AgentenCode AgentenProfilAutomatisierung
✓ Redaktionell geprüftPrüfdatum: 30. September 2026
AgentenProfil · Automatisierung
Gemini Spark
Persönlicher KI-Agent in der Gemini-Umgebung für länger laufende, mehrstufige Aufgaben im Hintergrund mit Integration in Google-Tools und perspektivisch Drittanbieter-Tools über MCP.
ÖKOSYSTEM-ZUORDNUNG
Dieses Agentenprofil gehört zur kuratierten Anbieterübersicht. Sicherheitsmerkmale werden nicht zwischen Produkten übertragen.
Automatisierungredaktionelle Einordnung
GoogleAnbieter
2 Primärquellen dokumentiertQuellenstatus
30. September 2026letzte Prüfung
AgentenTrust 2.0 · EU & Governance Evidence
EU AI Act, Datenschutz und Kontrolle bei Gemini Spark
Direktantwort: Für Gemini Spark sind aktuell 0 von 36 normalisierten Trust-Controls feldgenau öffentlich belegt. Nicht belegte Felder bleiben Unknown – niemals automatisch Nein.
EU AI ActEvidence-Kontext zu Art. 12–15, ohne automatische Anwendbarkeits- oder Compliance-Aussage.
DSGVOEvidence-Kontext zu Art. 5, 28 und 32. Data Residency allein ist kein Compliance- oder Transfer-Nachweis.
Wichtig: Diese Zahlen zeigen Dokumentationsabdeckung, keine Produktbewertung. 0 von 10 bedeutet: Für diese 10 Felder liegt im aktuellen Datensatz kein feldgenauer öffentlicher Beleg vor. Es bedeutet nicht, dass der Agent die Funktionen nicht besitzt.
Entscheidungsrelevante Kernsignale
Zwölf häufige EU-, Datenschutz-, Security- und Governance-Fragen – inklusive Unknowns.
Ja belegtNein belegtWert belegtUnknown
Datenschutz & Daten
UnknownData Residency
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Datenschutz & Daten
UnknownKundendaten für Training
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Datenschutz & Daten
UnknownDatenaufbewahrung / Retention
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Datenschutz & Daten
UnknownDPA / Auftragsverarbeitung
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Security & Zugriff
UnknownVerschlüsselung at rest
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Security & Zugriff
UnknownRBAC
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Menschliche Kontrolle
UnknownHuman Approval
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Menschliche Kontrolle
UnknownHuman Oversight
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Audit & Nachvollziehbarkeit
UnknownAudit Logs
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Audit & Nachvollziehbarkeit
UnknownTracing
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Audit & Nachvollziehbarkeit
UnknownActivity History
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Security & Zugriff
UnknownSecrets / Credential Handling
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Alle dokumentierten Trust-Signale
Jeder Wert bleibt an Scope, Prüfdatum und Primärquelle gebunden. Ein Plattformbeleg wird nicht automatisch auf jeden Agenten vererbt.
Für diesen Agenten liegt noch keine feldgenaue öffentliche Trust-Evidence vor.
Kein Compliance-Score.
AgentenTrust bildet Evidence ab. Die rechtliche Einordnung hängt vom konkreten Einsatz ab.
Kurz erklärt
Persönlicher KI-Agent in der Gemini-Umgebung für länger laufende, mehrstufige Aufgaben im Hintergrund mit Integration in Google-Tools und perspektivisch Drittanbieter-Tools über MCP. AgentenCode trennt dokumentierte Produktmerkmale von redaktioneller Einordnung und zeigt Quellenstatus sowie Prüfdatum transparent an.
AgentenProfil
Standardisierte Referenzdaten
AnbieterGoogle
KategorieAutomatisierung
ProdukttypPersönlicher KI-Agent (Beta)
ZielgruppePrivatpersonen, Unternehmen
ZugangBeta-Rollout; zunächst für ausgewählte Tester und Google AI Ultra in den USA angekündigt
Quellenstatus2 Primärquellen dokumentiert
PrüfstatusRedaktionell geprüft
Prüfdatum30. September 2026
Profilversion2.0
Filterdaten werden aus demselben strukturierten Datensatz erzeugt wie dieses Profil. Unbestätigte Merkmale werden nicht automatisch als „Nein“ gewertet.
