Ein einziger Prompt reicht künftig aus, um eine Marktanalyse zu erstellen, eine E-Mail-Kampagne zu planen und gleichzeitig ein Softwaremodul zu programmieren. Genau das verspricht Google mit seiner jüngsten Ankündigung. Am 8. Oktober 2026 stellte Google Cloud auf der Veranstaltung "Gemini at Work 2026" den Gemini agent vor, einen universellen KI-Agenten, der nach Angaben von Google Cloud CEO Thomas Kurian Wissensarbeit, Content-Erstellung, Coding und Fragenbeantwortung in einem einzigen System vereint. Für Entwickler und IT-Entscheider markiert der Gemini agent Google Cloud einen Wendepunkt: weg von isolierten Chatbots, hin zu einem durchgängigen Agenten, der eigenständig plant, handelt und Ergebnisse direkt in bestehende Arbeitsumgebungen liefert.
Inhaltsverzeichnis
Key Takeaways
- Der Gemini agent Google Cloud ist ein einzelner, universeller Agent für Wissensarbeit, Content, Coding und Recherche, gesteuert über Ziele statt Schritt-für-Schritt-Anweisungen.
- Er läuft vollständig in der Cloud mit geräteübergreifendem Gedächtnis und kann Aufgaben über Stunden oder Tage hinweg weiterverfolgen.
- Für jede Aufgabe wählt der Agent automatisch zwischen Googles Gemini-Modellen und Anthropics Claude-Modellen, gesteuert über eine Smart-Routing-Funktion mit Budgetgrenzen.
- Verfügbar in Google Workspace, Microsoft 365, Slack, als Desktop- und Mobil-App sowie als "headless agent" über API.
- Branchenversionen für Finanzdienstleistungen und Rechtsabteilungen befinden sich bereits in Preview; die breite Verfügbarkeit für Workspace-Kunden ist "in Kürze" geplant, ein festes Datum liegt nicht vor.
Was ist der Gemini agent Google Cloud?
Im Kern ersetzt der Gemini agent Google Cloud mehrere Einzelwerkzeuge durch einen zentralen Agenten. Statt für Textgenerierung, Recherche und Programmierung separate Tools zu nutzen, formulieren Anwender ein Ziel, etwa "Erstelle einen Quartalsbericht aus diesen Verkaufsdaten und verschicke ihn an das Führungsteam". Der Agent übernimmt Planung, Recherche, Formatierung und Versand eigenständig.
Google nennt dieses Prinzip "Objectives, not instructions", Ziele statt Anweisungen. Der Agent zerlegt komplexe Aufgaben selbst in Teilschritte, zieht bei Bedarf sogenannte Skills und Tools heran, verbindet sich mit internen Unternehmenssystemen und liefert das fertige Ergebnis dort ab, wo es gebraucht wird: in einem Dokument, einer E-Mail oder direkt im Code-Editor.
Besonders relevant für Entwickler ist die Verfügbarkeit als sogenannter "headless agent". Dabei besitzt der Gemini agent Google Cloud keine eigene Benutzeroberfläche, sondern wird über eine API in Drittanwendungen eingebunden. Das erlaubt es Unternehmen, die Agentenfähigkeit in eigene Produkte, interne Tools oder Kundenportale zu integrieren, ohne dass Nutzer die Google-Oberfläche verlassen müssen.
Verfügbar ist der Agent plattformübergreifend:
| Zugangsweg | Beschreibung |
|---|---|
| Web, iOS, Android | Direkter Zugriff über Browser oder mobile App |
| Windows, Mac | Native Desktop-Integration |
| Kommandozeile | Für Entwickler und technische Teams |
| Google Workspace | Gmail, Drive, Docs, Slides, Sheets, Chat, Calendar |
| Microsoft 365, Slack | Integration in bestehende Unternehmenssysteme |
| API (headless) | Einbindung in Drittanwendungen ohne eigene Oberfläche |
Architektur des Gemini agent Google Cloud: Gedächtnis und Modellauswahl
Was den Gemini agent Google Cloud technisch von klassischen Chat-Assistenten unterscheidet, ist seine Cloud-native Architektur mit einheitlichem Gedächtnis. Der Agent läuft vollständig serverseitig, unabhängig davon, über welches Gerät oder welchen Kanal ein Nutzer gerade interagiert. Das bedeutet konkret: Eine Aufgabe, die Stunden oder sogar Tage Rechenzeit benötigt, läuft im Hintergrund weiter, selbst wenn der Nutzer sein Notebook schließt oder die App beendet.
