Gemini 3.5 Flash für Unternehmen: MCP-Connector, Notion-Integration, Agentic (Mai 2026)

Google Cloud hat im Mai 2026 Gemini 3.5 Flash für Gemini Enterprise und Business freigeschaltet (Quelle: Google Cloud Release-Notes Mai 2026). Das Modell rollt für Developer und Business-Nutzer parallel aus. Gemini 3.5 Pro ist laut Google im Testing, der Release ist für Juni 2026 angekündigt.

Das eigentlich Spannende für DACH-Mittelstand sind nicht die Modell-Specs, sondern die strukturellen Neuerungen drumherum: ein MCP-Server-Connector für eigene Datenquellen, eine Notion-Integration im Public Preview, semantische Suche über die Chat-Historie und die Managed Agents API im Preview. Wer Google Workspace nutzt, sieht hier Punkte, die im Mai-Release-Note schnell überlesen wurden, aber praktische Konsequenzen haben.

Wir gehen die Neuerungen durch, vergleichen sie mit anderen Anbieter-Stacks (Anthropic, OpenAI) und zeigen, wo für DACH-KMU der Hebel sitzt. Quelle: Google Cloud Release-Notes Mai 2026.

Was Gemini 3.5 Flash konkret kann

Gemini 3.5 Flash ist das schnellere, kostengünstigere Modell in der 3.5-Linie. Google positioniert es klar für zwei Anwendungsbereiche: agentic Tasks und Coding. Beide sind Bereiche, in denen mehrere Anbieter (Anthropic, OpenAI) gerade ihre Stacks ausbauen, weshalb Google hier sichtbar nachzieht.

Die wichtigsten Optimierungen aus der Release-Note.

Wichtig: Google hat keine Benchmark-Punktewertung gegen GPT-5.5 oder Claude Opus 4.8 in den Release-Notes veröffentlicht. Wer einen Direktvergleich braucht, muss eigene Tests fahren. Pro Anwendungsfall liefert mal das eine, mal das andere Modell die fokussiertere Antwort. Eine pauschale Aussage gibt der Markt im Mai 2026 nicht her.

MCP-Server-Connector: Eigene Daten direkt anbinden

MCP steht für "Model Context Protocol", ein offener Standard, den Anthropic Ende 2024 publiziert hat und der inzwischen breite Adoption findet. MCP definiert, wie KI-Modelle externe Daten und Custom-Tools sicher und konsistent ansprechen.

Google hat im Mai 2026 für Gemini Enterprise einen MCP-Server-Connector freigeschaltet. Das heißt praktisch: Wer einen MCP-Server in seiner Infrastruktur betreibt (etwa für interne Wikis, CRM-Daten, Custom-APIs), kann Gemini ohne Eigenbau-Code an diese Daten koppeln. Das funktioniert ähnlich wie bei Anthropic Claude, das MCP nativ unterstützt.

Der praktische Hebel: Eigene Datenquellen werden integrierbar, ohne dass man einen eigenen Connector schreiben muss. Wer in seinem Unternehmen ein Confluence, ein selbstgehostetes Notion-Klon oder eine eigene Knowledge-Base hat, kann darüber einen MCP-Server stellen und Gemini greift direkt zu.

Was das von der Notion-Integration unterscheidet: Notion ist eine spezifische, vorkonfigurierte Quelle. MCP ist generisch. Wer keinen MCP-Server betreibt, hat von dieser Neuerung nichts. Wer einen baut oder einen fertigen MCP-Server einsetzt (es gibt inzwischen Dutzende fertiger MCP-Server für gängige Tools), gewinnt sofort.

Notion-Connector im Public Preview

Notion ist als Datenquelle für Wikis und Notizen in vielen Mittelstands-Betrieben verbreitet. Mit dem Public Preview kann Gemini Enterprise jetzt direkt auf Notion-Workspaces zugreifen. Suche, Zitate, Bearbeitung sind im üblichen Berechtigungs-Rahmen möglich.

