konformität für seine Regionen auf AWS, Azure und Google Cloud; die OVHcloud-Region ist davon ausgenommen, und HIPAA-Workloads laufen ausschließlich in der US-4-Region. Jeder Git-Zweig kann eine eigene Umgebung haben, sodass eine neue Agent-Version auf einem Zweig getestet werden kann, bevor sie in der Produktivumgebung eingesetzt wird.
Upsun Cloud eignet sich für Agenten, die zu einer Anwendung gehören, deren Daten benötigen, gemeinsam mit ihr bereitgestellt werden und innerhalb eines Tages fertig sind. Für längere Workflows kann eine dauerhafte Engine darüber gelegt werden, da Temporal-Worker und Ingest-Funktionen auf einer vom Team gewählten Infrastruktur laufen.
Zu den Produkten in dieser Kategorie gehören OpenAI Codex Cloud, Cursor Cloud Agents (früher Background Agents genannt), der GitHub Copilot-Codierungsagent und Ona. Sie unterscheiden sich hauptsächlich darin, wo die Umgebung des Agenten läuft, was einen Lauf auslöst und wie die Überprüfung funktioniert.
Upsun Dispatch lässt sich mit GitHub, Jira, Linear und GitLab verbinden. Wenn du in einem Issue @upsun-dispatch implement erwähnst, wird ein Lauf gestartet, der Änderungen plant, schreibt und selbst überprüft und anschließend einen verknüpften Pull-Request eröffnet; @upsun-dispatch review oder ein Push hinterlässt Inline-Review-Kommentare. Jeder Lauf wird in der Dispatch-Konsole für die gesamte Organisation protokolliert, und eine Person ist für den Merge verantwortlich, da Agenten weder mergen noch bereitstellen noch Geheimnisse lesen können.
Anwendungsfall | Zu beachten |
| Führt viele mehrstufige Jobs mit langen Wartezeiten aus | Trigger.dev, Ingest |
| Muss Ausfälle über mehrere Tage hinweg überstehen | Zeitabhängig |
| Führt nicht vertrauenswürdige, vom Modell generierte Programme aus | E2B, Vercel Sandbox, Modal |
| Benötigt GPUs | Modal, Google Cloud Run-Jobs |
| Läuft in einer AWS-standardisierten Organisation | Amazon Bedrock AgentCore Runtime |
| Basiert auf LangGraph | LangSmith-Bereitstellung |
| Ist einer von vielen meist inaktiv bleibenden, zustandsbehafteten Agenten | Cloudflare-Agenten und -Workflows |
| Wird bereits auf Vercel bereitgestellt | Vercel-Workflow und Sandbox |
| Nutzt die eigene Datenbank der App und ist innerhalb von 24 Stunden fertig | Upsun Cloud-Task-Container |
| Arbeitet an deinen Repositories mit menschlicher Überprüfung durch Reviewer | Upsun Dispatch, Codex Cloud, Copilot-Coding-Agent |
Benötigen KI-Hintergrundagenten eine dauerhafte Ausführung?
Hintergrundagenten benötigen eine dauerhafte Ausführung, wenn Läufe lang sind, auf Menschen oder externe Ereignisse warten oder Nebenwirkungen haben, die sich nicht wiederholen dürfen. Kurze Läufe, die kostengünstig von Grund auf neu gestartet werden können, können auf Run-to-Completion-Rechenressourcen laufen, solange der Status in eine Datenbank geschrieben wird und die Aktionen idempotent sind.
Können KI-Hintergrundagenten auf serverlosen Funktionen laufen?
Serverlose Funktionen eignen sich nur für kurze Agentenl äufe, da jeder Aufruf eine maximale Dauer hat; bei Vercel Functions sind es beispielsweise standardmäßig 300 Sekunden. Längere Agenten laufen besser auf einer dauerhaften Engine, in einer Sandbox, einer verwalteten Laufzeitumgebung oder in Run-to-Completion-Containern, wobei die Funktion lediglich den Lauf startet.
Wie lange kann ein KI-Agent im Hintergrund laufen?
Stand 9. November 2026 reichen die veröffentlichten Grenzen für einzelne Läufe von 8 Stunden (Amazon Bedrock AgentCore Runtime-Sitzungen) bis zu 24 Stunden (Modal, E2B Pro, Vercel Sandbox on Pro, Render Workflows und Upsun Cloud-Aufgabencontainer) sowie 168 Stunden (Google Cloud Run-Jobs). Temporal und Trigger.dev legen standardmäßig keine Laufzeitbegrenzung fest.
Kann Upsun Cloud einen Hintergrund-Agenten ausführen, der GPUs benötigt?
Nein. Upsun Cloud stellt keine GPUs zur Verfügung und hostet keine Modelle. Agenten auf Upsun Cloud rufen externe Modell-APIs auf, und GPU-abhängige Schritte werden auf einer separaten GPU-Plattform ausgeführt.
Ist Upsun Dispatch dasselbe wie die Upsun Cloud-Aufgabencontainer?
Nein. Upsun Cloud-Aufgabencontainer sind eine Laufzeitumgebung für Agenten, die Teams selbst erstellen. Upsun Dispatch ist ein eigenständiges Produkt, das geregelte Coding-Agent-Workflows in den Repositories eines Teams ausführt, und jedes Produkt funktioniert unabhängig vom anderen.