Agent Platform Workbench ist die verwaltete Notebook-Umgebung der Gemini Enterprise Agent Platform und ging aus Vertex AI Workbench hervor. Sie stellt Jupyter-Notebook-basierte Entwicklungsumgebungen für den gesamten Data-Science-Workflow bereit – von der Datenexploration bis zur Modellentwicklung.
Was ist Agent Platform Workbench?
Workbench liefert JupyterLab-Instanzen, die bereits mit gängigen Deep-Learning-Bibliotheken wie TensorFlow und PyTorch ausgestattet sind. Instanzen lassen sich wahlweise mit CPU oder mit GPU konfigurieren, je nach Anforderung der jeweiligen Aufgabe.
Für die Arbeit mit Daten sind Cloud Storage und BigQuery direkt in JupyterLab eingebunden; für verteilte Verarbeitung besteht eine Integration mit dem Managed Service for Apache Spark. Notebooks lassen sich über einen Scheduler einmalig oder wiederkehrend ausführen, und die Versionierung erfolgt über die Synchronisation mit GitHub-Repositories.
Zur Kostensteuerung nennt die Dokumentation ein automatisches Herunterfahren bei Inaktivität mit einstellbarer Zeitspanne sowie die Unterstützung von Compute-Engine-Reservierungen. Sicherheitsseitig stehen Authentifizierung und Autorisierung über Google Cloud, Konfigurationsoptionen für das VPC-Netzwerk, Customer-Managed Encryption Keys und Confidential Computing bereit.
Anpassungen sind über Conda-Umgebungen für zusätzliche Kernel sowie über eigene Container auf Basis der von Google bereitgestellten Basis-Images möglich. Für Zugangsdaten von Drittanbietern lässt sich Workforce Identity Federation nutzen. Die Abrechnung erfolgt über die Preisliste der Gemini Enterprise Agent Platform, in der Plattform- und Generative-AI-Dienste getrennt bepreist sind.
Kernfunktionen
- Vorkonfiguriertes JupyterLab: Instanzen mit vorinstallierten Deep-Learning-Bibliotheken, wahlweise mit CPU oder GPU.
- Datenzugriff: Cloud Storage und BigQuery direkt in JupyterLab, ergänzt um Managed Service for Apache Spark.
- Scheduler: Einmalige oder wiederkehrende Ausführung von Notebooks.
- Kostensteuerung: Automatisches Herunterfahren bei Inaktivität und Unterstützung von Compute-Engine-Reservierungen.
- Sicherheit: VPC-Konfiguration, CMEK und Confidential Computing.
- Anpassbarkeit: Conda-Umgebungen, eigene Container und Workforce Identity Federation.
Typische Anwendungsfälle
Explorative Datenanalyse auf BigQuery-Daten
Ein Data-Science-Team analysiert Datenbestände direkt aus dem Notebook heraus, ohne Daten vorher exportieren zu müssen.
Modellentwicklung mit GPU
Für das Training kleinerer Modelle wird eine GPU-Instanz genutzt und nach Abschluss über das automatische Herunterfahren wieder freigegeben.
Wiederkehrende Auswertungen
Ein Notebook, das regelmäßig Kennzahlen berechnet, wird über den Scheduler automatisiert ausgeführt.
Verteilte Verarbeitung großer Datenmengen
Für rechenintensive Vorverarbeitung wird der Managed Service for Apache Spark aus dem Notebook heraus eingebunden.
Reproduzierbare Arbeitsumgebungen
Ein Team standardisiert seine Umgebung über eigene Container auf Basis der Google-Basis-Images und synchronisiert Notebooks mit einem GitHub-Repository.
Vorteile
- Sofort arbeitsfähig: Vorinstallierte Bibliotheken ersparen den Aufbau eigener Umgebungen.
- Kurze Wege zu den Daten: BigQuery und Cloud Storage sind direkt in JupyterLab eingebunden.
- Kostenbewusster Betrieb: Automatisches Herunterfahren bei Inaktivität verhindert Leerlaufkosten.
- Unternehmenstaugliche Sicherheit: VPC-Konfiguration, CMEK und Confidential Computing stehen zur Verfügung.
- Anschluss an die Agent Platform: Notebooks arbeiten direkt mit den Diensten der Gemini Enterprise Agent Platform.
Integration mit innFactory
Als zertifizierter Google Cloud Partner unterstützt innFactory Sie bei Agent Platform Workbench: Aufbau standardisierter Notebook-Umgebungen, Anbindung an BigQuery und Cloud Storage, Kosten- und Sicherheitskonzepte sowie Migration bestehender Vertex-AI-Workbench-Umgebungen. Wie ein unternehmensweiter KI-Stack entstehen kann, zeigen wir am Beispiel unseres CompanyGPT-Cloud-Stacks.
Kontaktieren Sie uns für eine Beratung zu Agent Platform Workbench und Google Cloud.
Typische Anwendungsfälle
Technische Spezifikationen
Häufig gestellte Fragen
Was ist Agent Platform Workbench?
Agent Platform Workbench – offiziell Gemini Enterprise Agent Platform Workbench und früher Vertex AI Workbench – stellt laut Dokumentation Jupyter-Notebook-basierte Entwicklungsumgebungen für den gesamten Data-Science-Workflow bereit. Aus den Notebook-Instanzen heraus lässt sich direkt mit der Gemini Enterprise Agent Platform und weiteren Google-Cloud-Diensten arbeiten.
Welche Bibliotheken sind vorinstalliert?
Die Instanzen sind mit JupyterLab und Deep-Learning-Bibliotheken wie TensorFlow und PyTorch vorkonfiguriert. Zusätzliche Kernel lassen sich über Conda-Umgebungen ergänzen, und eigene Container können auf Basis der von Google bereitgestellten Images erstellt werden.
Wie lassen sich Kosten begrenzen?
Die Dokumentation nennt ein automatisches Herunterfahren bei Inaktivität, dessen Zeitspanne sich anpassen lässt. Zusätzlich werden Compute-Engine-Reservierungen unterstützt. Die Abrechnung folgt der Preisliste der Gemini Enterprise Agent Platform, wobei Plattform- und Generative-AI-Dienste getrennt bepreist sind.
Welche Sicherheitsfunktionen gibt es?
Genannt werden Authentifizierung und Autorisierung über Google Cloud, Konfigurationsoptionen für das VPC-Netzwerk, Customer-Managed Encryption Keys (CMEK) sowie Confidential Computing. Für Zugangsdaten von Drittanbietern steht Workforce Identity Federation zur Verfügung.
Kann ich Notebooks automatisiert ausführen?
Ja. Die Dokumentation beschreibt einen Scheduler, mit dem Notebooks einmalig oder wiederkehrend ausgeführt werden können.
Wie hängt Workbench mit der Gemini Enterprise Agent Platform zusammen?
Workbench ist Teil der Gemini Enterprise Agent Platform, der Weiterentwicklung von Vertex AI. Die Notebook-Umgebungen greifen direkt auf Plattformdienste zu; die Abrechnung erfolgt über die Preisliste der Plattform.
Hinweis: Alle Produktinformationen auf dieser Seite wurden sorgfältig zusammengestellt, sind jedoch ohne Gewähr und können veraltet oder unvollständig sein. Cloud-Services entwickeln sich schnell weiter — Funktionen, Preise, SLAs und Verfügbarkeit ändern sich laufend. Verbindliche und aktuelle Informationen finden Sie ausschließlich auf der offiziellen Produktseite von Google Cloud (offizielle Dokumentation). Diese Seite stellt kein Angebot von Google Cloud dar.