Aus den eigenen Beratungsmandaten wissen wir, dass Notion bei DACH-KMU zwiespältig läuft. Manche Betriebe nutzen es intensiv (Wissensmanagement, Projektdokumentation, Onboarding), andere haben es ausprobiert und sind zu Confluence oder SharePoint zurückgegangen. Für die erste Gruppe ist die Notion-Integration ein echter Mehrwert, weil bisherige Workarounds (Export, Re-Upload, manuelle Recherche) wegfallen.

Was im Public Preview noch unklar bleibt: Wie funktioniert die Berechtigungs-Logik genau, wenn ein Gemini-Nutzer keinen Zugriff auf bestimmte Notion-Seiten hat? Google sagt, dass die bestehenden Notion-Permissions respektiert werden, aber wir haben in der Praxis Fälle gesehen, wo gemischte Zugriffsrechte (Team A sieht Page X, Team B nicht) zu unerwarteten Verhalten geführt haben. Public Preview bedeutet auch: Bugs sind zu erwarten.

Managed Agents API und Antigravity-Harness

Die Managed Agents API ist im Preview verfügbar. Sie erlaubt autonome Agents, die in isolierten Sandbox-Environments laufen. Vergleichbar mit dem Anthropic-Multiagent-Stack, aber im Google-Ökosystem mit eigener Integration in Vertex AI und Google Cloud Services.

Antigravity ist die zugehörige Harness-Schicht. Konfigurations-basiertes Agent-Building heißt: Statt Code zu schreiben, definiert man Agent-Verhalten in einer YAML- oder JSON-Konfiguration. Das senkt die Hürde für IT-Teams, die KI-Agents bauen wollen, aber nicht zwingend ein vollständiges Engineering-Team haben.

Wer in unserem Tools-Vergleich für Unternehmen liest, sieht den größeren Trend: Alle drei großen Anbieter (Anthropic, OpenAI, Google) bauen 2026 Agent-Frameworks. Welcher Stack besser passt, hängt nicht primär vom Modell ab, sondern davon, in welchem Ökosystem du schon bist. Wer Google Workspace nutzt und seine Daten in BigQuery hat, bekommt mit Gemini Enterprise einen integrierten Pfad. Wer Microsoft 365 nutzt, schaut entsprechend zu OpenAI/Azure. Wer Anthropic schon im Einsatz hat, bleibt dort.

Semantische Suche über Chat-Historie

Eine kleinere, aber praxisrelevante Neuerung: Gemini Enterprise und Business haben semantische Suche über die Chat-Historie erhalten. Bedeutung statt Keyword-Match.

Das praktische Problem dahinter: Wer Gemini intensiv nutzt, hat nach drei Monaten Hunderte Konversationen. Die alte Suche fand nur exakte Begriffe. Wer wissen wollte, "wo war das Gespräch über die Marketing-Kampagne im März", musste die richtigen Begriffe raten. Die neue semantische Suche findet das Gespräch auch, wenn man es paraphrasiert ("Gespräch über die Frühjahrs-Werbung mit Sabine").

Das mag klein klingen, hat in der Praxis aber großen Effekt. Wir sehen bei Beratungsmandanten, dass viele KI-Tools nach drei bis sechs Monaten unbenutzt herumstehen, weil die Vergangenheitsdaten nicht mehr auffindbar sind. Wer eine semantische Suche hat, kommt zurück zu seinen alten Gesprächen, baut darauf auf und nutzt das Tool langfristig.

EU-Datenresidenz für DACH-Unternehmen

Für DACH ist die EU-Datenresidenz der wichtigste Punkt. Google Cloud bietet für Gemini Enterprise EU-Regionen an, in denen die Datenverarbeitung lokal in der EU bleibt. Das ist der Standard-Mechanismus für DSGVO-konforme Cloud-KI in DACH.

Was das praktisch bedeutet. Wer Gemini Enterprise mit EU-Region konfiguriert, hat eine deutliche Vereinfachung in der Drittlandtransfer-Frage. Daten verlassen die EU nicht für die Verarbeitung. Das ist ein Unterschied zu Anthropic (DPF-zertifiziert, Verarbeitung in USA) und OpenAI (DPF-zertifiziert, Verarbeitung in USA, EU-Datenresidenz in Sub-Tarifen verfügbar).

