Langdock im Praxischeck: was die Plattform kann, was sie kostet und wo sie nicht passt

Ich habe neun deutschsprachige Vergleiche zu KI-Plattformen ausgezählt. In allen neun kommt Langdock vor. Kein anderer Anbieter schafft das, nicht einer. Wenn du im Mittelstand über einen zentralen KI-Zugang nachdenkst, landet dieser Name garantiert auf deiner Liste.

Das macht ihn nicht automatisch zur richtigen Wahl für euch. Und die vorhandenen Testberichte helfen wenig weiter, weil viele davon voneinander abschreiben und dabei auch Fehler mitkopieren. Deshalb habe ich mir die Primärquellen selbst angesehen: Preisseite, Security-Seite, Enterprise-Seite, Dokumentation, dazu Handelsblatt und TechCrunch für die Firmenzahlen.

Dazu kommt eigene Nutzung. Ich baue derzeit in Langdock ein Agententeam auf und habe es über die Schnittstelle mit meinen Make.com-Automatisierungen verbunden. Mein erster Eindruck ist sehr gut, und weiter unten wird konkret, woran das liegt.

Was dabei rauskommt, ist ein solides Bild mit drei Punkten, die du vor einer Entscheidung kennen musst.

Was Langdock ist, und was es nicht ist

Langdock ist kein eigenes KI-Modell. Das ist der häufigste Denkfehler, dem ich in Gesprächen begegne. Es gibt kein „Langdock-Modell", das auf euren Daten trainiert wird.

Was Langdock ist: eine Schicht darüber. Ein Login, über das eure Leute auf über 40 Modelle von OpenAI, Anthropic, Google, Meta, Mistral und DeepSeek zugreifen. Dazu Assistenten, eine Wissensdatenbank, Automatisierungen und, das ist der eigentliche Punkt, eine Verwaltungsebene: wer darf was, was wird protokolliert, was kostet es.

Damit löst die Plattform genau ein Problem, und zwar ein sehr verbreitetes. Laut Bitkom-Studie 2026 nutzen 41 Prozent der Unternehmen KI aktiv, aber nur 26 Prozent bieten überhaupt einen offiziellen Zugang. Die Lücke dazwischen sind private ChatGPT-Accounts, über die Firmendaten in Systeme laufen, die niemand im Haus überblickt.

Langdock ersetzt nicht ChatGPT. Es ersetzt die 40 privaten ChatGPT-Accounts, von denen ihr nichts wisst.

Wer dahintersteht

Langdock GmbH, Berlin, gegründet im September 2023 von Lennard Schmidt, Tobias Kemkes und Jonas Beisswenger. Durch den Y-Combinator-Batch S23 gegangen, 3 Millionen US-Dollar Seed-Runde im April 2024 unter Führung von General Catalyst (TechCrunch, 19.04.2024). Das Handelsblatt beschrieb das Unternehmen am 21.01.2026 als profitabel, bei einem Jahresumsatz von über 16 Millionen Euro.

Für eine Plattform, auf der bei Merck laut Anbieterangabe über 33.000 Menschen monatlich arbeiten, ist das Team überschaubar: rund 30 Mitarbeitende, Stand Januar 2026.

Hier wird es interessant: die Zahlen widersprechen sich

Beim Nachrechnen ist mir aufgefallen, dass die Angaben je nach Quelle stark auseinandergehen. Das solltest du wissen, wenn dir jemand eine dieser Zahlen als Beleg vorlegt:

Der letzte Punkt ist der ehrlichste Hinweis in diesem Artikel. Bei einem Anbieter mit angeblich über 5.000 Kunden findest du fast keine unabhängigen Erfahrungsberichte, sondern überwiegend Anbieterkommunikation und Testberichte mit Affiliate-Nähe. Für deine Entscheidung heißt das: lass dir zwei Referenzkunden vergleichbarer Größe geben und sprich selbst mit ihnen. Das ist mehr wert als jeder Test, auch als dieser hier.

