Derzeit sind 550 KI-Agenten in unserem Verzeichnis katalogisiert — keine Marketing-Top-10, sondern eine echte Langlist — und die falsche Wahl zu treffen ist nicht mehr primär ein Budgetproblem. In LangChains 2026er Umfrage unter mehr als 1.300 Praktikern nennen nur noch 32 % die Kosten als größte Hürde für Produktionsagenten; Qualitätsprobleme wie Halluzinationen und Bewertungslücken haben sie überholt (LangChain).
Diese Verschiebung ist bedeutsam, weil 57 % der Organisationen bereits Agenten im Produktivbetrieb einsetzen, gegenüber 51 % im Vorjahr (LangChain) — Sie bewerten also keine Neuheit mehr, sondern Infrastruktur. Dieser Leitfaden beleuchtet die Bewertungskriterien, die in Seat-, Nutzungs- und ergebnisbasierten SKUs verborgenen Preistraps sowie den einen Test, der Ihnen sagt, wann ein Workflow-Tool eine Agentenplattform klar übertrumpft.
Der KI-Agentenplattform-Markt 2026: Größer, voller und jetzt an Qualität gemessen
KI-Agenten sind nicht mehr experimentell. 57 % der Organisationen betreiben KI-Agenten im Produktivbetrieb, gegenüber 51 % im Vorjahr, laut LangChains State of Agent Engineering Report 2026 (mit mehr als 1.300 befragten Praktikern). Diese Zahl steigt auf 67 % bei Unternehmen mit mehr als 10.000 Mitarbeitern, liegt aber bei nur 50 % für Unternehmen mit weniger als 100 Mitarbeitern.
Die Lücke verrät etwas Wichtiges: Große Unternehmen verfügen über die Bewertungsinfrastruktur und Risikobereitschaft, um Agenten in großem Maßstab einzusetzen, während kleinere Teams noch prototypisieren oder auf klarere Qualitätssignale warten. Sie wählen aus einem wirklich überfüllten Feld — unser Verzeichnis allein verfolgt 550 KI-Agentenplattformen, und kuratierte Branchenlisten zählen zwischen 120 und über 600 legitime Produkte.
Adoption ist real, aber nach Unternehmensgröße ungleich verteilt
Die Produktionsadoptionsrate variiert um 17 Prozentpunkte zwischen großen und kleinen Unternehmen. Wenn Sie in einer Organisation mit weniger als 100 Mitarbeitern sind, befinden Sie sich in der Gruppe, in der die Hälfte Ihrer Kollegen noch keine Agenten eingesetzt hat — was bedeutet, dass Sie mehr Zeit für eine sorgfältige Bewertung haben, aber auch weniger Peer-Daten zum Lernen. Bei Unternehmen mit über 10.000 Mitarbeitern setzen zwei Drittel Ihrer Kollegen bereits Agenten ein, sodass sich die Frage von ob zu welche Plattform und wie Qualität bewerten verschiebt.
Kosten sind nicht mehr der größte Einwand — Vertrauen ist es
Nur 32 % der Praktiker nennen jetzt die Kosten als größte Hürde für Produktionsagenten. Qualitätsprobleme — Halluzinationen, Bewertungslücken und Vertrauen in die Delegation — haben die Kosten als führenden Blocker überholt. Das verändert Ihre Kaufentscheidung grundlegend: Sie können nicht mehr allein nach Preis einkaufen. Die Plattform, die pro Aktion weniger kostet, aber Agenten liefert, denen Sie im Produktivbetrieb nicht vertrauen können, kostet Sie mehr an Entwicklungszeit, Rollback-Kosten und Kundenservice-Eskalationen als eine teurere Plattform mit robusten Bewertungstools und integrierten Schutzmaßnahmen.
Die Bewertungskriterien, die tatsächlich Erfolg vorhersagen
Die Lücke zwischen Pilotprojekten, die ins Stocken geraten, und Agenten, die in Produktion gehen, liegt nicht im gewählten Modell. Sie liegt darin, ob der Anbieter Ihnen die Bewertungs-, Integrations- und Ausstiegsmechanismen gibt, um dem Produkt gegenüber Kunden zu vertrauen. Bewerten Sie jede Plattform, die Sie in Betracht ziehen, anhand dieser drei Fragen, bevor Sie unterschreiben.
Unterstützt der Anbieter echte Evaluierung und Observability?
