Glean

Wie Glean von der Unternehmenssuche zur KI-Plattform wurde

Ein KI-Assistent in einem großen Unternehmen ist nur so nützlich wie die Firmeninformationen, die er erreichen kann, und diese Informationen zu erreichen, ohne sie dem falschen Mitarbeitenden zu zeigen, ist eine schwierige technische Aufgabe. Glean hat sein Geschäft um genau diese Aufgabe herum aufgebaut. Das Unternehmen sagt, es habe mit der Unternehmenssuche begonnen und sich zu einer KI-Plattform für Unternehmen entwickelt, die auf Unternehmenskontext aufbaut¹, und seine Startseite trägt heute den Titel Enterprise AI that Works². Diese Geschichte erklärt vieles in der folgenden Bewertung. Die stärksten öffentlichen Aussagen des Produkts betreffen Suche, Konnektoren und Berechtigungen, die neueren betreffen Agenten, die auf Grundlage der gefundenen Informationen handeln.

Die Seite über das Unternehmen zeichnet das Wachstum in wenigen Schritten nach. Glean startete öffentlich, als die Unternehmenssuche bereits bei mehr als 40 Firmen im Einsatz war³. Weniger als ein Jahr nach diesem Start sammelte es 100 Millionen Dollar bei einer Bewertung von 1 Milliarde Dollar ein⁴. Später führte es Agents ein, die Arbeit systemübergreifend erledigen sollen, und erreichte eine Bewertung von 7,2 Milliarden Dollar⁵. Dieselbe Seite nennt wiederkehrende Jahresumsätze von 300 Millionen Dollar⁶ und sagt, diese hätten sich innerhalb von 15 Monaten von 100 Millionen Dollar aus verdreifacht⁷. Als Gründer und Vorstandschef wird Arvind Jain genannt⁸. Es handelt sich um Zahlen des Unternehmens^1,3,4,5,6,7. So wie sie angegeben sind, beschreiben sie einen großen und gut finanzierten Anbieter, und ein Einkaufsteam wird diese Größe anders gewichten als die eines jungen Lieferanten.

November 2026. Wo diese Seiten schweigen, sagt der Text das auch. Eine Aussage des Anbieters wird hier als solche wiedergegeben, und die Quellennummer neben jeder belegten Aussage führt zu der Seite, von der er stammt.

Was das Produkt ist

Glean stellt mehrere benannte Produkte auf eine gemeinsame Grundlage^9,10. Die Startseite führt Glean Enterprise Context als Produktlinie auf¹⁰, und die Plattformseite macht den Kontext zum Leitgedanken des gesamten Angebots: Er sei die Grundlage für KI, die Arbeit übernehmen kann⁹. Zwei Produkte dürften Beschäftigte zuerst kennenlernen. Glean Assistant wird als Ihr KI-Kollege im Unternehmen beschrieben¹¹. Glean Search wird als Unternehmenssuche der nächsten Generation beschrieben, mit der Menschen sofort die gesuchten Antworten finden¹², und die zugehörige Seite verspricht eine Suche in Echtzeit, die Berechtigungen beachtet und mehr als 100 Werkzeuge an einem Ort abdeckt¹³.

Auf der Agentenseite des Produkts liegt die jüngere Aufmerksamkeit des Unternehmens. Wie erwähnt beschreibt Glean Agents als Weg, Arbeit systemübergreifend zu erledigen⁵, und es führt neben seinen Schnittstellen für Suche und Chat auch eine Agents API auf^14,15,16. Für Käufer heißt das praktisch, dass Suche, Dialog und Agentenarbeit auf denselben indexierten Firmeninformationen beruhen¹⁷. Die Entscheidung für einen dieser Bereiche ist damit zugleich eine Entscheidung über das Fundament der anderen¹⁷.

