Jul, 134 Min. Lesezeit
Automatisierung
News · Google Cloud Next '26: Kundenrückblick – was tatsächlich im Einsatz ist
Apr, 224 Min. Lesezeit
AutomatisierungGoogle Cloud Next '26: Kundenrückblick – was tatsächlich im Einsatz ist
Hinter zehn prominenten Agent-Einsätzen steckt eine wiederkehrende Plattform und eine Handvoll tragender Zahlen
Gemini Enterprise ist der rote Faden, nicht die zehn Namen
Der Beitrag präsentiert zehn scheinbar unabhängige Geschichten, doch die meisten laufen über dasselbe Produkt. Home Depots Magic Apron und sein Telefon-Agent basieren auf Gemini Enterprise und Gemini Enterprise for Customer Experience. Mercks Plattform mit einem Investitionsvolumen von bis zu einer Milliarde Dollar setzt Gemini Enterprise in Forschung, Fertigung, Vertrieb und Verwaltung ein. Mars hat Gemini Enterprise zum „primären KI-Betriebssystem“ erklärt. Unilevers Beschaffungslösung nutzt die Gemini Enterprise Agent Platform, ebenso wie Vodafones AI Concierge. Virgin Voyages' Rovey läuft auf Gemini Enterprise in Verbindung mit Google Distributed Cloud.
Genau diese Wiederholung ist die eigentliche Nachricht. Google zeigt keine zehn maßgeschneiderten Forschungskooperationen, sondern demonstriert, dass eine kommerzielle Plattform zur Standardschicht in großen Unternehmen wird. Die Kundennamen liefern die Glaubwürdigkeit, der Produktname liefert die eigentliche Geschichte.
Welche Zahlen wirklich etwas belegen – und welche nur Dekoration sind
Einige Zahlen im Beitrag sind konkret und überprüfbar. Capcoms Playtesting-Agenten protokollieren monatlich mehr als 30.000 Teststunden und durchsuchen Spielwelten nach Bugs, visuellen Fehlern und Audio-Inkonsistenzen. Home Depot berichtet, dass der Telefon-Agent in einem landesweiten Pilotprojekt das Anliegen eines Anrufers innerhalb von 10 Sekunden erkennen konnte. Citadel Securities nennt TPUs, die KI-Workloads bis zu viermal schneller und 30 % günstiger ausführen und damit Aufgaben, die früher Tage dauerten, auf Minuten verkürzen. Tata Steel hat in neun Monaten mehr als 300 spezialisierte Agenten eingeführt. Virgin Voyages gibt an, dass Distributed Cloud die Produktionszeiten um bis zu 60 % verkürzt hat.
Andere Aussagen sind eher Zukunftsvisionen als belegte Ergebnisse. Mercks Investition wird „mit bis zu einer Milliarde Dollar bewertet“ und soll die Produktivität von 75.000 Mitarbeitenden steigern – ein konkretes Ergebnis wird jedoch nicht genannt. Unilevers „Personalisierung im großen Maßstab“ für 3,7 Milliarden Menschen beschreibt eine Ambition, kein tatsächlich erzieltes Resultat. Die Aufgabe der Leserschaft besteht darin, Pilot-Kennzahlen von bloßen Versprechen zu trennen – die stärksten Belege liefern hier Capcom, Citadel und Home Depot, wo eine konkrete Zahl an eine konkrete Aufgabe gekoppelt ist.
Die Infrastruktur hinter den Agenten
Zwei der zehn Geschichten drehen sich eigentlich um Hardware und Edge-Einsätze, nicht um Agenten im engeren Sinne. Citadel Securities' Aussage konzentriert sich vollständig auf den TPU Ironwood und den Betrieb Tausender paralleler Chips für eine einzige Aufgabe – mit dem Argument, dass Forschende nur durch ihre eigene Kreativität begrenzt sein sollten, nicht durch Plattformgröße oder Kosten. Virgin Voyages' Rovey ist auf Google Distributed Cloud angewiesen, damit der Concierge-Agent auch auf Schiffen mit eingeschränkter Konnektivität auf hoher See funktioniert.
Diese Beispiele sind wichtig, weil sie zeigen, wo der eigentliche Engpass liegt. Ein Agent ist nur so nützlich wie die Rechenleistung, die er günstig nutzen kann, und die Konnektivität, ohne die er auskommen muss. Citadels Kosten pro Experiment und Virgins Offline-Robustheit sind die Voraussetzungen, die die Agenten-Ebene überhaupt tragfähig machen – und Google rückt dabei still seine eigene Chip- und Edge-Infrastruktur neben seine Modelle ins Bild.
Der Wandel, den dieser Rückblick dokumentiert: von allgemeinen Assistenten zu aufgabenspezifischen Agenten-Flotten
Das aufschlussreichste Detail ist, wie eng die meisten dieser Agenten gefasst sind. Capcom beschreibt Agenten für visuelle Prüfung, Vorhersagen und institutionelles Wissen – drei spezialisierte Rollen, nicht einen allgemeinen Assistenten. Tata Steel spricht von einer Flotte aus über 300 Agenten und einer Low-Code-Plattform namens Zen AI, mit der auch Mitarbeitende ohne Data-Science-Kenntnisse eigene Agenten entwickeln und einsetzen können. Unilever hat eine multiagentische Lösung gebaut, die gezielt auf Beschaffungsentscheidungen zugeschnitten ist. Selbst die kundenorientierten Tools haben klar begrenzte Aufgaben: Home Depots Telefon-Agent leitet Anliegen weiter; Citi Sky beantwortet die Frage „Bin ich finanziell auf einem guten Weg?“ und ersetzt ausdrücklich keine Berater.
Genau das ist das Automatisierungsmuster, das man aus diesem Beitrag mitnehmen sollte. Die Einsätze mit belastbaren Zahlen sind jene, die auf eine klar begrenzte, sich wiederholende Aufgabe zielen – Teststunden, Anrufweiterleitung, Forschungsiterationen – und nicht auf offenes, freies Schlussfolgern. Für Teams, die eigene Agenten entwickeln, lautet die Lehre nicht, dass Agenten alles können, sondern dass jene Agenten messbare Ergebnisse liefern, die eine einzige klar definierte Aufgabe und die Infrastruktur erhalten, um diese in großem Umfang zu erledigen.
Find this story relevant to you?
Contact us to find a unique solution
Brauchen Sie einen KI-Engineering-Partner, der auch liefern kann?
Wir helfen Unternehmen dabei, KI in Produkte und Prozesse zu integrieren, wertvolle Workflows zu automatisieren und die zugrunde liegenden Softwaresysteme zu modernisieren.
Weiterführende Beiträge
Weitere Analysen rund um Produktbereitstellung, operative KI und die Systemarbeit, die dafür sorgt, dass der Einsatz in der Praxis Bestand hat.