Teams, die Agenten in Produktion bringen, evaluieren sie zu höheren Raten als Teams, die noch prototypisieren. In LangChains 2026er Umfrage führen 52 % der Teams Offline-Evaluierungen durch und 37 % evaluieren Agenten im Produktivbetrieb — und diese Lücke korreliert direkt damit, welche Teams die Produktionsschranke überwinden. Wenn eine Plattform Ihnen keine Trace-Level-Logs, Offline-Evaluierungsframeworks und eine Möglichkeit zur Erkennung von Regressionen vor einem Release zeigen kann, behandeln Sie das als Blocker, nicht als nettes Extra.
Bitten Sie Anbieter um eine Live-Demonstration eines fehlgeschlagenen Laufs, nicht eines erfolgreichen. Wie Sie einen halluzinierten Tool-Aufruf oder eine schlechte Delegationsentscheidung debuggen, sagt mehr aus als jedes Genauigkeits-Benchmark.
Ist die Plattform auf einem offenen Integrationsstandard aufgebaut?
Prüfen Sie, ob die Plattform MCP (Model Context Protocol) nativ unterstützt oder Sie in proprietäre Konnektoren einschließt. Anthropic hat MCP im November 2024 als Open Source veröffentlicht, und im Dezember 2025 wurde die Governance an die Agentic AI Foundation übertragen, ein Linux Foundation Directed Fund, der gemeinsam mit Block und OpenAI gegründet und dem Google, Microsoft, AWS, Cloudflare und Bloomberg beigetreten sind — womit das Single-Vendor-Risiko beseitigt wurde, das früher ein echter Beschaffungseinwand war. Die Adoption bestätigt das: Die monatlichen SDK-Downloads von MCP stiegen von etwa 100.000 pro Monat beim Launch auf 97 Millionen pro Monat im Dezember 2025. Eine Plattform, die 2026 noch geschlossene proprietäre Tool-Integrationen anbietet, fordert Sie auf, gegen die Richtung zu wetten, die das Ökosystem bereits eingeschlagen hat.
Wem gehören Ihre Daten und Workflow-Logik, wenn Sie gehen?
Bevor Sie sich verpflichten, holen Sie eine klare Antwort zur Datenportabilität ein: Können Sie Ihre Prompts, Tool-Definitionen, Evaluierungssets und Gesprächsprotokolle in einem verwendbaren Format exportieren, oder sind sie in der Konsole des Anbieters gefangen? Das ist für Agentenplattformen wichtiger als für frühere SaaS-Generationen, weil die Workflow-Logik — nicht nur die Daten — oft das Asset ist, das Sie aufgebaut haben. Wenn Sie engere Automatisierungs- oder ML-Plattformen neben allgemeinen Agenten-Buildern bewerten, wenden Sie denselben Portabilitätstest an; das Lock-in-Risiko verringert sich nicht nur, weil der Umfang des Tools kleiner ist.
Preismodelle im Vergleich: Fallen bei Seat-, Nutzungs- und ergebnisbasierten Tarifen
Seat-basierte Preise verschwinden schnell
Wenn ein Anbieter Ihnen eine pauschale Seat-Lizenz anbietet, behandeln Sie das als Signal über den Stand der Produkt-Roadmap, nicht nur als Preisschild. Sitzbasierte Preise sind in den letzten 12 Monaten von 21 % auf 15 % der SaaS-Unternehmen gesunken, während hybride Modelle, die Seats, Nutzung und Ergebnisse kombinieren, von 27 % auf 41 % im gleichen Zeitraum gestiegen sind (MightyBot). Ein Agent sitzt nicht auf einem Seat und erledigt einen Job, wie es eine menschliche Lizenz impliziert — er wird täglich tausende Male ausgelöst, also bewegen die Anbieter die Preise, um die tatsächliche Nutzung abzubilden.
Diese Verschiebung ist für Ihre Budgetplanung wichtig. Ein Seat-Angebot ist einfach zu modellieren, aber von der tatsächlichen Skalierung des Agenten abgekoppelt; ein nutzungs- oder ergebnisbasiertes Angebot skaliert mit Ihrer Arbeitslast, was ehrlicher ist, aber schwerer zu begrenzen.
