Phillip Pham, AI Developer bei Pexon Consulting | 8 Min. Lesezeit | 28.08.2026
TL;DR: Kubernetes 2026 kurz erklärt
Kubernetes ist 2026 entschieden: 82 Prozent der Container-Nutzer betreiben es produktiv. Die Verschiebung liegt woanders. Erstmals nennen mehr Organisationen kulturelle Hürden als technische Komplexität als größtes Hindernis. Gleichzeitig wird der Cluster zur Standardbasis für KI-Inferenz. Wir beraten, ob Sie ihn brauchen, und betreiben ihn, wenn ja.
Die Frage hat sich verschoben
„Brauchen wir Kubernetes?“ war 2021 eine gute Frage. 2026 ist sie beantwortet, und zwar nicht durch Argumente, sondern durch Verbreitung.
Die CNCF-Jahresumfrage 2025, veröffentlicht am 20. Januar 2026, weist 82 Prozent der Container-Nutzer als produktive Kubernetes-Anwender aus. Kubernetes ist damit das De-facto-Betriebssystem für Container geworden, und zunehmend auch für KI-Workloads. Die interessante Frage lautet deshalb nicht mehr ob, sondern: Wer betreibt es, und was von der Arbeit bleibt eigentlich übrig?
Trotzdem gilt der wichtigste Satz dieses Artikels unverändert: Für viele Unternehmen ist Kubernetes weiterhin die falsche Antwort. Wenn Sie drei Anwendungen betreiben, die sich nicht ändern, brauchen Sie keinen Cluster, sondern einen Managed-Container-Dienst oder schlicht ein paar Instanzen. Diese Ehrlichkeit gehört zur Beratung dazu, auch wenn sie kein Projekt verkauft.
Der eigentliche Befund 2026: Es hakt nicht an der Technik
Das ist die Zahl, die uns dieses Jahr am meisten überrascht hat.
Quelle: CNCF Annual Cloud Native Survey 2025, veröffentlicht Januar 2026.
Kulturelle Herausforderungen haben erstmals die technische Komplexität als Haupthindernis überholt. Das heißt im Klartext: Die Werkzeuge funktionieren inzwischen. Woran es hakt, sind Zuständigkeiten, Übergaben zwischen Entwicklung und Betrieb und die Frage, wer nachts angerufen wird.
Wir sehen dasselbe Muster bei Übernahmen. Der Cluster ist selten das Problem. Das Problem ist, dass drei Teams glauben, ein viertes sei zuständig, und dass niemand die Berechtigung hat, ein Upgrade zu terminieren. Ein Managed Service löst das nicht durch Technik, sondern indem er die Zuständigkeit eindeutig macht. Das ist der unterschätzte Teil unseres Angebots.
Was Managed Kubernetes wirklich abnimmt
EKS, AKS und GKE haben den Aufbau erledigt. Ein produktionsfähiger Cluster steht in Minuten statt in Wochen. Control-Plane, etcd und Scheduler betreibt der Anbieter, und er macht es besser als fast jedes interne Team, weil es sein Kerngeschäft ist.
Was der Anbieter Ihnen nicht abnimmt:
- Sicherheit im Cluster. RBAC, Network Policies, Pod-Security-Standards, Image-Scanning und Secrets-Verwaltung sind vollständig Ihre Aufgabe.
- Upgrade-Entscheidungen und deren Test. Der Anbieter bietet Versionen an, das Einspielen und die Regressionsprüfung bleiben bei Ihnen.
- Kosten. Ein ungebremster Cluster mit großzügigen Requests kostet schnell das Dreifache des Nötigen. Niemand optimiert das für Sie.
- Beobachtbarkeit. Metriken, Logs, Traces und funktionierende Alarme sind Aufbau- und Pflegearbeit.
- Die Anwendungsebene. Deployments, Ingress, Zertifikate, Datenbank-Anbindung, und zunehmend GPU-Zuteilung für Inferenz.
Managed Kubernetes verschiebt die Arbeit nach oben, es beseitigt sie nicht. Wer das verwechselt, plant ein Team ein und braucht zwei. Die Unterschiede zwischen den drei großen Anbietern stehen im Vergleich von AKS, EKS und GKE.
Wohin die Arbeit gewandert ist
Die Behauptung „Kubernetes-Wissen wird unwichtig“ ist falsch. Richtig ist: Es ist anderes Wissen geworden.
