AntwortenVeröffentlicht19 Quellen
Googles Agentic Data Cloud soll Daten dort nutzbar machen, wo sie liegen
Google stellte am 4. November 2026 Erweiterungen für die Agentic Data Cloud vor. Das Lakehouse basiert auf Apache Iceberg.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Google stellte am 4. November 2026 Erweiterungen für die Agentic Data Cloud vor.
- Das Lakehouse basiert auf Apache Iceberg. Google beschreibt es als Möglichkeit, Daten cloudübergreifend zu nutzen, ohne sie zunächst an einen zentralen Ort zu verschieben.
- Nicht alle Integrationen haben denselben Verfügbarkeitsstatus. Außerdem belegen die vorliegenden Quellen weder, dass sämtliche Cloud Kosten entfallen, noch dass Agenten damit Geschäftsprozesse sicher ausführen können.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Google announce on November 4, 2026, about its Agentic Data Cloud, first introduced at Google Cloud Next 2026, and how do its Apach. Article summary: On November 4, 2026, Google announced updates to its Agentic Data Cloud centered on querying distributed data and giving AI agents more consistent business context, extending the architecture introduced at Google Cloud N. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Googles Ankündigung vom 4. November 2026 zielt auf ein praktisches Problem: KI-Agenten sollen Daten aus verschiedenen Teilen einer Unternehmens-Cloud-Umgebung nutzen können, ohne dass diese zuerst an einem Ort zusammengeführt werden müssen. Zugleich sollen sie den Geschäftskontext erhalten, um Daten richtig einzuordnen. Die zentralen Bausteine sind das Apache-Iceberg-basierte Borderless Lakehouse und der Knowledge Catalog. Allerdings unterscheiden sich die Verfügbarkeitsstufen je nach Funktion. Und die verfügbaren Belege zeigen nicht, dass der cloudübergreifende Zugriff sämtliche Kosten beseitigt oder jede genannte Einsparung bestätigt. 4
10
Daten abfragen, ohne sie vorher zu verschieben
Google beschreibt das Borderless Lakehouse als verwaltete Datengrundlage auf Basis des offenen Formats Apache Iceberg. In der Dokumentation bildet Iceberg die Grundlage für eine einheitliche Schnittstelle für Analysen und KI. 4
1 Laut Googles Produktinformationen lassen sich Daten über mehrere Clouds hinweg abfragen und nutzen, ohne sie vorher zu verlagern. Branchenberichte ordnen auch Daten in AWS und Azure zu den möglichen Abfragequellen.
15
3
Das unterscheidet sich von einem Ansatz, bei dem Daten vor jeder Analyse in ein zentrales Warehouse kopiert werden. Abfragen am Speicherort können grundsätzlich den Bedarf an Datenpipelines verringern, die allein dem Kopieren zwischen Systemen dienen. Dafür müssen die jeweiligen Verbindungen, Berechtigungen, Datenformate und Dienste jedoch eingerichtet sein.
Allgemeine Verfügbarkeit gilt nicht automatisch für alle Funktionen
Googles Produktseite bezeichnet das Borderless Lakehouse als allgemein verfügbar. 11 Daraus folgt nicht, dass jede Integration oder Föderationsfunktion denselben Status hat: In Googles Lakehouse-Übersicht wird die Katalogföderation mit AWS Glue, Databricks Unity Catalog und Snowflake Horizon als Vorschau geführt.
10 Die Google-Dokumentation beschreibt außerdem eine cloudübergreifende Verbindung, über die sich Daten aus Databricks Unity Catalog von Google Cloud aus abfragen lassen.
Diese Unterscheidung ist wichtig, wenn es um private Verbindungen, Caching oder Zero-Copy-Integrationen geht. Die vorliegenden Quellen belegen weder alle Einzelheiten zu AWS- und Azure-Netzwerkverbindungen und zum Caching noch Zero-Copy-Integrationen mit SAP, Workday und Salesforce. Diese konkreten Angaben lassen sich auf dieser Grundlage daher nicht als gesichert darstellen.
Der Knowledge Catalog soll Daten mit Bedeutung versehen
Eine Tabelle allein erklärt einem Agenten nicht, was eine Kennzahl bedeutet, welche Definition im Unternehmen gilt oder wie verschiedene Datensätze zusammenhängen. Google positioniert den Knowledge Catalog als Möglichkeit, den von Agenten genutzten Daten Geschäftsbedeutung und kontrollierten Kontext hinzuzufügen. Laut Ankündigung ist das Borderless Lakehouse mit dem Knowledge Catalog verknüpft, um verteilte und unstrukturierte Cloud-Daten für den Agentenkontext zu erschließen. 4
Google hat außerdem selbstlernende Kontextanreicherung und Knowledge Studio als Vorschau vorgestellt. Die Anreicherungsfunktion soll Interaktionen von Agenten und Nutzern auswerten, um Lücken im Geschäftskontext zu finden. Knowledge Studio bietet Datenverantwortlichen Werkzeuge, diesen Kontext zu erkunden und zu prüfen. 19 Solche Funktionen verwalten Kontext – sie belegen für sich genommen nicht, dass ein Agent einen Geschäftsprozess sicher ausführen kann.
