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 2023) sind LLM-Workflows direkt in die Datenpipeline integriert, eine der reifsten Enterprise-LLM-Anwendungen am Markt. Schwächen: Mindestinvestitionen sechsstellig pro Jahr, 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?

OEMs und Tier-1-Zulieferer im Automotive: Klassisches Foundry-Territorium. BMW, Airbus, General Motors und Stellantis betreiben Garantiemanagement, Recall-Frühwarnung und Lieferkettenüberwachung auf Foundry. Wer Telematik, Garantiefälle, DMS-Daten und Zulieferer-Quality in einem Modell zusammenführen will, findet kaum eine ausgereiftere Plattform.

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, politisch kontrovers, aber technisch ein Beleg für die Skalierbarkeit.

Behörden und Verteidigung: Palantir ist im Defense-Sektor groß geworden (US Army, NATO). Im zivilen Behörden-Umfeld (Steuerbehörden, Sicherheitsdienste) ist Foundry Standard. Für deutsche Behörden ist das eine politisch nicht-triviale Wahl.

Energie und Versorger: Asset-Management über tausende Anlagen, Predictive Maintenance auf Sensordaten, Netzanalyse. Vattenfall und andere Versorger setzen Foundry ein, um operative Daten 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/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

Plan	Preis	Was du bekommst
Pilot / Proof of Concept	250.000–500.000 USD	8–16 Wochen, abgegrenzte Use Cases, Forward Deployed Engineers, Foundry-Lizenz mit Limit
Production Entry	ab 500.000 USD/Jahr	Foundry + AIP, kleinere Datenvolumen, begrenzte Nutzerzahl, Standard-Support
Enterprise	1–10 Mio. USD/Jahr	Konzern-Weite Plattform, mehrere Use Cases, dedizierte Datenmengen, Premium-Support
Government / Defense	individuell	On-Prem-Optionen, BSI-/IT-Sicherheit-Zertifizierungen, Sondervertragsformen

Einordnung: Es gibt keine öffentliche Preisliste, alle Angaben beruhen auf Branchen-Erfahrungswerten und vergangenen Vertragspublikationen. Der typische Einstieg für einen deutschen OEM oder Konzern liegt bei einer Million USD pro Jahr für ein bis zwei Use Cases, skaliert mit zusätzlichen Datenquellen, Nutzern und neuen Use Cases. Forward Deployed Engineers, Palantir-Mitarbeiter, die wochenlang on-site die Implementierung begleiten, sind in den Kosten enthalten und erklären einen Teil der Preise. AIP ist seit 2023 standardmäßig im Foundry-Angebot enthalten, separate Lizenzierung nicht nötig. Für KMU sind diese Größenordnungen unerreichbar, und das ist ehrlich kommuniziert, Palantir 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 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. AIP unterstützt OpenAI- und Anthropic-Modelle ebenso wie selbst gehostete Open-Source-Modelle. Das ist eine der reifsten Enterprise-LLM-Plattformen am Markt, Konkurrenten wie Microsoft Fabric ziehen erst nach.

EU-Deployment auf AWS Frankfurt. Für DSGVO-kritische Daten (Fahrzeugdaten mit Personenbezug, Patientendaten, Mitarbeiterdaten) gibt es eine dedizierte EU-Region. Das ist im Defense-orientierten Palantir-Universum nicht selbstverständlich, und ein wichtiger Differenzierungspunkt gegenüber rein US-basierten Wettbewerbern.

Auditierbarkeit und Reproduzierbarkeit. Jede Datentransformation in Foundry ist versioniert und nachvollziehbar. Wer regulatorische Anforderungen (BaFin, EMA, FDA) erfüllen muss, bekommt das praktisch 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 Lizenzpreise, und einen wesentlichen Teil des Foundry-Erfolgs in komplexen Branchen.

Vorgefertigte OS-Anwendungen. Quality Management OS, Supply Chain OS, Manufacturing OS, Palantir liefert vertikal-spezifische Vorlagen, die auf der Foundry-Basis aufsetzen. Für OEMs spart das Monate Eigenentwicklung; man bekommt einen lauffähigen Garantie-Workflow statt nur ein leeres Datenmodell.

Schwächen ehrlich betrachtet

Preisintransparenz und sechsstellige Einstiegskosten. Es gibt keine veröffentlichten Listenpreise. Branchen-Erfahrungswerte: ab 500.000 USD/Jahr für kleine Pilotprojekte, 1–5 Mio. USD/Jahr für produktive Enterprise-Setups, zweistellige Millionenbeträge für Konzern-Weite Implementierungen. Vor jeder Evaluierung muss klar sein, dass diese Größenordnungen aufrufbar sind, sonst ist die ganze Übung Zeitverschwendung.