Was ist Gemini Spark?
Persönlicher KI-Agent in der Gemini-Umgebung für länger laufende, mehrstufige Aufgaben im Hintergrund mit Integration in Google-Tools und perspektivisch Drittanbieter-Tools über MCP.
Produktspezifische Evidenzlage zu Gemini Spark
Dieses Profil trennt den dokumentierten Produktfokus von feldgenauer Evidence. Für Gemini Spark sind aktuell 2 eindeutige Primärquellen über Profil, Trust- und Relationsdaten verknüpft. Die folgenden Punkte sind keine allgemeine Klassenbeschreibung, sondern stammen aus den für dieses konkrete Produkt gespeicherten Feldern.
- hosting · managed: Ja · Scope: gemini_spark · geprüft 1. Oktober 2026 · Primärquelle ↗
Automatisierungsagenten verbinden Sprachmodelle mit Apps, Browsern, APIs oder Workflow-Werkzeugen und können über mehrere Schritte Aktionen ausführen.
Für die Einordnung ist weniger entscheidend, ob ein Anbieter das Wort „Agent“ prominent verwendet, sondern welche Aufgaben das System tatsächlich selbst über mehrere Schritte ausführen kann, auf welche Daten und Werkzeuge es zugreifen darf und wo Menschen die Kontrolle behalten. AgentenCode dokumentiert deshalb Produkttyp, Zielgruppe, Quellenstatus und Prüfdatum standardisiert.
Wie funktioniert Gemini Spark?
Google beschreibt Spark als persönlichen Agenten, der auf dedizierten virtuellen Maschinen in der Google Cloud läuft und mehrstufige Aufgaben über längere Zeiträume im Hintergrund bearbeiten kann. Spark basiert laut Google auf Gemini 3.5 und dem Antigravity-Harness und soll in Google-Tools sowie über MCP auch mit Drittanbieter-Tools arbeiten können.
Typisch ist ein Ablauf aus Ziel verstehen, Kontext aus verbundenen Systemen lesen, nächsten Schritt auswählen, ein Tool ausführen und das Ergebnis für den folgenden Schritt bewerten.
1Ziel und Kontext erfassen
2Aufgabe planen
3Tools / Daten nutzen
4Zwischenergebnis prüfen
5Ergebnis oder Aktion liefern
Der dargestellte Ablauf ist ein Referenzmodell der Kategorie und keine Behauptung über jeden internen Implementierungsschritt. Entscheidend ist, welche Teile der Kette vom Produkt nachweislich unterstützt werden und welche Rechte ein Nutzer oder Administrator freigibt.
Was kann Gemini Spark konkret übernehmen?
Die folgenden Einsatzfelder orientieren sich am dokumentierten Produktschwerpunkt. Für wichtige oder irreversible Aufgaben sollten Anforderungen und Kontrollpunkte schon im Auftrag festgelegt werden.
