EU AI ACT
April 29, 2026
OpenAI. Google. Adobe. Snowflake. Alle haben im April dasselbe Signal gesendet: KI-Agenten sind kein Versprechen mehr. Sie sind Produkte. Und Sie zahlen dafür — mit Ihrem Arbeitsplatz.
Es gibt Momente, da spricht man nicht mehr über eine Technologie — da wird sie eingekauft. Genau das ist im April 2026 passiert. Vier Große, vier Agenten-Ankündigungen, eine klare Botschaft: Agenten sind das neue Enterprise-Produkt.
Wer im letzten Jahr noch über KI-Agenten als Zukunftsmusik sprach, konnte das diesmal nicht mehr behaupten. OpenAI hat Workspace Agents in ChatGPT Business und Enterprise ausgerollt — mit Zugriff auf Slack, Gmail, Kalender und Co. Google hat seine gesamte AI-Infrastruktur unter dem Namen Gemini Enterprise Agent Platform zusammengeführt. Adobe hat Experience Cloud kurzerhand zu CX Enterprise umgebrandet und von Coworkern gesprochen. Snowflake hat mit Cortex Code & Agents und Snowflake Intelligence nachgelegt.
Sie alle eiern nicht mehr herum. Sie liefern.
Und zwar nicht so, wie Sie es vielleicht von Ihrem ChatGPT-Upgrade kennen. Diese Agenten handeln. Sie versenden E-Mails in Ihrem Namen. Sie buchen Termine. Sie erstellen Berichte. Sie greifen auf Ihre Unternehmensdaten zu — und treffen Entscheidungen, die vorher ein Mensch traf. Das ist keine Spielerei. Das ist ein Paradigmenwechsel.
OpenAI hat im April 2026 nicht nur ein Modell released — GPT-5.5, parallel dazu — sondern seine Workspace Agents als neues Produkt-Flaggschiff gesetzt. Der Clou: Diese Agenten operieren nicht im luftleeren Raum. Sie sind direkt in Unternehmens-Software integriert.
Stellen Sie sich vor: Ein Kollege kommt morgens ins Büro. Sein Slack zeigt eine Nachricht von einem internationalen Kunden — eine Preisanfrage mit komplexen Rabattstaffelungen. Bisher hätte er die E-Mail gelesen, seinen Vorgesetzten gefragt, in drei Systemen nachgeschaut, eine Antwort formuliert. Mit den OpenAI Workspace Agents läuft das anders. Der Agent hat Zugriff auf Ihr CRM, kennt die Rabattpolitik, liest die aktuelle Lagerbestandslage — und formuliert eine qualifizierte Antwort. Der Mensch geht dazwischen. Prüft. Klickt auf „Senden“. Oder eben nicht.
Das ist der entscheidende Punkt. Diese Agenten handeln — aber nicht unkontrolliert. OpenAI hat Approval-Workflows eingebaut. Ein Mensch muss finale Entscheidungen absegnen. Klingt beruhigend. Ist es aber nur bedingt.
Denn was passiert, wenn der Agent falsch entscheidet? Wer trägt die Verantwortung? OpenAI? Ihr Unternehmen? Ihr Vorgesetzter, der den Agenten nicht konfiguriert hat? Die Rechtslage ist noch nicht geklärt — und das ist ein Problem, das die meisten Unternehmen gerade verdrängen.
Was Workspace Agents konkret können: E-Mails beantworten, Kalendereinträge erstellen, Aufgaben in Projektmanagement-Tools anlegen, Daten aus mehreren Quellen zusammenführen und Recherche-Ergebnisse aufbereiten. Die Integration in Slack und Gmail ist keine Spielerei, sondern bedeutet: Der Agent lebt dort, wo Ihre Belegschaft arbeitet.
OpenAI hat die Consumer-Variante von ChatGPT bewusst davon abgegrenzt. Workspace Agents sind Enterprise. Heißt: Höhere Limits, bessere Datenschutz-Controls, API-Zugang für eigene Integrationen. Die Zielgruppe sind Unternehmen mit realen Arbeitsabläufen — und die haben ab sofort eine neue Option.
Das ist keine Experimentierphase mehr. Das ist ein Produkt, das Arbeitsabläufe verändert — und zwar nicht in ferner Zukunft, sondern in den nächsten zwölf bis achtzehn Monaten.
Google hat im April 2026 seine AI Studio und Vertex AI unter dem Namen Gemini Enterprise Agent Platform zusammengeführt. Das klingt nach Rebranding — ist aber mehr. Die Plattform bietet über 200 Foundation Models, Auto-Deployment und Governance-Tools. Für Unternehmen, die nicht einen einzelnen Agenten brauchen, sondern eine Agenten-Fabrik.
