Teradata verwandelt Tera in einen agentischen Coworker; stellt Tera Context Engine und Tera Harness vor

22. Sept. 2026 | SAN DIEGO/MÜNCHEN

Tera liefert nicht nur Antworten – es handelt. Mit eingebettetem Geschäftswissen und eigenständiger Aufgabenausführung macht Teradata KI zur echten Arbeitskraft für jeden, der mit Unternehmensdaten arbeitet.

Teradata hat heute eine wesentliche Weiterentwicklung von seinem AI Workspace Tera angekündigt: Tera wird zu einem agentischen Mitarbeiter für unternehmensweite Datenarbeit. Während herkömmliche KI-Assistenten lediglich Antworten liefern, erzielt Tera messbare Ergebnisse. Durch natürliche Sprache und geführte Ausführung können alle – von Business-Analysten über Plattformingenieure bis hin zu Datenbankadministratoren – Daten analysieren, KI-Anwendungen aufbauen, Infrastruktur betreiben und komplexe Workflows automatisieren. Und das alles aus einer einzigen, gesteuerten Umgebung heraus, die auf Unternehmensdaten über Plattformen hinweg zugreift, nicht nur innerhalb von Teradata. Branchenexpertise und Geschäftswissen sind in jede Interaktion eingebettet, gesichert durch Unternehmensidentität und -richtlinien, sodass keine tiefe Teradata-Spezialisierung erforderlich ist.

Tera umfasst drei Kernfähigkeiten:

• NEU: Tera Context Engine, eine herstellerneutrale Kontext- und Orchestrierungsschicht, die KI mit gesteuertem Geschäftswissen versorgt
• NEU: Tera Harness, eine intelligente Ausführungsschicht, die Aufgaben über die richtigen Fähigkeiten, Tools, Daten und Modelle verteilt
• NEU: Agent Skills, speziell entwickelt für Data Engineering, Datenanalyse und Data Science

Tera adressiert zwei Anforderungen, die Enterprise-KI bisher nicht erfüllt hat: die Fähigkeit, das Geschäft zu verstehen, und die Fähigkeit, auf dieser Grundlage zu handeln. Teradata-Kunden erhalten zuverlässigere KI-Ergebnisse, bessere Wirtschaftlichkeit bei jeder Modellinteraktion und eine schnellere Wertschöpfung – unterstützt durch Teradata AI Services für Organisationen, die die Bereitstellung beschleunigen möchten.

Benchmark-Ergebnisse

Tera wurde speziell für unternehmensweite Datenarbeit entwickelt und optimiert die Ausführung über Analytics, Vektoren und Modelle hinweg. Bei Tests mit SWE-bench Pro und demselben Opus-5-Modell verbrauchte Tera 73 % weniger Token als Claude Code, erzielte dabei höhere Aufgabenabschlussquoten, schloss Aufgaben 42 % schneller ab und verursachte 58 % niedrigere Gesamtkosten. Auf data-eng-bench – einem von Snowflake Labs und Bespoke Labs entwickelten Benchmark für Data-Pipeline-Engineering – lieferte Tera 53 % niedrigere Kosten pro zuverlässig gelöster Aufgabe als Snowflake Cortex Code mit Opus 5, basierend auf deren veröffentlichten Benchmark-Daten. Über data-eng-bench und ADE-bench hinweg erzielte Tera führende Benchmark-Genauigkeit, mit dem höchsten Pass3-Score auf data-eng-bench und einem geteilten Spitzenplatz auf ADE-bench. Die vollständige Benchmark-Methodik und Ergebnisse, einschließlich Materialien zur unabhängigen Validierung, sind hier verfügbar.

