Generative AI Leader · Produktlandkarte
Google-KI-Produktlandkarte 2026: alte und neue Namen
· ca. 10 Min. Lesezeit
Unabhängige Lernhilfe – nicht von Google, nicht mit Google verbunden.
Seit April 2026 heißt Vertex AI offiziell Gemini Enterprise Agent Platform (kurz Agent Platform). Agentspace wurde zu Gemini Enterprise, NotebookLM im Juli 2026 zu Gemini Notebook. Diese Landkarte ordnet alle Gen-AI-Angebote von Google Cloud nach den fünf Schichten Infrastructure, Models, Platforms, Agents und Applications – mit früheren Namen, Zielgruppe und typischem Einsatz.
Umbenennungen auf einen Blick
Ältere Kurse und Blogartikel nutzen oft noch die alten Namen. In der Prüfung zählt der Name aus dem Exam Guide; die aktuelle Doku nutzt teils schon neuere Bezeichnungen.
| Exam Guide (maßgeblich) | Study Guide / aktuelle Doku | früher | Beleg |
|---|---|---|---|
| Gemini Enterprise Agent Platform / „Agent Platform“ | Agent Platform | Vertex AI (bis April 2026), davor AI Platform | release notes (22.04.2026) |
| Agent Search (on Gemini Enterprise Agent Platform) | Agent Search | Vertex AI Search (davor Enterprise Search / Gen App Builder) | release notes |
| Agent Studio | Agent Studio | Vertex AI Studio | release notes |
| Agent Platform AutoML | Agent Platform AutoML | Vertex AI AutoML | release notes |
| Agent Platform Feature Store | idem | Vertex AI Feature Store | Study Guide S. 9 |
| Model Garden | Model Garden | Vertex AI Model Garden | release notes |
| RAG APIs | RAG Engine, Vector Search | Vertex AI RAG Engine, Vertex AI Vector Search | release notes |
| Gemini Notebook (API) | Gemini Notebook, Gemini Notebook Enterprise | NotebookLM (Umbenennung 16.07.2026) | blog.google |
| Gemini Enterprise | Gemini Enterprise | Google Agentspace (bis Okt. 2025) | Study Guide S. 5; eigene Einordnung für den alten Namen |
| Customer Engagement Suite | Gemini Enterprise for Customer Experience (CX) | Contact Center AI (CCAI) | Study Guide S. 5 |
| Conversational Agents | Customer Experience (CX) agents / CX Agent Studio | Dialogflow CX | Study Guide S. 5 |
| Conversational Insights | Customer Experience Insights (CX Insights) | CCAI Insights | Study Guide S. 5 |
| Agent Assist | Agent Assist | – | Study Guide S. 5 |
| Google Cloud Contact Center as a Service | CCaaS | CCAI Platform | Study Guide S. 5 |
| Gemini for Google Workspace | Google Workspace with Gemini | Duet AI for Workspace | Study Guide S. 5 |
| Gemini app + Gemini Advanced | Gemini app, Gemini Advanced | Bard (2023) | Study Guide S. 5; eigene Einordnung für Bard |
| Cloud Functions (EG 2.5) | Cloud Run functions | Cloud Functions (Umbenennung 2024) | cloud.google.com/functions |
| Imagen (EG §1.4) | Imagen; in Gemini-Produkten auch das Bildmodell „Nano Banana“ | – | Exam Guide §1.4; eigene Einordnung |
Abweichung: Beim Kundenservice-Bündel ist der Exam Guide älter als der Study Guide. Er nennt Customer Engagement Suite, Conversational Agents und Conversational Insights. Der Study Guide nennt Gemini Enterprise for Customer Experience, Customer Experience Agent Studio und Customer Experience Insights. In der Prüfung können beide Namen vorkommen. Lerne sie als Paare.
