Google hat mit sein­er „Agen­tic Data Cloud” eine Antwort auf ein Prob­lem for­muliert, das in der Debat­te über autonome KI-Agen­ten bis­lang zu wenig Aufmerk­samkeit erhält: Nicht die Intel­li­genz der Agen­ten ist das primäre Eng­paß, son­dern die Date­nar­chitek­tur, in die sie einge­bet­tet sind. Beste­hende Sys­teme – Datenkat­a­loge, Abfrage­in­fra­struk­turen, Zugriff­spro­tokolle – wur­den für men­schliche Nutzer konzip­iert, die mit Sorgfalt, Vor­erfahrung und insti­tu­tionellem Kon­tex­twissen navigieren. Agen­ten hinge­gen operieren ohne diese impliziten Ori­en­tierungsres­sourcen. Sie skalieren schnell, han­deln autonom und benöti­gen dabei eine Seman­tik, die ihnen nicht mündlich mit­gegeben wer­den kann.

Google beze­ich­net den Wech­sel als Über­gang von „reac­tive intel­li­gence” zu „sys­tems of action”. Die For­mulierung ist pro­gram­ma­tisch, aber sie trifft einen realen Struk­tur­wan­del: Agen­ten sollen nicht mehr nur Antworten pro­duzieren, son­dern Hand­lun­gen aus­lösen – Daten­bank­abfra­gen, Pipeline-Trig­ger, Ressource­nal­loka­tio­nen. Das stellt andere Anforderun­gen an die Daten­in­fra­struk­tur als ein Dash­board, das auf men­schliche Augen wartet.


Die drei Säulen und ihre institutionelle Logik

Die Kernar­chitek­tur beste­ht aus drei Kom­po­nen­ten, deren Zusam­men­spiel ana­lytisch auf­schlussre­ich ist.

Der Knowl­edge Cat­a­log automa­tisiert die Erzeu­gung von Datense­man­tik aus Query-Logs. Das ist der inter­es­san­teste Baustein: Statt Seman­tik manuell zu pfle­gen – ein Ver­fahren, das bei Agen­ten-Skalierung notwendi­ger­weise scheit­ert –, wird sie aus dem tat­säch­lichen Nutzungsver­hal­ten der Sys­teme des­til­liert. Damit vol­lzieht sich hier eine struk­turell wichtige Ver­schiebung: Seman­tik wird nicht mehr nor­ma­tiv verord­net, son­dern emer­gent erzeugt. Aus sys­temthe­o­retis­ch­er Per­spek­tive (Luh­mann) ließe sich sagen: Das Sys­tem beobachtet seine eige­nen Oper­a­tio­nen und erzeugt daraus eine Beschrei­bung, die kün­fti­gen Oper­a­tio­nen als Ori­en­tierung dient – eine Form struk­tureller Selb­stre­f­erenz.

Das Cross-Cloud Lake­house auf Basis des offe­nen Ice­berg-Stan­dards erlaubt Abfra­gen über Daten­hal­tung auf frem­den Infra­struk­turen (AWS S3) ohne Egress-Kosten.…

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert