Von Chatbots zu Kollegen: Wie Google Cloud NEXT ’26 Software als Agentensysteme neu definierte

Dies ist ein Beitrag für die Google Cloud NEXT Writing Challenge.

Ich hatte erwartet, dass Google Cloud NEXT ’26 sich auf bessere KI-Modelle und leistungsfähigere APIs konzentrieren würde. Stattdessen führte es leise etwas Größeres ein: Software, die nicht mehr auf ihre Nutzung wartet – sie handelt selbstständig. Ich hatte nicht mit einer kompletten Neuerfindung der Art und Weise, wie wir Software entwickeln, gerechnet. Und sobald man es durch ein Agentensystem betrachtet, erkennt man nicht mehr, was Software als Nächstes wird.

Für diese Challenge konzentrierte ich mich auf die Developer Keynote – insbesondere auf den Wandel hin zum Agentic Enterprise und Systeme, die darauf ausgelegt sind, Tausende von KI-Agenten zu koordinieren.

Anstatt es nur zu analysieren, versuchte ich, eine praktischere Frage zu beantworten:

Was passiert, wenn man heute tatsächlich etwas mit dieser Denkweise baut?

Das trieb mich dazu, ein Agentensystem zu entwickeln, das mehrere KI-Agenten koordiniert, um komplexe Aufgaben zu bewältigen. Das Ergebnis war ein System, das nicht nur Anfragen verarbeitet, sondern auch daraus lernt, sein Verhalten anpasst und mit einem Maß an Autonomie agiert, das sich anfühlt, als hätte man ein Team von Kollegen – wie wir in den folgenden Abschnitten sehen werden.

🧠 Der Wandel: Von Funktionen → Systeme, die handeln

Die größte Idee war kein Tool. Es war ein Mentalitätswandel.

Wir bewegen uns weg von:

• Anfrage → Antwort (Benutzer fragt, System antwortet)

hin zu:

• Ziel → Ausführung (Benutzer definiert das Ergebnis, das System findet den Weg dorthin)

Das klingt subtil – aber es verändert alles.

Software ist nicht mehr nur etwas, das man nutzt. Sie ist etwas, das in deinem Namen handelt. Wesentlicher Wandel: Wir bewegen uns weg von zustandslosen Anfragen hin zu Systemen, die Kontext behalten, planen und ausführen.

⚠️ Das eigentliche Problem: Die „Integrationssteuer“

Vor dieser Keynote fühlte sich KI bereits mächtig an – aber fragmentiert. Wenn man etwas wie Rechnungsbearbeitung automatisieren wollte, musste man immer noch:

• E-Mails parsen

• sich mit dem ERP verbinden

• Workflows auslösen

• Genehmigungen bearbeiten

Jeder Schritt erforderte Klebe-Code. Was Google wirklich löst: Orchestrierung im großen Maßstab. Nicht schlauere Chatbots – sondern Systeme, die:

• Kontext beibehalten

• Aktionen koordinieren

• über Tools hinweg agieren

🧩 Warum „Viele Agenten“ das Spiel verändert

Ein großes KI-System klingt mächtig – aber es ist fragil.

Probleme:

• schwer zu debuggen

• schwer zu vertrauen

• fällt komplett aus

Die Alternative, die auf NEXT vorgestellt wurde: Modulare Intelligenz (Multi-Agenten-Systeme)

Statt eines einzigen Gehirns baut man ein Team:

• Finanz-Agent

• Operations-Agent

• Kommunikations-Agent

Jeder:

• hat eine klare Rolle

• kann unabhängig getestet werden

• kann sicher ausfallen

Das ist im Wesentlichen: Microservices… aber für das Denken

🛠️ Ich habe es ausprobiert: Mein erstes Multi-Agenten-System nach Google Cloud NEXT ’26

Eine praktische Umsetzung eines einfachen Multi-Agenten-Workflows.

Um diese Idee zu verankern, entwarf ich ein kleines, aber realistisches System:

„Meeting → Aktion“-Pipeline

Ziel: Ein Meeting automatisch in strukturierte Ausführung umwandeln.

Architektur

[Google Meet-Transkript] ↓ [Scribe-Agent] – fasst die Diskussion zusammen – extrahiert wichtige Entscheidungen ↓ [Task-Agent] – wandelt Entscheidungen in Aufgaben um – weist Verantwortliche und Fristen zu ↓ [Manager-Agent] – überprüft Aufgaben – fordert menschliche Genehmigung an ↓ [Ausführungsschicht] – erstellt Jira-Tickets – sendet E-Mails – aktualisiert den Kalender

Auch wenn dies ein konzeptioneller Aufbau ist, zeigte sich schnell:

Die Koordination – nicht die Intelligenz – wird zum Engpass.

Wie sich das auf die NEXT-’26-Konzepte abbildet

1. Persistenter Kontext (Speicherbank)

Jeder Agent behält bei:

• Meeting-Verlauf

• vergangene Entscheidungen

• frühere Aufgaben

👉 Keine Notwendigkeit, jedes Mal den Kontext neu zu senden.

2. Agenten-Identität

Jeder Agent hat:

• eine eindeutige Identität

• definierte Berechtigungen

Beispiel:

• Task-Agent → kann Aufgaben vorschlagen

• Manager-Agent → kann die Ausführung genehmigen

Das ist entscheidend. Ohne Identität wird Automatisierung unsicher.

3. Kommunikation zwischen Agenten

Statt APIs wie:

POST /create-task

geht man über zu:

TaskAgent.handle("Erstelle Aufgaben aus dieser Zusammenfassung")

👉 Kommunikation basiert auf Absicht, nicht nur auf Daten.

Noch wichtiger ist, dass hier neue Standards wie **Mod