Gemini Advanced heißt im Consumer-Bereich seit 2025 „Google AI Pro“. Der Exam Guide nutzt weiter „Gemini Advanced“. eigene Einordnung
A. Applications: fertige Gen-AI-Anwendungen
| Produkt (aktuell) | früher | Schicht | Zielgruppe | typischer Use Case | wähle es, wenn … |
|---|---|---|---|---|---|
| Gemini app | Bard | Applications | Einzelpersonen, Business-User | schreiben, zusammenfassen, übersetzen, Bilder, Recherche | eine einzelne Person schnell allgemeine AI-Hilfe braucht |
| Gemini Advanced | (heute Consumer „Google AI Pro“) | Applications | Power-User, Unternehmen | Coding, komplexes Reasoning, neueste Modelle | höchste Modellqualität, Priorität bei neuen Features und Enterprise-Schutz gefragt sind |
| Gems (in Gemini) | – | Applications | Business-User | eigener Assistent mit Rolle, Anweisungen, Dateien | eine Aufgabe sich wiederholt und konsistenten Stil oder isolierte Chats braucht |
| Saved Info (in Gemini) | – | Applications | Business-User | Gemini merkt sich gezielt Fakten über den Nutzer | ein bestimmter Kontext dauerhaft gelten soll, ohne ganze Historie |
| Gemini for Google Workspace (SG: Google Workspace with Gemini) | Duet AI for Workspace | Applications | alle Mitarbeitenden | Gmail-Entwürfe, Docs, Slides-Bilder, Sheets-Formeln, Meet-Untertitel und -Zusammenfassungen, Vids | AI direkt in Office-Apps helfen soll |
| Gemini Notebook (Pro / Enterprise) | NotebookLM (bis 16.07.2026) | Applications | Wissensarbeiter, Lernende, Teams | Recherche, Onboarding, Wissensbasis, Audio Overview, nur aus eigenen Quellen | Antworten ausschließlich auf hochgeladenen Quellen basieren sollen. Enterprise bei IAM und Compliance |
| Gemini Notebook API | NotebookLM Enterprise API | Applications/Platform | Entwickler, IT | Notebooks programmatisch anlegen und verwalten | Notebook-Funktionen in Unternehmensprozesse integriert werden sollen |
| Gemini Enterprise | Google Agentspace | Applications (+ Agents) | Mitarbeitende im ganzen Unternehmen | Suche über alle Firmendatenquellen, Assistenten mit Connectors, eigene Agents, Notebook Enterprise | Mitarbeitende eine zentrale, sichere Agent-Startseite über alle internen Systeme brauchen |
| Gemini for Google Cloud (Code Assist, Cloud Assist, in BigQuery, Looker, Databases, Colab Enterprise, Security) | Duet AI for Google Cloud | Applications | Entwickler, Admins, Analysten, Security-Teams | Code schreiben, Cloud betreiben, Daten analysieren, Bedrohungen untersuchen | technische Teams AI-Hilfe in Google-Cloud-Tools brauchen |
| Google Search (Grounding with Google Search) | – | Applications/Models | Endnutzer; Entwickler über Grounding | aktuelle Webinformationen | Antworten aktuelles Weltwissen jenseits des Knowledge Cutoff brauchen |
| Google Vids | – | Applications | Business-User | ersten Videoentwurf erstellen | interne Videos schnell entstehen sollen |
B. Customer Experience: kundenorientierte Suite
| Produkt (EG) | aktueller SG-/Doku-Name | früher | Schicht | Zielgruppe | typischer Use Case | wähle es, wenn … |
|---|---|---|---|---|---|---|
| Customer Engagement Suite | Gemini Enterprise for Customer Experience (CX) | Contact Center AI (CCAI) | Applications (+ Agents) | Contact Center, CX-Teams | Gesamtpaket für Kundeninteraktion | das Unternehmen den Kundenservice mit AI modernisieren will |
| Conversational Agents | CX agents / CX Agent Studio | Dialogflow CX | Agents | Contact Center, CX-Entwickler (low-code) | Chat- und Voicebots, die selbst mit Kunden sprechen; deterministisch, generativ, hybrid | Kunden Self-Service rund um die Uhr bekommen sollen |
| Agent Assist | Agent Assist | – | Applications | menschliche Contact-Center-Agenten | Live-Vorschläge, Knowledge, Live-Verschriftung, Übersetzung, Zusammenfassung | ein Mensch das Gespräch führt und Echtzeit-Unterstützung braucht |
