Google Cloud hat seine Vertex AI Plattform zur Gemini Enterprise Agent Platform umbenannt und bietet Neukunden bis zu 300 US-Dollar in kostenlosen Credits, um KI-Agenten auf Unternehmensniveau zu entwickeln und zu skalieren. Mit der Gemini Enterprise Agent Platform stellt Google Cloud eine vollständige Infrastruktur bereit, über die Unternehmen KI-Agenten in bestehende Workflows integrieren, mehrere Agenten parallel betreiben und den gesamten Lebenszyklus von der Entwicklung bis zur Governance steuern können. Hinzu kommt Colab Enterprise als verwalteter Notebook-Dienst mit unternehmenskonformer Sicherheit. Für Entscheider bedeutet dies: GenAI-Projekte lassen sich mit kalkulierbaren Einstiegskosten und standardisierten MLOps-Prozessen in die Produktion überführen.

Google Cloud Vertex AI 2025: Enterprise-Integration, Pricing und GenAI-Capabilities

Google Cloud hat seine KI-Entwicklungsplattform Vertex AI unter dem neuen Namen Gemini Enterprise Agent Platform neu positioniert. Die Plattform richtet sich an technische Teams, die unternehmensreife KI-Agenten entwickeln, skalieren, steuern und optimieren wollen. Für Entscheider in Unternehmen ergeben sich daraus konkrete Fragen zu Einsatzszenarien, Kosten und Integrationspfaden.

Neuausrichtung: Von Vertex AI zur Gemini Enterprise Agent Platform

Google Cloud beschreibt die umbenannte Plattform als “single destination” für Entwickler, die Unternehmensanwendungen und Workflows in agentenbasierte Systeme überführen wollen. Laut Produktseite umfasst das Angebot den vollständigen Stack von der Modellauswahl über Orchestrierung bis hin zu Governance-Funktionen. Neue Kunden erhalten laut Google Cloud bis zu 300 US-Dollar an kostenlosen Credits, um die Plattform zu testen.

Ein zentrales Element ist Google Antigravity, eine zentralisierte Anwendung, die über die Agent Platform verfügbar ist und es ermöglicht, mehrere Agenten gleichzeitig zu steuern, anzupassen und zu orchestrieren. Google nennt als Beispiel die gleichzeitige Ausführung ganzer Workflows wie Produktlaunches, bei denen Code-Generierung, Asset-Erstellung und Kundenkommunikation parallel automatisiert werden können.

Colab Enterprise: Managed Notebook-Service für Data-Science-Teams

Parallel zur Plattformerweiterung hat Google Cloud mit Colab Enterprise einen verwalteten Notebook-Service angekündigt. Dieser kombiniert nach Google-Angaben die Benutzerfreundlichkeit von Google Colab mit Sicherheits- und Compliance-Standards auf Unternehmensebene. Der Service startete zunächst in der Public Preview, mit geplantem General Availability ab September des Ankündigungsjahres.

Laut dem Blogbeitrag der Vertex-AI-Produktleitung hat sich die Nutzerbasis von Vertex AI seit der ursprünglichen Einführung vor drei Jahren erheblich erweitert: Neben klassischen Data Scientists und ML-Ingenieuren nutzen nun auch viele Entwickler ohne ML-Vorkenntnisse die Plattform, insbesondere für generative KI-Anwendungen. Vertex AI bietet Zugriff auf über 100 große Sprachmodelle von Google, Open-Source-Anbietern und Drittparteien.

Praktische Implikationen für Entscheider

1. Einstiegshürde und Kostenstruktur prüfen Das Free-Credit-Angebot von bis zu 300 US-Dollar senkt die initiale Evaluierungshürde für neue Kunden. Gleichzeitig sollten Entscheider die langfristige Total-Cost-of-Ownership kalkulieren, insbesondere wenn mehrere Agenten parallel betrieben werden sollen. Ein Vergleich mit alternativen Managed-Services empfiehlt sich vor der Plattformentscheidung. Für einen umfassenderen Kostenvergleich verschiedener LLM-API-Anbieter bietet sich ein Blick auf unabhängige Analysen an, etwa den TCO-Vergleich von Claude, GPT und Gemini.

2. Agenten-Orchestrierung als Kernfunktion bewerten Die Möglichkeit, mehrere Agenten gleichzeitig auf einen Workflow anzusetzen, ist kein rein technisches Detail. Für Unternehmen mit komplexen, parallelen Prozessen, etwa in der Produktentwicklung oder im Kundenservice, kann dies die Prozessautomatisierung qualitativ verändern. Allerdings erfordert dieser Ansatz eine sorgfältige Governance-Planung, insbesondere im Hinblick auf den EU AI Act und die damit verbundenen Transparenz- und Dokumentationspflichten.

3. Datenschutz und Compliance nicht nachrangig behandeln Enterprise-Compliance ist laut Google ein explizites Designziel von Colab Enterprise. Dennoch müssen Unternehmen, insbesondere solche mit Sitz oder Kundschaft in der EU, eigenständig prüfen, ob die Datenverarbeitung auf der Plattform mit der DSGVO und den EDPB-Leitlinien zu generativer KI vereinbar ist. Dies gilt insbesondere, wenn personenbezogene Daten in Trainings- oder Inferenz-Pipelines fließen.

