Die Ankündigung in Kürze
Google ersetzt eine Sammlung von Assistenten durch einen Agenten, der Ziele statt Prompts entgegennimmt. Auf der Veranstaltung Gemini at Work 2026 am 8. Oktober stellte Google-Cloud-CEO Thomas Kurian den Gemini-Agenten vor und nannte ihn „einen einzigen, universellen Agenten für die Arbeit“. Er beantwortet Fragen, erledigt Wissensarbeit, schreibt und startet Code und übergibt Teile einer Aufgabe an Sub-Agenten.
Für Engineering-Verantwortliche zählen vor allem zwei Details. Erstens wählt der Agent pro Aufgabe ein Modell aus der Gemini-Familie oder aus Anthropics Claude-Modellen; weitere private und offene Modelle sollen folgen. Zweitens bindet er Unternehmenssysteme über Konnektoren und Model-Context-Protocol-Server (MCP) an – dasselbe Muster, mit dem Teams heute individuelle KI-Agenten entwickeln.
Der Agent ist in einer Private Preview für ausgewählte Kunden. Laut Google ist er ohne Aufpreis in Gemini Enterprise enthalten; Preise für dauerhafte „Coworker“-Agenten sollen erst näher an der breiten Verfügbarkeit kommen.
Was kann der Gemini-Agent konkret?
Der Agent läuft in Googles Cloud und behält Gedächtnis und Kontext geräteübergreifend: Eine in Gmail begonnene Aufgabe lässt sich in der CLI am Laptop fortsetzen. Google beschreibt vier Gedächtnisarten – Sitzungs-, semantisches, prozedurales und episodisches Gedächtnis. Lange Aufgaben können tagelang laufen, und der Agent legt für Teile der Arbeit Sub-Agenten an.
Es gibt drei Modi. Als persönlicher Assistent kennt er Kalender, Team und Dokumente der Nutzerin oder des Nutzers. Im Delegationsmodus schlägt er Aufgaben vor, die er übernehmen könnte. Als „Coworker“ im Team erhält er ein eigenes Workspace-Konto mit E-Mail-Adresse, Kalender und Drive und erscheint im Unternehmensverzeichnis.
Für Datenteams zeigte Google PySpark-Generierung, Notebooks, Modelltraining und Fehlersuche in Pipelines. Fachanwender stellen Reporting-Fragen in natürlicher Sprache über BigQuery und Googles Knowledge Catalog, der Fachbegriffe wie „Nettomarge“ den richtigen Kennzahlen zuordnet. Laut Google hat Bloomberg Media mit dem Knowledge Catalog die Genauigkeit seiner SQL-Abfragen um 63 % gesteigert.
Wie regelt Google Sicherheit und Kosten?
Identität und Audit. Jeder Agent hat eine eigene kryptografische Identität und rollenbasierte Berechtigungen und greift per OAuth mit minimalen Scopes auf externe Systeme zu. Aktionen landen in einem Audit-Trail, der dem Agenten zugeordnet ist, nicht der Person, die ihn gestartet hat.
Richtlinien. Code läuft in einer Agent Sandbox mit Netzwerkgrenze. Ein Agent Gateway wirkt als Firewall für Agenten und setzt Unternehmensrichtlinien – etwa „Agenten dürfen keine Need-to-know-Dokumente öffnen“ – einmal zentral für alle Agenten durch.
Kosten. Smart Routing schickt einfache Schritte an günstigere Modelle. Budgetgrenzen pro Projekt in der Cloud-Billing-Konsole pausieren Agenten, sobald das Budget aufgebraucht ist, und Kosten lassen sich an Fachbereiche weiterverrechnen. Kurian wies darauf hin, dass die Preise pro Token seit 2024 um 98 % gefallen sind, während das KI-Volumen in Unternehmen explodiert ist – deshalb ist Budgetkontrolle jetzt eine Produktfunktion.
Ab wann verfügbar und zu welchem Preis?
Laut VentureBeat befindet sich der Gemini-Agent in einer Private Preview; ein Datum für die allgemeine Verfügbarkeit hat Google nicht genannt. Er wird in Gemini Enterprise integriert, ohne separate Einrichtung oder Zusatzkosten für Bestandskunden. Preise für dauerhafte Coworker-Agenten, einschließlich ihrer Workspace-Konten und nutzungsabhängiger Kosten für lange Aufgaben, sind nicht veröffentlicht. TechCrunch berichtet, dass der Start mit Unternehmenskunden beginnt und eine Verbraucherversion später folgt.
Was das für Software-Teams in den USA und der EU bedeutet
Generische Agenten werden zur Plattformfunktion. Agenten für Terminplanung, Dokumententwürfe und einfache Reports kommen künftig mit der Office-Suite. Budgets für individuelle Agenten sollten sich auf das verlagern, was ein allgemeiner Agent nicht gut kann: fachliche Workflows, eigene Daten und Aktionen innerhalb Ihrer eigenen Produkte.
MCP-Server werden zum Integrationsvertrag. Google, Anthropic, Microsoft und OpenAI unterstützen MCP. Wenn Ihre internen Systeme saubere, berechtigungsbewusste MCP-Tools anbieten, kann jeder dieser Agenten sie nutzen – und Sie vermeiden den Lock-in an den Agenten eines einzelnen Anbieters.
