Was ist passiert?
Google baut seine Gemini API still, aber konsequent zur mächtigsten Agenten-Plattform im KI-Markt aus. Mit dem Update der sogenannten Managed Agents hat Google eine Reihe von Funktionen eingeführt, die KI-Agenten erstmals ermöglichen, im Hintergrund eigenständig komplexe Aufgaben abzuarbeiten – inklusive Background Execution, Remote MCP-Servern, Custom Function Calling und automatischem Credential Refresh. Die Neuerungen wurden von Google-Entwicklern wie Philipp Schmid und Logan Kilpatrick öffentlich vorgestellt und reihen sich in einen größeren Branchentrend ein: Agenten werden von simplen Chatbots zu autonom arbeitenden digitalen Mitarbeitern. Für Solopreneure, Marketer und Entwickler im DACH-Raum könnte das den Umgang mit KI-Tools grundlegend verändern.
Hintergrund: Von Chatbots zu autonomen Agenten
Wer in den letzten Monaten die KI-Entwicklung verfolgt hat, dem dürfte aufgefallen sein, dass sich der Fokus der großen Anbieter verschoben hat. Es geht nicht mehr primär darum, wer das beste Sprachmodell hat. Stattdessen dreht sich die Debatte zunehmend um die Frage: Wie bringt man KI-Modelle dazu, eigenständig und zuverlässig komplexe Aufgaben zu erledigen?
Der Schlüsselbegriff lautet „Harness Engineering“ – ein Konzept, das zuletzt von der renommierten KI-Forscherin Lilian Weng (Mitgründerin von Thinky, ehemals OpenAI) in einem vielbeachteten Beitrag systematisch aufgearbeitet wurde. Weng analysierte darin 35 Forschungspapiere und kam zu einem Fazit, das die Branche elektrisiert: Nicht das Modell selbst macht den Unterschied, sondern die „Harness“ – also die Infrastruktur, die das Modell umgibt, ihm Ziele gibt, Kontext liefert und Werkzeuge zur Verfügung stellt. In Wengs Worten: „Even when many harness improvements get eventually internalized into core model, the need to specify goals and context will not disappear.“
Parallel dazu hat Anthropic mit „Claude Cowork“ einen ähnlichen Weg eingeschlagen – Claude positioniert sich nicht mehr als Chatbot im Vordergrund, sondern als Teammitglied, das Aufgaben im Hintergrund abarbeitet. LangChain hat einen eigenen „Deep Agents“-Kurs und ein Open-Source-Harness-Projekt veröffentlicht. Die Botschaft ist eindeutig: Die Zukunft der KI liegt nicht im einzelnen Prompt, sondern in orchestrierten, autonom arbeitenden Agenten-Systemen.
Die Details: Was Google konkret liefert
Googles Update der Managed Agents in der Gemini API umfasst vier zentrale Neuerungen, die zusammen ein deutlich leistungsfähigeres Agenten-Framework ergeben:
- Background Execution: Agenten können nun Aufgaben im Hintergrund ausführen, ohne dass der Nutzer aktiv eine Sitzung offen halten muss. Das bedeutet: Du startest eine Aufgabe – etwa eine mehrstufige Recherche, eine Datenanalyse oder einen automatisierten Workflow – und der Agent arbeitet eigenständig weiter, während du dich anderen Dingen widmest.
- Remote MCP-Server: MCP steht für „Model Context Protocol“ und ist ein Standard, der es KI-Modellen ermöglicht, sich mit externen Datenquellen und Tools zu verbinden. Durch die Unterstützung von Remote MCP-Servern können Gemini-Agenten jetzt auf externe Dienste zugreifen, die nicht lokal laufen müssen – ein entscheidender Schritt für Enterprise-Anwendungen und Cloud-native Workflows.
- Custom Function Calling: Entwickler können eigene Funktionen definieren, die der Agent bei Bedarf aufruft. Das geht über einfache API-Calls hinaus und erlaubt maßgeschneiderte Aktionen – vom Datenbankzugriff über das Versenden von E-Mails bis hin zur Steuerung externer Systeme.
- Credential Refresh: Ein oft unterschätztes, aber in der Praxis kritisches Feature. Agenten, die über längere Zeiträume laufen, müssen sich bei externen Diensten authentifizieren. Laufen dabei Zugangstokens ab, bricht der Workflow ab. Der automatische Credential Refresh löst genau dieses Problem und ermöglicht erstmals wirklich langlebige Agenten-Workflows.
