Glean

Glean stellt den Kontext eines Unternehmens als Fundament für eine KI dar, die Arbeit übernehmen kann²⁰. Dahinter steht eine Abfolge aus drei Teilen: Anschlüsse sammeln, was im Unternehmen geschieht, ein Index macht es durchsuchbar, und der Enterprise Graph hält fest, wer und was womit zusammenhängt, bis hin zu Prozessen²¹. Welches von mehr als 40 offenen und kommerziellen Spitzenmodellen eine Aufgabe übernimmt, entscheidet Glean Intelligence für jeden Fall neu²².

Für Anwender gibt es den Glean Assistant, den Glean als KI-Kollegen für das Unternehmen bezeichnet²³, und eine Suche, die über mehr als 100 Werkzeuge an einem Ort sucht²⁴. Die Suche lernt laufend die eigene Sprache und den Kontext eines Unternehmens, um die Treffer zu verbessern²⁵, und versteht Anfragen in natürlicher Sprache dank Deep-Learning-Modellen²⁶. In einer Bank, in der dieselbe Sache je nach Abteilung anders heisst, ist dieses Lernen der Fachsprache ein praktischer Vorteil.

Für Entwickler bietet Glean offene APIs, ein Web-SDK für die Oberfläche und MCP-Unterstützung ohne eigene Oberfläche, damit indexierte Daten überall nutzbar werden²⁷. Allgemein verfügbar sind die APIs für Suche, Chat, Agenten und Skills²⁸. Als experimentell markiert sind dagegen unter anderem Trigger, Nutzung, Nutzer, Abteilungen und Administration²⁹. Die Entwickler der Bank können mit Bibliotheken in Python, TypeScript, Go oder Java arbeiten³⁰.

Für eine Bank, die das Bankkundengeheimnis und interne Vertraulichkeitsstufen wahren muss, ist das Berechtigungsmodell der wichtigste Grund, sich Glean anzusehen. Die Konnektoren übernehmen die Rechte der Quellsysteme und setzen sie durch⁵². Ändert sich eine Berechtigung im Quellsystem, schlägt sie sich sofort in den Ergebnissen nieder². Auch die Suche zeigt nur, was die bestehenden Rechte der Datenquellen erlauben⁵³. Agentenaktionen können vor der Ausführung an eine Freigabe gebunden werden⁷. Agenten laufen mit eingegrenzten, von Administratoren verwalteten Dienstkonten⁴. Die Grenzen dessen, was die KI sehen darf, und die nötigen Schutzvorkehrungen legt der Kunde selbst fest⁵⁴.

Gerade für Agenten sind aber wichtige Teile noch nicht fertig. Verbindliche Governance-Regeln für Agenten trägt die Sicherheitsseite noch mit dem Vermerk demnächst⁵, und dasselbe gilt für abgestufte Regeln für einzelne Agenten oder Nutzergruppen⁶. Die Kontrolle agentischer Browsernutzung steht im Beta-Status⁵⁵. Eine Bank, die Agenten nach Risikoklassen unterschiedlich steuern will, sollte den Stand dieser Funktionen vertraglich festhalten lassen. Auf der Sicherheitsseite stand bei der Prüfung zudem noch Platzhaltertext⁵⁶, was für eine Seite, die Banken als Nachweis lesen, ungewöhnlich ist.

Glean erwähnt am Beispiel von SafetyCulture, dass ein Kunde Glean im eigenen Cloud-Tenant betreibt³. Die Plattformseite spricht von Unterstützung für mehrere Clouds und freier Modellwahl⁵⁷, und eine Fallstudie mit Ericsson trägt das Stichwort hybride KI-Governance⁵⁸. Für eine Bank, die eine eigene Cloud-Umgebung betreibt, sind das ermutigende Hinweise.

In welchen Rechenzentren Glean die Daten einer Bank ablegen würde, verraten die geprüften Seiten nicht; eine Wahl zwischen Regionen, eine EU-Option oder ein Schweizer Standort ist auf den geprüften Seiten nicht öffentlich angegeben. Hebbia nennt dagegen eine regionale Verarbeitung in den USA und in der EU⁵⁹, Gemini Enterprise die Optionen us, eu und global⁶⁰. Bei Glean muss die Bank diese Frage vollständig im Verkaufsgespräch klären.

Eine Kundenstimme auf der Startseite berichtet, man sei in drei Wochen startklar gewesen⁶¹. Die Fallstudie mit TIME nennt drei Wochen bis zum Go-live⁶² und zugleich eine Integration ins Unternehmen über fünf Monate⁶³. Für Administratoren hält die Dokumentation eine eigene Anleitung zur Einrichtung im Unternehmen bereit⁶⁴. Ein standardisierter Zeitplan und feste Einführungsschritte sind über diese Kundenangaben hinaus auf den geprüften Seiten nicht öffentlich angegeben.

Für eine Bank bedeutet das: Die Suche kann schnell laufen, die tiefere Integration dauert länger. Wer begleitet, wie viel Arbeit bei der Bank liegt und wann ein erster Agent einen echten Prozess übernimmt, beschreiben die geprüften Seiten nicht. Nexus hat hier einen festen Rahmen, mit einem produktiven ersten Agenten nach vier Wochen innerhalb eines Proof of Concept von drei Monaten¹³.

Aus den belegten Funktionen ergibt sich ein recht klares Einsatzprofil. Glean eignet sich dort, wo Mitarbeitende schnell verlässliche Antworten aus vielen Quellen brauchen und die Rechte der Quellsysteme unverändert gelten müssen^52,53. In einer Bank sind das etwa Fragen zu internen Weisungen, Produktunterlagen oder früheren Kundenfällen im Kundendienst. Die Fallbeispiele von T-Mobile zur Verringerung von Weiterleitungen und die Einsatzfelder im professionellen Dienstleistungsgeschäft zeigen in diese Richtung^70,74.

Weniger belegt ist der Einsatz in Prozessen, die Daten in Kernsystemen verändern. Die Bausteine dafür existieren, etwa Aktionen aus OpenAPI-Spezifikationen und Freigaben vor der Ausführung^35,7. Wer sie zu einem produktiven Agenten für einen Bankprozess zusammensetzt, bleibt aber offen. Eine Bank sollte Glean deshalb vor allem als Wissensschicht bewerten und für operative Agenten einen Partner mit Liefermodell einplanen.