20 Milliarden Dollar Umsatz in einem einzigen Quartal, 63 Prozent Wachstum zum Vorjahr: Google Cloud wächst schneller als jeder andere große Cloud-Anbieter, und der Treiber ist eindeutig die Nachfrage nach KI. Hinter den Zahlen steht eine Strategie, die kein anderer Anbieter kopieren kann, denn Google kontrolliert vom Chip über das Modell bis zur Plattform jede Ebene selbst. Was hinter dem Boom steckt, wie die Agenten-Ära aussieht und welche Schlüsse ein mittelständisches Unternehmen daraus ziehen sollte.
Zahlen, die eine Verschiebung anzeigen
Quartalszahlen von Tech-Konzernen sind normalerweise ein Thema für Analysten. Manchmal erzählen sie aber eine Geschichte, die auch für Technologie-Entscheider im Mittelstand relevant ist. Google Cloud hat im ersten Quartal 2026 rund 20 Milliarden Dollar Umsatz gemacht, ein Plus von 63 Prozent gegenüber dem Vorjahr. Zum Vergleich: Der Cloud-Markt insgesamt wächst deutlich langsamer. Ein Anbieter, der in dieser Größenordnung so zulegt, gewinnt nicht einfach Marktanteile. Er profitiert von einer Verschiebung dessen, was Unternehmen einkaufen.
Diese Verschiebung hat einen Namen: KI-Workloads. Die Nachfrage kommt von Unternehmen, die Modelle nutzen, trainieren und in ihre Prozesse einbauen wollen, und die dafür Rechenleistung, Plattformen und Werkzeuge brauchen. Alphabet-Chef Sundar Pichai führte das Wachstum ausdrücklich auf die starke Nachfrage nach KI-Infrastruktur und Gemini Enterprise zurück. Wer verstehen will, wohin sich Unternehmens-IT gerade bewegt, findet in diesen Zahlen eine ehrlichere Antwort als in jeder Trendstudie, denn hier stimmen Unternehmen mit Budgets ab, nicht mit Meinungen.
Der Stack aus einer Hand: warum Google hier eine Sonderrolle hat
Hinter dem Wachstum steht eine Strategie, die sich von den Wettbewerbern grundlegend unterscheidet. Google kontrolliert alle vier Ebenen des KI-Stacks selbst: die eigenen TPU-Chips, inzwischen in der achten Generation mit getrennten Varianten für Training und Inferenz, die Gemini-Modelle, die Vertex-AI-Plattform und mit Workspace ein Ökosystem mit Milliarden Nutzern. Kein anderer Anbieter besitzt diese Kette vollständig. Wer bei anderen Anbietern KI einkauft, bekommt fast immer eine Kombination: Chips von einem Hersteller, Modelle von einem Partner, Plattform vom Anbieter selbst.
Warum sollte das einen Kunden interessieren? Aus zwei Gründen. Der erste ist wirtschaftlich: Wer die gesamte Kette kontrolliert, kann Effizienzgewinne an jeder Stelle heben und hat es nicht nötig, an einer einzelnen Stufe die Marge eines Dritten mitzubezahlen. Auf Dauer entscheidet das über Preise pro Rechenoperation, und KI-Betrieb ist am Ende genau das: sehr viele Rechenoperationen. Der zweite Grund ist strategisch: Die Ebenen sind aufeinander abgestimmt. Modelle, die auf der Hardware ihres eigenen Herstellers laufen, auf einer Plattform desselben Hauses, erzeugen weniger Reibung an den Übergängen. Reibung an Übergängen ist, wie jeder weiß, der Systeme integriert, der Ort, an dem Projekte Zeit und Geld verlieren.
Man muss diese Sonderrolle nicht romantisieren. Auch ein integrierter Stack bindet, und wer Google Cloud wählt, wählt ein Ökosystem. Aber die Bindungsfrage stellt sich bei jedem Anbieter, und sie lässt sich durch Architektur entschärfen: Container, offene Standards und saubere Schnittstellen halten Sie beweglich. Wir sagen unseren Kunden ehrlich, wo Lock-in real ist und wo er nur als Argument dient.