Wie es funktioniert

Die Plattformseite beschreibt die Kontextschicht in knapper Form. Konnektoren erfassen Signale aus dem Unternehmen, die Suche indexiert die Daten, und der Enterprise Graph bildet Beziehungen und Prozesse ab¹⁸. Jeder dieser Teile beantwortet eine andere Frage. Die Konnektoren bestimmen, was das System sehen kann, der Index bestimmt, wie schnell es Material abrufen kann, und der Graph ist das erklärte Mittel des Unternehmens, dieses Material mit den Menschen und Abläufen in Verbindung zu bringen, die dazugehören¹⁸.

Mit der Suche hat das Unternehmen begonnen¹, und Glean trifft dazu zwei konkrete Aussagen. Die Suchseite sagt, Glean lerne fortlaufend die besondere Sprache und den Kontext eines Unternehmens, um die Relevanz zu verbessern¹⁹. Außerdem sollen Deep-Learning-LLMs ein semantisches Verständnis von Anfragen in natürlicher Sprache ermöglichen²⁰. Ein Test mit echten internen Fragen wäre die naheliegende Prüfung.

Bei den Modellen beschreibt Glean eine Komponente namens Glean Intelligence, die jeder Aufgabe aus mehr als 40 offenen und führenden Modellen das passende zuordnet²¹, und die Plattformseite sagt, dies optimiere die KI nach Preis und Leistung²². Dieselbe Seite nennt zudem eine flexible Modellwahl²³. Wer die Abhängigkeit von einem einzigen Modelllieferanten vermeiden möchte, wird das beachten. Die Aussage zu Preis und Leistung ist allerdings eine Produktaussage und nennt keinen Preis²².

Glean positioniert die Plattform außerdem als offen für Entwickler¹⁷. Das erklärte Prinzip lautet, Daten einmal zu indexieren und überall zu nutzen, über offene APIs, ein einsatzbereites Web-SDK für Oberflächen und MCP-Unterstützung ohne eigene Oberfläche¹⁷. Die Entwicklerdokumentation ist beim Reifegrad genau. Sie führt die APIs Search, Chat, Agents und Skills als allgemein verfügbar²⁴ und kennzeichnet Triggers, Usage, Users, Departments und Admin als experimentell²⁵. Entwicklungsteams, die sich auf Verwaltungs- oder Nutzungsschnittstellen stützen wollen, sollten diesen Unterschied beachten. Die Dokumentation nennt Client-Bibliotheken für Python, TypeScript, Go und Java²⁶, und sie veröffentlicht einen Endpunkt für einen MCP-Server für Entwickler²⁷.

Einführung und Zeit bis zum Nutzen

Die Dokumentation für Administratoren enthält eine Seite mit dem Titel Set up Glean for your organization²⁸. Ein üblicher Zeitplan und eine übliche Abfolge der Einführungsschritte sind über die von Kunden berichteten Zeiträume hinaus auf den geöffneten Seiten nicht öffentlich angegeben.

Diese Kundenangaben sind ermutigend, und sie verdienen eine genaue Lektüre. Ein auf der Startseite zitierter Kunde sagt, das Unternehmen sei innerhalb von drei Wochen startklar gewesen²⁹. Eine Fallstudie zu TIME auf derselben Seite nennt 3 Wochen bis zum Produktivstart³⁰, und dieselbe Fallstudie nennt außerdem eine Unternehmensintegration von 5 Monaten³¹. Die Seite stellt beide Zahlen nebeneinander, sodass der Schluss naheliegt, dass Produktivstart und abgeschlossene Integration verschiedene Meilensteine sein können. Ein Projektplan sollte festlegen, welchen von beiden er misst.

Der tatsächliche Aufwand wird davon abhängen, wie viele Systeme ein Kunde anbindet und wie verlässlich die Berechtigungen in diesen Systemen sind, denn Glean übernimmt sie aus der Quelle³².