Länger laufende persönliche Aufgaben
Bei „Länger laufende persönliche Aufgaben“ ist für Gemini Spark besonders „Hintergrundausführung auf Cloud-VMs“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Beta-Rollout; zunächst für ausgewählte Tester und Google AI Ultra in den USA angekündigt“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Beta-Verfügbarkeit und Region vor Nutzung prüfen. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Informations- und Organisationsarbeit
Bei „Informations- und Organisationsarbeit“ ist für Gemini Spark besonders „Mehrstufige Aufgaben mit langem Zeithorizont“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Beta-Rollout; zunächst für ausgewählte Tester und Google AI Ultra in den USA angekündigt“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Proaktive Aktionen und verbundene Konten eng begrenzen. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Aufgaben über Google-Tools hinweg
Bei „Aufgaben über Google-Tools hinweg“ ist für Gemini Spark besonders „Tiefe Google-Integration“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Beta-Rollout; zunächst für ausgewählte Tester und Google AI Ultra in den USA angekündigt“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Neue Funktionen wegen schnellen Rollouts regelmäßig gegen Primärquellen prüfen. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Proaktive Hintergrundarbeit
Bei „Proaktive Hintergrundarbeit“ ist für Gemini Spark besonders „MCP-Unterstützung angekündigt“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Beta-Rollout; zunächst für ausgewählte Tester und Google AI Ultra in den USA angekündigt“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Beta-Verfügbarkeit und Region vor Nutzung prüfen. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Für Privatpersonen und Unternehmen
Für Privatpersonen und Professionals
Für Privatpersonen ist Spark konzeptionell besonders interessant, weil Aufgaben nicht nur in einer offenen Sitzung bearbeitet werden müssen. Der Agent soll länger laufende Aufgaben übernehmen und Fortschritt melden können. Da sich Spark im Rollout befindet, sollten Verfügbarkeit und Funktionsumfang vor konkreten Planungen geprüft werden.
Für Unternehmen
Für professionelle Nutzung kann die Verbindung zu Google-Tools interessant werden. Wegen Beta-Status und proaktiver Hintergrundausführung sollten Organisationen Berechtigungen, Datenzugriff und mögliche Aktionen besonders eng begrenzen und zunächst mit nicht sensitiven Testaufgaben arbeiten.
Stärken von Gemini Spark
Die folgenden Punkte sind keine Rangliste. Sie markieren Eigenschaften, die für typische Einsatzfelder relevant sein können und im eigenen Kontext geprüft werden sollten.
Hintergrundausführung auf Cloud-VMs
„Hintergrundausführung auf Cloud-VMs“ ist bei Gemini Spark deshalb entscheidungsrelevant, weil das Profil „Länger laufende persönliche Aufgaben“ als konkretes Einsatzfeld führt. Der Nutzen hängt davon ab, ob dieser Arbeitsablauf im gebuchten Plan und mit den vorgesehenen Daten- und Toolrechten verfügbar ist. Gegenprüfung vor dem Einsatz: Beta-Verfügbarkeit und Region vor Nutzung prüfen.
Mehrstufige Aufgaben mit langem Zeithorizont
„Mehrstufige Aufgaben mit langem Zeithorizont“ ist bei Gemini Spark deshalb entscheidungsrelevant, weil das Profil „Informations- und Organisationsarbeit“ als konkretes Einsatzfeld führt. Der Nutzen hängt davon ab, ob dieser Arbeitsablauf im gebuchten Plan und mit den vorgesehenen Daten- und Toolrechten verfügbar ist. Gegenprüfung vor dem Einsatz: Proaktive Aktionen und verbundene Konten eng begrenzen.
Tiefe Google-Integration
„Tiefe Google-Integration“ ist bei Gemini Spark deshalb entscheidungsrelevant, weil das Profil „Aufgaben über Google-Tools hinweg“ als konkretes Einsatzfeld führt. Der Nutzen hängt davon ab, ob dieser Arbeitsablauf im gebuchten Plan und mit den vorgesehenen Daten- und Toolrechten verfügbar ist. Gegenprüfung vor dem Einsatz: Neue Funktionen wegen schnellen Rollouts regelmäßig gegen Primärquellen prüfen.
MCP-Unterstützung angekündigt
„MCP-Unterstützung angekündigt“ ist bei Gemini Spark deshalb entscheidungsrelevant, weil das Profil „Proaktive Hintergrundarbeit“ als konkretes Einsatzfeld führt. Der Nutzen hängt davon ab, ob dieser Arbeitsablauf im gebuchten Plan und mit den vorgesehenen Daten- und Toolrechten verfügbar ist. Gegenprüfung vor dem Einsatz: Beta-Verfügbarkeit und Region vor Nutzung prüfen.