| Conversational Insights | Customer Experience Insights (CX Insights) | CCAI Insights | Applications | CX-Management, QA | Analyse aller Gespräche, Themen, Sentiment, Generative FAQ | man Trends und Qualität über alle Interaktionen verstehen will |
| Google Cloud Contact Center as a Service | CCaaS | CCAI Platform | Applications/Infrastructure | Contact-Center-Betrieb | Omnichannel-Contact-Center, CRM-Integration, verwaltete Infrastruktur | ein komplettes cloud-natives Contact Center gebraucht wird |
C. Platforms: Bauen für Entwickler und AI Practitioners
| Produkt (aktuell) | früher | Schicht | Zielgruppe | typischer Use Case | wähle es, wenn … |
|---|---|---|---|---|---|
| Gemini Enterprise Agent Platform („Agent Platform“) | Vertex AI (2021–04/2026), AI Platform, ML Engine | Platforms | Developers, AI Practitioners | Modelle und Agents bauen, tunen, deployen, betreiben (fully managed) | man eigene Gen-AI- oder ML-Lösungen auf Google Cloud entwickeln will |
| Model Garden | Vertex AI Model Garden | Platforms (Katalog für Models) | Developers, AI Practitioners | über 200 Modelle finden, testen, deployen, tunen (laut Agent-Platform-Übersicht) | man ein vorhandenes Modell (Google, Open, Drittanbieter) braucht |
| Agent Studio | Vertex AI Studio | Platforms | professionelle Entwickler | Prompts testen und speichern, Modelle tunen, Low-code-Agent-Design, produktionsreif mit Cloud-Governance | Enterprise-Prototyping bis Produktion mit IAM, Sicherheit, Quotas |
| Google AI Studio | (MakerSuite) | Platforms (Entwickler-Tool außerhalb der Cloud) | Einsteiger, Studierende, Forschende, Entwickler | Gemini kostenlos ausprobieren, Parameter-Playground, API-Key | schnelles, kostenloses Prototyping mit der Gemini Developer API |
| Agent Search (on Gemini Enterprise Agent Platform) | Vertex AI Search (Enterprise Search, Gen App Builder) | Platforms/Agents | Developers, Digital-Teams | Such- und Empfehlungserlebnisse über eigene Daten; prebuilt RAG; Document, Media, Healthcare, Commerce Search | Kunden oder Mitarbeitende Google-Qualität-Suche mit Grounding über Firmendaten bekommen sollen, mit wenig Aufwand |
| RAG APIs (RAG Engine, Vector Search, Grounding APIs) | Vertex AI RAG Engine, Vertex AI Vector Search | Platforms | Developers | eigene RAG-Pipeline mit Kontrolle über Retrieval | Prebuilt RAG nicht reicht und volle Kontrolle gewünscht ist |
| Agent Platform AutoML | Vertex AI AutoML | Platforms | Analysten, Developers ohne tiefe ML-Kenntnisse | eigene Modelle für Bild, Video, Tabellen (Klassifikation, Regression, Forecast) | man eigene Daten hat, aber keine ML-Experten |
| Custom training (Model Builder) | Vertex AI custom training | Platforms | ML-Engineers, Forschende | volle Kontrolle über Architektur und Training | maximale Kontrolle oder neuartige Modelle nötig sind |
| Agent Platform Feature Store | Vertex AI Feature Store | Platforms (MLOps) | AI Practitioners | Features teilen und wiederverwenden, Konsistenz Training ↔ Serving | mehrere Modelle dieselben aufbereiteten Daten brauchen |
| Agent Platform Model Registry | Vertex AI Model Registry | Platforms (MLOps) | AI Practitioners | Versionen, Änderungen, Lebenszyklus | Versionierung und Nachvollziehbarkeit gefragt sind |
| Model Evaluation | Vertex AI Model Evaluation | Platforms (MLOps) | AI Practitioners | Modelle bewerten und vergleichen | man das beste von mehreren Modellen wählen muss |
| Agent Platform Pipelines | Vertex AI Pipelines | Platforms (MLOps) | AI Practitioners | Workflow-Orchestrierung, Datenvorbereitung bis Deployment | die gesamte ML-Pipeline automatisiert werden soll |