Die linke Spalte übernimmt der Anbieter. Die rechte bleibt, und sie ist anspruchsvoller als die linke je war, weil sie Kenntnis Ihrer Anwendungen voraussetzt. Ein externer Dienstleister, der nur die linke Spalte beherrscht, hilft Ihnen 2026 nicht mehr weiter.
Praktische Folge für die Personalplanung: Sie brauchen weniger jemanden, der Cluster aufbaut, und mehr jemanden, der beurteilen kann, warum ein Deployment in der Nacht dreimal neu gestartet ist. Diese Leute sind selten, und die CNCF-Zahlen zum Fachkräftemangel von 33 Prozent bilden das nur unvollständig ab, weil die Lücke qualitativ ist, nicht nur quantitativ.
Der Upgrade-Bruch, der 2026 ansteht
Eine konkrete Sache, die in Betriebsplänen für das kommende Jahr fehlen dürfte.
Kubernetes 1.34 ist am 27. August 2026 in den Maintenance-Modus gegangen, das End-of-Life folgt am 27. Oktober 2026. Aktuelle Patch-Stände sind 1.35.6 und 1.34.9, beide vom 9. Juni 2026. So weit Routine.
Der Bruch steckt eine Version weiter: Kubernetes 1.35 ist die letzte Version, die containerd 1.x unterstützt. Wer darüber hinaus aktualisiert, muss vorher auf containerd 2.0 wechseln. Das ist kein Versionssprung in einer Konfigurationsdatei, sondern ein Wechsel des Node-Images mit Testlauf über alle Workloads. Planen Sie ihn als eigenes Vorhaben ein, nicht als Nebenaufgabe im nächsten Wartungsfenster.
Wer nicht upgradet, betreibt binnen eines Jahres einen Cluster ohne Sicherheitsupdates. Das ist bei einer Anwendung ärgerlich und bei einer Plattform, auf der Kundendaten liegen, ein Haftungsthema.
KI ändert die Rechnung, aber nicht in die einfache Richtung
Der stärkste Treiber für Kubernetes 2026 sind KI-Workloads, und das aus einem nüchternen Grund: GPUs sind teuer und müssen geteilt werden.
Ein Inferenz-Dienst, der eine ganze H100 exklusiv belegt und zu 15 Prozent ausgelastet ist, verbrennt Geld. Kubernetes bietet die Mechanik, um GPUs zeitlich zu teilen, Workloads zu priorisieren und Mandanten zu trennen. Das ist ein echtes Argument, und es ist der Grund, warum wir bei KI-Plattformen fast immer bei Kubernetes landen.
Es macht den Betrieb allerdings nicht einfacher. GPU-Treiber, Knotenpools mit Spezialhardware, Modell-Caches als persistenter Speicher und Warteschlangen für Trainingsjobs sind zusätzliche Baustellen. Wer Kubernetes einführt, weil KI ansteht, sollte nicht mit dem schwierigsten Fall anfangen. Die Erfahrung mit dem Cluster kommt besser aus einem langweiligen Workload.
Häufig gestellte Fragen
Braucht mein Unternehmen Kubernetes?
Kommt auf die Anzahl und Veränderungsrate Ihrer Workloads an. Bei wenigen stabilen Anwendungen reichen einfachere Dienste. Bei vielen Diensten, mehreren Teams, echter Skalierung oder GPU-Workloads lohnt es sich. Wir sagen es Ihnen auch, wenn die Antwort nein lautet.
Ist Managed Kubernetes dasselbe wie „nichts mehr tun“?
Nein. Der Anbieter übernimmt Control-Plane und Verfügbarkeit der Plattform. Sicherheit, Netzwerk, Beobachtbarkeit, Kosten und die gesamte Anwendungsebene bleiben Arbeit, die jemand machen muss.
Was kostet Kubernetes-Betrieb realistisch?
Deutlich mehr als die Node-Rechnung. Der größte Posten ist der anteilige Senior-Engineer. Die vollständige Aufstellung steht in unserer Kostenrechnung für Kubernetes-Cluster.
Warum ist Kultur plötzlich das größte Hindernis?
Weil die Technik reifer geworden ist. Wenn Werkzeuge funktionieren, treten organisatorische Fragen in den Vordergrund: Wer entscheidet über Upgrades, wer hat Rufbereitschaft, wie übergeben Entwicklung und Betrieb. Das lässt sich nicht mit einem weiteren Werkzeug lösen.