Das ist der Punkt, den viele übersehen. Es geht nicht mehr nur darum, einen einzelnen Agenten in die Firma einzuladen. Es geht darum, eine gesamte Infrastruktur aufzubauen — mit der Fähigkeit, Dutzende, Hunderte Agenten gleichzeitig zu deployen, zu überwachen und zu steuern. Genau das bietet die Gemini Enterprise Agent Platform.
Auto-Deployment bedeutet: Ein Unternehmen kann einen neuen Agenten nicht nur konfigurieren, sondern ohne Entwickler-Team live schalten. Die Governance-Tools sorgen dafür, dass dieser Agent sich an Unternehmensrichtlinien hält — Datenschutz, Kostenkontrolle, Zugriffsrechte. Das ist der Teil, den Unternehmen vorher kaum umsetzen konnten, weil die technischen Hürden zu hoch waren.
Wer die Berichterstattung von digital-magazin.de verfolgt hat, weiß: Google hat schon länger auf Enterprise-KI gesetzt. Aber erst jetzt ist die Plattform so ausgereift, dass ein mittelständisches Unternehmen sie ohne Data-Science-Team betreiben kann. Das verändert die Zielgruppe fundamental.
Mit 200+ Foundation Models bietet die Plattform außerdem eine Auswahl, die andere Anbieter nicht haben. Je nach Anwendungsfall — ob Textanalyse, Bildverarbeitung, Code-Generierung oder Compliance-Prüfung — kann das passende Modell gewählt werden. Das senkt die Einstiegshürde für spezialisierte Anwendungen erheblich.
Der Haken: Google ist nicht bekannt für transparente Preismodelle. Und Enterprise-Agenten kosten nicht nur Rechenleistung, sondern auch Lizenzgebühren, Support und Implementierungsaufwand. Bevor Unternehmen „Ja, bitte“ sagen, sollten sie ihre tatsächlichen Nutzungsszenarien kennen — nicht nur die Powerpoint-Folien.
Adobe hat Experience Cloud zu CX Enterprise umgebrandet — und dabei denkwürdige Worte gewählt. Diese Agenten sind keine Bots, die auf Befehl reagieren. Sie sind Coworker. Persistente. Immer da. Kontinuierlich arbeitend.
Der Unterschied klingtsemantisch — ist er aber nicht. Ein Bot startet, wenn Sie ihn aufrufen. Erarbeitet die Aufgabe. Gibt das Ergebnis zurück. Und hört auf. Ein Coworker — wie Adobe es nennt — arbeitet im Hintergrund weiter. Er überwacht einen kreativen Workflow. Er greift ein, wenn eine Vorlage veraltet ist. Er benachrichtigt Ihr Team, wenn eine Kampagne ihre KPIs verfehlt. Er lernt aus dem Feedback — und passt sich an.
Das ist ein anderes Konzept als die Agenten von OpenAI oder Google. Adobe denkt von den Workflows her — und nicht von der Infrastruktur. Ein Marketing-Team, das mit CX Enterprise arbeitet, bekommt Agenten, die in Adobe Experience Manager, Target und Analytics leben. Die verstehen, was eine gute Kundenerfahrung ausmacht — und handeln entsprechend.
Für Beschäftigte im Marketing und Customer Experience bedeutet das konkret: Weniger Routine. Mehr Strategie. Der Agent kümmert sich um die repetitive Arbeit — Dashboards aktualisieren, A/B-Tests auswerten, Segmentierungen pflegen. Der Mensch darf sich auf das Wesentliche konzentrieren: Was wollen wir eigentlich sagen? Wen wollen wir erreichen? Wie positionieren wir die Marke?
Das klingt gut. Ist es auch — unter einer Bedingung: dass Ihr Team lernt, mit den Agenten zu arbeiten, statt von ihnen ersetzt zu werden. Denn genau diese Grenze verschwimmt bei Adobes Coworker-Modell schneller als bei anderen Plattformen.
Snowflake hat im April 2026 seine Agentic-AI-Expansions angekündigt — und damit eine klare Ansage gemacht: Wir sind nicht nur eine Datenbank in der Cloud. Wir sind eine Enterprise-KI-Plattform. Mit echten Agenten. Für echte Arbeitsabläufe.
