{"id":7832,"date":"2026-06-30T06:00:09","date_gmt":"2026-06-30T13:00:09","guid":{"rendered":"https:\/\/www.couchbase.com\/\/press-releases\/couchbase-launches-the-ai-data-plane-the-operational-data-foundation-for-the-agentic-enterprise\/"},"modified":"2026-06-30T06:00:09","modified_gmt":"2026-06-30T13:00:09","slug":"couchbase-launches-the-ai-data-plane-the-operational-data-foundation-for-the-agentic-enterprise","status":"publish","type":"press-releases","link":"https:\/\/www.couchbase.com\/de\/press-releases\/couchbase-launches-the-ai-data-plane-the-operational-data-foundation-for-the-agentic-enterprise\/","title":{"rendered":"Couchbase startet die AI Data Plane, die operative Datenbasis f\u00fcr das agentenbasierte Unternehmen"},"content":{"rendered":"

Eine vereinheitlichte Datenschicht von der Cloud bis zum Edge gibt Produktions-KI-Agenten den gesteuerten Speicher, den Kontext und die Leistung, die sie ben\u00f6tigen, um sich an Echtzeitkontexte zu erinnern, dar\u00fcber nachzudenken und auf sie zu reagieren.<\/span><\/i><\/p>\n\n\n\n

SAN JOSE, Kalifornien \u2013 30. Juni 2026 \u2013 <\/b>Couchbase<\/a>, The Operational Data Platform for AI\u2122, hat heute die allgemeine Verf\u00fcgbarkeit des AI Data Plane bekannt gegeben, einer einheitlichen dateninfrastrukturellen Ebene f\u00fcr unternehmensweite KI-Agenten. Das Couchbase AI Data PlaneTM bietet Unternehmen persistenten Agentenspeicher, Echtzeit-Kontextabruf und konsistenten Datenzugriff von der Cloud bis zum Edge und in ihre Lakehouse-Architekturen. Durch die Zusammenf\u00fchrung fragmentierter Datendienste, die die Bereitstellung von Agenten behindert haben, in einer einzigen, gesteuerten Ebene k\u00f6nnen Unternehmen von Pilotprojekten zu produktionsreifen Agenten \u00fcbergehen, die konsistentere Entscheidungen, reichhaltigere Kundenerlebnisse und messbare Effizienzsteigerungen in gro\u00dfem Ma\u00dfstab liefern.<\/p>\n\n\n\n

Die AI Data Plane vereint Agent Memory, einen Agent Catalog f\u00fcr auffindbare Agent-Tools und einen unternehmensgest\u00fctzten, selbstverwalteten MCP-Server f\u00fcr die standardisierte Integration von Model-Context-Protokollen. Sie konsolidiert fr\u00fchere Couchbase-Bereitstellungsmodelle in einer einzigen Architektur, die sowohl auf Couchbase Capella als auch in selbstverwalteten Umgebungen l\u00e4uft, und wird durch neue Enterprise Analytics 2.2-Funktionen f\u00fcr die auf Apache Iceberg basierende Lakehouse-Federation sowie einen Trino-Adapter erg\u00e4nzt (der voraussichtlich im 3. Quartal 2026 auf den Markt kommt). Die unternehmensgest\u00fctzte Plattform wird durch die Ingenieurs- und Supportorganisation von Couchbase gest\u00fctzt, wodurch Point-Solutions eliminiert und Plattformteams eine einzige operative Oberfl\u00e4che f\u00fcr die Datendienste erhalten, von denen ihre Agenten abh\u00e4ngen. <\/p>\n\n\n\n

\u201cDie meisten Unternehmen stellen schnell fest, dass der \u00dcbergang von Pilotprojekten im Chat-Stil zu produktionsreifen agentenbasierten Systemen in Wirklichkeit ein Datenproblem und nicht nur ein Modellproblem ist\u201d, sagte Devin Pratt, Research Director f\u00fcr KI, Automatisierung, Daten und Analytik bei IDC. \u201cIDC geht davon aus, dass 80% der Anwendungsf\u00e4lle f\u00fcr agentenbasierte KI Echtzeitdaten, kontextbezogene und breit zug\u00e4ngliche Daten erfordern werden, sodass die Architektur dies unterst\u00fctzen muss. Ans\u00e4tze, die den Agentenspeicher und den Kontextabruf zu erstklassigen Funktionen der Datenbank selbst machen, wie beispielsweise die AI Data Plane von Couchbase, gehen dieses Problem direkt an. Durch die Vereinheitlichung von Vektoren, Dokumenten, Cache und Betriebsdaten auf einer einzigen verteilten Plattform \u2013 von der Cloud bis zum Edge \u2013 reduziert Couchbase den Integrationsaufwand, der den Einsatz von Agenten in der Praxis bisher gebremst hat, und bietet Unternehmen eine besser steuerbare, skalierbare Grundlage f\u00fcr die n\u00e4chste Welle KI-gest\u00fctzter Anwendungen.\u201d <\/p>\n\n\n\n

