Agentische Daten-Cloud

Wir erleben eine nichtlineare Explosion der Nachfrage, da KI-Agenten die menschlichen Fähigkeiten erweitern. Ein einzelner Mitarbeiter kann jetzt Agenten erstellen, die Tausende von Abfragen pro Minute auslösen. KI-Agenten übernehmen Aufgaben, die Menschen nicht bewältigen können. Sie überwachen rund um die Uhr die Geschäftsdaten. Sie agieren in Echtzeit. Die Systeme müssen jetzt die Geschwindigkeit und den Umfang des KI-Agenten unterstützen und die Intuition des Menschen verstärken.

De Vergangenheit zu analysieren oder sogar auf Grundlage dieser Analyse Vorhersagen zu treffen ist nicht mehr gut genug. KI-Agenten führen Aktionen sofort aus. Im Zeitalter der agentischen KI müssen Systeme den Kreislauf zwischen Signal und Lösung schließen, damit Daten so schnell auf die Welt reagieren können, wie sich die Welt verändert.

Agents benötigen vollständigen Zugriff auf Ihre Datenbestände, einschließlich der 90 % ungenutzter Informationen, die in Dark Data wie Verträgen, Bildern und E‑Mails verborgen sind. Daten allein reichen jedoch nicht aus, um etwas zu verstehen. Um aus diesem Rohmaterial Wissen zu gewinnen, benötigen die KI-Agenten einen umfassenden semantischen Kontext.

KI-Agenten benötigen Zugriff auf 100 % Ihrer Daten, um effektiv zu funktionieren. Wir bauen Datensilos ab und bringen multimodale KI zu den Daten, unabhängig davon, wo sie sich befinden. Mit Google Cloud Lakehouse und der Unterstützung offener Formate wie Apache Iceberg bieten wir das Beste von Google und offenen Standards. So können Agenten Daten in AWS, Azure und lokal aktivieren, ohne sie verschieben zu müssen. Dieser Open Lakehouse-Ansatz ermöglicht einen ROI von 117 % bei einer Amortisationszeit von weniger als sechs Monaten.

Forrester-Studie lesen

Die Brücke zwischen Erkenntnissen und Maßnahmen ist Vertrauen. Unser Knowledge Catalog geht über einfache Berechtigungen hinaus und bietet einen aktiven, universellen Kontext für unstrukturierte Daten, ML-Modelle und agentische Tools, die KI unterstützen. So werden die Effektivität und Genauigkeit von Agenten verbessert. Durch die Einbindung von Looker und unserer semantischen Wissens-Engine können Ihre Agenten auf zuverlässige Informationen zugreifen. So lässt sich die Genauigkeit der Dataset-Identifizierung um 50 % steigern und die Anzahl der Halluzinationen generativer KI um bis zu 66 % reduzieren.

Vertrauenswürdige KI ermöglichen

Bei Google ist KI eingebunden – nicht nur ein Add-on. Wir sind der einzige Anbieter, der die gesamte KI-Lieferkette abdeckt – vom globalen Glasfasernetz und den TPUs bis hin zu den Gemini-Modellen und der Gemini Enterprise Agent Platform. Da uns der gesamte Stack gehört, können wir KI-Funktionen 8- bis 16-mal kosteneffizienter entwickeln als unsere Mitbewerber. Gemini ist direkt in den Stack eingebunden, sodass Probleme in weniger Schritten gelöst werden können. BigQuery Advanced Runtimes liefern 6‑mal schnellere Abfragen, Apache Spark läuft mit der Lightning Engine 4,5‑mal schneller als Open-Source-Spark und AlloyDB verarbeitet transaktionale Arbeitslasten 4‑mal schneller als Standard-PostgreSQL.

GigaOm-Bericht lesen

Die Rolle verschiebt sich vom Modelltraining zum Erstellen von KI-Agenten. Durch die Einbindung von Gemini Enterprise und Spark können Data Scientists Reasoning Engines erstellen, die sich direkt neben den Daten befinden. Statt Batch-Vorhersagen erstellen sie KI-Agenten, die unsere Knowledge Engine nutzen, um Livedaten zu verarbeiten und sofort zu reagieren.

Die Analyse wird zu einem vertrauenswürdigen Gespräch und nicht zu einer SQL-Abrufanweisung. KI-Agenten stehen zwischen den Nutzern und den Daten und generieren Abfragen und Visualisierungen über BigQuery und Looker. So erhalten Mitarbeitende ein unermüdliches Team von Datenanalysten. 

Um von der Idee zur Umsetzung zu gelangen, benötigen Entwickler eine Datenbank, die den Denkprozess eines KI-Agenten unterstützen kann. Wir vereinen transaktionale und analytische Welten mit AlloyDB und Spanner. Entwickler können jetzt Agenten erstellen, die den Verlauf lesen und in einer einzigen logischen Schleife Maßnahmen ergreifen. Durch die Standardisierung der Verbindung von Agenten zu Tools über das Model Context Protocol (MCP) ermöglichen wir die direkte Ausführung und schließen die Lücke zwischen Wahrnehmung und Handlung.