Confluent stellt neue Funktionen für seine Intelligence-Plattform vor. Streaming Agents verbinden KI-Agenten über das Agent2Agent-Protokoll in Echtzeit, während multivariate Anomalieerkennung komplexe Datenströme analysiert.
Confluent, Anbieter einer Daten-Streaming-Plattform, hat neue Funktionen für Confluent Intelligence angekündigt. Die Erweiterungen sollen Unternehmen dabei unterstützen, KI-Systeme besser zu vernetzen und Echtzeitdaten für Analysen zu nutzen.
Im Mittelpunkt stehen zwei Neuerungen: Streaming Agents mit dem Agent2Agent-Protokoll (A2A) und die multivariate Anomalieerkennung.
KI-Agenten in Echtzeit verbinden
Unternehmen setzen zunehmend KI-Agenten ein, um Prozesse zu automatisieren. Oft arbeiten diese Agenten jedoch isoliert in unterschiedlichen Systemen. Dadurch bleiben Erkenntnisse auf einzelne Bereiche beschränkt.
Streaming Agents soll diese Lücke schließen. Die Funktion verbindet KI-Agenten über das Agent2Agent-Protokoll miteinander und integriert sie mit Echtzeit-Datenströmen. Dabei kommt auch das Model Context Protocol (MCP) von Anthropic zum Einsatz.
Agenten können so kontinuierlich Daten aus Plattformen wie BigQuery, Snowflake oder Databricks verarbeiten und Erkenntnisse in Systeme wie ServiceNow oder Salesforce übertragen. Jede Aktion wird in einem unveränderlichen Protokoll festgehalten, was Nachvollziehbarkeit und Wiederholbarkeit ermöglicht.
Apache Kafka koordiniert die Kommunikation zwischen den Agenten. Teams erhalten dadurch die Möglichkeit, bestehende Agenten mit aktuellem Kontext zu versorgen und asynchrone Abläufe zu steuern. Die zentrale Orchestrierung soll Governance, Sicherheit und Transparenz über alle Interaktionen gewährleisten.
Früherkennung von Auffälligkeiten
Die zweite Neuerung betrifft die integrierte Machine-Learning-Funktion. Die multivariate Anomalieerkennung analysiert mehrere Metriken gleichzeitig statt einzelner Werte isoliert zu betrachten.
Herkömmliche Systeme arbeiten häufig mit einfachen Durchschnittswerten und sind anfällig für Fehlalarme durch einzelne Ausreißer. Die neue Funktion lernt kontinuierlich aus den Echtzeitdaten und filtert Störungen heraus. Dadurch sollen Teams komplexe Zusammenhänge – etwa zwischen CPU-Auslastung, Speicher und Latenz – besser erkennen.
Die Anomalieerkennung passt sich automatisch an veränderte Daten an und erfordert kein manuelles Trainieren von Modellen. Bei signifikanten Abweichungen vom erlernten Normalzustand werden diese markiert.
Branchenübergreifende Anwendung
Die Funktionen sollen in verschiedenen Bereichen eingesetzt werden können. Dazu zählen personalisierte Angebote im Handel, Risikobewertungen im Finanzsektor, Pflegeempfehlungen im Gesundheitswesen, Wartungsprognosen in der Fertigung sowie Störungserkennung in Telekommunikationsnetzen.
Laut einer IDC-Prognose werden bis 2026 etwa 40 Prozent der Stellen in großen Unternehmen die Zusammenarbeit mit KI-Agenten erfordern.
Der A2A-Support in Streaming Agents ist ab sofort in einer Open Preview verfügbar. Die multivariate Anomalieerkennung steht im Early Access zur Verfügung.
Sean Falconer, Head of AI bei Confluent, betont die Notwendigkeit, KI-Systeme mit aktuellen Daten zu verbinden, damit diese dynamisch auf Veränderungen reagieren können.
Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM.
Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de