Grenzen und Punkte vor dem Einsatz
Agentische Produkte sollten nicht allein anhand einer Demo bewertet werden. Reale Daten, Berechtigungen, ungewöhnliche Fälle und Fehlerbehandlung entscheiden darüber, ob ein Einsatz belastbar ist.
Beta-Verfügbarkeit und Region vor Nutzung prüfen
Beta-Verfügbarkeit und Region vor Nutzung prüfen. Dieser Punkt ist für Gemini Spark besonders bei „Länger laufende persönliche Aufgaben“ relevant, weil Agentenwirkung und Risiko vom tatsächlich freigegebenen Scope abhängen. AgentenCode wertet fehlende öffentliche Evidence dabei nicht als Gegenbeleg; offene Punkte bleiben Unknown und sollten im Pilot oder mit dem Anbieter geklärt werden.
Proaktive Aktionen und verbundene Konten eng begrenzen
Proaktive Aktionen und verbundene Konten eng begrenzen. Dieser Punkt ist für Gemini Spark besonders bei „Informations- und Organisationsarbeit“ relevant, weil Agentenwirkung und Risiko vom tatsächlich freigegebenen Scope abhängen. AgentenCode wertet fehlende öffentliche Evidence dabei nicht als Gegenbeleg; offene Punkte bleiben Unknown und sollten im Pilot oder mit dem Anbieter geklärt werden.
Neue Funktionen wegen schnellen Rollouts regelmäßig gegen Primärquellen prüfen
Neue Funktionen wegen schnellen Rollouts regelmäßig gegen Primärquellen prüfen. Dieser Punkt ist für Gemini Spark besonders bei „Aufgaben über Google-Tools hinweg“ relevant, weil Agentenwirkung und Risiko vom tatsächlich freigegebenen Scope abhängen. AgentenCode wertet fehlende öffentliche Evidence dabei nicht als Gegenbeleg; offene Punkte bleiben Unknown und sollten im Pilot oder mit dem Anbieter geklärt werden.
Sicherheit, Datenschutz und Berechtigungen
Bei Automatisierungsagenten steigt das Risiko mit jedem schreibenden Tool, Login und externen Effekt. Minimale Rechte und Freigaben sind zentral.
Bei Gemini Spark sollte außerdem geprüft werden, welche Daten an den Anbieter und gegebenenfalls verbundene Tool- oder Modellanbieter übertragen werden. AgentenCode macht keine pauschale Aussage wie „DSGVO-konform“ oder „sicher“, wenn dies vom Tarif, Vertrag, Standort, den aktivierten Funktionen oder dem konkreten Einsatz abhängt.
Praktische Regel: Je mehr ein Agent lesen, verändern oder extern ausführen darf, desto wichtiger sind minimale Berechtigungen, nachvollziehbare Logs, Testfälle und Freigaben für irreversible Aktionen.
Zugang, Kosten und Voraussetzungen
Aktuell dokumentierter Zugang: Beta-Rollout; zunächst für ausgewählte Tester und Google AI Ultra in den USA angekündigt
Preise, Credits und Limits können sich schnell ändern. AgentenCode dokumentiert deshalb hier das Zugangsmodell und verweist für Vertragsentscheidungen auf die aktuellen Anbieterinformationen statt schnell veraltende Preislisten zu kopieren.
Wie lässt sich Gemini Spark sinnvoll vergleichen?
