Palantir Foundry

Kurzfazit

Palantir Foundry ist die Enterprise-Datenplattform für Konzerne mit echter Komplexität, heterogene Quellsysteme, regulierte Branchen, Multi-Country-Setups. Wo andere Plattformen an Datenformat-Vielfalt oder Auditierbarkeit scheitern, spielt Foundry mit der Ontology-Schicht seinen größten Trumpf aus: Geschäftsobjekte werden modelliert, nicht bloß Tabellen verknüpft. Mit AIP (Artificial Intelligence Platform, seit April 2023) sind LLM-Workflows direkt in die Datenpipeline integriert, eine der reifsten Enterprise-LLM-Anwendungen am Markt. Schwächen: keine öffentliche Preisliste und klarer Enterprise-Fokus, starker Vendor-Lock-in, lange Implementierungszeit, politisch nicht für jeden Vorstand verträglich. Für die richtigen Großkonzerne ist Foundry Standard, alle anderen sollten gar nicht erst evaluieren.

Für wen ist Palantir Foundry?

Luftfahrt, Fertigung und Mobilität: Airbus betreibt mit Skywise eine der bekanntesten Foundry-Implementierungen für Flotten- und Wartungsdaten. Auch der Industriekonzern Merck KGaA und der Sportwagenhersteller Ferrari zählen zu den öffentlich benannten Kunden. Wer Telematik, Produktions-, Qualitäts- und Zulieferdaten in einem Modell zusammenführen will, findet in Foundry eine ausgereifte Plattform, gerade für Garantiemanagement und Recall-Frühwarnung.

Pharma- und Healthcare-Konzerne: Multi-Site-Daten (klinische Studien, Produktionsdaten, Pharmakovigilanz) lassen sich in Foundry konsistent abbilden. NHS England nutzt Foundry für die Federated Data Platform (330 Mio. £ über sieben Jahre, vergeben im November 2023), politisch kontrovers, aber technisch ein Beleg für die Skalierbarkeit im Gesundheitswesen.

Behörden und Verteidigung: Palantir ist im Defense-Sektor groß geworden. Zu den öffentlich bekannten Nutzern zählen die US Army und die NATO. Im zivilen Behörden-Umfeld ist Foundry ebenfalls im Einsatz. Für deutsche Behörden ist das eine politisch nicht-triviale Wahl.

Energie und Versorger: Asset-Management über tausende Anlagen, Predictive Maintenance auf Sensordaten, Netzanalyse. Versorger setzen solche Plattformen ein, um operative Daten aus vielen Quellen konsolidiert auswerten zu können.

Finanzdienstleister: Anti-Money-Laundering, Fraud Detection, Risikomanagement. Hier konkurriert Foundry direkt mit Databricks und Snowflake, Foundry punktet mit fertigen Workflow-Apps, Databricks und Snowflake mit Offenheit.

Weniger geeignet für: Mittelständler unter 1.000 Mitarbeitern (Implementierungsaufwand und Lizenz sind unwirtschaftlich), Startups (zu langsam, zu teuer), Teams mit reiner BI-Anforderung (Power BI oder Tableau reichen), Organisationen, die maximale Anbieter-Unabhängigkeit brauchen (Lock-in zu stark).

Preise im Detail

Angebot	Preis	Anmerkung
Foundry + AIP (Enterprise)	Auf Anfrage	Keine öffentliche Preisliste, Angebot nach Proof of Concept und Scoping
Proof of Concept	Auf Anfrage	Zeitlich begrenzt, abgegrenzte Use Cases, Begleitung durch Forward Deployed Engineers
Government / Defense	Auf Anfrage	On-Prem-Optionen, Sondervertragsformen, spezielle Sicherheitsanforderungen

Einordnung: Es gibt keine öffentliche Preisliste und keine dokumentierte Self-Service-Preisoption. Konkrete Zahlen kursieren nur aus einzelnen, öffentlich ausgeschriebenen Verträgen. Der bekannteste Referenzwert ist der NHS-England-Vertrag für die Federated Data Platform: 330 Mio. £ über sieben Jahre (vergeben November 2023). Das ist ein spezifischer Großauftrag im öffentlichen Sektor und kein repräsentativer Listenpreis, es zeigt aber die Größenordnung, in der sich Konzern-Weite Implementierungen bewegen können. Ein wesentlicher Kostentreiber sind die Forward Deployed Engineers, Palantir-Mitarbeiter, die die Implementierung on-site begleiten. AIP ist seit April 2023 standardmäßig im Foundry-Angebot enthalten, eine separate Lizenzierung ist nicht nötig. Für KMU sind diese Größenordnungen unerreichbar, und das kommuniziert Palantir offen, es wirbt nicht um diese Kundengruppe.