Was die Plattform kann

Der Funktionsumfang ist breit, und er ist gut dokumentiert. Die Bausteine, die im Alltag zählen:

• Chat mit über 40 Modellen. Pro Aufgabe das passende Modell, ohne dass jemand einen zweiten Vertrag braucht. Wenn ein Modell überholt ist, wechselst du im Dropdown statt im Einkauf.
• Agents und Skills. Assistenten mit eigenem Kontext und Zugriff auf eure Daten, dazu wiederverwendbare Anweisungssets. Was einer optimiert, haben alle.
• Library und Wissensdatenbank. Eure Dokumente werden durchsuchbar, auf Wunsch auch über externe Vektordatenbanken wie Pinecone oder Qdrant.
• Workflows. Visueller Baukasten für mehrstufige Abläufe, mit Freigaben durch Menschen an den Stellen, wo es drauf ankommt.
• Mehr als 40 Integrationen. Microsoft 365 komplett, Google Workspace, Salesforce, HubSpot, Confluence, Snowflake, Personio und weitere.
• Eigene Modell-Schlüssel (BYOK). Statt über Langdock abzurechnen, könnt ihr eure eigenen API-Schlüssel hinterlegen, Bring Your Own Key. Das spart den Aufschlag und hält die Vertragsbeziehung zum Modellanbieter bei euch.
• Governance und EU AI Act. Regeln, die jeden Agenten bei Veröffentlichung automatisch prüfen, inklusive einer vorkonfigurierten Regel zu den nach EU AI Act verbotenen KI-Praktiken. Dazu Audit-Logs und Nutzungsauswertungen über eine API.

Ein Punkt fällt aus dem Rahmen und wird in den meisten Tests übersehen: die Unterstützung für das Model Context Protocol (MCP) läuft in beide Richtungen. Langdock kann externe MCP-Server anbinden (mit OAuth 2.0 inklusive Dynamic Client Registration) und stellt gleichzeitig selbst einen MCP-Endpunkt bereit. Andere KI-Clients können also Langdock-Agenten aufrufen. Wenn bei euch schon eine Agentenlandschaft wächst, ist das 2026 ein echter Unterschied zu geschlossenen Suiten.

Was mir bei der eigenen Nutzung außerdem auffällt: Es kommt regelmäßig etwas dazu. Die Plattform wird sichtbar weiterentwickelt, und zwar an den Stellen, die im Alltag zählen, nicht nur bei der Modellliste.

KI-Agenten als Rollen denken, nicht als Betriebssystem

Jetzt der Teil, der mir in der Praxis am meisten gebracht hat. Er hat weniger mit Technik zu tun als mit Denkweise, und er ist der Grund, warum ich die Plattform empfehle.

Wenn Leute „KI-Agenten" hören, stellen sie sich oft ein KI-Betriebssystem vor: irgendein System, das dann alles selbst macht. Diese Vorstellung lähmt. Sie ist zu groß, niemand weiß, wo er anfangen soll, und am Ende passiert nichts.

Deutlich leichter wird es, wenn du Agenten als Rollen baust. Unternehmen denken sowieso in Rollen und Aufgaben, das ist vertraute Sprache. Also nicht „wir automatisieren jetzt den Vertrieb", sondern die vier Fragen, die jede Einstellung auch beantworten muss:

• Welche Rolle brauchen wir überhaupt?
• Was sind ihre konkreten Aufgaben?
• Auf welches Wissen muss sie zugreifen, und auf welches ausdrücklich nicht?
• Was darf sie nicht allein entscheiden?

Genau dafür passt der Baukasten in Langdock gut zusammen. Ein Agent bekommt seine Rolle als Anweisung, Skills als wiederverwendbare Abläufe und einen eigenen Wissensbereich. Und, das ist der Teil, der in den Testberichten fehlt: du stellst pro Agent ein, worauf er zugreifen darf. Eine Rolle im Personalbereich sieht andere Daten als eine im Einkauf. Das ist dann keine Frage von Vertrauen mehr, sondern von Konfiguration, und genau das ist das Argument, mit dem du durch eine Datenschutzprüfung kommst.

Ein Agent ist keine Software, die du einführst. Er ist eine Rolle, die du besetzt.

Warum die Agenten nicht im Chatfenster bleiben sollten

Der Punkt, an dem es für mich richtig interessant wurde: Ich kann die Agenten von außen ansprechen. Bei mir laufen Automatisierungen in Make.com, die über die Schnittstelle auf Langdock-Agenten zugreifen. Damit ist der Agent keine Insel im Chat mehr, in die jemand aktiv hineinklicken muss, sondern ein Baustein in einem Ablauf, der auch läuft, wenn niemand am Rechner sitzt.

Das verschiebt die Frage von „nutzen unsere Leute das Tool?" zu „läuft der Prozess?". Und das ist die Frage, an der sich entscheidet, ob KI bei euch Wirkung hat oder nur Nutzungsstatistik.