Die Versionshinweise zu Gemini Enterprise dokumentieren eine Vorschau für den föderierten Abfragemodus von Data-Cloud-Connectors sowie eine Vorschau der Knowledge-Catalog-Integration. Wird ein solcher Connector angebunden, ist der Knowledge Catalog im Assistant automatisch aktiviert. Der Assistant erhält schreibgeschützte Werkzeuge, um Daten zu suchen, auf die der jeweilige Nutzer zugreifen darf, und technischen sowie geschäftlichen Kontext abzurufen. 17 Das ist eine dokumentierte, klar begrenzte Integration – kein Beleg für sämtliche weitergehenden Aussagen zur Gemini-Unterstützung.
Weniger Datentransfer ist nicht gleich niedrigere Gesamtkosten
Googles Angebot betont den Datenzugriff ohne vorherige Verlagerung. Auch die Berichterstattung zur Ankündigung spricht von Abfragen in AWS und Azure ohne variable Egress-Kosten – also ohne variable Gebühren für ausgehenden Datentransfer. 15
3 Die verfügbaren Ankündigungs- und Dokumentationsauszüge belegen jedoch nicht, dass damit jede Gebühr in der entfernten Cloud entfällt. Sie reichen auch nicht aus, um die Gesamtkosten eines konkreten Arbeitsablaufs zu beurteilen.
Ebenso lässt sich mit den vorliegenden Materialien weder die berichtete Senkung der Datenbewegungskosten um rund 40 Prozent bei talabat belegen noch die dafür genannte konkrete Konfiguration mit Amazon-S3-Iceberg-Daten und BigQuery bestätigen. Selbst wenn eine solche Einsparung beim Datentransfer nachgewiesen wäre, würde sie allein keine entsprechende Senkung der gesamten Abfragekosten oder der Kosten für eine erfolgreich erledigte Agentenaufgabe belegen.
Datenbank-Erweiterungen: Hinweise, aber wenig Detail
Zeitnahe Berichte führen AlloyDB und BigQuery neben dem Knowledge Catalog als Produkte auf, die im Zuge der Ankündigung Neuerungen erhalten. 3 Die verfügbaren Auszüge bestätigen jedoch nicht die konkrete Behauptung, AlloyDB könne historische Iceberg-Daten direkt mit laufenden operativen PostgreSQL-Daten verknüpfen.
Spanner Omni ist ein weiterer Teil von Googles Datenstrategie. Google meldete die allgemeine Verfügbarkeit am 30. September 2026 und beschrieb Spanner Omni als verteilte Datenbank mit mehreren Datenmodellen, die lokal oder in anderen Clouds eingesetzt werden kann. Die allgemeine Verfügbarkeit wurde also nicht erstmals am 4. November angekündigt. 20
Was die Ankündigung über KI-Agenten aussagt – und was nicht
Die belastbare Kernaussage lautet: Google baut eine cloudübergreifende Zugriffsschicht für Unternehmensdaten und verbindet sie mit gemeinsamem Kontext für KI-Assistenten und Agenten. Das kann ihnen helfen, relevante Informationen zu finden und einheitliche Begriffsdefinitionen zu verwenden. 4
17
19
Es belegt aber nicht, dass ein Agent damit einen Geschäftsprozess sicher ausführen kann. Dafür wären gesonderte Nachweise zu Berechtigungen, Validierung, Transaktionsverarbeitung, Protokollierung, Wiederherstellung und den Gesamtkosten einer erfolgreich erledigten Aufgabe nötig. Auch reichen die bereitgestellten Auszüge nicht aus, um die genannten Analysteneinschätzungen oder Vergleiche mit Microsoft, Databricks, Snowflake und AWS zu überprüfen. Die Ankündigung zeigt Googles Richtung bei der Plattform; Aussagen über autonome Ausführung und deren Wirtschaftlichkeit brauchen Belege, die über Datenzugriff und Kontextfunktionen hinausgehen.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Googles Agentic Data Cloud soll Daten dort nutzbar machen, wo sie liegen“?
Google stellte am 4. November 2026 Erweiterungen für die Agentic Data Cloud vor.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Google stellte am 4. November 2026 Erweiterungen für die Agentic Data Cloud vor. Das Lakehouse basiert auf Apache Iceberg. Google beschreibt es als Möglichkeit, Daten cloudübergreifend zu nutzen, ohne sie zunächst an einen zentralen Ort zu verschieben.
Was soll ich als nächstes in der Praxis tun?
Nicht alle Integrationen haben denselben Verfügbarkeitsstatus. Außerdem belegen die vorliegenden Quellen weder, dass sämtliche Cloud Kosten entfallen, noch dass Agenten damit Geschäftsprozesse sicher ausführen können.