Ein belastbarer Vergleich beginnt mit dem konkreten Ziel und einem reproduzierbaren Testfall. Für diese Kategorie sind insbesondere folgende Kriterien relevant:
| Tool- und App-Zugriff | Bei Gemini Spark anhand der aktuellen Primärquellen und eigener Testaufgaben prüfen. Funktionsumfang kann je nach Plan, Region, Oberfläche und Berechtigungen variieren. |
|---|---|
| Human-in-the-loop | Bei Gemini Spark anhand der aktuellen Primärquellen und eigener Testaufgaben prüfen. Funktionsumfang kann je nach Plan, Region, Oberfläche und Berechtigungen variieren. |
| Fehlerbehandlung | Bei Gemini Spark anhand der aktuellen Primärquellen und eigener Testaufgaben prüfen. Funktionsumfang kann je nach Plan, Region, Oberfläche und Berechtigungen variieren. |
| Protokollierung | Bei Gemini Spark anhand der aktuellen Primärquellen und eigener Testaufgaben prüfen. Funktionsumfang kann je nach Plan, Region, Oberfläche und Berechtigungen variieren. |
| Kosten pro Ausführung | Bei Gemini Spark anhand der aktuellen Primärquellen und eigener Testaufgaben prüfen. Funktionsumfang kann je nach Plan, Region, Oberfläche und Berechtigungen variieren. |
Zusätzlich sollte geprüft werden, wie der Agent mit unvollständigem Kontext, fehlenden Berechtigungen und einem bewusst eingebauten Fehlerfall umgeht. Solche Tests sagen häufig mehr über Alltagstauglichkeit aus als ein einzelner Benchmark.
Ähnliche Agenten und Alternativen
Häufige Fragen zu Gemini Spark
Was ist Gemini Spark?
Persönlicher KI-Agent in der Gemini-Umgebung für länger laufende, mehrstufige Aufgaben im Hintergrund mit Integration in Google-Tools und perspektivisch Drittanbieter-Tools über MCP.
Für wen eignet sich Gemini Spark?
Gemini Spark richtet sich vor allem an Privat & Professionals. Ob der Einsatz sinnvoll ist, hängt davon ab, ob die benötigten Datenquellen, Aktionen und Kontrollmöglichkeiten zum konkreten Szenario passen.
Kann Gemini Spark selbstständig handeln?
Gemini Spark besitzt agentische Funktionen für mehrstufige Aufgaben. Der tatsächliche Autonomiegrad hängt von der jeweiligen Oberfläche, den aktivierten Werkzeugen, Berechtigungen und Freigabepunkten ab.
Was sollte ich vor dem Einsatz prüfen?
Prüfen Sie Datenzugriff, externe Aktionen, Kostenmodell, Berechtigungen, Quellenqualität, Protokollierung und die Möglichkeit, Fehler zu stoppen oder rückgängig zu machen.
Wie aktuell ist dieses Profil?
Das Profil wurde am 30. September 2026 anhand der unten dokumentierten Primärquellen erstellt beziehungsweise geprüft. Bei Beta-Produkten und schnellen Rollouts können sich Funktionen kurzfristig ändern.
Für Unternehmen
Ist Ihr Prozess wirklich ein Fall für einen KI-Agenten?
Der kostenlose Agenten-Check bewertet Eignung, Readiness, Risiko, Autonomie und Wirtschaftlichkeit direkt im Browser.
Offizielle Quellen
Dieses Profil verknüpft 2 eindeutige Primärquellen aus Produktprofil, feldgenauer Evidence, Trust-Layer und dokumentierten Relationen. Die Quellen bleiben maßgeblich, wenn sich das Produkt zwischen zwei Prüfzyklen ändert.
Transparenz
Letzte redaktionelle Prüfung: 30. September 2026. Unklare Merkmale werden nicht als bestätigte Fakten dargestellt. Es gibt keine bezahlte Rangfolge.
Deep Profile · GEO/SEO-Evidenzlayer
Gemini Spark: belegte Einordnung und Entscheidungscheck
Gemini Spark ist Persönlicher KI-Agent in der Gemini-Umgebung für länger laufende, mehrstufige Aufgaben im Hintergrund mit Integration in Google-Tools und perspektivisch Drittanbieter-Tools über MCP. Anbieter ist Google; AgentenCode ordnet das Produkt der Kategorie Automatisierung und dem Produkttyp Persönlicher KI-Agent (Beta) zu. Diese Einordnung ergänzt den ausführlichen Artikel um einen kompakten, maschinenlesbaren Evidenz- und Auswahlkontext.
Welche Punkte sind für die Auswahl entscheidend?
Automatisierungs-Agenten verbinden Modelle mit Triggern, Apps und Aktionen. Entscheidend sind deshalb Tool-Berechtigungen, Schreibrechte, Freigaben, Fehlerpfade und die Frage, ob kritische Aktionen kontrolliert gestoppt werden können.