4. Entwickler-Ressourcen und Weiterbildung einplanen Das GitHub-Repository “GenAI on Google Cloud”, das das gleichnamige Buch begleitet, enthält Colab-Notebooks, End-to-End-Implementierungen und Lösungsbeispiele für Kapitel von LLM-Grundlagen über Datenaufbereitung bis zu Agenten-Architekturen. Solche öffentlich zugänglichen Materialien können den Einstieg für interne Entwicklerteams beschleunigen, ersetzen jedoch keine strukturierte Weiterbildungsstrategie. Gerade im deutschen Mittelstand bleibt der KI-Fachkräftemangel ein zentrales Hindernis bei der Plattformadoption.

Einordnung im Wettbewerbsumfeld

Die Umbenennung und Erweiterung von Vertex AI ist Teil eines breiteren Musters: Hyperscaler positionieren ihre KI-Plattformen zunehmend als vollständige Agenteninfrastrukturen statt als reine Modell-APIs. Microsoft Azure OpenAI Service verfolgt eine ähnliche Strategie, wie ein Blick auf den Azure-Enterprise-Vergleich zeigt. Für Unternehmen, die noch zwischen Anbietern abwägen, sind Latenz, Modellvielfalt und Compliance-Funktionen die entscheidenden Differenzierungsmerkmale, nicht der Plattformname.

Zum Vergleich der Modellleistung von Gemini-Modellen gegenüber Wettbewerbern wie GPT-4o oder Claude lohnt sich zudem ein Blick auf aktuelle Benchmark-Auswertungen, etwa die Gegenüberstellung von Gemini 2.0, GPT-4o und Claude 3.5.

Quellen

• Gemini Enterprise Agent Platform (formerly Vertex AI) – Google Cloud
• Vertex AI Colab Enterprise and MLOps – Google Cloud Blog
• GenAI on Google Cloud: Enterprise Generative AI Systems and Agents – GitHub

Häufige Fragen

Was ist die Gemini Enterprise Agent Platform und wie unterscheidet sie sich von Vertex AI?

Die Gemini Enterprise Agent Platform ist der neue Name für Googles bisherige Vertex AI Agent Builder-Umgebung. Sie bietet Unternehmen eine zentrale Plattform, um KI-Agenten zu entwickeln, zu skalieren, zu steuern und zu optimieren. Technische Teams können damit bestehende Unternehmensanwendungen und Arbeitsabläufe in agentenbasierte Systeme überführen. Die Plattform ist als Open-Stack-Ansatz konzipiert und richtet sich explizit an Entwicklerteams, die produktionsreife Agenten auf globaler Ebene betreiben wollen.

Welche MLOps-Funktionen bietet Vertex AI für Data-Science-Teams?

Vertex AI bündelt ML-Werkzeuge auf einer einzigen Plattform. Eine zentrale Neuerung ist Colab Enterprise: ein verwalteter Notebook-Dienst, der die Benutzerfreundlichkeit von Google Colab mit Sicherheits- und Compliance-Anforderungen auf Unternehmensebene verbindet. Der Dienst wurde zunächst in der Public Preview gestartet, mit geplantem General-Availability-Release. Er soll die Produktivität von Data Scientists verbessern und die teamübergreifende Zusammenarbeit erleichtern.

Kann ich Vertex AI und die Gemini Agent Platform kostenfrei testen?

Neukunden bei Google Cloud erhalten ein Startguthaben von bis zu 300 US-Dollar, das für die Nutzung der Gemini Enterprise Agent Platform sowie anderer Google-Cloud-Produkte eingesetzt werden kann. Damit lassen sich Entwicklungs- und Testszenarien ohne sofortige Kosten umsetzen. Über die genaue Laufzeit und weitere Bedingungen des Gratisangebots informiert Google Cloud direkt auf den Produktseiten.

Welche generativen KI-Modelle sind über Vertex AI verfügbar?

Vertex AI bietet Zugang zu mehr als 100 Large Language Models. Das Portfolio umfasst Modelle von Google selbst, Open-Source-Modelle sowie Angebote von Drittanbietern. Damit können Unternehmen je nach Anwendungsfall zwischen proprietären und offenen Modellen wählen, ohne die Plattform wechseln zu müssen.

Wie können Entwickler praktisch in die GenAI-Entwicklung auf Google Cloud einsteigen?

Google Cloud stellt über GitHub öffentliche Code-Repositories bereit, die Hands-on-Übungen, Colab-Notebooks und End-to-End-Projektimplementierungen zu Vertex AI und Gemini enthalten. Voraussetzungen sind ein Google-Cloud-Konto, eine aktivierte Vertex AI API sowie Python ab Version 3.9. Die Materialien decken Themen wie LLM-Grundlagen, Retrieval-Augmented Generation, Agenten-Architekturen und Datenbereitstellung ab.

Dieser Artikel wurde von einem KI-System automatisiert erstellt. Kennzeichnung gemäß Art. 50 der EU-KI-Verordnung.