Google stellt Gemini-Agenten für Unternehmen mit Multi-Modell-Unterstützung vor

Auf einer Google-Cloud-Veranstaltung am Donnerstag kündigte das Unternehmen eine wesentliche Erweiterung seiner Gemini-KI-Plattform an und stellte einen einheitlichen Agenten vor, der speziell für den Einsatz in Unternehmen entwickelt wurde. Diese neue Funktion geht über einfache Frage-Antwort-Szenarien hinaus und führt komplexe Aufgaben im Namen der Nutzer aus, wobei sie direkt in Geschäftsdaten und Workflows integriert wird. Der Start richtet sich zunächst an Unternehmensumgebungen und nutzt die bestehende Präsenz von Gemini bei nahezu 90 % der Fortune-100-Unternehmen.

Was passiert ist

Google wandelt Gemini von einem Konversationstool in einen aktiven Agenten um, der in der Lage ist, Arbeit zu planen und auszuführen. Thomas Kurian, CEO von Google Cloud, erklärte, dass Nutzer nun Ziele statt nur Anweisungen vorgeben können. Der Agent bestimmt autonom die erforderlichen Schritte, nutzt benutzerdefinierte Fähigkeiten und verbindet sich mit internen Systemen, um diese Ziele zu erreichen. Dieser Ansatz adressiert die wachsende Nachfrage nach KI, die End-to-End-Prozesse wie Terminplanung, Codierung und Datenanalyse ohne ständige menschliche Intervention bewältigen kann.

Die Rollout-Strategie priorisiert Unternehmen, um kritische Herausforderungen in den Bereichen Sicherheit, Skalierbarkeit und Leistung anzugehen, bevor eine Ausweitung auf den Consumer-Markt erfolgt. Sundar Pichai, CEO von Google, betonte, dass dieser gestufte Ansatz es dem Unternehmen ermöglicht, die Technologie in kontrollierten Unternehmensumgebungen zu verfeinern. Mit bereits über 1 Milliarde monatlich aktiver Nutzer, die Gemini verwenden, ist die Infrastruktur für eine breite Adoption vorhanden; der anfängliche Fokus liegt jedoch darauf, schwierigere operative Probleme großer Organisationen zu lösen.

Frühe Tests umfassten große Unternehmen wie Shopify, PayPal und On. Weitere namhafte Gemini Enterprise-Kunden sind BNP Paribas, Merck und Ulta Beauty. Diese Organisationen nutzen die Plattform, um KI in ihre täglichen Abläufe zu integrieren und testen deren Fähigkeit, komplexe Workflows zu managen und sicher mit vielfältigen Software-Ökosystemen zu interagieren.

Wie es funktioniert

Der Agent fungiert als eigenständige Entität innerhalb der Organisation, ausgestattet mit einem eigenen Google Workspace-Konto, einer E-Mail-Adresse und Kontextwissen. Er versteht Organisationsstrukturen, einschließlich Teammitgliedschaften, Zeitzonen und Genehmigungshierarchien. Nutzer können mit dem Agenten interagieren, indem sie ihn in Chats taggen, E-Mails senden oder Dateien teilen. Während er Aufgaben ausführt, erzeugt er ein Audit-Trail (Prüfpfad), der dem Agenten selbst zugeordnet wird, um Transparenz und Rechenschaftspflicht für automatisierte Aktionen zu gewährleisten.

Ein wichtiges technisches Merkmal ist der Modellauswahl-Assistent (Model Picker), der es dem System ermöglicht, das am besten geeignete KI-Modell für eine bestimmte Aufgabe auszuwählen. Standardmäßig wählt Gemini das beste Modell aus, aber Nutzer können diese Auswahl manuell überschreiben. Das System unterstützt derzeit Drittanbietermodelle, beginnend mit Anthropic’s Claude, und plant, zukünftig auch Open-Source- und private Modelle einzubeziehen. Diese Flexibilität ermöglicht es Unternehmen, Leistung, Kosten und spezifische Fähigkeitsanforderungen auszubalancieren.