Ergebnisbasierte Preise: Lesen Sie das Kleingedruckte zu 'Ergebnis'
Ergebnisbasierte Preise klingen einfach — zahlen Sie für Ergebnisse, nicht für Seats oder Tokens — aber "Ergebnis" wird von jedem Anbieter anders definiert, und diese Definition ist der eigentliche Kostentreiber. Intercoms Fin AI Agent berechnet $0,99 pro abrechenbarem Ergebnis, definiert als bestätigte oder angenommene Lösung, Verfahrensübergabe oder Disqualifikation; Lead-Qualifikations-Ergebnisse kosten $9,99, und Eskalationen an einen Menschen werden nicht berechnet (Fin AI Agent Preise). Auf eigenständigen (Nicht-Intercom-) Helpdesks hat Fin eine Mindestgebühr von $49/Monat für 50 Lösungen, mit $0,99 für jede weitere Lösung und keinen offengelegten Mengenrabatten (Fin AI Agent Preise).
Zendesks ergebnisbasiertes Preismodell berechnet $1,50 pro automatisierter Lösung bei fest zugesagtem Volumen oder $2,00 pay-as-you-go, ebenfalls ohne Berechnung für menschliche Eskalationen (Zendesk).
Beide Anbieter schließen Eskalationen aus der Abrechnung aus, was gut für Ihr Budget ist, aber auch eine Fehlanreiz-Situation schafft, die Sie im Verkaufsgespräch hinterfragen sollten: Fragen Sie genau, was als Lösung gilt, ob ein Kunde, der sich wegen desselben Problems erneut meldet, eine zweite Berechnung auslöst, und ob "angenommene Lösung" (Fins Begriff) bedeutet, dass der Agent das Ticket ohne Kundenbestätigung schließt.
Rechnen Sie nach, bevor Sie unterschreiben
Führen Sie Ihr eigenes Volumen durch die Formel jedes Anbieters, bevor Sie die Grundpreise vergleichen. Bei 5.000 Lösungen pro Monat beläuft sich Fins eigenständiger Plan auf ungefähr $49 Basis plus 4.950 × $0,99 ≈ $4.950, gegenüber Zendesks engagierter Volumenrate von 5.000 × $1,50 = $7.500 — eine Differenz, die nur erscheint, wenn Sie mit Ihrem tatsächlichen Ticket-Volumen multiplizieren, nicht mit dem Einzelpreis allein.
Integration und Lock-in: Warum MCP-Unterstützung jetzt ein Pflichtpunkt auf der Checkliste ist
Was MCP gelöst hat und warum Anbieter es schnell übernahmen
Vor dem Model Context Protocol verdrahtete jede Agentenplattform Datenquellen und Tools mit eigenen benutzerdefinierten Konnektoren. Der Plattformwechsel bedeutete, jede Integration von Grund auf neu aufzubauen — das sind die tatsächlichen Lock-in-Kosten, die Sie zahlen, wenn ein Anbieter keine offene Protokollunterstützung hat.
Anthropic hat MCP im November 2024 als Open Source veröffentlicht, und es blieb nicht lange ein Single-Vendor-Projekt. Im Dezember 2025 übertrug Anthropic die MCP-Governance an die neu gegründete Agentic AI Foundation, einen Linux Foundation Directed Fund, der gemeinsam mit Block und OpenAI gegründet wurde und dem Google, Microsoft, AWS, Cloudflare und Bloomberg als Mitglieder beigetreten sind — die Art von Multi-Vendor-Governance, die "auf wessen Roadmap setze ich" als Beschaffungseinwand eliminiert (chatforest.com). Die Adoption folgte dem Governance-Wechsel: Die monatlichen SDK-Downloads von MCP stiegen von etwa 100.000 beim Launch auf über 97 Millionen im Dezember 2025 (chatforest.com). Wenn Sie eine Plattform bewerten, fragen Sie, ob sie MCP nativ spricht — das ist der Unterschied zwischen portablen Tool-Verbindungen und einer proprietären Integrationsschicht, die Sie neu aufbauen müssten, wenn Sie den Anbieter wechseln.
Registry-Größe ist kein Qualitätssignal
Lassen Sie sich durch die Behauptung eines Anbieters, "mit X tausend Tools zu verbinden", nicht von der gebotenen Sorgfalt abbringen. Im August 2026 indexierte die Glama-Registry allein über 71.000 MCP-Server, und MCP Toplist zählte fast 101.000 über kombinierte Registries — aber dieses Tracking stellt fest, dass die Gesamtzahlen durch aufgegebene und doppelte Einträge aufgebläht sind (chatforest.com). Eine hohe Registry-Zahl sagt Ihnen, dass das Ökosystem aktiv ist. Es sagt Ihnen nichts darüber, ob der spezifische Server, den Sie benötigen, gepflegt, sicher oder überhaupt funktionsfähig ist — testen Sie die tatsächliche Integration, bevor Sie sie als Checklisten-Erfolg verbuchen.
