Google Cloud Next 2025: Tiefe Einblicke in Agenten, KI-Infrastruktur und Plattform-Plays

Die Google Cloud Next 2025 wurde mit einer ganzen Reihe von Updates abgeschlossen! Die Ankündigungen betrafen alle Bereiche - von der Infrastruktur bis hin zu Daten und KI -, aber der eindeutige Höhepunkt, insbesondere für technisch interessierte Leute wie uns bei Xebia, war der große Vorstoß in Richtung KI-Agenten. Google stellte ein umfassendes Framework für die Entwicklung, Bereitstellung und Orchestrierung von Agentensystemen vor. Gehen wir auf die wichtigsten technischen Aspekte ein und beginnen wir mit dem Agenten-Ökosystem.

Das Zeitalter der Agenten: Rahmenwerke für autonome Systeme

Das größte Aufsehen erregte zweifelsohne das 'Agentenzeitalter'. Google setzt stark auf autonome KI-Systeme, die in der Lage sind, komplexe Anfragen zu verstehen, anspruchsvolle mehrstufige Planungen durchzuführen, dynamische Tools zu nutzen und sogar zusammenzuarbeiten. Um dies zu ermöglichen, hat das Unternehmen eine Reihe von Komponenten eingeführt:

• Agentspace: Eine Erkennungs- und Steuerungsebene für Unternehmensanwender, um verfügbare Agenten zu finden und sicher mit ihnen zu interagieren. Ein Servicekatalog trifft auf eine Ausführungsumgebung für Agenten.
• Agent Development Kit (ADK): Entwickelt, um die Erfahrung der Entwickler bei der Erstellung robuster Agenten zu optimieren, indem gängige Muster, Zustandsverwaltung und APIs für die Toolintegration abstrahiert werden.
• Agent2Agent (A2A) Protokoll: Ein wesentliches Element für die Interoperabilität, das definiert, wie unterschiedliche Agenten (die möglicherweise von verschiedenen Teams oder Anbietern entwickelt wurden) ihren Status mitteilen, Aufgaben delegieren und Aktionen koordinieren können. Standardisierung ist hier der Schlüssel.

Außerdem wurden spezielle Agenten für Bereiche wie SecOps, DevOps (Code Assist-Agenten, die möglicherweise Gemini nutzen), Data Analytics, Customer Engagement und IT Ops vorgestellt. Für uns bei Xebia ist dieser strukturierte, auf einem Framework basierende Ansatz für die Agentenentwicklung entscheidend, um skalierbare und wartbare KI-Lösungen zu entwickeln, die über einfache Chatbots hinausgehen.

KI-Infrastruktur der nächsten Generation: TPUv7 "Ironwood"

Was die Infrastruktur betrifft, so war die große Enthüllung Ironwood, Googles Tensor Processing Unit (TPU) der 7. Der Leistungssprung ist beträchtlich: eine angebliche 3.600-fache Verbesserung gegenüber der TPU der ersten Generation, die 42,5 Exaflops an Spitzen-KI-Rechenleistung liefert (wahrscheinlich BF16/FP8).

Entscheidend ist, dass es sich dabei nicht nur um rohe FLOPS handelt. Google betonte eine 29-fache Steigerung der Energieeffizienz (Leistung/Watt) im Vergleich zur TPUv1, die für nachhaltige Großeinsätze unerlässlich ist. Als Kernkomponente der KI-Hypercomputer-Architektur (mit TPUs, GPUs, optimiertem Speicher, Netzwerken mit hoher Bandbreite wie Jupiter und Software-Orchestrierung) wurde Ironwood entwickelt, um den gesamten Lebenszyklus großer Modelle zu beschleunigen - Training, Feinabstimmung und Auslieferung mit niedriger Latenz. Die Verfügbarkeit in der Google Cloud ist für später in diesem Jahr geplant. Diese Art von Hardware ist die Grundlage für die anspruchsvollen, groß angelegten KI-Arbeitslasten, die Xebia häufig bewältigt.

Erweiterung der KI-Palette: Gemini-Updates und Vertex-KI-Konsolidierung

Auch das KI-Modell und die Plattformebene wurden erheblich weiterentwickelt. Zu den wichtigsten Aktualisierungen gehören:

• Erweiterung der Gemini-Familie: Einführung von Gemini 2.5 Pro und dem für Latenzzeiten optimierten Gemini 2.5 Flash. Beide werden mit verbesserten Argumentationsfähigkeiten ("eingebautes Denken" bezieht sich wahrscheinlich auf verbesserte mehrstufige Argumentation oder Funktionsaufrufe) und verbesserten Leistungsbenchmarks angepriesen.
• Vertex AI-Verbesserungen: Vertex AI wurde als einheitliche MLOps-Plattform positioniert und erhielt wichtige Updates, insbesondere zur Konsolidierung der generativen Medienfunktionen. Dazu gehört die Integration von aktualisierten Modellen wie Imagen 3 (Text-zu-Bild), Chirp 3 (Sprachsynthese/Audiogenerierung), Lyria (Text-zu-Musik über DeepMind-Forschung) und Veo 2 (Videogenerierung). Verbesserungen der Benutzerfreundlichkeit und Effizienz der Plattform zielen darauf ab, die Entwicklung, Bewertung, Bereitstellung und Überwachung von Modellen zu optimieren.