Anhaltender Agentenspeicher<\/strong>
\nCIOs, die ihre KI-Infrastrukturstrategien entwickeln, ben\u00f6tigen eine einheitliche Datenplattform, die Speicher, Kontext und Abruf \u00fcber den gesamten Agentenlebenszyklus hinweg verwaltet \u2013 keine weitere Einzell\u00f6sung, die integriert und gewartet werden muss. Couchbase Agent Memory bietet dies, indem es eine einheitliche Persistenzschicht als einzelnen Dienst innerhalb der operativen Datenplattform bereitstellt, anstatt Teams zu zwingen, separate Caching-, Vektor- und Dokumentenspeicher zusammenzuf\u00fcgen. Da es Framework-unabh\u00e4ngig ist und mit LangGraph, CrewAI und LlamaIndex validiert wurde, k\u00f6nnen Entwicklungsteams Orchestrierungsframeworks wechseln oder kombinieren, ohne ihre Speicherschicht neu aufbauen zu m\u00fcssen.<\/p>\n\n\n\n

Da Unternehmen von Prototypen zu Produktionsagenten \u00fcbergehen, ist die L\u00fccke zwischen dem, wor\u00fcber Agenten nachdenken k\u00f6nnen, und dem, woran sie sich \u00fcber Sitzungen hinweg erinnern k\u00f6nnen, zu einem kritischen Engpass geworden. Einfache Agenten k\u00f6nnen mit Vektorsuche erfolgreich sein, die Couchbase im Milliardenma\u00dfstab anbietet, aber produktionsreife Agenten ben\u00f6tigen die F\u00e4higkeit, Konversationskontext zu speichern, strukturierte operative Daten abzurufen und den Zustand \u00fcber Sitzungen und Neustarts hinweg aufrechtzuerhalten, und das alles mit Latenzzeiten im Sub-Millisekundenbereich am Entscheidungspunkt.<\/p>\n\n\n\n

\u201cAm wichtigsten f\u00fcr unternehmensgerechte KI-Chatbots ist, dass die Datenabfrage schnell, konsistent und nahtlos erfolgt. Wenn Sie Interaktionen zwischen Menschen und KI-Agenten durchf\u00fchren, muss alles im Hintergrund vorhersehbar und konsistent sein, um eine nat\u00fcrliche Interaktion zu erm\u00f6glichen\u201d, sagte Patrick Ferriter, SVP of Product bei Agora. \u201cDas ist es, was wir gemeinsam mit Couchbase l\u00f6sen, und deshalb haben wir sie als Partner f\u00fcr die Datenschicht unserer KI-Chatbot-Plattform gew\u00e4hlt. Jeder unserer KI-Chatbot-Anwendungsf\u00e4lle erfordert eine effiziente Datenabfrage, um die Pipeline f\u00fcr KI-Agenten zu speisen, sei es im Outbound-Vertrieb, im Kundenservice, bei physischer KI oder bei etwas v\u00f6llig Neuem. Wir haben eine mehrj\u00e4hrige Beziehung zu Couchbase, und da wir in die Agenten-Workloads skaliert sind, war dies eine nat\u00fcrliche Erweiterung unserer Partnerschaft.\u201d <\/p>\n\n\n\n

Entwickelt f\u00fcr Agentic AI am Edge<\/strong>
\nDer Wandel von KI-Anwendungen mit einzelnen Aufforderungen zu mehrstufigen, autonomen Agentenarchitekturen hat eine fundamentale Diskrepanz zwischen der Funktionsweise von Agenten und der Art und Weise, wie die meisten Dateninfrastrukturen aufgebaut sind, insbesondere am Edge, aufgedeckt. Agenten arbeiten \u00fcber Sitzungen hinweg, sammeln im Laufe der Zeit Kontext und m\u00fcssen gleichzeitig auf strukturierte operative Daten und unstrukturierte Embeddings \u00fcber Cloud, Edge und Ger\u00e4te hinweg zugreifen. Die Couchbase AI Data Plane ist so konzipiert, dass sie diese vollst\u00e4ndige Palette von Datenanforderungen erf\u00fcllt.<\/p>\n\n\n\n

Durchsatz ist ebenso entscheidend, da agentenbasierte Workloads ein Vielfaches mehr von der Datenschicht verlangen k\u00f6nnen als herk\u00f6mmliche Anwendungen. Jede Agentenaktion l\u00f6st in schneller Folge Kontextabruf, Speicherzugriffe und Synchronisierung des Zustands aus, oft \u00fcber Tausende gleichzeitiger Sitzungen hinweg. Die AI Data Plane ist f\u00fcr diese Skalierung konzipiert und nutzt die bew\u00e4hrte, auf Out-of-Memory-Architektur basierende Couchbase-Architektur, die bereits zehntausende von Transaktionen pro Sekunde mit Latenzen unterhalb einer Millisekunde f\u00fcr einige der die anspruchsvollsten Unternehmen der Welt<\/a>.<\/p>\n\n\n\n