Zitat der Teradata-Führungsebene

Tera im Detail

Tera ist Teil der Teradata Autonomous Knowledge Plattform und vereint drei zweckgebundene Fähigkeiten, die kombiniert oder unabhängig voneinander eingesetzt werden können: Tera Context Engine für gesteuertes Unternehmenswissen, Tera Harness für intelligente Ausführung und Tera Agents für spezialisierte Expertise. Gemeinsam machen sie Tera zu einem agentischen Mitarbeiter, der das Geschäft verstehen, die richtigen Fähigkeiten koordinieren und Datenarbeit bis zum Endergebnis begleiten kann. Organisationen behalten die Möglichkeit, Modelle, Workload-Standorte und den Zugriff auf Unternehmensdaten selbst zu wählen – über Cloud, On-Premise und souveräne Umgebungen hinweg.

Tera führt KI nativ innerhalb der Teradata-Umgebung aus, einschließlich der Teradata Console für Datenbankadministratoren, und betreibt analytische und ML-Workloads direkt auf Unternehmensdaten ohne externe Modellaufrufe. Dies eliminiert Datenbewegung und Latenz und reduziert das Halluzinationsrisiko bei quantitativen Aufgaben wie Prognosen, Regressionen und Segmentierungen.

• NEU: Tera Context Engine
  Die Tera Context Engine ist eine offene, neutrale Kontext- und Orchestrierungsschicht, die oberhalb und quer zu den bereits genutzten Datenumgebungen von Unternehmen operiert. Sie verbindet Datenbanken, strukturierte und unstrukturierte Datenplattformen, Pipeline-Engines, Kataloge, Modelle und KI-Agenten, ohne Daten zu bewegen, bestehende Technologien zu ersetzen oder eine Bindung an einen einzelnen Anbieter einzugehen. Wichtig: Die Tera Context Engine ist nicht auf von Teradata verwaltete Daten beschränkt und bietet Organisationen eine konsistente Grundlage aus verlässlichem Wissen – unabhängig davon, wo ihre Daten liegen.

  
  Native Context Graph: Durch die Transformation verteilter Unternehmensdaten in wiederverwendbares Geschäftswissen verbindet die Tera Context Engine Metadaten, Herkunft, Semantik und Geschäftsbedeutung als Beziehungen, statt sie in relationale Strukturen zu überführen. Das Wissen bleibt mit Governance, Herkunft und Zugriffskontrollen verknüpft, wenn es sich über Systeme und Agenten bewegt. Zudem liest und schreibt die Engine in bestehende System-of-Record-Umgebungen zurück, lernt kontinuierlich aus realer Unternehmensnutzung und verbessert sich über die Zeit mit deutlich weniger manuellem Pflegeaufwand. Das Ergebnis ist vollständigerer und nachvollziehbarer Kontext – mit KI-Ausgaben, deren Herkunft Organisationen verstehen und belegen können.
  
  Neurosymbolische Modelle: Das neue Angebot kombiniert autonomes semantisches Mapping und deterministischen Abruf mit Industry Knowledge Models – dem Ergebnis von Teradatas menschlich validierter Expertise und der Zusammenarbeit mit einigen der komplexesten Unternehmen weltweit. Statt Agenten Geschäftsbedeutung von Grund auf neu konstruieren zu lassen, liefern Industry Knowledge Models eine symbolische Wissensbasis, die explizites Unternehmenswissen mit statistischer KI verbindet – einschließlich branchenspezifischer Terminologie, Beziehungen, Richtlinien und Betriebsbedingungen. Unternehmen profitieren von weniger Agentenfehlern und einer schnelleren Wertschöpfung.
  
  Deterministische Abfrageökonomie: Gesteuerter semantischer Kontext und deterministischer Abruf verlagern Arbeit weg von kostspieligem probabilistischem Denken hin zu gesteuerten Ausführungspfaden – sodass Modelle weniger Aufrufe für etablierte Definitionen benötigen. Das Ergebnis ist höhere Genauigkeit, niedrigere Inferenzkosten und besser planbare Wirtschaftlichkeit, wenn agentische Workloads skalieren. Besonders relevant für regulierte Branchen: KI-Ausgaben bleiben prüfbar und auf Quelldaten rückführbar, da Herkunft, Zugriffsrichtlinien und Compliance-Kontrollen das Wissen systemübergreifend begleiten.
  