Regulatorisches Risiko: Was sich ändert, wenn Sie in einer regulierten Branche tätig sind
Wenn Sie Agentenplattformen für Finanzen, Gesundheitswesen oder rechtliche Arbeit bewerten, kann Compliance keine Frage sein, die Sie erst nach Vertragsunterzeichnung stellen. Bußgeldklassen und Prüfpflichten gemäß dem EU AI Act sollten genauso in die Anbieter-Bewertung einfließen wie Preise und Integrationen, weil das Nachrüsten von Compliance in einem bereits eingesetzten Agenten weit teurer ist als eine vorab durchgeführte Prüfung (Gera Compliance).
Der EU AI Act-Zeitplan, den Käufer verfolgen müssen
Das Durchsetzungsrahmenwerk des Gesetzes wendet je nach Verstoß gestufte Bußgelder an, und die geltenden Fristen für Hochrisiko-KI-Systeme haben sich verschoben — Details, die Ihr Anbieter klar erläutern können sollte, nicht überblenden (Gera Compliance).
Fragen Sie jeden potenziellen Anbieter direkt: In welche Risikostufe fällt Ihr Agent, welche Audit-Logs werden aufbewahrt und wer haftet, wenn der Agent eine Entscheidung trifft, die eine Geldstrafe auslöst. Wenn das Verkaufsteam diese Fragen im Gespräch nicht beantworten kann, behandeln Sie das als disqualifizierendes Signal, nicht als Nachverfolgungspunkt.
Wann Sie keine Agentenplattform brauchen
Nicht jedes Automatisierungsproblem benötigt einen Agenten. Wenn die Schritte von Input zu Output fest sind und Sie sie als Flussdiagramm zeichnen können, beschreiben Sie einen Workflow, keine Aufgabe, die offenes Denken erfordert — und ein Workflow-Tool wird günstiger, einfacher zu debuggen und vorhersehbarer sein als jede Agentenplattform.
Der Entscheidungstest: Deterministischer Workflow vs. offenes Denken
Stellen Sie eine Frage: Muss das System jemals auf Basis mehrdeutiger Eingaben entscheiden, was als nächstes zu tun ist, oder muss es nur immer dieselben Schritte ausführen? Wenn ein Onboarding-Formular für neue Mitarbeiter immer dieselben fünf Folgeaktionen in derselben Reihenfolge auslöst, ist das deterministisch — kein Agent nötig. Wenn ein Support-Ticket je nach dem, was der Kunde tatsächlich geschrieben hat, eine Rückerstattungsabfrage, eine Richtlinienprüfung, eine Eskalation oder alle drei erfordern könnte, ist das offenes Denken, und das ist, wofür Agentenplattformen gebaut sind.
Ein zweiter Test: Zählen Sie die Verzweigungen. Ein Prozess mit zwei oder drei klar definierten bedingten Pfaden ist immer noch ein Workflow. Ein Prozess, bei dem die Anzahl vernünftiger Pfade vom Inhalt der Eingabe abhängt — Freitext, unstrukturierte Dokumente, ein Gespräch, das überall hingehen kann — ist der Bereich, wo das Urteilsvermögen eines Agenten seinen Preis zu rechtfertigen beginnt.
Anzeichen dafür, dass ein Workflow-Tool wie n8n oder Zapier die bessere Wahl ist
- Jeder Lauf folgt derselben Abfolge von Schritten, unabhängig vom Inhalt der Eingabe
- Sie können die Logik als Wenn-das-dann-das-Regeln schreiben, ohne etwas der Interpretation zu überlassen
- Die Aufgabe erfordert kein Lesen von unstrukturiertem Text und keine Entscheidung über dessen Bedeutung
- Sie benötigen jedes Mal eine garantierte, prüfbare, identische Ausgabe — keine Urteilsentscheidung
- Ihr Team kann es ohne Evaluierungsinfrastruktur warten, da keine Modellausgabe bewertet werden muss
Agenteninfrastruktur für eine deterministische Aufgabe zu kaufen, verschwendet nicht nur Budget — es fügt einem Prozess, der das nicht brauchte, eine Schicht der Nicht-Determiniertheit hinzu, was das Debuggen schwerer, nicht einfacher macht.