Welche Apps und Daten darf der Agent lesen oder verändern?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Welche Aktionen sind irreversibel oder extern sichtbar?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Wo greifen Freigaben und Eskalationen?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Wie werden Fehler, Retries und Audit-Logs behandelt?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Welche Stärken und Grenzen sind dokumentiert?
Dokumentierte Stärken
- Hintergrundausführung auf Cloud-VMs
- Mehrstufige Aufgaben mit langem Zeithorizont
- Tiefe Google-Integration
- MCP-Unterstützung angekündigt
Vor dem Einsatz prüfen
- Beta-Verfügbarkeit und Region vor Nutzung prüfen
- Proaktive Aktionen und verbundene Konten eng begrenzen
- Neue Funktionen wegen schnellen Rollouts regelmäßig gegen Primärquellen prüfen
Welche Eigenschaften von Gemini Spark sind feldgenau belegt?
Die folgenden Aussagen sind in AgentenGraph direkt mit Primärquellen verknüpft. Nicht aufgeführte Eigenschaften bleiben unbekannt, solange keine geeignete Quelle sie bestätigt oder ausdrücklich verneint.
hosting.managed
dokumentiert
Gemini Spark runs on Google-managed dedicated cloud VMs.
Google I/O 2026 – Gemini Spark →Welche Primärquellen stützen dieses Profil?
AgentenCode bevorzugt aktuelle Primärquellen. Aussagen eines Anbieters werden nicht automatisch auf andere Produkte oder Detailfelder übertragen.
| Quelle | Typ | Verwendung |
|---|---|---|
| Google – Die Gemini-App bekommt agentische Fähigkeiten | Primärquelle | Profil-, Evidence-, Trust- oder Relationsbeleg |
| Google I/O 2026 – Gemini Spark | Primärquelle | Profil-, Evidence-, Trust- oder Relationsbeleg |
AgentenGraph · Produktverlauf
Strukturierte Historie von Gemini Spark
AgentenGraph speichert strukturierte Zustände dieses Agenten über die Zeit. Neue Werte ersetzen ältere Zustände nicht stillschweigend: Änderungen werden versioniert und als Ereignis erfasst. Frühere Zustände vor der Baseline werden nicht rückwirkend behauptet.
01Baseline erfasst1. Oktober 2026
Ab diesem Datum beobachtet AgentenCode strukturierte Änderungen dieses Agenten.
Der heutige Stand ist der Ausgangspunkt. Historische Aussagen vor diesem Datum erscheinen nur, wenn sie durch belastbare Quellen belegt werden können.
Aktueller strukturierter StandAI-0053 · 25 aktive Aussagen
1 feldgenau belegtAnbieterGoogle
KategorieAutomatisierung
ProdukttypPersönlicher KI-Agent (Beta)
Zielgruppeunternehmen, privatpersonen
ZugangBeta-Rollout; zunächst für ausgewählte Tester und Google AI Ultra in den USA angekündigt
Letzte Profilprüfung30. September 2026
Strukturierte Anwendungsfelder
Informations- und OrganisationsarbeitAufgaben über Google-Tools hinwegProaktive HintergrundarbeitLänger laufende persönliche Aufgaben
Evidenzstatus
1 von 25 aktiven Aussagen besitzen bereits eine explizite Feld-zu-Quelle-Zuordnung. Die übrigen Aussagen verwenden weiterhin das Quellen-Set des Profils.
Methodik zur Datenhistorie →Dokumentierte Änderungen seit BaselineProduktbezogene AgentenGraph-Ereignisse
hosting.managed
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
Änderungsverlauf
Changelog
Primärquellen und Produktstand erneut geprüft; Profil, Verfügbarkeit und Einordnung auf den Prüfstand 30. September 2026 aktualisiert.
Neuaufnahme mit AgentenProfil 2.0, Primärquellen, Prüfdatum und Filterdaten.