Snowflake Intelligence ist der neue Personal Work Agent — ein Agent, der auf Snowflake-Daten zugreift, Analysen durchführt und Erkenntnisse liefert, ohne dass ein Mensch SQL schreiben muss. Cortex Code & Agents geht einen Schritt weiter: Entwicklerinnen und Entwickler können damit nicht nur Code generieren, sondern Coding-Aufgaben direkt an einen Agenten delegieren, der die Implementierung übernimmt.
Das Besondere an Snowflakes Ansatz sind die Cortex AI Guardrails. Während andere Anbieter Agenten möglichst свободно agieren lassen, setzt Snowflake auf strukturierte Sicherheitsgrenzen. Jeder Agent — ob Intelligence, Code oder Analytics — operiert innerhalb definierter Grenzen. Datenzugriff wird kontrolliert. Abfragen werden validiert. Das Unternehmen behält die Kontrolle.
Für Daten-Teams ist das ein entscheidender Vorteil. Die meisten Unternehmen haben ihre kritischen Daten in Snowflake — Umsatzzahlen, Kundendaten, Produktmetriken. Wenn ein Agent diese Daten verarbeitet, braucht es Vertrauen in die Sicherheit. Genau das liefern die AI Guardrails.
Mit Cortex Code & Agents wird Snowflake außerdem für Entwickler-Teams interessant, die bisher außerhalb des Snowflake-Ökosystems gearbeitet haben. Ein Agent, der Daten versteht und gleichzeitig Code schreiben kann, ist ein anderes Tier als ein reiner Datenanalyst oder ein Coding-Assistent. Das ist die Kombination, die Snowflake von anderen Enterprise-Agenten-Anbietern unterscheidet.
Die Analysten von Phantom Labs haben bereits vor Monaten darauf hingewiesen, dass Enterprise-Unternehmen ihre KI-Agenten-Budgets massiv aufstocken. Snowflakes Ankündigungen aus dem April 2026 passen exakt in dieses Bild — und zeigen, dass derEnterprise-KI-Markt nicht mehr nur von OpenAI und Google dominiert wird.
Jetzt kommt der Teil, den niemand gerne liest — und den trotzdem jeder wissen muss.
Die Narrative vom Jobverlust durch KI ist zu simpel. Sie macht es sich zu leicht. Die Wahrheit ist komplizierter: Agenten verändern Arbeitsplätze. Nicht alle. Nicht überall gleichzeitig. Aber sie verändern sie — und das schneller, als die meisten Führungskräfte zugeben wollen.
Die Verantwortungsdiffusion ist das erste große Thema. Wenn ein Agent in Ihrem Namen handelt — E-Mails beantwortet, Bestellungen auslöst, Kundenanfragen bearbeitet — dann verschwimmen die Grenzen. Wer ist verantwortlich, wenn etwas schiefgeht? Ihr Unternehmen? Der Agenten-Anbieter? Sie? Die meisten Unternehmen haben darauf noch keine Antwort. Und die meisten Arbeitnehmer stellen die Frage nicht — bis es zu spät ist.
Stellen Sie sich das konkret vor: Ihr Customer-Success-Agent verschickt eine kulanzregelung an einen Kunden. Die Regel greift aber nur unter bestimmten Bedingungen — die der Agent falsch interpretiert hat. Der Kunde klagt. Ihr Unternehmen muss zurückrudern. Und die Frage ist: Wer hat den Agenten so konfiguriert? Wer hat zugelassen, dass er eigenständig kommuniziert? Die Spur führt nicht zum Mitarbeiter, der den Fehler gemacht hat — sie führt ins Leere.
Die Automatisierung von Teilaufgaben ist die zweite Ebene. Das ist nicht das Horror-Szenario „KI ersetzt alle Jobs“. Das ist subtiler. Es geht um die schrittweise Verlagerung einzelner Aufgabenpakete — nicht ganze Arbeitsplätze, sondern Teilbereiche. Ein Sachbearbeiter, der früher drei Stunden täglich mit Dateneingabe verbracht hat, verbringt diese drei Stunden plötzlich mit dem Überwachen eines Agenten. Die Frage ist: Was passiert mit den freigewordenen Stunden? Im besten Fall: Der Mensch darf sich auf die interesting bits konzentrieren. Im schlechtesten Fall: Er wird nicht mehr gebraucht.
Die Realität liegt irgendwo dazwischen — und sie variiert stark je nach Branche, Unternehmen und Position.
Wenn ich eines in den letzten Jahren gelernt habe, dann das: Die Zukunft kommt nicht gleichförmig. Sie kommt gezielt. Und sie trifft zuerst die Aufgaben, die am einfachsten zu automatisieren sind.