Aber: EU-Datenresidenz allein macht keinen Vertrag DSGVO-konform. Du brauchst trotzdem einen AVV (Auftragsverarbeitungsvertrag) und musst die Verarbeitung in deinem Verarbeitungsverzeichnis dokumentieren. Google Cloud stellt einen Standard-DPA bereit, der die meisten KMU-Anforderungen abdeckt. Wer höhere Compliance-Anforderungen hat (Gesundheit, Finanzen), sollte einen individuellen Vertrag prüfen.

Praxis-Beispiel: Software-Beratung Heinrich & Co. in Karlsruhe

Heinrich & Co., eine Software-Beratung in Karlsruhe, 14 Mitarbeiter, spezialisiert auf Cloud-Migration für Mittelstand. Geschäftsführer Daniel Heinrich nutzt seit März Gemini Enterprise als Hauptmodell, weil das Unternehmen Google Workspace einsetzt und die EU-Datenresidenz als Compliance-Vorteil gewertet hat.

Im Mai hat Heinrich die neuen Features getestet: MCP-Connector mit einem selbst gehosteten Confluence-Server, Notion-Integration für das interne Team-Wiki (ein parallel laufendes Notion-Workspace), Managed Agents API für einen Onboarding-Workflow neuer Mitarbeiter.

Sein Ergebnis nach drei Wochen: MCP funktioniert, war aber Einrichtungsaufwand (etwa zwei Stunden bis ein MCP-Server lief, Gemini ihn ansprechen konnte und die Authentifizierung sauber war). Notion-Integration läuft im Public Preview, hatte zwei Bugs (ein Permission-Fehler in einer Team-Space, eine fehlerhafte Zitat-Quelle), aber spart trotzdem täglich 20 bis 30 Minuten Recherche-Zeit. Managed Agents im Preview ist konzeptionell stark, aber für ihn produktiv noch zu unreif (Sandbox-Limits, fehlende Observability).

Heinrichs Einschätzung: Wer Google Workspace nutzt und EU-Datenresidenz braucht, hat mit Gemini Enterprise jetzt einen vollwertigen Pfad. Wer Anthropic oder OpenAI bevorzugt, sollte nicht wechseln, sondern eher prüfen, ob die jeweiligen Stacks die fehlenden Punkte (EU-Residenz, native Integration) inzwischen anders abbilden.

Was du jetzt prüfen kannst

Fünf Punkte für den Einstieg.

Erstens, prüfe deine Cloud-Strategie. Gemini Enterprise rechnet sich am stärksten, wenn du Google Workspace und Google Cloud schon nutzt. Wer komplett auf Microsoft 365 ist, hat in Azure mit OpenAI einen vergleichbaren integrierten Pfad. Wer auf AWS ist, schaut sich Anthropic über Amazon Bedrock an.

Zweitens, checke die EU-Datenresidenz. Wer ohnehin in einer EU-Region hostet, kann Gemini Enterprise unkompliziert auf EU-Residenz konfigurieren. Wer global hostet, sollte die DSGVO-Frage trotzdem klären, bevor produktiv genutzt wird.

Drittens, identifiziere zwei Use-Cases für agentic Tasks. Was machst du regelmäßig, was mehr als ein Modell-Schritt erfordert? Onboarding, Reporting, Recherche, Compliance-Prüfung sind Klassiker. Gemini 3.5 Flash mit Managed Agents API ist genau dafür gebaut.

Viertens, wenn du Notion nutzt, aktiviere das Public Preview. Die Integration kostet keine Extra-Lizenz, sondern ist Teil von Gemini Enterprise. Selbst wenn nur deine Hälfte des Teams Notion nutzt, ist die Suche und der Wissens-Zugriff ein direkter Gewinn.