Integrationen

Die Breite der Konnektoren ist der sichtbarste Teil des Angebots. Die Startseite sagt, Glean biete mehr als 275 Konnektoren³³, und die Konnektorenseite beschreibt 275 oder mehr sofort einsetzbare Konnektoren für Unternehmensanwendungen und Ökosysteme³⁴. Die Dokumentation beschreibt Konnektoren als Anbindung der Anwendungen einer Organisation über eine Indexierung, die Berechtigungen beachtet³⁵, und der Konnektorenbereich dieser Dokumentation führt 107 Konnektoren auf³⁶. Die Suchseite spricht, wie erwähnt, von mehr als 100 Werkzeugen¹³. Das für diese Bewertung geprüfte Material bringt diese Zahlen nicht in Einklang^33,36,13. Käufer sollten deshalb die benötigten Systeme namentlich mit der aktuellen Liste abgleichen und fragen, wie jedes einzelne unterstützt wird.

Fehlt eine Anwendung, beschreibt Glean mehrere Wege^37,38,39,40. Teams können neue Konnektoren anfragen⁴⁰. Eigene Daten lassen sich mit dem Indexing SDK ergänzen³⁷, eigene Aktionen lassen sich aus einer OpenAPI-Spezifikation erstellen³⁸, und über MCP angebundene Werkzeuge können weitere Daten oder Aktionen einbringen³⁹. Damit hat ein Entwicklungsteam echte Möglichkeiten, und jede davon ist Arbeit, die es planen und pflegen muss.

Die Dokumentation zeigt auch, wie sich einzelne Konnektoren verhalten, und zwei ihrer Beschreibungen sind gute Beispiele für den Zugriff auf Ebene der einzelnen Person. Der Eintrag zu BigQuery spricht davon, Live-Daten im Data Warehouse mit dem Zugriff des jeweiligen Nutzers zu analysieren⁴¹. Ein anderer Eintrag erlaubt es, die eigenen Konten bei Jira, Gmail und anderen Diensten in Antworten zu nutzen⁴². Slack wird über Such-APIs in Echtzeit eingebunden⁴³. Zusammengenommen deuten diese Einträge darauf hin, dass Glean mehr als ein Anbindungsmuster verwendet. Eine Architektin oder ein Architekt sollte daher für jedes kritische System das jeweilige Muster prüfen.

Sicherheit und Datenverarbeitung

Glean veröffentlicht eine klare Liste von Sicherheits- und Compliance-Angaben. Die Startseite nennt ISO 42001⁴⁴, HIPAA⁴⁵, TX-RAMP Level 2⁴⁶, SOC 2 Type II⁴⁷, ISO 27001⁴⁸ und GDPR⁴⁹, und die Sicherheitsseite führt dieselben sechs auf⁵⁰. Das ist eine breite öffentliche Liste. Das Sicherheitsteam eines Käufers wird dennoch die zugrunde liegenden Berichte sehen wollen, denn die Nennung auf einer Webseite ist erst der Anfang der Prüfung.

Die Sicherheitsseite beschreibt die Kontrollen rund um die KI-Nutzung recht ausführlich. Ein ständig aktiver Audit Trail zeichnet Ereignisse auf, die sich in ein SIEM streamen lassen⁵¹. Ein Single-Sign-on-Anbieter prüft vor dem Start der KI, wer die Anfrage stellt, und zwar bei Nutzern wie bei Agenten⁵². Aktionen von Agenten werden vor der Ausführung mit der Absicht und den Befugnissen des Nutzers abgeglichen⁵³. Glean veröffentlicht außerdem zwei Genauigkeitswerte: Prompt-Injection-Angriffe würden mit einer Genauigkeit von 96,9 Prozent erkannt⁵⁴, und unstrukturierte Daten würden mit einer Genauigkeit von 95 Prozent daraufhin geprüft, was Risiko und was bloßes Rauschen ist⁵⁵. Beides sind Werte von Glean selbst, und die Bedingungen dahinter wären eine berechtigte Frage in einer Anbieterprüfung^54,55.