Stärken im Detail

Ontology ist der eigentliche Wertbeitrag. Statt nur Tabellen zu verknüpfen, modelliert Foundry Geschäftsobjekte (“Fahrzeug”, “Garantieanspruch”, “Lieferant”) mit ihren Beziehungen. Datenwissenschaftler, Fachabteilungen und LLMs arbeiten dann auf dieser semantischen Schicht statt auf Roh-Tabellen. Das ist konzeptionell der größte Unterschied zu Databricks und Snowflake, die “nur” Tabellen-Engines sind.

AIP bringt LLMs in die Geschäftsprozesse. Mit der Artificial Intelligence Platform (seit April 2023) kannst du LLM-Modelle direkt auf Ontology-Objekte loslassen, etwa um aus Freitext-Garantieansprüchen die wahrscheinliche Fehlerursache zu klassifizieren oder automatisch Handlungsempfehlungen zu generieren. Laut Foundry-Release-Dokumentation vom Mai 2026 unterstützt AIP unter anderem GPT-5.5 (über Azure, in US- und EU-georestricted Enrollments), Claude Opus 4.7/4.6 und Sonnet 4.6, Gemini 3.5 Flash und Grok-4.3. Über Bring Your Own Model lassen sich zusätzlich eigene, selbst registrierte Modelle einbinden. Das ist eine der reifsten Enterprise-LLM-Plattformen am Markt.

Native Agent-Workflows über MCP. Mit dem Ontology MCP im MCP Hub (Stand Mai 2026) lassen sich Model-Context-Protocol-basierte Agent-Workflows direkt auf Datenobjekten aufsetzen. Damit gehört Palantir zu den Enterprise-Anbietern, die agentische Werkzeugnutzung nicht nur auf Text, sondern auf strukturierte Geschäftsobjekte anwenden.

EU-georestricted Enrollments. Für DSGVO-kritische Daten (Fahrzeugdaten mit Personenbezug, Patientendaten, Mitarbeiterdaten) sind EU-georestricted Enrollments verfügbar, in denen bestimmte Modelle und Verarbeitungen auf EU-Regionen beschränkt werden. Das ist im Defense-orientierten Palantir-Universum nicht selbstverständlich und ein wichtiger Differenzierungspunkt gegenüber rein US-basierten Wettbewerbern. Die konkrete Region und der Cloud-Anbieter hängen vom jeweiligen Enrollment und Vertrag ab.

Auditierbarkeit und Reproduzierbarkeit. Jede Datentransformation in Foundry ist versioniert und nachvollziehbar. Wer regulatorische Anforderungen (BaFin, EMA, FDA) erfüllen muss, bekommt das weitgehend out-of-the-box, bei Konkurrenten erfordert das oft erhebliche zusätzliche Konfiguration.

Forward Deployed Engineers (FDEs). Palantir schickt eigene Ingenieure für Wochen bis Monate in Kunden-Teams, um die Implementierung zu begleiten. Das ist im SaaS-Markt ungewöhnlich und löst das größte Problem bei komplexen Plattformen: dass der Kunde nicht weiß, was er bauen soll. Die FDE-Mentalität erklärt einen Teil der hohen Kosten und einen wesentlichen Teil des Foundry-Erfolgs in komplexen Branchen.

Schwächen ehrlich betrachtet

Preisintransparenz und Enterprise-Fokus. Es gibt keine veröffentlichten Listenpreise und keine Self-Service-Option. Vor jeder Evaluierung muss klar sein, dass Foundry eine strategische Enterprise-Investition ist, keine Software, die man mal eben ausprobiert. Wer die Größenordnung nicht stemmen kann oder will, sollte gar nicht erst in einen Sales-Prozess einsteigen.