Wann ist der richtige Zeitpunkt, den Betrieb abzugeben?
Ein guter Indikator: Wenn Upgrades verschoben werden, weil niemand Zeit hat, oder wenn genau eine Person im Haus den Cluster versteht. Beides sind Zustände, die sich ohne äußeren Anlass nicht von selbst auflösen.
Nächster Schritt
Bevor über Betriebsmodelle gesprochen wird, lohnt die einfachere Frage: Passt Kubernetes überhaupt zu dem, was Sie betreiben?
Verwandte Themen
→Platform Engineering als betriebene Plattform
→Von VMs zu Containern migrieren
Platform Engineering zwischen Anspruch und Wartungsrealität
Die Erkenntnis, dass Entwicklungsteams nicht direkt mit der Kubernetes-API oder rohen Helm-Charts arbeiten sollten, hat sich in den meisten Organisationen durchgesetzt. Entwickler möchten Software ausliefern, statt sich mit Ingress-Klassen, Service-Accounts oder Pod-Disruption-Budgets zu beschäftigen. Als logische Antwort darauf versuchen viele Plattform-Teams, interne Entwicklerportale aufzubauen. Das Ziel ist ein standardisierter Self
gegen den Betrieb transaktionaler Speicher im Cluster. Mit der Reife des Container Storage Interface und spezialisierter Kubernetes-Operatoren hat sich dieses Bild gewandelt, verlangt jedoch eine nüchterne Bewertung der Risiken.
Paragraph 2:
Ein Operator automatisiert wiederkehrende administrative Aufgaben wie Backups, Replikation, Zertifikatserneuerung und Failover-Prozeduren für Systeme wie PostgreSQL, Redis oder Kafka. Was auf dem Papier wie ein vollständ
Stateful Workloads und Datenbank-Operatoren im Praxiseinsatz
Lange galt die strikte Faustregel, persistente Datenspeicher nicht direkt in Kubernetes zu betreiben. Relationale Datenbanksysteme, nachrichtenbasierte Middleware oder transaktionale Speicher wurden bevorzugt als verwaltete Dienste der jeweiligen Cloud-Anbieter ausgelagert. Die Weiterentwicklung des Container Storage Interface (CSI) und die gestiegene Stabilität spezialisierter Kubernetes-Operatoren haben diese Trennung in den vergangenen Jahren jedoch grundlegend aufgeweicht. Plattform-Teams stehen vermehrt vor der Frage, ob Datenbanken und Streaming-Dienste unmittelbar im selben Cluster wie die zustandslosen Anwendungen betrieben werden sollten.
Ein Operator automatisiert wiederkehrende Aufgaben wie Backups, Replikationssteuerung, Failover-Mechanismen und Software-Updates. Dennoch bleibt die physische Realität des Speichers bestehen. Fällt ein Kubernetes-Node aus, muss der zugrundeliegende Netzwerkspeicher gelöst und an einem anderen Knoten neu angebunden werden. Dieser Vorgang beansprucht Minuten, während ein vollständig gemanagter Cloud-Datenbankdienst über vorkonfigurierte Standby-Instanzen in Sekunden umschaltet. Zudem verlangen transaktionsintensive Systeme exakt planbare I/O-Leistungen und maßgeschneiderte Backup-Konzepte, die mit generischen Speicherklassen im Cluster schnell an praktische Grenzen stoßen.
Ein In-Cluster-Betrieb von Datenbanksystemen rechnet sich vor allem dann, wenn hunderte isolierte Umgebungen für Tests oder Entwicklung vollautomatisiert auf Knopfdruck bereitgestellt werden müssen. Wer jedoch geschäftskritische Primärdatenbanken mit hohen Verfügbarkeitsanforderungen in den Cluster holt, verschiebt die Betriebsverantwortung vollständig auf das eigene Team. Der Operator nimmt administrative Routinegriffe ab, befreit das Betriebsteam jedoch keineswegs von tiefem Fachwissen über Speicherl
Cluster-Topologie: Große Mandanten-Cluster gegen dedizierte Flotten
Jahrelang galt die Konsolidierung auf wenige, sehr große Kubernetes-Cluster als Standard, um Infrastrukturkosten zu senken und Hardware optimal auszulasten