Von Chatbots zu Agenten: was sich gerade wirklich ändert
Der zweite Blick gehört dem, was auf dieser Infrastruktur entsteht. Die erste Welle der generativen KI bestand aus Assistenten, die Fragen beantworten. Die aktuelle Entwicklung geht einen Schritt weiter, zu Agenten, die Aufgaben übernehmen. Google hat dafür die Plattformseite ausgebaut, mit Gemini Enterprise als Unternehmens-Umgebung und Protokollen, über die Agenten miteinander arbeiten können. Die Nachfrage danach wächst außergewöhnlich schnell, die zahlenden Nutzer von Gemini Enterprise legten zuletzt um 40 Prozent innerhalb eines Quartals zu.
Was heißt das konkret? Ein Assistent beantwortet die Frage, welche Rechnungen offen sind. Ein Agent mahnt sie an, dokumentiert das und legt die Ausnahmen zur Entscheidung vor. Ein Assistent fasst die Beschwerde zusammen. Ein Agent prüft die Bestellhistorie, veranlasst die Erstattung im Rahmen seiner Befugnisse und übergibt den Rest an einen Menschen. Der Unterschied liegt nicht in der Sprachfähigkeit, sondern im Zugriff: Agenten brauchen Anbindung an Systeme, Daten und Prozesse, dazu Regeln, was sie dürfen, und Protokolle, was sie getan haben.
Genau daran entscheidet sich, wer von dieser Entwicklung profitieren wird. Nicht an der Frage, welches Modell die schönsten Sätze schreibt, sondern an der Frage, ob die eigene Systemlandschaft agentenfähig ist: saubere Schnittstellen, zusammengeführte Daten, klare Berechtigungen. Das ist dieselbe Hausaufgabe, die wir in den Artikeln über das Datenfundament mit BigQuery und KI-Piloten in Produktion beschrieben haben. Die Agenten-Ära macht sie nicht neu, sie macht sie dringlicher.
Was davon ist Substanz, was ist Zyklus?
Bei Wachstumszahlen dieser Größenordnung gehört eine kritische Frage dazu: Wie viel davon ist nachhaltige Nachfrage, wie viel ist Hype-Zyklus? Die ehrliche Antwort lautet: Beides ist enthalten, und niemand kann die Anteile sauber trennen. Es wird KI-Projekte geben, die scheitern, und Budgets, die wieder gekürzt werden. Die RAND-Studie, die wir an anderer Stelle zitiert haben, dokumentiert die hohe Fehlschlagquote deutlich genug.
Aber zwei Dinge sprechen dagegen, den Boom als reine Blase abzutun. Erstens die Art der Ausgaben: Alphabet investiert zwischen 175 und 185 Milliarden Dollar in Infrastruktur allein im Jahr 2026. Rechenzentren, Chips und Netze sind langfristige Wetten, keine Marketingbudgets. Zweitens die Breite: Die Nachfrage kommt nicht aus einer Branche, sondern quer durch Handel, Industrie, Finanzwesen und öffentliche Hand. Verschiebungen dieser Breite drehen selten vollständig zurück. Was sich ändern wird, ist die Spreu-und-Weizen-Frage: Welche Anwendungsfälle tragen wirtschaftlich und welche nicht. Genau deshalb bleibt unser Rat unverändert, mit messbaren Use Cases zu arbeiten statt mit Visionen.
Wie Sie in Anbietergesprächen Substanz von Theater trennen
Der Boom hat eine Nebenwirkung: Jeder Anbieter, jede Agentur und jedes Tool trägt gerade das Wort Agent im Namen. Für Entscheider wird die Unterscheidung zwischen Substanz und Theater zur eigentlichen Kompetenz. Drei Prüffragen helfen dabei, und sie funktionieren in jedem Gespräch.