Für hybride Cloud-Strategien werden die Gemini-Modelle im 3. Quartal 2025 auf der Google Distributed Cloud (GDC) landen, was eine Inferenz vor Ort oder am Rande des Unternehmens ermöglicht. Diese Fortschritte sowohl bei den Modellen als auch bei der MLOps-Plattform wirken sich direkt auf die Ausgereiftheit und die Einsatzgeschwindigkeit von KI-Anwendungen aus, die Xebia entwickelt und erstellt.

Cloud WAN: Nutzung von Googles Backbone für Unternehmensnetzwerke

Im Bereich Networking wurde Cloud WAN eingeführt, ein verwalteter WAN-Service, der es Unternehmen ermöglicht, das globale Backbone-Netzwerk von Google direkt zu nutzen. Dabei wird dieselbe Infrastruktur mit niedriger Latenz und hoher Bandbreite genutzt, die auch Diensten wie Search und YouTube zugrunde liegt (private Glasfaserkabel in über 200 Ländern).

Google verspricht eine bis zu 40 % schnellere Konnektivität (wahrscheinlich im Vergleich zu Standard-Internetpfaden) und eine potenzielle Senkung der Gesamtbetriebskosten im Vergleich zu herkömmlichen MPLS oder komplexen SD-WAN-Overlays. Es bietet eine hochverfügbare, sichere L3-Konnektivitätsstruktur, die die Interkonnektivität zwischen Rechenzentren, mehreren Cloud-Umgebungen und Zweigstellen vereinfachen soll.

Google Unified Security (GUS): KI-infundierte SecOps

Um die Komplexität der Sicherheit anzugehen, hat Google Google Unified Security (GUS) eingeführt. Dabei handelt es sich um eine integrierte Sicherheitsplattform, die umfassende Sichtbarkeit und Kontrolle bietet - eine "einzige Glasscheibe" für die gesamte Angriffsfläche. Sie nutzt in hohem Maße KI/ML, die mit den Bedrohungsdaten und Analysefunktionen von Mandiant kombiniert werden, um die Effizienz der Bedrohungserkennung zu verbessern und die Reaktionszeiten (MTTD/MTTR) zu verkürzen.  

Ein wichtiger technischer Aspekt ist der Einsatz von KI-Agenten zur Automatisierung von Sicherheitsabläufen. Dazu könnten Aufgaben wie die intelligente Sortierung von Alarmen, die automatische Anreicherung von Untersuchungen (indem Kontext aus verschiedenen Quellen gezogen wird) und die Auslösung vordefinierter Reaktionsmaßnahmen gehören, die ähnlich wie fortschrittliche SOAR-Plattformen funktionieren. Diese enge Integration von KI in SecOps ist von entscheidender Bedeutung. Diese Ansicht wird von Xebia nachdrücklich geteilt, um proaktivere und widerstandsfähigere Systeme aufzubauen.  

Fazit: Vollständiger KI-Fokus mit agentenbasierten Systemen als Kernstück

Die wichtigste technische Erkenntnis aus Google Cloud Next 2025? Ein strategisches, umfassendes Engagement für eine KI-gesteuerte Zukunft, das sich stark auf die Ermöglichung und Orchestrierung von agentenbasierten KI-Systemen konzentriert. Google investiert eindeutig auf allen Ebenen in erheblichem Umfang - von kundenspezifischem Silizium wie Ironwood und grundlegenden Modellen wie Gemini 2.5 bis hin zur umfassenden Vertex AI MLOps-Plattform und speziellen Tools wie dem Agent Development Kit.

Wir bei Xebia sehen diese kohärente, integrierte Strategie als entscheidend an, um Unternehmen in die Lage zu versetzen, die nächste Welle anspruchsvoller, wertorientierter KI-Anwendungen zu entwickeln, die weit über eine einfache Aufgabenautomatisierung hinausgehen.

Haftungsausschluss: Übrigens, dieser Artikel wurde mit dem neuen Gemini 2.5 Pro Model erstellt. Wir müssen das Modell noch feinabstimmen, um den Tonfall von Xebia zu replizieren, aber wir haben keinen Zweifel, dass dies möglich sein wird ;)