Starker Vendor-Lock-in. Wer einmal die Ontology in Foundry aufgebaut hat, kommt nur mit erheblichem Aufwand wieder heraus. Datentransformationen, Workflow-Apps und AIP-Anwendungen sind plattformspezifisch, eine Migration nach Databricks oder Snowflake bedeutet faktisch Neubau. Das ist kein Foundry-Fehler, aber strategisch eine Bindung, die im Vorstand bewusst entschieden werden muss.

Lange Implementierungszeit. Ein produktiver Use Case braucht typischerweise mehrere Monate von Vertragsabschluss bis Produktivnutzung. Das ist nicht ungewöhnlich für Enterprise-Software, aber wer “schnell loslegen” will, ist hier falsch. Lieber kleine Pilot-Scopes wählen als ambitionierte Big-Bang-Roll-outs.

Politisch nicht für jeden Vorstand verträglich. Palantir ist aus dem Defense- und Geheimdienst-Umfeld groß geworden. CEO Alex Karp positioniert sich öffentlich aggressiv zu geopolitischen Themen. Für deutsche Konzerne, die Wert auf politische Neutralität legen (oder deren Mitarbeitervertretungen sensibel sind), ist das ein Diskussionspunkt, vor der Entscheidung sollte die Compliance- und Kommunikationsseite eingebunden werden.

Steile Lernkurve. Das Foundry-Ontology-Konzept ist mächtig, aber konzeptionell anders als klassisches Data-Warehouse-Denken. Interne Champions, die das Modell verstehen und im Unternehmen vermitteln können, sind unverzichtbar. Ohne diese Champions verkommt Foundry zur teuren Tabellen-Plattform.

Keine deutschsprachige UI oder Doku. Foundry ist Englisch, AIP ist Englisch, Trainings sind Englisch. Für DACH-Konzerne mit internationalem Setup kein Hindernis, für rein national operierende Mittelständler ein zusätzlicher Filter.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Eine offene, flexible Datenplattform ohne Vendor-Lock-in willst	Databricks
Cloud-natives Data-Warehouse mit SQL-Fokus brauchst	Snowflake
Eine SAP-zentrische Datenwelt orchestrieren willst	SAP Datasphere
Microsoft-Stack durchgehend nutzen willst	Azure ML
Industrial AI mit fertigen Vertical-Apps suchst	C3 AI

Erwähnenswert ohne eigene Seite: Microsoft Fabric (jüngerer Konkurrent, deutlich günstiger, weniger ausgereifte Workflow-Apps), Cloudera Data Platform (klassisches Hadoop-Erbe, weniger AI-fokussiert), Dataiku (Data-Science-Plattform, weniger Enterprise-Ontology) und IBM watsonx (für IBM-zentrische Konzerne). Palantir ist die Premium-Wahl für die wirklich harten Datenfälle, und das spiegelt sich im Preis. Wer Daten “nur” auswerten oder Reports bauen will, ist mit Databricks, Snowflake oder einer BI-Lösung deutlich wirtschaftlicher unterwegs.

So steigst du ein

Schritt 1: Kontaktiere Palantir über palantir.com/platforms/foundry/ oder einen Branchenpartner. Evaluierungen laufen in der Regel als Proof-of-Concept-Projekt mit definierten Use Cases, plane mehrere Wochen allein für diese Phase ein. Eine öffentliche Preisliste gibt es nicht, gehe von einer ernstzunehmenden Enterprise-Investition aus. Frage explizit nach AIP-Integration und EU-georestricted Enrollment im Angebot.

Schritt 2: Definiere den Scope mit dem Palantir-Team: Welche Datenquellen (DMS, Telematik, Garantie-Backend), welcher konkrete Use Case (Frühwarnung, Kostenanalyse, Zulieferer-Scoring, AIP-gestützte Klassifikation), welche Nutzergruppen (Qualitätsingenieure, Field-Quality-Teams, Führungsebene). Je enger der Scope im Pilot, desto verlässlicher der Business Case für die Folge-Investition.

