Gemini Enterprise Agent Platform — Google Clouds Plattform der nächsten Generation zur Integration von KI-Agenten

Google Cloud hat die neue Plattform „Gemini Enterprise Agent Platform“ offiziell vorgestellt, die das bisherige Vertex AI erweitert und weiterentwickelt. Die Plattform wurde so konzipiert, dass sich der gesamte Prozess des Erstellens, Skalierens, Kontrollierens und Optimierens von KI-Agenten – also KI-Software, die ohne menschliches Eingreifen selbstständig entscheidet und handelt – in einer einzigen Umgebung abbilden lässt. Künftig sollen alle bestehenden Dienste und Roadmaps von Vertex AI nur noch über diese Agent Platform bereitgestellt werden.

Kernbestandteile der Plattform — Build, Scale, Govern, Optimize

• Agent Studio und ADK (Agent Development Kit): Von einer Low-Code-Visual-Interface bis hin zu einer codezentrierten Entwicklungsumgebung bietet die Plattform zwei Wege, um je nach Erfahrungsstand der Entwickler Agenten zu erstellen. Man kann in Agent Studio promptbasiert starten und bei Bedarf an komplexerer Logik nach ADK exportieren und dort weiterentwickeln.
• Agent Runtime: Unterstützt Cold Starts im Subsekundenbereich und wurde so überarbeitet, dass Agenten ihren Zustand über mehrere Tage hinweg beibehalten und autonome, langfristige Workflows ausführen können. Das eignet sich für komplexe Aufgaben über mehrere Tage hinweg, etwa im Vertriebs-Lead-Management.
• Memory Bank: Erstellt und verwaltet automatisch ein Langzeitgedächtnis aus Gesprächen, sodass Agenten sich an den bisherigen Kontext und die Präferenzen eines Nutzers erinnern können. Damit werden personalisierte Interaktionen möglich, die über einmalige Sitzungsdaten hinausgehen.
• Agent Identity, Registry, Gateway: Allen Agenten wird eine eindeutige verschlüsselte ID zugewiesen, nur autorisierte Tools und Agenten werden in einer zentralen Registry verwaltet, und das Gateway setzt Sicherheitsrichtlinien sowie Schutz vor Prompt Injection zentral durch. Man kann es als eine Art „Leitstand“ für Agenten verstehen.
• Agent Simulation, Evaluation, Observability: Vor dem Deployment sind Simulationstests mit synthetischen Nutzern möglich, ebenso automatische Multi-Turn-Evaluierungen mit realem Traffic und die Visualisierung von Inferenzabläufen in Echtzeit. Agent Optimizer clustert Fehlermuster automatisch und schlägt verbesserte Systemanweisungen vor.

Flexible Modellauswahl

• Über Model Garden ist der Zugriff auf mehr als 200 Modelle möglich; unterstützt werden nicht nur Googles eigene Modelle (Gemini 3.1 Pro, Gemini 3.1 Flash Image, Lyria 3, Gemma 4), sondern auch Drittanbieter-Modelle wie die Claude-Serie von Anthropic. So lässt sich für jede Aufgabe das passende Modell auswählen.

Stärkere Sicherheit und Governance

• Agent Sandbox: Führt von Agenten erzeugten Code in einer vom Host-System isolierten sicheren Umgebung aus und blockiert damit Risiken, die bei Aufgaben wie Browser-Automatisierung entstehen können.
• Agent Anomaly Detection und Threat Detection: Kombiniert statistische Modelle mit LLM-basierter Beurteilung, um abnormales Schließen oder bösartige Aktivitäten von Agenten in Echtzeit zu erkennen, etwa Reverse-Shell-Verbindungen oder Zugriffe auf bekannte riskante IPs.
• Agent Security Dashboard: Bietet ein integriertes Sicherheits-Dashboard, das Beziehungen zwischen Agenten und Modellen abbildet und Schwachstellen automatisch bis auf Ebene von Betriebssystem- und Sprachpaketen scannt.

Unterscheidungsmerkmale

• Eine einzige Plattform für den gesamten Lebenszyklus: Anders als herkömmliche Tool-Sammlungen ist die Plattform dafür ausgelegt, den kompletten Lebenszyklus von Agenten – von Entwicklung über Betrieb und Governance bis zur Optimierung – an einem Ort zu verwalten. Besonders relevant für komplexe Enterprise-Workflows ist, dass Delegation zwischen Agenten (agent-to-agent orchestration) sowohl deterministische als auch generative Muster unterstützt.
• Nahtloser Übergang für bestehende Vertex-AI-Kunden: Da die Plattform die Modell- und Agent-Building-Funktionen von Vertex AI übernimmt und um Integrations-, Betriebs- und Sicherheits-Layer ergänzt, ist sie für bestehende Nutzer vor allem eine Erweiterung.

Praxisbeispiele für den Einsatz

• Comcast: Hat mit ADK den Xfinity Assistant neu aufgebaut und damit den Wechsel von skriptbasierter Automatisierung zu dialogorientierter generativer Intelligenz vollzogen; laut Unternehmen steigt dadurch der Anteil der Kundenprobleme, die bereits beim ersten Kontakt gelöst werden.
• Payhawk: Nutzt Memory Bank, damit ein Finanzassistenten-Agent sich an die Gewohnheiten der Nutzer bei der Spesenbearbeitung erinnert und Einreichungen automatisch vornimmt; dadurch habe sich die Zeit für das Einreichen von Ausgaben um mehr als 50 % verkürzt.
• L'Oréal: Kombiniert ADK und MCP (Model Context Protocol), um eine eigene Beauty-Tech-Agentenplattform aufzubauen, und wechselt dabei von deterministischer Workflow-Automatisierung zu autonomer, ergebnisorientierter Agenten-Orchestrierung.

Googles Plattformstrategie für das Agenten-Zeitalter wird konkret

Die Gemini Enterprise Agent Platform zeigt, dass Google Cloud den Schwerpunkt seiner KI-Strategie von der bloßen Bereitstellung von Modellen hin zu einer „Betriebsinfrastruktur für Agenten“ verlagert. Das Design mit eigener ID für Agenten, Erkennung von Anomalien und garantierter Langzeitausführung über mehrere Tage adressiert genau die praktischen Probleme, auf die Unternehmen beim produktiven Einsatz von KI-Agenten stoßen. Dass Vertex AI vollständig in diese Richtung integriert wird, ist zugleich ein Signal dafür, welches strategische Gewicht Google dieser Plattform beimisst. Da jedoch mehr als 200 Funktionen in einer einzigen Plattform zusammengeführt werden, bleibt abzuwarten, wie gut sich Komplexität und Lernkurve im realen Betrieb beherrschen lassen.