Wie man eine Shortlist erstellt: Ein praktischer Rahmen mit Daten auf Verzeichnisebene
Überspringen Sie das Marketing-Top-10. Beginnen Sie mit einer langen Liste echter Kandidaten, filtern Sie konsequent nach Ihren eigenen Einschränkungen, und führen Sie dann einen bezahlten Piloten durch, bevor jemand einen Vertrag berührt.
Bewerten Sie zunächst nach Ihren 3 nicht verhandelbaren Kriterien
Wählen Sie drei Anforderungen, die Sie bereits in den früheren Abschnitten validiert haben — zum Beispiel MCP-Unterstützung, eine ergebnisbasierte Preisoption und einen Ausstiegspfad, der Ihre Integrationen nicht zum Stillstand bringt. Erstellen Sie Ihre Longlist von einer Kategorieseite, nicht von einem Listen-Artikel: Die Kategorie AI Agent Builders und das AI Platforms-Verzeichnis ermöglichen beide das Filtern nach Funktion, anstatt jemandem zu vertrauen, der für Platzierungen bezahlt hat.
Eliminieren Sie sofort alles, was eines Ihrer drei nicht verhandelbaren Kriterien nicht erfüllt — bewerten Sie es nicht niedriger, entfernen Sie es. Eine Plattform, die Ihre Compliance-Anforderungen oder Ihr Preismodell nicht erfüllen kann, ist keine Option mit niedrigerer Priorität, sie ist schlicht kein Kandidat.
- Listen Sie jede Plattform auf, die plausibel zu Ihrem Anwendungsfall passt, egal wie unbekannt
- Markieren Sie ja/nein für jedes Ihrer drei nicht verhandelbaren Kriterien — keine Teilpunkte
- Streichen Sie alles mit einem Nein; behalten Sie eine Shortlist mit 3-5 Überlebenden
Führen Sie einen Piloten mit ergebnisbasiertem Limit durch, bevor Sie sich zu Seats verpflichten
Wenn Sie Überlebende haben, verhandeln Sie einen begrenzten Piloten statt einer Seat-Lizenz. Bitten Sie jeden Anbieter um einen Testzeitraum auf Ergebnis- oder Nutzungsbasis, auch wenn ihr Standardvertrag seat-basiert ist — die meisten werden einen anbieten, um den Deal zu gewinnen.
Setzen Sie ein festes Ausgabenlimit und ein definiertes Bewertungsfenster, und messen Sie dann dieselben Dinge, die Sie im Produktivbetrieb prüfen würden: Lösungsrate, Eskalationsrate und Kosten pro erfolgreichem Ergebnis. Wenn ein Anbieter einen Piloten nicht auf diese Weise strukturieren möchte, behandeln Sie diese Zurückhaltung als Datenpunkt darüber, wie er mit einer späteren Verlängerungsverhandlung umgehen wird.
Häufig gestellte Fragen
Was ist der Unterschied zwischen einem KI-Agenten und einer KI-Agentenplattform?
Ein KI-Agent ist ein einzelnes autonomes System, das mehrstufige Aufgaben mit einem gewissen Grad an Eigenständigkeit plant und ausführt — unser Verzeichnis katalogisiert derzeit 550 davon (/de/type/ai-agent). Eine KI-Agentenplattform ist die umgebende Infrastrukturschicht: die Werkzeuge zum Aufbauen, Einsetzen, Verbinden, Überwachen und Bewerten eines oder mehrerer Agenten, oft mit Agent-Buildern (553 Einträge in unserem Verzeichnis unter /en/category/ai-agent-builders), Orchestrierung, Integrationen und Observability gebündelt. Wenn Sie Anbieter vergleichen, prüfen Sie, ob Sie ein einzelnes Agenten-Produkt oder die darunter liegende Plattformschicht kaufen — die Preise und Lock-in-Abwägungen unterscheiden sich erheblich.
Was kostet eine KI-Agentenplattform im Jahr 2026?