Schritt 3: Im Produktivbetrieb betreut Palantir die Einführung mit dedizierten Forward Deployed Engineers (FDEs), das ist ungewöhnlich im SaaS-Markt und erklärt einen Teil der Kosten. Die eigentliche Lernkurve liegt in der Foundry-Ontology: Datenpfade, Transformationen und Dashboards werden in Palantirs eigenem Konzept-Framework abgebildet, nicht in Standard-SQL-Abfragen. Plane mindestens zwei interne Mitarbeitende ein, die das Ontology-Konzept tief erlernen und langfristig im Unternehmen vermitteln, ohne diese Champions skaliert die Plattform nicht.

Ein konkretes Beispiel

Illustratives Szenario (keine realen Kundenzahlen): Ein europäischer OEM integriert sein Warranty-Backend, DMS-Daten aus dem Händlernetz und Telematiksignale in Palantir Foundry. Ein vorkonfiguriertes Qualitäts-Dashboard zeigt Analysten, welche Bauteile über einem statistischen Schwellenwert liegen, mit Drill-down auf Fahrzeugbaureihe, Verbauort und liefernden Zulieferer. Mit AIP klassifiziert ein integriertes LLM die Freitext-Schadensbeschreibungen automatisch in Fehlerkategorien, eine Aufgabe, die zuvor manuell durch ein mehrköpfiges Team über Wochen erfolgte. In solchen Szenarien wird das erste systemische Signal einer fehlerhaften Bauteilcharge deutlich früher erkannt als bei rein manueller Auswertung, und jeder vermiedene oder verkleinerte Recall spart erhebliche Kosten. Ob sich die Plattform rechnet, hängt vom individuellen Angebot ab, das Palantir nur auf Anfrage nennt.

DSGVO & Datenschutz

• Datenhosting (global, EU-Option verfügbar): Foundry ist eine gehostete, gemanagte SaaS-Plattform von Palantir Technologies Inc., einem US-Konzern. Die Infrastruktur ist regional wählbar und laut Palantirs Sicherheitsdokumentation branchen- und kontinentübergreifend an Rahmenwerke wie GDPR, HIPAA und ITAR ausgerichtet. EU-georestricted Enrollments sind verfügbar (belegt durch die Foundry-Release-Dokumentation, die etwa GPT-5.5 auch für EU-georestricted Enrollments ausweist), sie sind aber nicht die Standardvorgabe: Es gibt ebenso non-georestricted Enrollments. Die konkrete Cloud-Region und der Anbieter hängen vom jeweiligen Enrollment und Vertrag ab, kläre das vor Vertragsschluss verbindlich.
• US-Mutterkonzern und CLOUD Act: Da Palantir ein US-Unternehmen ist, kann der US CLOUD Act grundsätzlich Zugriff auf Daten ermöglichen, auch bei EU-georestricted Hosting. Für hochsensible oder behördliche Daten ist dieses Restrisiko im Rahmen der Datenschutz-Folgenabschätzung und gegebenenfalls über Standardvertragsklauseln zu bewerten.
• Datennutzung: In der Regel verbleiben Kundendaten im eigenen Tenant. Wie Ein- und Ausgaben, insbesondere bei LLM-Nutzung, weiterverwendet werden dürfen (Training, Produktverbesserung), ist vertraglich zu regeln und im Auftragsverarbeitungsvertrag festzuhalten.
• AIP und LLMs: Bei Nutzung von Drittanbieter-Modellen (OpenAI, Anthropic, Google, xAI) gelten die jeweiligen Anbieter-Bedingungen. Über Bring Your Own Model lassen sich eigene, selbst registrierte Modelle einbinden, eine sauberere Wahl für DSGVO-kritische Anwendungen.
• Auftragsverarbeitung (AVV): Für Geschäftskunden über den Enterprise-Vertrag zu vereinbaren. Konditionen und technisch-organisatorische Maßnahmen nennt Palantir auf Anfrage.
• Audit-Logs: Foundry protokolliert Datenzugriffe und Transformationen nachvollziehbar, relevant für regulierte Branchen.
• Empfehlung für Unternehmen: Für DSGVO-sensible Daten ein EU-georestricted Enrollment wählen und die LLM-Auswahl bewusst treffen (eigene registrierte Modelle bei höchsten Anforderungen). Eine Datenschutz-Folgenabschätzung ist Pflicht, die Trainings- und Weiterverwendungsklauseln im Vertrag genau prüfen.

