Auf den Punkt: Autonome KI-Agenten erfordern bereitgestellte, zustandsbehaftete Computersandboxes statt lokaler Maschinen, was einen neuen Markt für spezialisierte Infrastrukturanbieter wie Daytona schafft.
Daytona, ein Anbieter von KI-Infrastruktur, positioniert sich als zentrale Plattform für autonome Agenten, die auf bereitgestellte Computersandboxes angewiesen sind. Der Gedanke hinter dem Ansatz: Agenten können nicht pausiert werden und erfordern zuverlässige, API-gesteuerte Ressourcen statt lokaler Entwicklungsmaschinen.
Der Markt für KI-Agenten hat einen Infrastrukturwandel ausgelöst. Während Produkte wie Perplexity, Manus und Cursor immer häufiger Agenten mit Computerzugriff ausstatten, wachsen parallele Eval-Infrastrukturen wie TerminalBench und GDPVal. Daytona profitiert davon, dass sich ein standardisiertes LLM-OS-Stack etabliert hat – und wenige spezialisierte Infrastrukturanbieter diesen Markt bedienen.
Daytona basiert auf einer über ein Jahrzehnt alten Vision von CEO Ivan Burazin: dem Ende von Localhost-Entwicklung. Sein früheres Unternehmen CodeAnywhere (2010) versuchte bereits, Entwicklungsumgebungen in den Browser zu verlegen – der Markt war damals nicht bereit. Agenten ändern das Spielfeld fundamental: Sie ignorieren Laptops und lokale Editoren; sie benötigen stattdessen einen über API erreichbaren, zustandsbehafteten Computer, der sofort verfügbar ist, dynamisch skaliert und isoliert läuft.
Daytona nutzt dazu Bare-Metal-Hardware mit eigenem Scheduler. Das Unternehmen spinnt einzelne Sandboxes in etwa 60 Millisekunden auf und kann 50.000 Sandboxes in rund 75 Sekunden bereitstellen. Ein größerer Kunde betreibt täglich circa 850.000 Sandboxes. Besonders auffällig: Reinforcement-Learning- und Eval-Workloads sind in wenigen Monaten von 0 Prozent auf etwa 50 Prozent der Gesamtnutzung angewachsen – oft mit extremen Lastspitzen von null bis 100.000 CPUs.
Für Praktiker bedeutet das konkrete Konsequenzen: Agenten benötigen nicht nur Code-Execution-Boxen, sondern komposierbare Computersysteme mit Zustandsverwaltung. Das schließt auch Windows- und macOS-Umgebungen ein. Gleichzeitig zeigt sich, dass klassische Orchestrierungstools wie Kubernetes für diese Workloads problematisch sind. Der entstehende Markt könnte weniger nach AWS-, EKS- oder GKS-Modellen funktionieren, sondern eher nach dem Vorbild von Plattformen wie Stripe – mit klaren API-Grenzen und verwalteter Komplexität.
Quelle: ainews.lumi-systems.io · Erschienen 21. Mai 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.5.2.