  Gesteuerte agentische Automatisierung: Über die reine Kontextbereitstellung hinaus ermöglicht die Tera Context Engine Agenten, auf gesteuertem Kontext zu handeln – und automatisiert dabei die Erstellung von Datenprodukten, Pipeline-Spezifikationen und Validierungskontrollen unter konsistenter Anwendung von Unternehmensdefinitionen und -richtlinien. Das Ergebnis ist eine schnellere Bereitstellung vertrauenswürdiger Datenprodukte mit geringerem manuellem Vorbereitungs- und Governance-Aufwand – auf Enterprise-Niveau.

• NEU: Tera Harness
  Im Gegensatz zu allgemeinen Agenten, die Antworten generieren und Nutzern überlassen zu handeln, wandelt Tera Harness Absicht in messbare Ergebnisse um. Es hält Kontext über Workflows hinweg aufrecht und koordiniert die richtigen Fähigkeiten, Tools, Daten und Modelle bei jedem Schritt – ohne manuelles Routing.

  
  Kostenoptimierter Loop: Tera Harness begrenzt unproduktive Iterationen, bevor sie Kosten verursachen – durch Bündelung unabhängiger Aufgaben, Eliminierung von Modell- und Tool-Interaktionen ohne Mehrwert für das Ergebnis sowie Steuerung der Ausführung anhand des Aufgabenfortschritts. Statt bei jedem Schritt auf wiederholtes LLM-Reasoning zu setzen, wendet Tera 84 bewährte Ausführungsmuster vor der Inferenz an – sodass Agenten mit einem fertigen Ausführungsplan starten. Das Ergebnis ist gesteuertes, mehrstufiges Arbeiten, das auf Enterprise-Niveau zuverlässig abgeschlossen wird – ohne unkontrollierte Modelliterationen.
  
  Loop-integrierte Leitplanken: Vor Ausführungsbeginn wendet Tera Harness Pre-Inferenz-Leitplanken an, lädt relevanten Speicher und plant die anstehende Arbeit. Sicherheits- und Richtlinienkontrollen sowie menschliche Genehmigungen sind direkt im Agenten-Loop eingebettet und blockieren Hochrisikoaktionen, bevor sie ausgeführt werden. Anders als Standardagenten, die auf Selbstkontrolle oder externe Filter angewiesen sind, setzt Tera Governance am Punkt der Ausführung durch – und schützt so vor unautorisierten Aktionen und destruktiven Operationen.
  
  Go-nativer Performance-Kern: Tera Harness basiert auf einer Go-nativen Engine und gRPC, um hohe gleichzeitige Agentenausführung und niedrige Kommunikationslatenz zu gewährleisten. Während Standard-Agenten-Frameworks jeden Agenten als separaten Prozess ausführen und damit Infrastrukturkosten und Latenz in die Höhe treiben, unterstützte Tera 512 gleichzeitige Agenten auf einer einzigen 8-vCPU-VM und bediente dabei 279 Tool-Aufrufe pro Minute. Das bedeutet: Unternehmen können agentische Workloads skalieren, ohne die Infrastrukturkosten- und Latenzspirale, die andere Frameworks mit jedem hinzugefügten Agenten einführen.
  
  Dauerhafte agentische Ausführung: Während der Ausführung überwacht Tera Harness den Fortschritt, erholt sich von Fehlern statt Aufgaben abzubrechen, und bietet vollständige Transparenz darüber, wie Arbeit abgeschlossen wurde. Zustandsverwaltung und Checkpointing sind direkt in die Laufzeitschicht integriert – sodass Agenten tage- oder wochenlang laufen, für menschliche Genehmigungen bei null Rechenkosten pausieren und nach Infrastrukturausfällen genau dort fortfahren können, wo sie aufgehört haben. Anders als die meisten Agenten-Frameworks, die eine separate Orchestrierungsschicht benötigen, um Ausfälle zu überstehen, während sie bei lang andauernden Wartezeiten weiterhin Cloud-Ressourcen verbrauchen, handhabt Tera Dauerhaftigkeit nativ.