Zum Hosting ist die Beleglage lückenhaft. Die Sicherheitsseite erwähnt die Möglichkeit von SafetyCulture, Glean im eigenen Cloud-Tenant zu betreiben⁵⁶, was darauf hindeutet, dass diese Anordnung zumindest einem Kunden offensteht. Die Plattformseite nennt Unterstützung für mehrere Clouds²³, und der Fall Ericsson auf der Startseite spricht von hybrider KI-Governance⁵⁷. Optionen für die Region der Datenhaltung sind auf den geöffneten Seiten nicht öffentlich angegeben. Ein europäischer Käufer mit festen Vorgaben zum Speicherort sollte das früh ansprechen, denn die Nennung von GDPR⁴⁹ beantwortet diese Frage für sich genommen noch nicht.

Governance und Berechtigungen

Die Sicherheitsseite sagt, die Berechtigungen der Quellsysteme würden bei jedem Lese- und Schreibvorgang durchgesetzt⁵⁸. Die Konnektorenseite sagt, Glean übernehme diese Berechtigungen und setze sie durch³², und Änderungen der Berechtigungsregeln in der Quellanwendung würden sofort in den Ergebnissen sichtbar⁵⁹. Auch die Suchseite wiederholt, dass die bestehenden Berechtigungen der Datenquellen in den Ergebnissen durchgesetzt werden⁶⁰. Für ein Unternehmen, dessen größte Sorge bei interner KI ist, dass jemand eine eigentlich gesperrte Datei findet, ist das die zentrale Zusage, und sie ist klar formuliert. Sie bedeutet auch, dass die Qualität des Ergebnisses von der Qualität der vorhandenen Berechtigungen abhängt.

Für Agenten gelten weitere Kontrollen. Vor der Ausführung von Aktionen kann eine menschliche Freigabe verlangt werden⁶¹, Agenten können mit eng begrenzten, von Administratoren verwalteten Dienstkonten laufen⁶², und die Dokumentation enthält einen Abschnitt zum Skill Scanning⁶³. Die Unternehmensseite sagt, die Kunden bestimmten, worauf die KI zugreifen kann⁶⁴.

Einige Kontrollen für Agenten folgen erst noch, und Glean kennzeichnet sie offen^65,66. Die Durchsetzung von Governance-Richtlinien für Agenten ist als demnächst verfügbar markiert⁶⁵, ebenso unterschiedliche Richtlinien für ausgewählte Agenten oder Nutzer⁶⁶. Die Kontrolle der Browsernutzung durch Agenten ist als Beta markiert⁶⁷. Integrierte Sicherheitsprüfungen decken Skills ab, wobei Memory als demnächst verfügbar und Agenten als Beta markiert sind⁶⁸. Wer einen breiten Einsatz von Agenten plant, sollte diese Kennzeichnungen als Teil des aktuellen Produktstands behandeln und den Status jedes Punktes bei Vertragsschluss bestätigen lassen.

Preise

Preise sind auf den geöffneten Seiten nicht öffentlich angegeben⁶⁹. Die Adresse glean.com/pricing leitet auf die Startseite um, und auf den gelesenen Seiten fand sich kein Text zu Tarifen oder Preisen⁶⁹. Am nächsten kommt dem die Aussage zur Optimierung nach Preis und Leistung²², die sich auf die Modellauswahl bezieht und keinen Preis ersetzt. Budgetverantwortliche brauchen ein direktes Angebot und sollten fragen, wie der Preis berechnet wird und welche der oben genannten Produkte er umfasst.

Wo Glean passt

Die öffentlichen Fallstudien von Glean weisen auf große Organisationen mit vielen Beschäftigten und vielen Systemen^{70,71,72,73,74}. Booking.com skaliert demnach KI mit Glean über 14.000 Beschäftigte⁷⁰. Zillow berichtet eine Nutzungsquote von 80 Prozent⁷¹, und Ericsson berichtet von mehr als 2.700 Agenten, Tendenz steigend⁷². Ein Chief Transformation Officer der DBS Bank wird auf der Startseite zitiert⁷³, und ein Zitat von T-Mobile erwähnt weniger Weiterleitungen an menschliche Servicekräfte⁷⁴.