Zusammengenommen machen diese Features die Gemini API zu einer der vollständigsten Plattformen für den Bau von Agenten, die nicht nur antworten, sondern handeln. Google positioniert sich damit direkt gegen Anthropics Claude Cowork und OpenAIs bisherige Assistants-API – allerdings mit einem deutlich stärkeren Fokus auf Infrastruktur und Entwickler-Tools.
Einordnung: Was bedeutet das für den DACH-Raum?
Für Solopreneure und kleine Teams im deutschsprachigen Raum ist das Update aus mehreren Gründen relevant:
Erstens: Die Einstiegshürde für autonome KI-Agenten sinkt dramatisch. Was bisher nur mit komplexen Custom-Setups und Frameworks wie LangChain oder AutoGen möglich war, bietet Google jetzt als Managed Service an. Du brauchst kein DevOps-Team mehr, um einen Agenten zu bauen, der im Hintergrund arbeitet, sich bei Diensten authentifiziert und externe Tools nutzt.
Zweitens: Die Frage der Kosten bleibt kritisch. Wie der Newsletter „Creators AI“ treffend beschreibt, entsteht rund um KI-Agenten zunehmend eine „AI Productivity Tax“ – versteckte Kosten durch Token-Verbrauch, Qualitätsprobleme und unkontrolliertes „Agent Sprawl“. Wer begeistert Managed Agents aufsetzt, ohne die laufenden Kosten im Blick zu behalten, kann schnell eine böse Überraschung erleben. Gerade im DACH-Raum, wo viele Solopreneure kostenbewusst arbeiten, sollte jeder Workflow genau durchkalkuliert werden.
Drittens: Datenschutz bleibt die große Unbekannte. Wenn Agenten im Hintergrund auf Remote MCP-Server zugreifen, Credentials verwalten und eigenständig Aktionen ausführen, stellt sich unweigerlich die DSGVO-Frage. Google hat sich dazu bisher nicht spezifisch für den europäischen Markt geäußert. Wer Managed Agents mit Kundendaten einsetzen will, sollte die rechtlichen Rahmenbedingungen genau prüfen – oder vorerst mit nicht-personenbezogenen Daten arbeiten.
Meine persönliche Einschätzung: Google spielt hier ein kluges Spiel. Während Anthropic mit Claude Cowork den Endnutzer adressiert, zielt Google auf die Entwickler- und Infrastruktur-Ebene. Langfristig könnte das der nachhaltigere Ansatz sein – denn wer die Plattform kontrolliert, auf der andere ihre Agenten bauen, kontrolliert das Ökosystem.
Was kommt als nächstes?
Der Trend ist klar: 2026 wird das Jahr der Agenten-Plattformen. Google, Anthropic, OpenAI und zunehmend auch Meta liefern sich ein Rennen darum, wer das beste Fundament für autonome KI-Workflows bietet. Die nächsten Schritte dürften in mehreren Richtungen gehen:
- Multi-Agenten-Orchestrierung: Managed Agents werden zunehmend miteinander kommunizieren und sich gegenseitig Aufgaben zuweisen können. Googles Infrastruktur-Fokus legt nahe, dass genau das ein nächster Meilenstein sein wird.
- Standardisierung des MCP-Protokolls: Mit der Unterstützung von Remote MCP-Servern durch Google gewinnt das Model Context Protocol weiter an Bedeutung. Es könnte sich als De-facto-Standard etablieren – ähnlich wie USB für Hardware.
- Meta-Harnesses: Wie Lilian Weng in ihrer Analyse beschreibt, arbeiten Forschungsteams bereits an „Meta-Harnesses“ – also an Systemen, die die Harness selbst optimieren. Das wäre ein Schritt in Richtung echter Selbstverbesserung von KI-Systemen.
Für dich als Anwender bedeutet das: Jetzt ist der richtige Zeitpunkt, dich mit Agenten-Frameworks vertraut zu machen – nicht um blind jeden Workflow zu automatisieren, sondern um zu verstehen, welche deiner Aufgaben sich tatsächlich für autonome Agenten eignen und welche besser in Menschenhand bleiben. Die Gemini API mit ihren Managed Agents ist dafür ein solider Startpunkt – vorausgesetzt, du behältst Kosten und Datenschutz im Blick.