Google Cloud Next: 32.000 Teilnehmer, 260 Ankündigungen und der Pivot zu Agenten

Google Cloud kündigt auf seiner Next-Konferenz das Ende der Pilotprojekte und den Beginn der Agenten-Ära an, was IT- und Datenverantwortliche dazu auffordert, ihre Architektur grundlegend zu überdenken. Die Veranstaltung, die über 32.000 Teilnehmer anzog und mehr als 260 Ankündigungen umfasste, signalisiert einen Wandel von Copilot-Assistenten zu Systemen, die Aufgaben nicht nur vorschlagen, sondern auch koordiniert und autonom ausführen. Google positioniert diese Agenten als "intellectual peers", also als die nächste Entwicklungsstufe nach generativen Assistenten, die bisher vor allem das Schreiben, Programmieren und Analysieren beschleunigen. Dieser Paradigmenwechsel, so Google, erfordert einen einheitlichen Aufbau aus Daten, Modellen, Infrastruktur und Anwendungen und nicht lediglich das Aufstapeln von KI auf bestehende Legacy-Systeme. Das Unternehmen präsentierte seine zahlreichen Aktualisierungen als "agentic enterprise blueprint", einen umfassenden Bauplan zur Neugestaltung des gesamten Unternehmens-Stacks.

Praktisch bedeutet dies für Unternehmen eine Abkehr von der Vorstellung, dass sich jeder Wissensarbeiter einzeln mit Tools befasst. Stattdessen wird der Prozess von Agenten überwacht, Tools aktiviert, Daten zurückgeschrieben und Folgeaktionen initiiert, wodurch der Mensch primär zum Aufseher wird. Andi Gutmans, VP und GM der Agentic Data Cloud, betonte drastisch, dass menschliche Klickkapazitäten begrenzt sind. Wenn Agenten diese Beschränkungen beseitigen und skalieren können, verschieben sich Engpässe. Dann werden Datenzugang, Rechte, Auditierbarkeit, Kostenkontrolle und Sicherheitsgrenzen zu den eigentlichen Herausforderungen, während die Arbeitszeit der Teams an Bedeutung verliert. Googles Strategie legt den Fokus auf die Aktivierung aller Unternehmensdaten, unabhängig von ihrem Speicherort, und stellt somit eine Abkehr vom traditionellen Lock-in-Ansatz dar. Dies ist eine Wette darauf, dass nur Unternehmen, die Governance und Zugang über heterogene Umgebungen hinweg gewährleisten können, als Plattform für Agenten akzeptiert werden.

Ein zentraler Punkt, den Google hervorhebt, ist die Realität der Daten: Gutmans merkte an, dass selbst heute noch etwa 90 % aller Unternehmensdaten unstrukturierte, ungenutzte "Dark Data" sind. Agenten benötigen daher neue Datenfundamente, um erfolgreich zu sein, einschließlich Auffindbarkeit, Kontext und Anreicherung, da sie sonst nur schlechte oder unvollständige Informationen verarbeiten. Google verspricht, dass agentische Technologien hier ansetzen können, indem sie automatisierte Datenerkennung, -interpretation und -anreicherung ermöglichen. Die strategische Positionierung ist hierbei entscheidend: Google betont explizit, dass Unternehmen Multi-Cloud- und Hybrid-Umgebungen nutzen, und es nicht darum geht, "alles zu Google Cloud zu migrieren". Vielmehr möchte Google "alle Unternehmensdaten, wo immer sie sich befinden", aktivieren. Dies ist eine klare Kampfansage an die klassische Lock-in-Erzählung und gleichzeitig eine Wette: Nur wer Governance und den Zugriff über heterogene Umgebungen hinweg sicherstellen kann, wird als Agenten-Plattform akzeptiert.

Google räumt ein, dass der Übergang von Copilots zu Agenten neue Komplexitäten mit sich bringt, insbesondere in Bereichen wie Agent-Management, Governance, Sicherheit und Kosten. Diese Herausforderungen entstehen, weil Systeme stärker vernetzt und voneinander abhängig werden. Viele Pilotprojekte scheitern in der Realität nicht am Modell selbst, sondern an den betrieblichen Fragen. Google versucht, diese Lücke mit einer neuen Enterprise-Plattform zu schließen, weist aber darauf hin, dass Agenten Kontrolle als Produkt benötigen und nicht als nachträgliches Policy-Spreadsheet. Cloud-CEO Thomas Kurian warnt, dass Unternehmen oft noch nicht bereit für die Agenten-Ära sind; wer weiterhin nur Schichten hinzufügt, schafft mehr Komplexität statt höheren Outputs. Die Diskussion verlagert sich somit vom Modell zur Daten- und Prozessarchitektur, wobei die 90 % unstrukturierten Daten als Warnsignal für diejenigen dienen, die Agenten als reines UI-Projekt betrachten.

Für den DACH-Kontext bedeutet dies, dass die "Pilot"-Phase als Ausrede für zögerliches Handeln nicht länger tragbar ist. Wenn Agenten zu "intellectual peers" werden sollen, muss intern klar zwischen Experimenten zum Lernen und produktiven Systemen mit klaren Verantwortlichkeiten, Messgrößen und Sicherheitsmodellen unterschieden werden. Die Diskussion verschiebt sich weg vom Modell hin zur Daten- und Prozessarchitektur. Die hohe Quote unstrukturierter Daten ist ein deutliches Warnsignal für alle, die Agenten als reines Benutzeroberflächen-Projekt betrachten. Darüber hinaus betrifft dies unmittelbar den Alltag des EU-KI-Gesetzes: Sobald Agenten Aufgaben autonom ausführen und Entscheidungen vorbereiten, steigen die Anforderungen an Governance, Dokumentation und betriebliche Kompetenzen erheblich. Seit Februar 2025 ist die KI-Literacy-Pflicht in Kraft, und in vielen Unternehmen ist dies noch nicht ausreichend operationalisiert. Für Agenturen und Marketing-Teams wird es zudem enger, da Agenten zunehmend End-to-End-Prozesse in Unternehmen abdecken, was den Fokus von Content-Tools auf Workflow-Automation verlagert, die Daten, Freigaben und Distribution integriert.