Multi-Modell ist der Normalfall, kein Sonderfall. Wenn ein Google-Produkt Arbeit an Claude weiterreicht, bestätigt das, was viele Teams längst tun: Modelle pro Aufgabe nach Kosten und Qualität wählen. Evaluationssets, Prompt-Versionierung und Fallback-Logik sollten nicht von einem einzigen Anbieter ausgehen.
Governance muss nicht-menschliche Identitäten abdecken. Agenten mit eigenen E-Mail-Konten und Audit-Trails sind neue Identitäten in Ihrer Umgebung. Unter DSGVO und EU AI Act brauchen Teams in der EU Nachweise darüber, auf welche Daten ein Agent zugreifen kann, wer seine Berechtigungen freigegeben hat und wie seine Ergebnisse geprüft werden. US-Teams unter SOC 2 stehen vor denselben Fragen zu Access Reviews und Logging.
Was bedeutet das für Unternehmen im DACH-Raum?
Im DACH-Raum entscheidet sich der Einsatz eines solchen Agenten weniger an der Technik als an zwei Fragen: Wo werden die Daten verarbeitet, und wer muss zustimmen? Google Cloud betreibt Regionen in Frankfurt, Berlin und Zürich – welche Modelle und Agentenfunktionen dort tatsächlich laufen, gerade beim Routing an Claude, sollte vor einem Pilotprojekt schriftlich geklärt und im Verzeichnis der Verarbeitungstätigkeiten nach DSGVO dokumentiert werden. Wer nur Gemini für Routineaufgaben nutzen will, sollte das Modell-Routing bewusst einschränken, statt es dem Agenten zu überlassen.
Der zweite Punkt ist typisch deutsch: Ein Agent mit eigenem Konto, Audit-Trail und Zugriff auf Kalender und Dokumente von Beschäftigten ist eine technische Einrichtung, die Verhalten oder Leistung überwachen kann. In Deutschland greift damit regelmäßig die Mitbestimmung des Betriebsrats nach § 87 Abs. 1 Nr. 6 BetrVG. In der Praxis heißt das: Betriebsvereinbarung für KI-Agenten früh anstoßen, Zweck, Datenzugriffe und Protokollauswertung klar begrenzen – sonst stockt der Rollout genau dann, wenn die Technik bereit ist.
Was jetzt zu tun ist
- Agenten-Backlog kartieren und markieren, welche Anwendungsfälle ein mitgelieferter Agent abdeckt und welche individuelle Entwicklung brauchen.
- Interne Systeme inventarisieren, die Agenten brauchen werden, und MCP-Server mit eng gefassten, zunächst lesenden Berechtigungen planen.
- Modellunabhängige Evaluation aufsetzen, um Gemini, Claude und andere Modelle an Ihren eigenen Aufgaben zu vergleichen.
- Richtlinie für Agenten-Identitäten festlegen: wer einen Agenten anlegen darf, worauf er zugreift und wie seine Logs geprüft werden – im DACH-Raum gemeinsam mit Datenschutz und Betriebsrat.
- Budgets vor den Piloten festlegen, mit Obergrenzen pro Projekt und Weiterverrechnung an den fachlich Verantwortlichen.
Häufige Fragen
Was ist der Google Gemini-Agent?
Der Gemini-Agent ist ein einzelner KI-Agent für Unternehmen, den Google Cloud am 8. Oktober 2026 auf Gemini at Work 2026 vorgestellt hat. Er nimmt Ziele statt Schritt-für-Schritt-Anweisungen entgegen, plant die Arbeit, delegiert Teile an Sub-Agenten, schreibt und startet Code und bindet Unternehmenssysteme an.
Welche KI-Modelle nutzt der Gemini-Agent?
Er leitet jede Aufgabe an ein passendes Modell aus der Gemini-Familie oder an Anthropics Claude-Modelle weiter, automatisch oder nach Wahl des Nutzers. Laut Google sollen weitere private und offene Modelle folgen.
Ist der Gemini-Agent schon verfügbar?
Er befindet sich in einer Private Preview für ausgewählte Kunden. Google hat eine breitere Verfügbarkeit bald angekündigt, aber kein Datum genannt. Er wird ohne Aufpreis in Gemini Enterprise enthalten sein; Preise für dauerhafte Coworker-Agenten sind noch nicht veröffentlicht.
Wie bindet der Gemini-Agent Unternehmenssysteme an?
Über integrierte Konnektoren zu Werkzeugen wie Microsoft 365, Slack, Jira, Confluence, Git, Salesforce, ServiceNow, BigQuery, Databricks, Postgres und Snowflake sowie über Model-Context-Protocol-Server (MCP) und unternehmensweite Tool- und Skill-Verzeichnisse.
Macht das individuelle KI-Agenten überflüssig?
Nein. Mitgelieferte Agenten decken generische Büroarbeit ab, aber fachliche Workflows, eigene Daten und Aktionen innerhalb Ihrer Produkte brauchen weiterhin individuelle Entwicklung. Die sinnvollste Investition sind jetzt saubere, berechtigungsbewusste MCP-Tools, die jeder Agent nutzen kann.
Quellen
Google Cloud — Gemini at Work 2026: Introducing Gemini agent (8 October 2026)
TechCrunch — Google brings agentic AI to Gemini, starting with businesses (8 October 2026)
CNBC — Google Cloud introduces Gemini agent for work as AI race heats up (8 October 2026)
VentureBeat — Google Cloud unveils persistent Gemini Agents for long-running tasks (8 October 2026)