Und der Grund, warum ich Modellunabhängigkeit inzwischen praktisch schätze

Vorher fand ich das Argument theoretisch gut. Jetzt schätze ich es aus einem konkreten Grund: Du legst dich mit einer Rolle nicht auf einen Modellanbieter fest.

Im Juni 2026 hat die US-Regierung den Zugang zu zwei neuen Anthropic-Modellen per Exportauflage weltweit für ausländische Staatsangehörige gesperrt, im Juli war die Sperre wieder aufgehoben. Wer in diesen Wochen alles auf einen Anbieter gesetzt hatte, hatte ein Problem. Wer modellagnostisch arbeitet, wechselt das Modell hinter der Rolle und arbeitet weiter. Dasselbe gilt, wenn ein Anbieter die Preise anhebt oder ein Modell abkündigt, und das passiert häufiger als eine Exportauflage.

Ist Langdock DSGVO-konform?

Kurz: ja, und besser belegt als bei den meisten Wettbewerbern. Langdock ist nach ISO 27001 zertifiziert und nach SOC 2 Type II unabhängig auditiert. Die Kombination aus beidem ist bei EU-KI-Plattformen selten. Der Auftragsverarbeitungsvertrag liegt im Trust Center bereit, gehostet wird über Microsoft Azure auf Servern in der EU, verschlüsselt mit AES-256 im Ruhezustand und TLS 1.2 oder höher beim Transport. Kundendaten werden nicht zum Training verwendet, auch nicht von den Modellanbietern dahinter.

Und jetzt der Satz, um den es mir geht. Auf der Security-Seite von Langdock steht wörtlich:

„The application and most models (configurable) are hosted entirely in the EU."

Nicht all, sondern most. Das ist ehrlich formuliert, und es ist der wichtigste Punkt für jeden, der die Plattform durch eine Datenschutzprüfung bringen muss: EU-Hosting der Plattform bedeutet nicht automatisch DSGVO-konforme Inferenz aller Modelle. Die Anwendung selbst liegt in der EU, ein Teil der Modelle wird aber nur in einer weltweiten Bereitstellung angeboten. Die eigentliche Verarbeitung eures Prompts, also die Inferenz, findet dann außerhalb der EU statt.

Die gute Nachricht: es ist konfigurierbar. Du kannst die Modellauswahl auf EU-gehostete Modelle beschränken. Die schlechte: es passiert nicht automatisch. Wenn echte Datensouveränität inklusive Inferenz gefordert ist, muss das jemand aktiv einstellen und dokumentieren. Genau diese Frage kommt in jedem Compliance-Meeting, und sie steht in keinem der Testberichte, die ich gelesen habe.

Was kostet Langdock?

Langdock veröffentlicht Listenpreise. Das ist in diesem Segment ungewöhnlich und dem Anbieter hoch anzurechnen, weil du damit einen Business Case ohne Vertriebsgespräch aufstellen kannst. Alle Angaben von langdock.com/pricing, geprüft am 19. August 2026, jeweils netto:

Wichtig für die Planung: der 25-Euro-Seat ist die Basis, nicht die Endrechnung. Workflows, API-Aufschlag und ab 2027 Governance kommen obendrauf. Die veröffentlichten Preise sind ehrlich, die Gesamtsumme ist trotzdem schwer vorherzusagen, weil sie am Nutzungsverhalten hängt. Rechne mit einem Puffer.

Wo Langdock nicht passt

Drei Situationen, in denen ich von der Plattform abraten würde oder mindestens zum genauen Hinsehen rate.

Unter etwa 50 Mitarbeitenden

25 Euro pro Nutzer liegen über ChatGPT Plus. Der Mehrwert von Langdock liegt in Governance, gemeinsamem Wissen und zentraler Steuerung. Bei fünf Personen greift davon nichts. Dann zahlt ihr für eine Verwaltungsebene, die ihr nicht braucht.

Beim gehobenen Mittelstand mit hohem Schutzbedarf

Das ist der Punkt, der in den meisten deutschen Testberichten falsch drinsteht, ich habe ihn deshalb direkt auf der Enterprise-Seite geprüft. Eine dedizierte Einzelinstanz gibt es erst ab 2.000 Seats. Betrieb in der eigenen Cloud und On-Premise über Kubernetes erst ab 5.000 Seats.

Mehrere Testberichte nennen hier noch 1.000, die Schwellen wurden offenbar angehoben. Für ein Unternehmen mit 300 bis 1.500 Mitarbeitenden und hohem Schutzbedarf, etwa eine Bank, einen Versicherer oder eine Klinik, kann das ein Ausschlusskriterium sein: Ihr bleibt in der geteilten Umgebung. Wenn eure Datenschutzabteilung eine eigene Instanz fordert, klärt diese Frage vor allem anderen.