Die Startseite beschreibt auch den Einsatz nach Funktion und Branche. Für die Softwareentwicklung sagt Glean, es führe Code, Tickets, Dokumentation und die Historie von Störungen zusammen, damit Entwickler schneller liefern⁷⁵. Für den Handel spricht es davon, Marktsignale in Entscheidungen zu Sortiment und Preisen zu überführen⁷⁶. Für das Gesundheitswesen sagt es, es stelle das vollständige klinische, wissenschaftliche und regulatorische Bild hinter jede Entscheidung⁷⁷. Für freiberufliche Dienstleister sagt es, es verarbeite frühere Angebote, Projektergebnisse und Expertenwissen zu kundenfertiger Arbeit⁷⁸. Die Plattformseite führt Branchen wie Healthcare und Higher Education⁷⁹ und Abteilungen wie Customer Service auf⁸⁰.

Der gemeinsame Nenner ist Wissen, das über viele Werkzeuge verteilt ist. Ein Unternehmen mit diesem Problem, mit ordentlich gepflegten Berechtigungen und dem Bedarf, einer großen Belegschaft eine zentrale Stelle für Fragen zu geben, entspricht dem Profil, das die Seiten von Glean selbst beschreiben.

Einschränkungen, die Sie abwägen sollten

Die folgenden Einschränkungen stammen von den Seiten von Glean selbst oder aus dem, was diese Seiten auslassen. Mehrere Funktionen rund um Agenten sind als demnächst verfügbar oder Beta markiert, darunter die Durchsetzung von Governance-Richtlinien für Agenten⁸¹ und die Kontrolle der Browsernutzung durch Agenten⁸², und mehrere Entwickler-APIs sind experimentell²⁵. Anwendungen außerhalb der Konnektorenliste erfordern eine Anfrage oder einen eigenen Konnektor⁸³. Preise, Datenresidenz und ein üblicher Einführungszeitplan sind auf den geöffneten Seiten nicht öffentlich angegeben.

Auch die plakativen Ergebnisse verlangen Vorsicht. Eine Zahl wie 110 eingesparte Stunden je Nutzer und Jahr steht auf der Startseite⁸⁴ und wird vom Anbieter berichtet, ebenso wie die Nutzungsquoten in den Kundengeschichten. Sie zeigen, was Glean veröffentlichen möchte, und ein Käufer sollte seinen Business Case auf eine Messung in der eigenen Belegschaft stützen.

Fazit

Glean legt ausführlich öffentlich dar, wie Firmeninformationen für KI nutzbar werden. Seine Stärken auf den geöffneten Seiten sind die über mehrere Seiten hinweg einheitlich beschriebene Durchsetzung von Berechtigungen, ein breites Angebot an Konnektoren, eine Entwicklerplattform mit offenen Angaben zum Reifegrad, die Auswahl aus mehr als 40 Modellen und eine umfangreiche veröffentlichte Liste von Sicherheits- und Compliance-Angaben. Die Lücken sind ebenso konkret: Auf den geöffneten Seiten finden sich kein Preis, keine angegebene Option für die Datenresidenz und kein üblicher Einführungszeitplan, und eine Reihe von Governance-Kontrollen für Agenten ist noch als demnächst verfügbar oder Beta markiert.

Ein Unternehmen, dessen erster Bedarf darin besteht, Wissen über eine große Anwendungslandschaft hinweg zu finden und zu nutzen, sollte Glean ernsthaft prüfen. Die Gesamtplatzierung dieser Seite stellt Nexus an die erste Stelle. Nexus veröffentlicht diese Bewertung und hat die Kriterien gewählt, lesen Sie die Platzierung also mit diesem Wissen und prüfen Sie jede Aussage über die Quellennummern.