  Für Unternehmen, die KI auf Enterprise-Niveau verwalten, übersetzt sich das direkt in weniger Modellaufrufe pro Ergebnis, niedrigere Token-Kosten, höhere Genauigkeit und schnelleren Abschluss.


• NEU: Agent Skills
  Agent Skills sind wiederverwendbare, aufgabenspezifische Fähigkeiten, die jahrzehntelanges Teradata-Wissen in KI-aufrufbare Funktionen verpacken. Sie können von jedem Agenten oder Harness aufgerufen und von Nutzern direkt über natürliche Sprache angesprochen werden – und machen so fortgeschrittene Daten- und Plattformarbeit zugänglich, ohne tiefe technische Spezialisierung vorauszusetzen. Statt von Grund auf neu zu schlussfolgern, erhalten Modelle klare Orientierung für gängige Daten- und Plattformaufgaben – für mehr Konsistenz und ein geringeres Risiko, vom Kurs abzuweichen. Skills werden automatisch anhand der jeweiligen Aufgabe geladen, und Tera leitet jeden Skill an die richtigen Modelle und Tools weiter. MCP-Konnektivität ermöglicht es Organisationen, Tera mit eigenen Tools und Integrationen weiter auszubauen.
  
  Tera umfasst zwei Kategorien zweckgebundener Agenten, die auf diesen Skills aufbauen. Platform Agents übernehmen die operative Verwaltung der Teradata-Umgebung – einschließlich Workload-Tuning, Compute-Sizing, Telemetrie und FinOps. Analytics Agents befassen sich direkt mit Datenarbeit – von natürlicher Sprache über SQL und Python bis hin zur Query-Optimierung.

Teradata AI Services

Für Organisationen, die die Bereitstellung beschleunigen möchten, ist Teradata AI Services darauf ausgelegt, Kunden aus der Experimentierphase herauszuführen und direkt auf produktive Ergebnisse hinzuarbeiten. AI Services hilft dabei, die Anwendungsfälle zu identifizieren, bei denen gesteuerter Kontext messbaren Wert schafft, Industry Knowledge Models zu konfigurieren und Unternehmenswissen schneller in die Produktion zu bringen – mithilfe von Tera. Teradatas AI Value Engineering-Methodik stellt sicher, dass KI-Programme auf Produktionsreife ausgelegt und entwickelt werden – nicht auf Experimente – und vorgefertigte Agenten sowie Tooling für jede Phase des KI-Entwicklungslebenszyklus beschleunigen die Zeit bis zum Kundenmehrwert.

Verfügbarkeit

Tera Context Engine, Tera Harness und Agent Skills werden in Q4 2026 verfügbar sein.

Über Teradata

Teradata unterstützt Unternehmen dabei, aus bloßem Wissen echtes, eigenständiges Handeln zu machen. Da Unternehmen künftig tausende von KI-Agenten einsetzen werden, sorgt Teradata für das nötige Fundament: Wir verankern KI tief im Geschäftskontext und in verlässlichen Daten. Wir sind der Motor für den richtigen Kontext, die Sicherheit und die nötige Leistung, damit jedes System intelligenter, sicherer und schlichtweg besser funktioniert. Mit der Teradata Autonomous Knowledge Plattform bieten wir ein sicheres Fundament auf Enterprise-Niveau, mit der Unternehmen ihre KI-Projekte verlässlich in den Live-Betrieb bringen – egal ob in der Cloud, On-Premise oder in Hybrid-Modellen. Teradata sorgt für messbare Ergebnisse dort, wo sie den größten Unterschied machen.