Damit der Agent über längere Zeiträume konsistent arbeiten kann, nutzt Google vier unterschiedliche Gedächtnistypen:
- Session Memory, behält den Kontext der aktuellen Aufgabe, auch über mehrere Tage hinweg.
- Semantic Memory, eine strukturierte Wissensbasis, die aus Dokumenten und früheren Gesprächen aufgebaut wird.
- Procedural Memory, speichert, wie bestimmte Aufgaben erledigt werden, einschließlich selbst geschriebener Skills.
- Episodic Memory, ein Protokoll aller bisher erledigten Aufgaben.
Governance beim Gemini agent Google Cloud: Budgets und Zugriffsrechte
Ein zentrales Merkmal für IT-Entscheider ist die Modellauswahl. Der Gemini agent Google Cloud setzt nicht auf ein einziges KI-Modell, sondern wählt für jede Teilaufgabe das passende Modell aus, aktuell sowohl Googles eigene Gemini-Modelle als auch Anthropics Claude-Modelle. Weitere Modelle sind laut Google für die Zukunft vorgesehen. Diese Entscheidung ist bemerkenswert, weil Google damit explizit auf das Modell eines direkten Wettbewerbers setzt, wenn es für eine Aufgabe die bessere Wahl ist.
Eine Funktion namens "Smart Routing" bewertet jede Anfrage automatisch und wählt das Modell nach dem besten Verhältnis von Qualität und Kosten aus. Für Unternehmen bedeutet das weniger manuelle Konfiguration, aber auch weniger direkte Kontrolle über einzelne Modellaufrufe. Google begegnet diesem Kontrollverlust mit Budget-Obergrenzen: Administratoren können pro Projekt ein Limit festlegen. Wird dieses erreicht, stoppt der Agent die weitere Ausführung automatisch, ein praktischer Schutzmechanismus gegen unkontrollierte Kostenentwicklung bei intensiver Nutzung.
"Nutzer geben Ziele vor, nicht Schritt-für-Schritt-Anweisungen, der Agent plant selbst und liefert fertige Ergebnisse direkt in Dokumenten, E-Mails und Entwicklungsumgebungen ab."
Einsatz in Workspace, als Coworker und über API
In Google Workspace ist der Agent über eine simple @Gemini-Erwähnung direkt in Gmail, Drive, Docs, Slides, Sheets, Chat und Calendar aufrufbar. Nutzer müssen also keine separate Anwendung öffnen, sondern rufen den Agenten dort auf, wo sie bereits arbeiten.
Darüber hinaus kann der Gemini agent Google Cloud als persistenter "Coworker" für ganze Teams eingesetzt werden. In dieser Rolle erhält der Agent ein eigenes Workspace-Konto mit E-Mail-Adresse, Kalender und Verzeichniseintrag, ähnlich wie ein menschliches Teammitglied. Jeder Coworker-Agent besitzt dabei eine eigene Identität und ist strikt auf die Informationen beschränkt, die Teammitglieder ihm explizit freigeben. Ein automatischer Zugriff auf die gesamte Organisation ist damit ausgeschlossen, ein wichtiger Punkt für Datenschutz- und Compliance-Verantwortliche.
Für Entwicklerteams ist besonders die API-Integration relevant. Da der Agent auch "headless" betrieben werden kann, lässt er sich in bestehende Produkte, interne Dashboards oder Kundenanwendungen einbetten, ohne dass die eigentliche Google-Oberfläche sichtbar wird. Damit positioniert Google den Gemini agent nicht nur als Endnutzer-Tool, sondern auch als Infrastrukturbaustein für eigene KI-Anwendungen.
Branchenlösungen und Sicherheit
Google hat bereits erste branchenspezifische Versionen des Gemini agent Google Cloud angekündigt. Für den Finanzdienstleistungssektor steht eine Version in Preview zur Verfügung, die Daten von FactSet und LSEG nutzt und über 50 spezialisierte Skills mitbringt. Für Rechtsabteilungen existiert eine Version mit Integration in die Dokumentenmanagement-Plattformen NetDocuments und iManage.
