Google Agentic Data Cloud: Wer darf der KI welche Unternehmensdaten zeigen?

Warum Datenrechte zum Flaschenhals für KI-Agenten werden

Mehr Agenten benötigen nicht automatisch mehr Daten. Sie benötigen den richtigen, aktuellen und autorisierten Kontext. Google hat am 4. November mehrere Bausteine seiner Agentic Data Cloud vorgestellt, die Daten aus verschiedenen Systemen verbinden und Agenten anhand gemeinsamer Geschäftsbegriffe arbeiten lassen sollen.

Die Produktmeldung kombiniert jedoch bereits allgemein verfügbare Dienste mit neuen Vorschauen. Wer daraus ein einziges sofort verfügbares Paket ableitet, übersieht sowohl Zugriffseinschränkungen als auch Migrations- und Abhängigkeiten.

Was schon allgemein verfügbar ist – und was noch Preview

Laut Google ist die Cross-Cloud-Verbindung mit Caching für AWS und Azure allgemein verfügbar. Auch die Anbindung freigegebener semantischer Modelle aus mehreren Analyseplattformen wird als GA bezeichnet. Der Data Agent Kit mit MCP-Integration für Entwicklungswerkzeuge wird im Beitrag als kürzlich allgemein verfügbar beschrieben.

Dagegen sind die Integration des Knowledge Catalog als standardmäßiger Kontextdienst in Gemini, die selbstlernende Kontextanreicherung, die neue Studio-Oberfläche und AlloyDB Express Preview. Die Produktverfügbarkeit kann zusätzlich von Region, Edition und individueller Freischaltung abhängen, was die Meldung nicht abschließend für jeden Kunden auflistet.

Knowledge Catalog: richtige Daten unter echten Benutzerrechten

Knowledge Catalog soll geschäftliche Begriffe, Tabellen und Join-Pfade für Agenten auflösen. Google sagt ausdrücklich, dass Gemini beim Abfragen angebundener Datenquellen die Zugriffsrechte des jeweiligen Nutzers beachtet. Das ist eine relevante Architekturbehauptung, aber keine unabhängig getestete Garantie für jede komplexe Berechtigungskonstellation.

Die Selbstanreicherung aus Workspaces, Tickets und Dokumenten ist laut Google erst Preview. Für die Praxis ist zu klären, wer neue Kontextdefinitionen freigibt, ob sensible Quellen ausgenommen sind und wie Korrekturen, Rollback sowie Protokollierung funktionieren.

Cross-Cloud ohne variable Egress-Gebühr? Die Kostenfrage

Google beschreibt AWS-/Azure-Abfragen über private Verbindungen und lokales Block-Caching ohne variable Egress-Gebühren innerhalb des beschriebenen Angebots. Das darf nicht mit „alle beteiligten Daten-, Netzwerk- und Modellkosten sind null“ verwechselt werden.

Die Kernfrage einer Bewertung ist deshalb: Welche Daten werden tatsächlich kopiert oder gecacht, wo liegen sie nach einer Abfrage, welche nutzer- und organisationsseitigen Policies gelten, und welche Tarife bezahlen weitere Verarbeitung, Speicher und Token? Ohne konkretes Vertragsangebot gibt es keinen belastbaren Gesamtpreis.

Hersteller-Benchmarks und ihre Aussagegrenzen

Google berichtet aus internen Vergleichen von knapp vierfach höherer Genauigkeit, bis zu 33 % weniger Latenz und bis zu 75 % weniger Tokens mit Knowledge Catalog. Außerdem nennt Google für bestimmte AlloyDB-Architekturen hohe I/O- und Abfragewerte. Das sind an bestimmte Tests gebundene Herstellerangaben, keine allgemeingültigen Kundenergebnisse.

AgentenCode würde in einem Pilot nicht diese Zahlen pauschal wiederholen, sondern Antworten auf 20 bis 50 reale Fachfragen prüfen: korrekte Daten, Berechtigungsgrenzen, Nachvollziehbarkeit des SQL, Gesamtlaufzeit und Rechnung pro akzeptierter Entscheidung.

Entscheidungsmatrix für einen kontrollierten Piloten

Die operative Prüfung braucht mindestens vier voneinander unabhängige Freigaben: Datenquellen und Region, Benutzer- und Serviceidentität, Kontextdefinition samt Änderungsfreigabe sowie Kosten-/Abfragebudget. Ein Preview-Modul darf nicht unter der GA-Freigabe einer anderen Komponente laufen.

Die eigene Evidenzgrafik macht die getrennten Produktstände sichtbar. Besonders sinnvoll wäre ein Pilot mit nicht-sensiblen Datensätzen und nachvollziehbarer Rollenmatrix, bevor reale Mitarbeiter-, Gesundheits- oder Finanzdaten eingebunden werden.

Fazit: Kontextqualität ist ein Governance-Projekt

Die neue Agentic Data Cloud zeigt, dass KI-Agenten nicht nur Modelle und Tools benötigen, sondern eine verbindliche, gepflegte semantische Schicht. Das kann verstreute Datenwelten verständlicher machen, schafft aber eine neue Abhängigkeit von korrekten Zugriffsmodellen.

Nicht die Zahl der verbundenen Systeme ist der Qualitätsmaßstab. Entscheidend ist, ob ein Team belegen kann, warum ein Agent diese Daten sehen durfte, woher die Antwort stammt und wie Fehler korrigiert werden.