Die Konnektivität wird über Standardintegrationen und das Model Context Protocol (MCP) abgewickelt. Der Agent verbindet sich mit Plattformen wie Microsoft 365, Slack, Jira, Git, BigQuery, Snowflake und Postgres. Er kann auch mit jedem MCP-Server kommunizieren, unabhängig davon, ob dieser sich innerhalb oder außerhalb des Unternehmensnetzwerks befindet. Eine „Tasks Inbox“-Schnittstelle bietet Einsicht in die Schlussfolgerungen des Agenten, die Delegation an Subagenten und den Fortschritt, sodass Nutzer überwachen und bei Bedarf eingreifen können.

Wichtige Details

• Der Agent operiert mit einer eigenen Workspace-Identität, einschließlich einer eindeutigen E-Mail-Adresse und kontextuellem Verständnis der Unternehmensstruktur.
• Nutzer können aus mehreren KI-Modellen wählen, einschließlich Drittanbieteroptionen wie Anthropic’s Claude, mit zukünftiger Unterstützung für Open-Source-Modelle.
• Die Integration erstreckt sich auf wichtige Enterprise-Tools wie Microsoft 365, Slack, Jira, Git, BigQuery, Databricks und Snowflake.
• Das System unterstützt das Model Context Protocol (MCP) für sichere Verbindungen zu internen und externen Servern.
• Neue finanzielle Kontrollen umfassen Multi-Modell-Orchestrierung, Smart Routing und Echtzeit-Ausgabenlimits zur Verwaltung der KI-Kosten.
• Der Zugriff ist über iOS, Android, Windows, Mac, Befehlszeilenschnittstellen und verschiedene Produktivitätsplattformen verfügbar.

Warum es wichtig ist

Für Software-Ingenieure und IT-Leiter stellt dieser Launch einen Wandel hin zu agentischen Workflows dar, die robuste Governance und Monitoring erfordern. Die Möglichkeit, Ziele statt schrittweiser Anweisungen zuzuweisen, reduziert die kognitive Belastung für Entwickler, erhöht aber die Notwendigkeit des Vertrauens in autonome Entscheidungsfindung. Die eingebauten Audit-Trails und distinkten Agentenidentitäten helfen, Risiken zu mindern, indem sie klare Zuordnung für von der KI ausgeführte Aktionen bieten, was für Compliance und Debugging in Unternehmensumgebungen entscheidend ist.

Die Unterstützung für Multi-Modell-Orchestrierung und MCP-Konnektivität adressiert einen häufigen Schmerzpunkt bei der KI-Adoption: Vendor Lock-in und Integrationskomplexität. Indem Teams Aufgaben basierend auf Kosten oder Fähigkeiten an verschiedene Modelle routen können, können Organisationen ihre KI-Ausgaben und -Leistung optimieren. Die Einbeziehung von Open-Source- und privaten Modellen in die Roadmap deutet zudem auf einen Trend hin zu hybriden KI-Architekturen hin, bei denen sensible Daten lokal verarbeitet werden können, während leistungsstarke Cloud-Modelle für andere Aufgaben genutzt werden.

Was Sie tun können

• Bewerten Sie Ihre aktuellen Anforderungen an Workflow-Automatisierung, um Aufgaben zu identifizieren, die für eine zielbasierte Delegation geeignet sind.
• Überprüfen Sie Ihre bestehenden Integrationen mit Tools wie Slack, Jira oder BigQuery, um sich auf MCP-kompatible Verbindungen vorzubereiten.
• Establish Richtlinien für Interaktionen mit KI-Agenten, einschließlich Genehmigungshierarchien und Prozesse zur Überprüfung von Audit-Trails.
• Beobachten Sie die Verfügbarkeit von Drittanbieter- und Open-Source-Modellunterstützung, um Multi-Modell-Strategien zu planen.
• Testen Sie die „Tasks Inbox“-Schnittstelle, um zu verstehen, wie die Einsicht in die Schlussfolgerungen des Agenten die Aufsicht verbessern kann.
• Bewerten Sie Ihre aktuellen KI-Ausgaben und erkunden Sie die neuen flexiblen Ausgabenoptionen wie Echtzeit-Ausgabenlimits.