Die erste Frage: Auf welche Daten und Systeme greift der Agent konkret zu, und wie kommt er an sie heran? Wer darauf keine präzise Antwort hat, verkauft einen Chatbot mit neuem Etikett. Ein Agent ohne Systemzugriff kann nichts übernehmen, er kann nur formulieren. Die zweite Frage: Was darf der Agent entscheiden, und wo ist die Grenze, ab der ein Mensch bestätigt? Seriöse Konzepte haben diese Grenze explizit definiert, mit Beträgen, Fallgruppen und einem Protokoll. Unseriöse weichen aus. Die dritte Frage: Welche Kennzahl verbessert der Agent, und wie wird sie vor und nach der Einführung gemessen? Ohne diese Antwort kaufen Sie ein Erlebnis, kein Ergebnis.
Es fällt auf, dass keine dieser Fragen technisch ist. Das ist kein Zufall. Die Modelle hinter den Agenten sind für alle Anbieter ähnlich gut verfügbar. Der Unterschied entsteht in der Anbindung, der Governance und der Messbarkeit, also genau dort, wo Ihre eigene Systemlandschaft ins Spiel kommt. Wer seine Hausaufgaben bei Daten und Schnittstellen gemacht hat, kann fast jeden seriösen Agenten-Anbieter nutzen. Wer sie nicht gemacht hat, wird von keinem gerettet.
Der Zeitfaktor: Warum Abwarten diesmal teurer ist als sonst
Abwarten war in der IT oft eine kluge Strategie. Wer die erste Generation einer Technologie übersprang, bekam die zweite billiger und stabiler. Beim aktuellen Thema hat diese Logik einen Haken, und der liegt nicht in der Technik, sondern im Lernen. Die Modelle werden tatsächlich besser und billiger, da lohnt Warten. Aber die Fähigkeit, mit ihnen zu arbeiten, entsteht nicht durch Zuschauen. Welche Prozesse sich eignen, wie man Ergebnisse misst, wo die eigenen Daten klemmen, wie das Team mit den Werkzeugen umgeht: Das lernt eine Organisation nur am eigenen Fall, und dieses Lernen braucht Kalenderzeit, die sich nicht komprimieren lässt.
Deshalb ist der späte Einstieg diesmal nicht der günstigere. Er spart Lizenzkosten der frühen Jahre und bezahlt sie mit einem Rückstand an Erfahrung, den man nicht kaufen kann. Der pragmatische Mittelweg: klein anfangen, aber jetzt, mit einem Use Case, der messbar ist und wehtut.
Die Schlüsse für ein mittelständisches Unternehmen
Was folgt aus alldem, wenn man kein Konzern ist, sondern ein Unternehmen mit begrenzter IT-Mannschaft und echtem Tagesgeschäft? Aus unserer Sicht drei Dinge.
Erstens: Die Plattformfrage ist entschieden genug. Die Zeiten, in denen man abwarten konnte, ob sich Cloud-basierte KI-Infrastruktur durchsetzt, sind vorbei. Die Frage ist nicht mehr ob, sondern welcher Anbieter und welcher Einstiegspunkt. Wer jetzt anfängt, lernt mit überschaubarem Einsatz. Wer weiter wartet, lernt später unter Druck.
Zweitens: Der Einstieg muss nicht groß sein. Ein Workload, der wehtut, ein Datenproblem, ein KI-Use-Case mit messbarem Ziel. Die Infrastruktur dafür ist heute mietbar, in deutschen Regionen und mit den Souveränitätsstufen, die deutsche Compliance-Anforderungen verlangen. Die Eintrittshürde ist so niedrig wie nie, und sie sinkt weiter, weil der Wettbewerb der Anbieter genau darum geführt wird.
Drittens: Das Fundament schlägt das Feature. Modelle werden alle paar Monate besser, und zwar für alle. Was den Unterschied zwischen Unternehmen macht, sind die Daten, die Schnittstellen und die Fähigkeit, aus einem Piloten ein produktives System zu machen. Diese Dinge kann man nicht mieten. Man kann sie nur aufbauen, und je früher, desto ruhiger.
Wir begleiten genau diesen Aufbau, von der ersten Architekturentscheidung bis zum Betrieb. Unsere eigenen Systeme laufen auf Google Cloud, ebenso die Systemlandschaften mehrerer unserer Kunden. Den Einstieg finden Sie auf unserer Google-Cloud-Seite. Alle Analysen finden Sie in unseren Google Cloud Insights.