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 6–12 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-Ontologie-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 + Microsoft Fabric
Industrial AI mit fertigen Vertical-Apps suchst	C3 AI

Erwähnenswert ohne eigene Seite: Microsoft Fabric (jüngster 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 den Branchen-spezifischen Partnerkanal (z. B. J.D. Power für Automotive). Evaluierungen laufen in der Regel als Proof-of-Concept-Projekt mit definierten Use Cases, plane 8–12 Wochen allein für diese Phase ein und budgetiere bereits hier einen sechsstelligen Betrag. Frage explizit nach AIP-Integration 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-Ontologie: Datenpfade, Transformationen und Dashboards werden in Palantirs eigenem Konzept-Framework abgebildet, nicht in Standard-SQL-Abfragen. Plane mindestens zwei interne Mitarbeitende ein, die das Ontologie-Konzept tief erlernen und langfristig im Unternehmen vermitteln, ohne diese Champions skaliert die Plattform nicht.

Ein konkretes Beispiel

Ein europäischer OEM mit 2 Mio. Garantieansprüchen pro Jahr integriert Warranty-Backend, CDK-DMS-Daten aus dem Händlernetz und Telematiksignale in Palantir Foundry. Das QMOS-Dashboard zeigt Qualitätsanalysten, 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 früher manuell durch ein vierköpfiges Team über Wochen erfolgte. Erstes systemisches Signal einer Lichtmaschinencharge wird 11 Wochen früher erkannt als bei der vorherigen manuellen Methode. Bei einem Recall-Volumen von 80.000 Fahrzeugen entspricht das einer Einsparung im hohen einstelligen Millionenbereich pro Fall. Die Foundry-Lizenz von 2 Mio. EUR/Jahr amortisiert sich in zwei vermiedenen Recalls.

DSGVO & Datenschutz

• Datenhosting EU: Verfügbar auf AWS Frankfurt (eu-central-1). Für DSGVO-kritische Workloads ist das die einzige sinnvolle Wahl. Auf Wunsch auch in anderen EU-Regionen einsetzbar.
• Datennutzung: Eingaben und Daten verbleiben im Kunden-Tenant. Palantir nutzt Kundendaten standardmäßig nicht für Modelltraining oder Produktverbesserung, das wird vertraglich zugesichert.
• AIP und LLMs: Bei Nutzung von OpenAI- oder Anthropic-Modellen über AIP gelten die jeweiligen Drittanbieter-Bedingungen. Selbst gehostete Open-Source-Modelle (Llama, Mistral) können vollständig im EU-Tenant betrieben werden, die saubere Wahl für DSGVO-kritische Anwendungen.
• Auftragsverarbeitung (AVV): Standardmäßig im Enterprise-Vertrag enthalten. Detaillierte technische und organisatorische Maßnahmen werden auditierbar dokumentiert.
• Audit-Logs: Vollständig, wer welche Daten wann angefasst hat, ist nachvollziehbar. Pflicht für regulierte Branchen.
• Empfehlung für Unternehmen: Für DSGVO-sensible Daten ausschließlich auf EU-Region deployen und LLM-Auswahl bewusst treffen (selbst gehostete Modelle bei höchsten Anforderungen). Datenschutz-Folgenabschätzung ist Pflicht, Palantir liefert die Vorlagen, der Kunde muss sie für seinen Kontext ausfüllen.

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 Testurteil

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, das EU-Deployment auf AWS Frankfurt löst die DSGVO-Frage, die Forward-Deployed-Engineers-Mentalität sorgt für Implementierungserfolg, wo andere Plattformen scheitern. Die zwei verlorenen Sterne kommen aus harten Realitäten: sechsstellige Mindestinvestitionen pro Jahr, starker Vendor-Lock-in, lange Implementierungszeit, politisch sensible Eigentümerstruktur und die Tatsache, dass Foundry für >95 Prozent der 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 von 18 Monaten hat AIP Palantir zur ernstzunehmenden Enterprise-LLM-Plattform gemacht, die Aktie spiegelt das in einer markanten Bewertungsausweitung wider (Marktkapitalisierung > 100 Mrd. USD Anfang 2026).
• 2023–2025, NHS England hat einen umstrittenen Foundry-Vertrag (£330 Mio. über 7 Jahre) für die Federated Data Platform geschlossen. Politisch und gewerkschaftlich heftig diskutiert, technisch ein Beleg für Foundry-Skalierbarkeit im Gesundheitswesen.
• 2024, Stellantis und weitere europäische OEMs haben Foundry-Implementierungen ausgebaut. Der Automotive-Markt ist nach Defense der zweitwichtigste Foundry-Sektor.
• 2025, AIP unterstützt mittlerweile native Tool-Use mit MCP (Model Context Protocol). Damit ist Palantir einer der ersten Enterprise-Anbieter mit echter Agent-Workflow-Unterstützung auf Datenobjekten.
• 2025–2026, Microsoft Fabric tritt zunehmend als Wettbewerber auf, deutlich günstiger, aber weniger ausgereifte Workflow-Apps und schwächere Ontology-Schicht. Für reine Microsoft-Konzerne dennoch eine ernsthafte Alternative, die im Auswahlprozess geprüft werden sollte.
• Mai 2026, 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.