Google Cloud stellt September-Offensive für KI-Infrastruktur und agentische Workloads vor

GKE bekommt dichtere Sandboxes, Scale-to-Zero und Snapshots

Das Team der Google Kubernetes Engine konzentrierte sich auf Skalierbarkeit. Laut Google Cloud ist das neue, quelloffene GKE Agent Substrate darauf ausgelegt, Millionen von Sandboxes mit zehnfach höherer Dichte als herkömmliche Container-Laufzeitumgebungen zu betreiben. Das Unternehmen gibt zudem an, dass Wiederaufnahmen in unter 500 ms möglich seien, bei mehr als 500 Suspend-/Resume-Aktivierungen pro Sekunde, mit nativem Zero-Trust-Kernel und Netzwerkisolation.

GKE verfügt nun über integrierte Scale-to-Zero-Funktionen. Google zufolge müssen Nutzer keine komplexen Komponenten mehr konfigurieren, um Workloads herunterzuskalieren, da der HPA mit der Autoscaling Metric und die Unterstützung für KEP-2021 dies von Haus aus übernehmen. Derselbe HPA kann künftig zusätzlich zu Standardmetriken auch anhand benutzerdefinierter PromQL-Metriken hoch- und herunterskalieren.

Mit GKE Pod Snapshots können Nutzer den laufenden Zustand eines Workloads, einschließlich CPU- und GPU-Speicher, sichern und bei Bedarf wiederherstellen. Nach Googles internen Tests kann die Funktion den Start von KI-Inferenz um bis zu 89 Prozent verkürzen.

Beim Reinforcement Learning verweist Google auf Engpässe, die beim Skalieren auf zehntausende parallele Rollouts auftreten, etwa ungenutzte Beschleuniger, die Kardinalität von Images und eine überlastete Control Plane. Das Unternehmen hat GKE Agent Sandbox, optimiert für RL, ein Agent Sandbox RL Orchestration SDK sowie native Integrationen für gängige RL-Gyms und -Harnesses allgemein verfügbar gemacht.

Außerdem startete Google GKE Agentic Migration, ein Agent-Plug-in für die Migration von Container-Workloads von AWS EKS zu GKE. Es besteht aus einer Sammlung von Agent Skills und einem lokalen Model-Context-Protocol-Server (MCP) und nutzt KI, um AWS-EKS-IaC und Kubernetes-Manifeste in GKE-Landing-Zones zu übersetzen, abgesichert durch deterministische Leitplanken.

Storage und Compute: Filestore, M4N, Z4D und AlloyDB

Filestore Agent Volumes bieten elastischen, persistenten Dateispeicher für agentische Workloads. Durch die Integration mit GKE Agent Substrate und GKE Agent Sandbox weist der Dienst laut Google Agent-Sandboxes in Millisekunden einen dedizierten, isolierten Datei-Arbeitsbereich zu und bindet ihn an. Er ist als Preview verfügbar, der Zugang muss angefragt werden.

Die VM-Familie M4N ist nun allgemein verfügbar und richtet sich an Datenschichten für generative KI und RAG wie Milvus, Pinecone, Qdrant, Vespa und Redis. Google beansprucht die höchsten IOPS und den höchsten Durchsatz pro Kern unter den führenden Hyperscalern. In Kombination mit der Titanium-Offload-Architektur und Hyperdisk Extreme erreichen M4N-Instanzen nach Unternehmensangaben bis zu 25.000 MiB/s (25 GiB/s) aggregierte Speicherleistung des Hosts und bis zu 1 Million IOPS.

Z4D, ein weiteres Compute-Engine-Produkt, ist ebenfalls allgemein verfügbar. Als Bare-Metal-Instanz bietet sie die hohe lokale SSD-Kapazität und niedrige Latenz, die agentische MicroVMs benötigen, sodass Nutzer laut Google Tausende isolierter Sandboxes pro Host betreiben können.

Eine neue Version des Storage-Intelligence-Advisors hilft bei der Frage „Was liegt in meinen Buckets?“ und beim Erkennen unerwarteter Änderungen, während erweiterte Batch-Operationen Massenänderungen automatisieren, etwa das Verschieben von Speicherklassen, das Löschen veralteter Daten oder das Anwenden von Metadaten, Tags, Aufbewahrungs- oder Verschlüsselungsänderungen. Eine neue Version von AlloyDB for PostgreSQL kombiniert das verteilte Dateisystem Colossus und das Jupiter-Netzwerk zu dem, was Google eine Datenbankarchitektur für das agentische Zeitalter nennt.

Leitfäden, Kundenergebnisse und Anerkennung durch Analysten

Zwei Praxisleitfäden begleiten die Veröffentlichung. Einer zeigt, wie sich GPUs und TPUs weltweit wie ein einziger Pool nutzen lassen, mit dem Multi-Cluster GKE Inference Gateway für die globale Verkehrsverteilung und dem LLM-d-Router für speicherbewusste Planung. Laut Google verursachte das Routing über das Gateway in Tests weniger als 1 Prozent Overhead. Der andere erklärt Workload-Lifecycle-Metriken in GKE für Teams, die KI-Training oder Inferenz auf TPUs betreiben.

Auf Kundenseite nutzt das Gaming-Startup SeaVerse nach Angaben von Google GKE Agent Sandbox für mandantenfähige Workloads und senkte seine Infrastrukturkosten um 60 Prozent.

Google verweist zudem auf Bestätigung durch Dritte. Das Unternehmen sei in The Forrester Wave: Public Cloud Platforms, Q3 2026, als Leader eingestuft worden, mit der höchsten Gesamtwertung aller Cloud-Anbieter. Im Gartner Magic Quadrant 2026 für Strategic Cloud Platform Services sei es bei der „Completeness of Vision“ am weitesten vorn positioniert, im Magic Quadrant for Container Management bei der „Ability to Execute“ am höchsten. Google Cloud erhielt außerdem eine Gold-Bewertung im SemiAnalysis-Bericht ClusterMax 3.0 zu GPU-Anbietern.

Was das für Nutzer bedeutet

Die Neuerungen richten sich an Teams, die sich darauf vorbereiten, große Zahlen von KI-Agenten zu betreiben, wo Dichte, schnelle Wiederaufnahmezeiten, Isolation und Kostenkontrolle zählen. Mehrere Punkte, darunter Agent Substrate, Scale-to-Zero und die RL-Sandbox-Werkzeuge, beschreibt Google als ab sofort verfügbar, während Filestore Agent Volumes noch in der Preview sind. Die meisten Leistungsangaben stammen von Google selbst oder aus dessen internen Tests, weshalb die Ergebnisse im Produktivbetrieb abweichen können.