Routinetätigkeiten stehen unter dem stärksten Druck. Dateneingabe, Terminplanung, Erstkontakt bei Standardanfragen, einfache Bestellabwicklungen — diese Aufgaben sind prädestiniert für Agenten. Nicht weil KI so schlau wäre, sondern weil sie monoton ist und wenig Kontext braucht. Genau das, was ein guter Agent kann.
Kreative und komplexe Aufgaben mit Urteilsvermögen sind weniger gefährdet — aber nicht unverwundbar. Die Fortschritte bei Large Language Models bedeuten, dass selbst Aufgaben wie das Verfassen von Marketing-Texten, die Analyse von Geschäftsberichten oder die Bewertung von Vertragsklauseln von Agenten unterstützt werden können. Der Mensch bleibt in der Verantwortung — aber er wird zum Editor statt zum Autor.
Die Fähigkeit, Agenten zu führen — nicht sie zu ersetzen — wird zur Schlüsselkompetenz. Das klingt nach einem Buzzword, ist aber handfest. Wer einem Agenten die richtigen Aufgaben gibt, ihn überwacht und seine Ergebnisse validiert, hat einen mächtigen Hebel. Wer das nicht kann, wird früher oder später merken, dass die Agenten diejenigen sind, die diese Fähigkeit mitbringen — beziehungsweise die Menschen, die sie beherrschen.
Unternehmen, die das verstehen, schulen ihre Mitarbeitenden nicht in KI-Theorie. Sie stellen Aufgaben, die Agenten erledigen können, und lassen ihre Teams lernen, diese zu steuern. Das ist kein Kursus. Das ist eine neue Arbeitsweise — und sie erfordert Zeit, die die meisten Unternehmen nicht einplanen.
Ich rede nicht gerne über Risiken. Nicht weil ich sie nicht sehe — sondern weil ich es leid bin, dass jeder, der sie anspricht, als Technologie-Verhinderer dargestellt wird. Hier trotzdem die Punkte, die in den Pressemitteilungen fehlen.
Datenschutz ist das große Thema. Enterprise-Agenten brauchen Zugriff auf Unternehmensdaten. Je mehr sie können sollen, desto mehr müssen sie sehen. Das ist IT-Abteilungen seit Jahrzehnten bekannt — und es ist bei Agenten nicht anders. Die EU-Digitalstrategie und der EU AI Act setzen seit Anfang des Jahres klare Leitplanken für den Einsatz von KI in Unternehmensprozessen. Und die Verantwortung dafür, dass ein Agent personenbezogene Daten nicht falsch verwendet, liegt beim Unternehmen.
Die Vertrauenserosion in Teams ist das zweite Thema. Wenn klar ist, dass ein Agent Teile der eigenen Arbeit erledigt — und das Unternehmen nicht transparent kommuniziert, was das für die betroffenen Stellen bedeutet — dann entsteht Misstrauen. Nicht gegen die Technologie. Gegen das Management. Und das ist deutlich schwieriger zu reparieren. McKinsey hat in Analysen zum generativen KI-Einsatz wiederholt darauf hingewiesen, dass die größten Widerstände nicht von der Technologie selbst kommen, sondern von der Kommunikationskultur im Unternehmen.
Das Qualitätsrisiko ist das dritte Thema — und wird am meisten unterschätzt. Agenten machen weniger Fehler bei Routinetasks. Das ist ihr Vorteil — und ihr Problem. Denn wenn sie danebenliegen, dann nicht bei einer einzelnen Dateneingabe, sondern systematisch. Ein fehlerhafter Agent, der hundert E-Mails verschickt hat, ist ein größeres Problem als hundert einzelne Fehler von hundert Menschen. Die Qualitätskontrolle muss neu gedacht werden — nicht als Stichprobe, sondern als kontinuierliches Monitoring.
Was bleibt?
Die Enterprise-KI-Agenten von OpenAI, Google, Adobe und Snowflake sind keine Vision mehr. Sie sind Produkte. Sie sind verfügbar. Und sie werden Arbeitsplätze verändern — nicht alle, nicht überall, nicht sofort. Aber sie werden es tun.
Die Frage ist nicht mehr, ob Agenten kommen. Die Frage ist, ob Sie bereit sind, mit ihnen zu arbeiten — oder von ihnen überholt zu werden.
Unternehmen, die ihre Beschäftigten jetzt nicht vorbereiten, werden es bereuen. Nicht, weil die Technologie so überwältigend wäre. Sondern weil der Mensch am limitesten ist — und genau das ist die größte Schwachstelle in jeder Agenten-Strategie.
Schluss damit, die Augen zu verschließen. Die Agenten sind längst da.