Gut kombiniert mit

• Snowflake, viele Kunden nutzen Snowflake als Roh-Data-Lake und Foundry als analytische Ontology-Schicht obendrauf. Datenflüsse in beide Richtungen sind möglich.
• Databricks, als ML-Trainings- und Experimentierumgebung neben Foundry. Modelle werden in Databricks trainiert, dann in Foundry-Pipelines deployed.
• Azure OpenAI, für Konzerne, die OpenAI-Modelle bereits über Microsoft beziehen, ist die Anbindung an AIP technisch sauber und kommerziell oft vorteilhaft.

Unser Fazit

Palantir Foundry verdient 3 von 5 Sternen. In seiner Nische, Konzern-Weite Datenintegration mit Ontology-Modell, AIP-gestützte Workflows, regulierte Branchen, ist Foundry technisch und konzeptionell führend. AIP gehört zu den reifsten Enterprise-LLM-Plattformen am Markt, EU-georestricted Enrollments adressieren die DSGVO-Frage, die Forward-Deployed-Engineers-Mentalität sorgt für Implementierungserfolg, wo andere Plattformen scheitern. Die zwei verlorenen Sterne kommen aus harten Realitäten: keine öffentliche Preisliste und klarer Enterprise-Fokus, starker Vendor-Lock-in, lange Implementierungszeit, politisch sensible Eigentümerstruktur und die Tatsache, dass Foundry für die allermeisten deutschen Unternehmen schlicht nicht passt. Für die richtigen Großkonzerne ist Foundry Pflicht im Werkzeugkasten, für alle anderen ein Tool zum Bestaunen, nicht zum Kaufen.

Was wir bemerkt haben

• April 2023: AIP (Artificial Intelligence Platform) wurde gelauncht und in Foundry integriert. Innerhalb weniger Jahre hat AIP Palantir zur ernstzunehmenden Enterprise-LLM-Plattform gemacht. Die Bewertung spiegelt das wider: Die Marktkapitalisierung überstieg 2025 die Marke von 400 Mrd. USD, was Beobachter (etwa The Economist) offen als mögliche Überbewertung diskutieren.
• November 2023: NHS England hat einen umstrittenen Foundry-Vertrag (330 Mio. £ über sieben Jahre) für die Federated Data Platform geschlossen. Politisch und gewerkschaftlich heftig diskutiert, technisch ein Beleg für Foundry-Skalierbarkeit im Gesundheitswesen. Es ist zugleich der bekannteste öffentliche Referenzwert für die Größenordnung eines Konzern-Vertrags.
• Mai 2026: Die Foundry-Release-Dokumentation weist ein breites LLM-Lineup aus: GPT-5.5 (Azure, auch EU-georestricted), Claude Opus 4.7/4.6 und Sonnet 4.6, Gemini 3.5 Flash und Grok-4.3. Global Branching wurde allgemein verfügbar (GA), SQL Studio als dedizierte SQL-Anwendung ergänzt, und mit dem Ontology MCP im MCP Hub sind agentische Workflows auf Datenobjekten möglich.
• Juli 2026: Faktencheck Datenhosting: Wir haben die Einordnung von “eu” auf “global” korrigiert. Foundry ist eine gehostete SaaS-Plattform des US-Konzerns Palantir Technologies Inc.; EU-georestricted Enrollments sind verfügbar, aber nicht die Standardvorgabe (es gibt ebenso non-georestricted Enrollments), und bei einem US-Mutterkonzern ist der CLOUD Act mitzudenken.
• 2025/26: Microsoft Fabric tritt zunehmend als Wettbewerber auf, deutlich günstiger, aber mit weniger ausgereiften Workflow-Apps und schwächerer Ontology-Schicht. Für reine Microsoft-Konzerne dennoch eine ernsthafte Alternative, die im Auswahlprozess geprüft werden sollte.
• Laufend: Politische Diskussionen um Palantirs Eigentümerstruktur und Defense-Engagement halten an. Wer Foundry in einer politisch sensiblen Branche (öffentliche Hand, Hochschule, NGO) einführen will, muss diese Diskussion antizipieren, nicht erst nach Vertragsabschluss.