| Model Monitoring on Agent Platform | Vertex AI Model Monitoring | Platforms (MLOps) | AI Practitioners | Leistungsabfall, Skew und Drift erkennen, Retraining anstoßen | ein Produktionsmodell schlechter wird |
| Agent Development Kit (ADK) | – | Platforms/Agents | Developers | Agents im Code bauen, Multi-Agent-Systeme | komplexe, individuell programmierte Agents gebraucht werden |
| Agent Runtime | Vertex AI Agent Engine | Platforms | Developers | Agents verwaltet betreiben (Sessions, Memory Bank) | eigene Agents skalierbar in Produktion laufen sollen |
| Apps Script | – | Platforms (low-code) | Power-User, Entwickler | Workspace automatisieren, Gemini-Add-ons (JavaScript) | Workspace-Prozesse mit wenig Code automatisiert werden sollen |
| AppSheet | – | Platforms (no-code) | Fachabteilungen, Citizen Developers | Business-Apps ohne Code, mit Gemini | Fachanwender ohne Code eine App bauen wollen |
| Gemini API | PaLM API | Platforms | Developers | Gemini per HTTP in beliebige Apps einbinden | eine eigene Anwendung Gemini aufrufen soll |
D. Agent-Tooling: Cloud-Services und vorgefertigte AI-APIs (§2.5)
| Produkt | früher | Schicht | Zielgruppe | typischer Use Case | wähle es, wenn … |
|---|---|---|---|---|---|
| Cloud Storage | – | Infrastructure (Tool) | Developers | Objektspeicher für unstrukturierte Daten, z. B. Dokumente für Search/RAG | ein Agent große Dateien lesen oder ablegen muss |
| Databases (Cloud SQL, Spanner, Firestore; BigQuery) | – | Infrastructure (Tool) | Developers | strukturierte Daten, Nutzerdaten, Agent-Fortschritt | ein Agent strukturierte Informationen speichern oder abrufen muss |
| Cloud Run functions | Cloud Functions | Infrastructure (Tool) | Developers | kleine, ereignisgesteuerte serverlose Funktion als Tool | eine einzelne Aktion auf ein Ereignis hin laufen soll |
| Cloud Run | – | Infrastructure (Tool) | Developers | Container serverlos betreiben | ein Tool spezielle Abhängigkeiten oder mehr Kontrolle braucht |
| Speech-to-Text API | – | Models (pre-built API) | Developers | Anrufe und Meetings transkribieren | Sprache → Text |
| Text-to-Speech API | – | Models (pre-built API) | Developers | Voice-UI, Vorlesen | Text → Sprache |
| Translation API | – | Models (pre-built API) | Developers | Text, Websites, Audio und Video übersetzen | Inhalte übersetzt werden sollen |
| Document Translation API | – | Models (pre-built API) | Developers | formatierte Dokumente übersetzen | beim Übersetzen das Layout erhalten bleiben muss |
| Document AI API | – | Models (pre-built API) | Developers | Daten aus Rechnungen, Formularen, PDFs extrahieren | strukturierte Daten aus Dokumenten gebraucht werden |
| Cloud Vision API | – | Models (pre-built API) | Developers | Bildanalyse, OCR, Moderation, visuelle Suche | Bildinhalte verstanden werden müssen |
| Cloud Video Intelligence API | – | Models (pre-built API) | Developers | Videos analysieren, durchsuchbar machen | Videoinhalte analysiert werden sollen |
| Natural Language API | – | Models (pre-built API) | Developers | Sentiment, Entitäten, Klassifikation | Textanalyse (z. B. Kundenstimmung) gebraucht wird |
| Google Cloud API Library | – | Platforms | Developers | weitere APIs (Maps, Workspace, YouTube …) | ein Agent mit weiteren Google-Diensten interagieren soll |
E. Models: Google-Foundation-Models (§1.4, hier zur Einordnung)
| Modell | Schicht | typischer Use Case | wähle es, wenn … |
|---|---|---|---|
| Gemini (Pro / Flash / Flash-Lite / Nano) | Models | multimodales Verstehen, Konversation, Content, Q&A | Allzweck, multimodal. Pro für komplexe Aufgaben, Flash für schnelle und günstige (Pro kostet pro Token ein Mehrfaches, siehe Pricing-Seite). Nano on-device |
| Gemma | Models (open) | offene, anpassbare Modelle, lokale Deployments | man das Modell selbst hosten, lokal betreiben oder anpassen will |