Laut Google befinden sich weitere Branchenversionen für Behörden, Gesundheitswesen und Einzelhandel in Vorbereitung. Diese Spezialisierung zeigt, dass Google den Agenten nicht als generisches Werkzeug, sondern als anpassbare Plattform positioniert, die mit branchentypischen Datenquellen und Compliance-Anforderungen umgehen kann.
Für Sicherheitsverantwortliche sind zwei Aspekte besonders relevant: die granulare Zugriffssteuerung bei Coworker-Agenten und die Budgetkontrolle beim Modellrouting. Beide Mechanismen adressieren typische Sorgen beim Unternehmenseinsatz von KI-Agenten, unkontrollierten Datenzugriff und unkontrollierte Kosten.
Relevanz für Entwickler und Unternehmen
Für Entwickler verändert der Gemini agent Google Cloud die Art, wie Automatisierung konzipiert wird. Statt starrer Workflows mit festen Regeln rückt eine zielbasierte Steuerung in den Vordergrund, bei der der Agent selbst Entscheidungen über den Lösungsweg trifft. Das reduziert den Aufwand für die Pflege komplexer Automatisierungslogik, verlangt im Gegenzug aber ein Umdenken bei Testing und Qualitätssicherung: Entwickler müssen prüfen, ob die vom Agenten gewählten Wege zu den gewünschten Ergebnissen führen, nicht nur, ob einzelne Schritte korrekt ausgeführt wurden.
Für IT-Entscheider sind drei Punkte besonders wichtig:
- Modellflexibilität: Die gleichzeitige Nutzung von Gemini- und Claude-Modellen reduziert die Abhängigkeit von einem einzigen Anbieter.
- Kostensteuerung: Budget-Obergrenzen pro Projekt schaffen Planungssicherheit bei variabler Modellnutzung.
- Identitäts- und Zugriffsmanagement: Coworker-Agenten mit eigener Identität und eingeschränkten Zugriffsrechten erleichtern die Einhaltung interner Richtlinien.
Für Unternehmen insgesamt bedeutet die Plattformbreite, von Web über Microsoft 365 bis Slack, eine geringere Einstiegshürde, da bestehende Arbeitsumgebungen nicht ersetzt, sondern erweitert werden.
Verfügbarkeit und Ausblick
Der Gemini agent Google Cloud befindet sich aktuell in einer privaten Preview-Phase. Google hat angekündigt, dass eine breite Verfügbarkeit für Workspace-Kunden mit bestimmten Business- und Enterprise-Tarifen "in Kürze" folgen soll. Ein konkretes Veröffentlichungsdatum, Preisangaben oder eine Liste verfügbarer Regionen hat Google bislang nicht kommuniziert. Unternehmen, die den Agenten frühzeitig testen möchten, sollten den offiziellen Google-Cloud-Blog sowie Ankündigungen rund um Workspace-Updates im Blick behalten.
Fazit
Der Gemini agent Google Cloud fasst mehrere Einzelfunktionen, Textarbeit, Recherche, Coding und Kommunikation, in einem einzigen, zielgesteuerten System zusammen. Die Kombination aus plattformübergreifender Verfügbarkeit, persistentem Gedächtnis, flexibler Modellauswahl zwischen Gemini und Claude sowie granularer Zugriffssteuerung macht den Agenten zu einem ernstzunehmenden Baustein für die nächste Phase der Unternehmensautomatisierung. Entwickler sollten sich frühzeitig mit der API-Integration und dem "headless"-Einsatz vertraut machen, während IT-Entscheider die angebotenen Governance-Mechanismen, Budgetgrenzen und Identitätskonzepte für Coworker-Agenten, in ihre Sicherheitsrichtlinien einplanen sollten. Da Google noch kein festes Datum für die breite Verfügbarkeit genannt hat, empfiehlt sich in der Zwischenzeit eine Anmeldung zur privaten Preview sowie eine interne Bewertung, welche Anwendungsfälle vom neuen Agentenmodell am meisten profitieren könnten.
