Mit der LangChain Series C sammelt das Unternehmen hinter den gleichnamigen Agenten-Frameworks 300 Millionen US-Dollar bei einer Bewertung von 3 Milliarden US-Dollar ein. Angeführt wird die am 13. November 2026 bekanntgegebene Runde vom bestehenden Investor CapitalG. Das Geld soll vor allem in LangSmith fließen, die kommerzielle Plattform zum Betreiben, Verbessern und Steuern von KI-Agenten. Für Entwickler ist weniger die Bewertung interessant als die Frage, wohin sich ein Werkzeug entwickelt, das in vielen Agenten-Projekten als Grundlage dient.
LangChain Series C: Die Eckdaten der Runde
In der Ankündigung von CEO Harrison Chase nennt LangChain CapitalG als Leitinvestor. Neu dabei sind GIC und DFJ Growth mit deutlichem Anteil, bestehende Investoren wie IVP und Sapphire Ventures beteiligen sich erneut. Außerdem begrüßt das Unternehmen Salesforce Ventures, Insight Venture Partners, QuantumLight und MongoDB Ventures als neue Geldgeber. Sequoia, Amplify und Benchmark haben ihr Engagement in dieser Runde aufgestockt.
Zur Einordnung der Bewertung: Laut TechCrunch lag sie vor rund einem Jahr bei 1,25 Milliarden US-Dollar, als LangChain 125 Millionen US-Dollar unter Führung von IVP aufnahm. Die neue Bewertung ist damit mehr als doppelt so hoch. Umsatz- oder Gewinnzahlen nennt LangChain in der Ankündigung nicht.
Vom Open-Source-Projekt zur Agenten-Plattform
LangChain begann Ende 2022 als Nebenprojekt von Harrison Chase. Anfang 2023 gründete er gemeinsam mit Ankush Gola das Unternehmen. Die frühen Bibliotheken lösten Aufgaben, an denen damalige Sprachmodelle scheiterten, etwa Websuche, API-Aufrufe und Datenbankzugriffe. Inzwischen liefern die großen Modellanbieter viele dieser Funktionen selbst. LangChain hat sich deshalb auf das Betreiben und Verwalten von Agenten verlegt.
Der Leitinvestor nennt in seinem Beitrag zur Investition konkrete Nutzungszahlen. Die Open-Source-Projekte haben demnach insgesamt mehr als eine Milliarde Downloads überschritten. Zum Zeitpunkt der Series-B-Runde kamen die beiden Kernpakete LangChain und LangGraph zusammen auf rund 90 Millionen Downloads im Monat. Heute sind es laut CapitalG mehr als 350 Millionen pro Monat, inzwischen inklusive Deep Agents, dem Open-Source-Harness für länger laufende autonome Aufgaben. Diese Zahlen stammen vom Investor selbst und sind nicht unabhängig geprüft.
CapitalG beschreibt die Arbeitsweise, die LangChain „Agent Engineering“ nennt, als eigene Disziplin. Weil Agenten nicht deterministisch arbeiten, braucht der Weg in die Produktion eine Schleife aus Testen, Messen und Nachschärfen, an der Produkt, Entwicklung, Data Science und KI-Teams beteiligt sind. Der Investor vergleicht diesen Agenten-Lebenszyklus aus Bauen, Testen, Ausrollen, Überwachen, Iterieren und Steuern mit der Entwicklung des Software-Lebenszyklus vor einer Generation, als Versionskontrolle, CI/CD und Monitoring zum Standard wurden.
Was LangSmith heute umfasst
LangChain beschreibt LangSmith als frameworkunabhängige Plattform mit drei Säulen:
- Agent Runtime: Die Frameworks Deep Agents, LangGraph und LangChain sollen Flexibilität bei der Modellwahl und Kontrolle über den Kontext bieten. LangSmith Agent Server und Sandboxes betreiben Agenten in der Cloud oder in der eigenen Umgebung. Managed Agents und Fleet sind vollständig verwaltete Dienste.
- Agent Improvement: Observability und Evaluation zeigen, wie sich Agenten verhalten, und messen die Qualität. LangSmith Engine ist ein Agent innerhalb der Plattform, der Fehler findet, Code- oder Prompt-Korrekturen schreibt und den Produktivverkehr auf Rückschritte überwacht. Fine-Tuning macht aus Agenten-Traces Trainingsdaten für spezialisierte Modelle.