| Imagen (Alternative: Gemini-Bildmodelle „Nano Banana“) | Models | Text-zu-Bild (Diffusion) | hochwertige Bilder generiert werden sollen |
| Veo | Models | Video aus Text oder Bild | Videos generiert werden sollen |
| Chirp | Models | Spracherkennung (Audio) | mehrsprachige Speech Recognition |
| Lyria | Models | Musik generieren | Musik erzeugt werden soll |
F. Infrastructure und Security
| Produkt | früher | Schicht | Zielgruppe | Use Case | wähle es, wenn … |
|---|---|---|---|---|---|
| TPU | – | Infrastructure | AI Practitioners | von Google entwickelte AI-Beschleuniger | sehr großes Training oder Inferenz effizient laufen soll |
| GPU | – | Infrastructure | AI Practitioners | universelle Parallelrechner | flexible Beschleunigung gebraucht wird |
| AI Hypercomputer | – | Infrastructure | AI Practitioners | integrierte Supercomputing-Architektur | Gen-AI-Workloads in größtem Maßstab laufen |
| Gemini Nano + LiteRT | TensorFlow Lite | Infrastructure/Models (Edge) | Mobile- und Edge-Entwickler | On-Device-AI, offline, privat, Echtzeit | Latenz, Offline-Betrieb oder Datenschutz am Gerät kritisch sind |
| IAM | – | Infrastructure (Security) | Admins | Zugriffskontrolle (AuthN + AuthZ) | geregelt werden muss, wer was darf |
| Security Command Center | – | Infrastructure (Security) | Security-Teams | Security-Posture, Schwachstellen | man Überblick über Risiken braucht |
| Sensitive Data Protection | Cloud DLP | Infrastructure (Security) | Data- und Security-Teams | PII erkennen, de-identifizieren | sensible Daten vor Training oder Prompting geschützt werden müssen |
| Mandiant / Google Threat Intelligence | – | Services | Security-Teams | Threat Intel, Incident-Expertise | proaktive Abwehr und Expertenhilfe gebraucht werden |
| SAIF (Framework, kein Produkt) | – | Governance | Führung, Security | Best Practices für sichere AI | ein Rahmenwerk für AI-Sicherheit gesucht ist |
Die 6 wichtigsten Abgrenzungen auf einen Blick
| Verwechslungspaar | Unterscheidungsmerkmal |
|---|---|
| Gemini Enterprise vs. Gemini Enterprise Agent Platform | App für Mitarbeitende vs. Entwickler-Plattform (früher Vertex AI) |
| Gemini Enterprise vs. Gemini Enterprise for CX | interne Mitarbeitende vs. externe Kunden (Contact Center) |
| Agent Studio vs. Google AI Studio | Profis, Produktion, Cloud-Governance, kostenpflichtig vs. Einsteiger, Prototyp, kostenlos |
| Agent Assist vs. Conversational Agents | hilft dem Menschen im Gespräch vs. ersetzt ihn als Bot |
| Conversational Insights vs. Agent Assist | Analyse aller Gespräche danach vs. Hilfe live im einzelnen Gespräch |
| Gemini app vs. Gemini for Workspace vs. Gemini Notebook | allgemeiner Chat vs. AI in Gmail, Docs usw. vs. nur eigene Quellen |
Quellen
Exam Guide §1.3, §1.4, §2.1–2.5, §4.2 · Study Guide S. 4–7, S.10 · cloud.google.com/gemini-enterprise-agent-platform/generative-ai/pricing · deepmind.google/models/lyria · docs.cloud.google.com/speech-to-text/docs/models/chirp-3 · saif.google · docs.cloud.google.com/gemini-enterprise-agent-platform/release-notes (Naming-Tabelle vom 22.04.2026) · docs.cloud.google.com/gemini-enterprise-agent-platform/overview · blog.google/innovation-and-ai/products/gemini-notebook/notebooklm-gemini-notebook · cloud.google.com/solutions/customer-engagement-ai
Hinweis: Die früheren Namen Duet AI, MakerSuite, PaLM API, TensorFlow Lite und Google AI Pro stammen nicht aus Exam Guide/Study Guide, sondern sind eigene Einordnung. Cloud DLP → Sensitive Data Protection ist belegt unter docs.cloud.google.com/sensitive-data-protection/docs/sensitive-data-protection-overview, die Vertex-AI-Umbenennungen in den Release Notes (Naming-Tabelle vom 22.04.2026).
Weiterlesen: Bereich 2: Gen-AI-Angebote von Google Cloud · Glossar · Google Cloud Generative AI Leader