Wenn niemand den Rollout begleitet

Das Setup der Plattform ist eine Sache von Tagen. SSO anbinden, Nutzer anlegen, Modelle freigeben, fertig. Der produktive Betrieb ist eine Sache von Wochen, und der Unterschied zwischen beidem ist kein technischer.

Über 40 Modelle nutzen nur denen etwas, die wissen, welches Modell wofür taugt. Beim Aufbau meines Agententeams bestätigt sich das gerade: Die Plattform selbst stand schnell. Die Arbeit liegt darin, die Rollen sauber zu schneiden, das Wissen dahinter zu hinterlegen und die Skills zu bauen, die eine Rolle wirklich braucht. Das ist Prozessarbeit, keine Softwareeinführung.

Dasselbe Muster habe ich vorher bei der Gemini-Einführung in Google Workspace gesehen: Die Technik stand nach kurzer Zeit, der eigentliche Aufwand lag in den Anwendungsfällen pro Abteilung, in Prompt-Vorlagen und darin, Leuten die Sorge zu nehmen, etwas falsch zu machen. Ohne diesen Teil habt ihr einen 25-Euro-ChatGPT-Ersatz mit besserer Rechnung.

Was sind Alternativen zu Langdock?

Vier Optionen, die je nach Ausgangslage besser passen können:

• Blockbrain (Stuttgart) ist die Tiefen-Lösung. Deutlich stärker beim Wissensmanagement, Datenverarbeitung laut Anbieter über die STACKIT-Kooperation „im deutschen Rechtsraum". Dafür ohne jede Preistransparenz, und die Einführung ist Projektarbeit. Kurz gesagt: Blockbrain kauft man mit Projektbudget, Langdock mit Lizenzbudget.
• meinGPT (SelectCode GmbH, Unterhaching) verkauft Schulung und Begleitung als Produktbestandteil mit. Interessant, wenn bei euch die Adoption der Engpass ist und nicht die Technik.
• DeutschlandGPT (Germering) hostet auf der Open Telekom Cloud in Magdeburg und Biere, mit BSI-C5-Zertifizierung auf Hosting-Ebene. Die Wahl, wenn der Einwand nicht „zu teuer" lautet, sondern „kein US-Anbieter im Stack".
• Microsoft 365 Copilot ist der Wettbewerber, den ihr intern sowieso diskutieren werdet. Wenn euer Nutzen hauptsächlich in Word, Outlook und Teams liegt, prüft das zuerst. Copilot bindet euch allerdings auf einen Modellanbieter, und genau die Modellunabhängigkeit ist Langdocks Kernargument.

Ich habe die fünf Plattformen in einem eigenen Beitrag direkt gegenübergestellt, mit Vergleichstabelle und Entscheidungslogik: KI-Plattformen für Unternehmen im Vergleich (folgt in Kürze).

Mein Fazit

Langdock ist eine gute Plattform und für den typischen DACH-Fall die naheliegendste Wahl: Modellunabhängigkeit, EU-Hosting, nachweisbare Governance und dazu offen kommunizierte Preise. Wenn ihr zwischen 50 und 1.500 Wissensarbeitende habt und Schatten-KI ablösen wollt, gehört Langdock auf die Shortlist.

Drei Dinge klärt bitte, bevor ihr unterschreibt: Beschränkt die Modellauswahl auf EU-Bereitstellung und dokumentiert das. Prüft, ob ihr eine dedizierte Instanz braucht, denn die gibt es erst ab 2.000 Seats. Und rechnet den Vollausbau inklusive Workflows, API-Aufschlag und Governance ab 2027, nicht nur den Seat-Preis.

Und der Punkt, der über alles andere entscheidet: Plant das Enablement mit ein, bevor die erste Lizenz läuft. Die Plattform ist nicht das Projekt. Die Nutzung ist das Projekt.

Wenn ich einen einzigen Tipp aus meinem eigenen Aufbau mitgeben soll: Fang mit einer Rolle an, nicht mit einer Plattformstrategie. Eine Rolle, die eine konkrete wiederkehrende Aufgabe übernimmt, mit klar begrenztem Zugriff und einem Menschen, der das Ergebnis abnimmt. Wenn die läuft, ist die zweite Rolle in einem Bruchteil der Zeit gebaut. Und dann versteht das Team auch von selbst, wofür die Plattform da ist.

Häufige Fragen zu Langdock