- Agent Governance: LLM- und Tool-Gateways steuern zentral Modellbudgets und Ausweichmodelle, schützen sensible Daten und regeln, welche Werkzeuge Agenten mit welcher Authentifizierung nutzen dürfen.
LangSmith läuft laut CapitalG in der Cloud von LangChain, selbst gehostet oder im eigenen Konto des Kunden bei AWS, Azure oder Google Cloud. Im Herbst kamen unter anderem Engine v2, Fine-Tuning und „Bring Your Own Cloud“ für Azure und Google Cloud hinzu.
Kunden und Anwendungsfälle laut Unternehmen
Mehr als 7.000 Organisationen nutzen LangSmith nach Angaben von LangChain. Genannt werden Start-ups wie Harvey, Rippling und Listen Labs sowie Großunternehmen wie Nvidia, Toyota und Salesforce. Zwei Beispiele führt das Unternehmen genauer aus: Clay überwacht mit LangSmith nach eigenen Angaben Hunderte Millionen Agenten-Durchläufe pro Monat. Workday betreibt und steuert damit Agenten im ganzen Unternehmen und hat die Zeit bis zum Einsatz eines neuen Agenten von fünf Monaten auf unter einen Tag verkürzt. Beide Angaben stammen aus der Ankündigung und lassen sich von außen nicht überprüfen.
Einordnung: Neutralität als Verkaufsargument
LangChains zentrale Botschaft lautet, jedes Unternehmen solle „seine eigene Intelligenz besitzen“. Gemeint ist: Firmen sollen Modelle frei wählen, Daten und Infrastruktur selbst kontrollieren und ihre Agenten fortlaufend verbessern. CapitalG begründet die Investition auch damit, dass Modellanbieter und Hyperscaler eigene Agenten-Werkzeuge ausliefern, große Unternehmen aber eine neutrale Ebene über mehrere Anbieter hinweg suchen. Der Investor verweist zudem darauf, dass die Spitzenposition in Ranglisten in diesem Jahr mehrfach gewechselt habe und offene Modelle der Spitze nur wenige Monate hinterherliefen.
Ob diese Neutralität trägt, ist offen. TechCrunch weist darauf hin, dass zahlreiche jüngere Anbieter ähnliche Versprechen machen. Gleichzeitig bauen die Modellanbieter ihre eigenen Agenten-Plattformen und Zahlungsfunktionen aus, wie zuletzt bei ChatGPT Wallet oder dem offenen Protokoll Poppy 1.0 von Sierra zu sehen war. Für Teams, die heute mit LangGraph oder Deep Agents arbeiten, ändert die Finanzierung kurzfristig nichts am Code. Sie erhöht aber den Druck, das kommerzielle Produkt auszubauen.
Was Entwickler daraus mitnehmen sollten
Für Teams, die Agenten produktiv betreiben oder es planen, ergeben sich einige praktische Punkte:
- Die Frameworks bleiben der Einstieg; die neuen Funktionen landen vor allem in LangSmith. Wer nur die Open-Source-Bibliotheken nutzt, sollte Changelogs im Blick behalten, um zu erkennen, welche Fähigkeiten dauerhaft offen bleiben.
- Evaluationen sind der Kern des Wechsels zwischen Modellen. Wer Modelle austauschen will, braucht Testsätze, die Rückschritte messbar machen – unabhängig vom Anbieter der Plattform.
- Governance-Funktionen wie Gateways für Modelle und Werkzeuge werden zum Standard. Wer sie selbst baut, sollte den Aufwand gegen Plattformangebote abwägen.
- Bei selbst verwalteten Daten bleibt die Frage nach dem Betriebsmodell: LangChain-Cloud, Self-Hosting oder eigenes Cloud-Konto haben unterschiedliche Folgen für Datenschutz und Kosten.
Am Freitag, dem 20. November, will LangChain bei einer Release-Veranstaltung weitere LangSmith-Funktionen vorstellen. Wie sich Agenten systematisch bewerten lassen, haben wir bereits in der LangChain-Studie zu Jev AI als LLM-as-a-Judge-Alternative beschrieben.



