Kurz gesagt
Unternehmen wollen Agenten einsetzen, unterschätzen aber oft die Vorarbeit: Daten liegen verteilt in Mails, Dokumenten, CRM, Tickets und Fachwissen. Ohne Kontext, Berechtigungen und Kontrolle produziert ein Agent eher neue Risiken als produktive Entlastung.
Google Cloud Next zeigt die Richtung: Agenten werden als Plattform-, Daten- und Governance-Thema behandelt. Für Lumesco heißt das praktisch: Erst Prozess, Datenzugriff, Rollen und Kontrollpunkte klären, dann den Agenten bauen.
Die wichtigsten Punkte
- Google bündelte Cloud Next '26 rund um Agentic Enterprise, Gemini Enterprise Agent Platform, Agentic Data Cloud und Workspace Intelligence.
- Die Gemini Enterprise Agent Platform adressiert Build, Scale, Govern und Optimize von Agents mit Identity, Registry, Gateway, Evaluation und Observability.
- Workspace Intelligence verbindet Kontext aus Workspace-Daten, Projekten, Personen und Organisationswissen für agentisches Arbeiten.
Was in der Praxis sichtbar wird
Google beschreibt Cloud Next 2026 als Übergang zur agentischen Enterprise-Logik. Die Ankündigungen reichen von einer Agentenplattform über Agentic Data Cloud bis zu Workspace Intelligence, das verteilte Informationen aus Workspace-Kontexten nutzbar machen soll.
Für operative Teams ist daran weniger der Markenname entscheidend als die Architekturannahme: Agenten brauchen Zugriff auf relevante Informationen, müssen aber gleichzeitig begrenzt, beobachtbar und steuerbar bleiben. Das ist genau der Punkt, an dem viele KI-Projekte in Unternehmen hängen bleiben.
Wenn ein Agent auf E-Mails, Dokumente, Chats, Dateien oder Geschäftssysteme zugreift, entsteht nicht nur Produktivität. Es entstehen Fragen zu Berechtigungen, Datenqualität, Verantwortlichkeit, Auditierbarkeit und Kosten. Diese Fragen müssen vor dem Rollout beantwortet werden.
Einordnung von Lumesco
Die Plattformanbieter bewegen sich in dieselbe Richtung: Agenten werden produktiver, aber auch betriebsnäher. Dadurch wird Governance nicht optionaler, sondern wichtiger. Unternehmen, die ihre Prozesse und Datenquellen nicht sortiert haben, werden von neuen Agentenfunktionen kaum profitieren, weil der Agent dann keinen verlässlichen Kontext und keine sicheren Grenzen hat.
Warum Datenkontext der eigentliche Engpass ist
Viele KI-Demos wirken stark, weil der Kontext im Test bereits vorbereitet ist. Im Unternehmen liegt Kontext aber verstreut: in E-Mails, Dokumenten, Chatverläufen, CRM-Feldern, Tickets und Fachwissen einzelner Personen.
Ein Agent kann nur dann produktiv werden, wenn klar ist, welche Quellen er nutzen darf, welche Quelle verbindlich ist und wo unsichere Informationen an einen Menschen gehen.
- Single Source of Truth pro Prozess
- Klare Datenrechte statt pauschalem Zugriff
- Kontextregeln für vertrauliche Informationen
- Freigabegrenzen bei externen oder kundenbezogenen Aktionen
Was Governance praktisch bedeutet
Governance heißt nicht nur Policy. Praktisch heißt es: Jeder Agent braucht einen definierten Aufgabenraum, eine nachvollziehbare Identität, erlaubte Tools, Logging, Evaluation und klare Eskalationspunkte.
Ohne diese Elemente kann ein Agent zwar Arbeit simulieren, aber nicht zuverlässig Verantwortung im Prozess übernehmen.
- Agent Identity und Rollenmodell
- Tool- und Aktionsfreigaben
- Observability für Agentenläufe
- Evaluation gegen echte Prozessziele
Wie Unternehmen jetzt sinnvoll reagieren
Der richtige Schritt ist kein hektischer Plattformwechsel. Sinnvoller ist ein Agenten-Readiness-Check: Welche Prozesse haben genug Wiederholung, genug Datenqualität und genug Kontrolle, um einen Agenten produktionsnah zu testen?
Daraus entsteht eine Roadmap, die neue Plattformfunktionen nutzt, ohne die grundlegende Prozessarbeit zu überspringen.
Entscheidungsfilter
Bevor daraus ein Projekt wird, sollten diese Fragen klar beantwortet sein.
- Welche internen Datenquellen braucht der Agent wirklich?
- Welche Identität und Berechtigung bekommt der Agent im System?
- Welche Aktionen sind erlaubt, welche nur als Vorschlag zulässig?
- Wie werden Qualität, Kosten, Fehler und menschliche Eingriffe gemessen?
Eigene Evidenz & Quellen
Die Einordnung basiert auf Lumesco-Projektmustern und öffentlich prüfbaren Quellen.
- Aus ProjektenLumesco Scoping-Muster für KI-Governance
Wiederkehrende Governance-Fragen aus KI- und Automatisierungsprojekten: Rollen, Freigaben, Datenzugriff, Monitoring und menschliche Entscheidungspunkte.
Quelle öffnen - QuelleGoogle: Google Cloud Next '26
Google bündelt die Cloud-Next-2026-Ankündigungen rund um Agentic Enterprise, Gemini Enterprise Agent Platform, Agentic Data Cloud und Workspace Intelligence.
Quelle öffnen - QuelleGoogle Cloud: Gemini Enterprise Agent Platform
Google Cloud stellt Gemini Enterprise Agent Platform als Plattform zum Build, Scale, Govern und Optimize von Agents vor, inklusive Agent Identity, Registry, Gateway, Evaluation und Observability.
Quelle öffnen - QuelleGoogle Workspace: Introducing Workspace Intelligence
Google Workspace beschreibt Workspace Intelligence als Kontextschicht für agentisches Arbeiten über Gmail, Chat, Drive, Docs, Sheets und Slides mit Admin-, Security- und Governance-Kontrollen.
Quelle öffnen
Bildidee für Distribution
Empfohlenes Motiv: Agentenplattform als Kontrollschicht über Datenquellen, Rollen, Freigaben und Observability.
Nächster sinnvoller Schritt
Unternehmen sollten für jeden geplanten Agenten prüfen, welche Datenquellen wirklich nötig sind, welche Identität der Agent im System bekommt, welche Aktionen erlaubt sind und wie Erfolg sowie Fehlverhalten gemessen werden.