Das NVIDIA Agent Toolkit wird um eine neue Grundlage erweitert, die Unternehmensagenten mit Firmendaten verbindet, sowie um Modelle und Tools zur Steuerung ihrer Aktivitäten. In seinem Bericht vom 21. Oktober 2026 beschrieb NVIDIA Implementierungen in der eigenen Lieferkette und auf Unternehmenssoftwareplattformen und rückte damit den Zugriff auf Geschäftsdaten ins Zentrum der jüngsten Erweiterung des Open-Source-Toolkits.
Wichtige Erkenntnisse
- Die neue Agent Knowledge Foundation verknüpft Unternehmensinformationen mit Geschäftskonzepten, damit Agenten Kontext abrufen und Prognosen unterstützen können.
- NVIDIA nannte Implementierungen bei Palantir, Databricks und Snowflake, wobei sich die Umsetzungen je nach Plattform unterscheiden.
- NVIDIA verwies außerdem auf Verbesserungen beim Retrieval bei Amazon OpenSearch Service, SAP und ServiceNow; diese Ergebnisse beziehen sich auf den Einsatz einzelner Modelle, nicht auf das Toolkit als Ganzes.
Inhaltsverzeichnis
- Was das NVIDIA Agent Toolkit für Unternehmensdaten bietet
- Stand der Unternehmenseinsätze
- Was die Retrieval-Ergebnisse belegen
- Wie Zugriff und Verbesserung von Agenten gesteuert werden
- Fazit
Was das NVIDIA Agent Toolkit für Unternehmensdaten bietet
Die zentrale Ergänzung ist die NVIDIA Agent Knowledge Foundation, die Bibliotheken zur Datenverarbeitung mit Retrieval- und Modellen für strukturierte Daten kombiniert. NVIDIA zufolge können Unternehmen sie nutzen und dabei ihre bestehenden Datenstandorte, Arbeitsabläufe und Governance-Kontrollen beibehalten.
Die neue Auto-Ontology-Bibliothek ermöglicht Agenten eine geschäftsorientierte Interpretation von Rohdaten. Anstatt Datensätze lediglich als isolierte Datenpunkte zu behandeln, identifiziert sie Konzepte wie Kunden, Produkte und Bestellungen und stellt Verbindungen zwischen ihnen her. Dieser Kontext soll Agenten dabei helfen, Geschäftsfragen zu beantworten und Entscheidungen zu unterstützen.
Die Foundation umfasst CUDA-X-Bibliotheken wie cuDF, cuGraph, cuML, cuOpt und cuVS. Zur Modellauswahl gehören Nemotron Retriever und die Kumo-Structured-Familie: Kumo Tabular, Kumo Relational, Kumo Time Series und Kumo Forecast.
| Element | Details |
|---|---|
| NVIDIA OpenShell | Sichere Laufzeitumgebung, mit der Unternehmen den Zugriff und die Aktionen von Agenten beschränken können. |
| NVIDIA NemoClaw Blueprints | Referenzentwürfe zur Entwicklung sicherer Agenten, die auf spezialisierte Aufgaben zugeschnitten sind. |
| Neuestes NemoClaw-Optimierungs-Blueprint | Schrittweises Ausgangsgerüst zur Verbesserung der Intelligenz von Agenten. |
Stand der Unternehmenseinsätze
Die Lieferkettenorganisation von NVIDIA nutzt die Foundation mit Foundry, Ontology und AIP von Palantir. NVIDIA zufolge unterstützt diese Implementierung spezialisierte Agenten dabei, mit proprietären Informationen Prognosen zu erstellen und Entscheidungen zu optimieren. Es handelt sich um einen im Bericht beschriebenen internen Einsatz und nicht lediglich um eine vorgeschlagene Anwendung.
Databricks kombiniert seine Genie Ontology mit NVIDIA Kumo Anomaly für Agenten, die Kontextinformationen nutzen. Snowflakes Ansatz integriert Kumo Engine und Kumo Relational-Modelle in Snowflake-Notebook-Umgebungen, sodass Kunden dort Prognosefunktionen hinzufügen können.
Diese Beispiele zeigen unterschiedliche Wege in den Unternehmenseinsatz: eine operative Implementierung bei NVIDIA, eine Integration bei Databricks und einen kundenseitigen Zugang über die Notebook-Umgebung von Snowflake. Sie sollten weder als identische Implementierungen noch als Beleg für gleichwertige Ergebnisse verstanden werden.
Was die Retrieval-Ergebnisse belegen
NVIDIA verwies auf mehrere Ergebnisse für Nemotron Retriever und trennte dabei Verbesserungen bei Suche und Reranking von den weitergehenden Versprechen für Unternehmensagenten. Beim Amazon OpenSearch Service verbesserte das Embedding-Modell NVIDIA zufolge die Relevanz und verringerte zugleich die Zahl der Suchschritte, wobei sich die Latenz praktisch nicht erhöhte.
Das Unternehmen erklärte, der feinabgestimmte Reranker von SAP arbeite nahezu dreimal so schnell. Zudem habe ServiceNow die Qualität des Rerankings verbessert und gleichzeitig die Latenz um nahezu ein Viertel gesenkt. Der Bericht enthält keinen einheitlichen Benchmark, anhand dessen sich diese Ergebnisse direkt vergleichen ließen.
Zoom nutzt Nemotron Retriever für Dokumentenverständnis, Suchrelevanz und den Abruf von Kontext in Zoom AI Services. NVIDIA gab für diese Implementierung kein quantifiziertes Leistungsergebnis an.
Wie Zugriff und Verbesserung von Agenten gesteuert werden
Die Erweiterung beschränkt sich nicht darauf, Agenten mit mehr Informationen zu versorgen. Die dazugehörigen Komponenten befassen sich mit Ausführungsgrenzen, dem Entwurf spezialisierter Agenten und deren Optimierung; ihre jeweiligen Aufgaben sind nachfolgend zusammengefasst.
NVIDIA bezeichnet das neueste NemoClaw-Optimierungs-Blueprint als Ausgangspunkt für die schrittweise Verbesserung der Intelligenz von Agenten. Es handelt sich um einen Referenzentwurf für Entwickler und nicht um einen Beleg dafür, dass jede Unternehmenseinführung bereits zu Verbesserungen geführt hat. Der Bericht führt außerdem NeMo Relay und NeMo Compass als Tools und Skills des Toolkits auf, ohne ihre Aufgaben näher zu erläutern.
Fazit
Die Erweiterung vereint die Interpretation von Unternehmensdaten, Retrieval und Ausführungskontrollen in einem Toolkit. Die aussagekräftigsten konkreten Belege sind die genannten Implementierungen und die Ergebnisse auf Modellebene; aus diesen Beispielen lässt sich kein einheitliches Leistungsergebnis für den gesamten Agenten-Stack ableiten.
Weitere Nachrichten lesen
Weitere Nachrichten von FinanceVelix
Haftungsausschluss
Dieser Artikel von FinanceVelix enthält allgemeine Informationen und stellt keine persönliche Finanz-, Anlage-, Rechts- oder Steuerberatung dar. Marktpreise, Zinssätze und wirtschaftliche Bedingungen können sich ändern; Anlagen sind mit Verlustrisiken verbunden. Die Angaben entsprechen dem zum Zeitpunkt der Veröffentlichung verfügbaren Informationsstand und können sich ändern. Prüfen Sie wichtige Informationen eigenständig und ziehen Sie bei Bedarf eine qualifizierte Fachperson hinzu. Die Erwähnung eines Vermögenswerts, Unternehmens oder Dienstes stellt keine Empfehlung dar.