Fünftens, plane Schulungs-Zeit ein. Gemini Enterprise hat im Mai-Release deutlich an Komplexität gewonnen. Wer das einfach freischaltet und seinen Mitarbeitern nicht erklärt, was MCP, Managed Agents und semantische Suche bedeuten, hat ein teures Tool mit niedriger Nutzung. Eine zweistündige Einführung pro Team-Person ist das Mindeste.

Häufige Fragen

Wie unterscheidet sich Gemini 3.5 Flash von 3.5 Pro?

Flash ist schneller und kostengünstiger, optimiert für hohe Durchsatz-Anforderungen und latenzkritische Anwendungen. Pro (im Testing, Release Juni 2026) ist auf maximale Qualität und komplexere Reasoning-Tasks ausgelegt. Wer Routine-Anfragen verarbeitet, nutzt Flash. Wer mehrstufige Analysen oder komplexe Code-Reviews macht, wartet auf Pro. Die meisten Mittelstands-Workflows kommen mit Flash gut zurecht.

Brauche ich einen Google Cloud Account für Gemini Enterprise?

Ja. Gemini Enterprise läuft auf Google Cloud, du brauchst also ein Google Cloud Projekt mit aktivierter Vertex AI API. Wer Google Workspace nutzt, hat die Grundstruktur, muss aber den Cloud-Teil separat einrichten. Die Trennung zwischen Workspace (Produktivität) und Cloud (Infrastruktur) ist Google-typisch.

Funktioniert MCP mit Tools, die Gemini noch nicht offiziell unterstützt?

Ja, das ist der Sinn von MCP. Solange dein Tool oder deine Datenquelle einen MCP-Server bereitstellt (oder du einen baust), kann Gemini darauf zugreifen, auch wenn keine native Integration existiert. Die MCP-Community wächst, fertige Server für gängige Tools (GitHub, Slack, Jira, eigene Datenbanken) sind verfügbar.

Was kostet Gemini Enterprise im Vergleich zu Plus oder Pro Tarifen?

Gemini Enterprise ist nutzungsbasiert über Google Cloud abgerechnet (pro Million Tokens, plus Infrastruktur-Kosten je nach Konfiguration), nicht über eine pauschale Monatsgebühr. Das macht den Vergleich mit ChatGPT Plus (23 Euro/Monat) oder Claude Pro (20 USD/Monat) schwierig. Für seltene Nutzung ist Enterprise teurer, für intensive Nutzung mit eigenen Workflows kann es günstiger sein. Eine genaue Kalkulation hängt vom Use-Case ab.

Ist Gemini Enterprise für deutsche Bildungsträger und Behörden tauglich?

Mit EU-Datenresidenz und AVV technisch ja. Praktisch hängt es vom konkreten Datenschutz-Audit ab, das die jeweilige Einrichtung durchführt. Behörden und öffentliche Bildungsträger haben oft strengere Anforderungen (BSI-Empfehlungen, C5-Testat), die Google Cloud teilweise erfüllt, aber im Einzelfall geprüft werden muss. Wer hier unsicher ist, sollte einen externen DSGVO-Berater einbeziehen.

Bereit für den nächsten Schritt? Wer KI-Tools von OpenAI, Anthropic und Google im eigenen Unternehmen vergleichen und integrieren will, lernt im Digitalisierungsmanager die Tool-Auswahl, Architektur-Entscheidungen und DSGVO-Konformität in 16 Wochen. Förderung über Bildungsgutschein oder QCG möglich.

Über den Autor

Dr. Jens Aichinger ist promovierter Wirtschaftspädagoge, Erwachsenenbildner und Geschäftsführer von SkillSprinters by Dr. Aichinger. Er bildet seit über 15 Jahren Berufstätige, Fachkräfte und Quereinsteiger weiter, hat über 70 Fachbücher zu Prüfungsvorbereitung und Karrierethemen veröffentlicht und betreibt mit SkillSprinters einen der digital am stärksten wachsenden Bildungsträger im DACH-Raum.

Zuletzt geprüft am 22. Mai 2026. Quellen: Google Cloud Release Notes Mai 2026 zu Gemini 3.5 Flash, MCP-Connector, Notion-Integration und Managed Agents API.