Die Preise haben sich von festen Seats zu nutzungs- und ergebnisbasierten Modellen verschoben: Eine von MightyBot zitierte Pilot.com-Studie ergab, dass seat-basierte Preise bei SaaS-Unternehmen in 12 Monaten von 21 % auf 15 % fielen, während hybride Preise (Seats plus Nutzung oder Ergebnisse) im selben Zeitraum von 27 % auf 41 % stiegen (MightyBot). Konkret: Intercoms Fin AI Agent berechnet $0,99 pro abrechenbarem Ergebnis (mit einer Mindestgebühr von $49/Monat für 50 Lösungen im eigenständigen Plan) (Fin AI Agent Preise), während Zendesk $1,50 pro Lösung bei festem Volumen oder $2,00 pay-as-you-go berechnet (Zendesk). Rechnen Sie das Kosten-pro-Ergebnis gegen Ihr tatsächliches Volumen durch, bevor Sie unterschreiben — ein Gespräch-SKU und ein gleichwertiges aktionsbasiertes SKU können im Gesamtpreis in großem Maßstab weit auseinanderliegen.
Brauche ich eine KI-Agentenplattform, oder würde ein Workflow-Tool wie n8n oder Zapier reichen?
Wenn Ihr Prozess eine feste Abfolge von Schritten mit vorhersehbarer Verzweigung ist, ist ein Workflow-Tool meist die bessere Wahl — günstiger, einfacher zu debuggen und erfordert kein Management von Modell-Reasoning-Fehlern. Greifen Sie auf eine Agentenplattform zurück, wenn die Aufgabe erfordert, dass das System Urteile mit unvollständigen Informationen fällt, seine eigenen Schritte anpasst oder Entscheidungen delegiert statt einem vorbestimmten Pfad zu folgen. Diese Unterscheidung ist jetzt wichtiger, da Qualitätsprobleme, nicht Kosten, die am häufigsten genannte Hürde für Produktionsagenten sind — 32 % der Praktiker in LangChains Umfrage 2026 nennen jetzt Kosten als ihren Hauptblocker, mit Halluzinationen und Bewertungslücken darüber (LangChain State of AI Agents Report). Wenn Sie nicht sicher sind, ob Ihr Anwendungsfall autonome Entscheidungsfindung benötigt, beginnen Sie mit dem Workflow-Tool und wechseln Sie erst dann zu einer Agentenplattform, wenn Sie an seine Grenzen stoßen.
Was ist MCP und warum ist es bei der Wahl einer KI-Agentenplattform wichtig?
MCP (Model Context Protocol) ist ein offener Standard zur Verbindung von KI-Agenten mit externen Tools und Datenquellen, der von Anthropic im November 2024 mit den Launch-Partnern Block und Apollo als Open Source veröffentlicht wurde (Anthropic). Im Dezember 2025 übertrug Anthropic die MCP-Governance an die Agentic AI Foundation, einen Linux Foundation Directed Fund, der gemeinsam mit Block und OpenAI gegründet wurde und dem Google, Microsoft, AWS, Cloudflare und Bloomberg beigetreten sind — womit der Single-Vendor-Governance-Einwand beseitigt wurde, der für Unternehmenskäufer ein Beschaffungshindernis war (Anthropic). Die Adoption skalierte entsprechend: Monatliche SDK-Downloads wuchsen von etwa 100.000 beim Launch auf über 97 Millionen im Dezember 2025 (ChatForest). Prüfen Sie beim Bewerten einer Plattform, ob sie MCP nativ unterstützt statt einem proprietären Konnektor-Format — das beeinflusst direkt, wie einfach Sie später Tools oder Anbieter wechseln können, ohne Integrationen neu aufzubauen.
Wie viele KI-Agentenplattformen gibt es eigentlich gerade auf dem Markt?
Unser eigenes Verzeichnis katalogisiert derzeit 550 KI-Agenten (/de/type/ai-agent) und 553 Einträge unter AI Agent Builders (/de/category/ai-agent-builders), von insgesamt 18.825 aktiven Einträgen auf der Website. Behandeln Sie jedes Ranking der "Top-Plattformen" mit einer kleinen Liste namentlich genannter Anbieter — 10 bis 20 Anbieter — als kuratiertes Sample statt als vollständigen Markt; die Kategorie ist groß und ändert sich schnell genug, dass eine kurze Liste sie nicht repräsentieren kann. Welche Liste Sie auch immer verwenden, prüfen Sie, ob sie ihre Stichprobengröße und Methodik offenlegt, bevor Sie ein Ranking als vollständig betrachten.