Die AI Data Plane baut auf der verteilten Multi-Model-Architektur von Couchbase auf, die JSON-Dokumente, Key-Value, SQL f\u00fcr JSON-Abfragen, Volltextsuche, Eventing und Vektorsuche in einem einzigen verteilten System unterst\u00fctzt. Agent Memory erweitert diese Grundlage um Sitzungspersistenz und Kontextabruf, w\u00e4hrend der MCP-Server und der Agent Catalog die f\u00fcr Produktionsbereitstellungen von Agenten erforderlichen Integrations- und Beobachtungsschichten bereitstellen.<\/p>\n\n\n\n

Enterprise Analytics 2.2: Lakehouse-F\u00f6deration mit Iceberg und Trino<\/strong>
\nCouchbase k\u00fcndigte au\u00dferdem Enterprise Analytics 2.2 an, eine bedeutende Erweiterung seiner Analysefunktionen, die operative Daten in Couchbase f\u00fcr das breitere Lakehouse-\u00d6kosystem \u00f6ffnet und gleichzeitig die Abfrage-Engine selbst st\u00e4rkt. Enterprise Analytics 2.2 f\u00fchrt die Apache Iceberg Lakehouse-Federation ein, die es Teams erm\u00f6glicht, operative Echtzeit-Analysen von Couchbase neben bestehenden offenen Iceberg-basierten Lakehouse-Tabellen abzufragen, ohne komplexe ETL-Prozesse oder Datenredundanz. Dadurch k\u00f6nnen Unternehmen, die Iceberg aufgrund seiner Vorteile in Bezug auf offene Governance, Leistung und \u00d6kosystem einsetzen, mehr Wert aus diesen Investitionen ziehen, indem sie Iceberg-Tabellen in dieselbe Plattform integrieren, die ihre Agenten-Workloads bedient.<\/p>\n\n\n\n

Zu den Kernanalyseverbesserungen geh\u00f6ren die Unterst\u00fctzung von Google Cloud Storage, JWT-Authentifizierung, Change Data Capture f\u00fcr Oracle und SQL Server, asynchrone langlaufende Abfragen, ein Indexberater, Index-only-Abfragepl\u00e4ne, SQL++ UPDATE-Unterst\u00fctzung und entsprechende SDK-Updates f\u00fcr Java, .NET, Python, JavaScript und Go. Diese Verbesserungen erm\u00f6glichen es Plattformteams, schnellere, besser kontrollierte Analysen \u00fcber ihre bestehenden Tools und Sprachen hinweg durchzuf\u00fchren, sodass sie KI- und Datenworkloads erstellen und optimieren k\u00f6nnen, ohne die Komplexit\u00e4t der Infrastruktur zu erh\u00f6hen.<\/p>\n\n\n\n

Ein neuer Trino-Adapter, der im 3. Quartal erwartet wird, wird den direkten SQL-Zugriff auf operative Couchbase-Daten von Trino-basierten Plattformen, einschlie\u00dflich AWS Athena, Amazon EMR, Google Dataproc und Starburst, erm\u00f6glichen. Dies erspart Unternehmen die Notwendigkeit, Live-Daten zu extrahieren und in separate analytische Speicher zu replizieren, bevor sie bei der Erstellung von KI- und Analyse-Workflows abgefragt werden k\u00f6nnen, die operative Umgebungen und Lakehouse-Umgebungen umfassen. <\/p>\n\n\n\n

Capella iQ Verbesserungen<\/strong>
\nCapella iQ, der Assistent f\u00fcr nat\u00fcrliche Sprachabfragen der Plattform, unterst\u00fctzt jetzt die Auswahl mehrerer Modell-Anbieter mit AWS Bedrock und OpenAI, die durch organisationsweite Richtlinien gesteuert werden. Administratoren k\u00f6nnen steuern, welche Modelle f\u00fcr welche Teams verf\u00fcgbar sind, sodass Inferenzkosten und Anforderungen an den Datensitz innerhalb der organisatorischen Randbedingungen bleiben, ohne einzelne Entwickler zu verlangsamen. Dies gibt Teams die Flexibilit\u00e4t, das richtige Modell f\u00fcr jede Arbeitslast zu w\u00e4hlen, w\u00e4hrend Administratoren die Inferenzkosten, die Compliance und den Datensitz \u00fcber zentrale Richtlinien streng kontrollieren.<\/p>\n\n\n\n

Edge-, Mobile- und verteilte Anwendungsaktualisierungen<\/strong>
\nDa KI-Agenten Teil der operativen Belegschaft werden, m\u00fcssen ihre Daten die Arbeit verfolgen, die zunehmend auf Ger\u00e4ten, im Feld und am Netzwerkrand stattfindet und nicht hinter einem Schreibtisch oder in einem Rechenzentrum. Couchbase erweitert die KI-Daten-Ebene auf den Edge, sodass Agenten, die in mobilen und Edge-Umgebungen laufen, auf replizierte Daten zugreifen und lokale Vektorsuchen durchf\u00fchren k\u00f6nnen, selbst bei unterbrochener oder keiner Konnektivit\u00e4t.<\/p>\n\n\n\n

Neueste Innovationen umfassen:<\/p>\n\n\n\n