ARD (Agentic Resource Discovery): Google, Microsoft und GitHub veröffentlichen Standard für KI-Agenten-Sichtbarkeit — was Schweizer KMU jetzt wissen müssen

Am 17. Juni 2026 haben Google, Microsoft, GitHub, Hugging Face, Snowflake und sechs weitere Tech-Konzerne Agentic Resource Discovery (ARD) veröffentlicht — einen offenen Standard (Apache 2.0), der definiert, wie KI-Agenten Tools, APIs und andere Agenten automatisch finden und verbinden können. Für Schweizer KMU, die APIs, SaaS-Tools oder automatisierbare Services anbieten, bedeutet das: Wer keinen ARD-Katalog veröffentlicht, bleibt für autonome Systeme unsichtbar. ChatGPT, Claude, GitHub Copilot und Microsoft 365-Agenten können nur das nutzen, was sie finden — und ARD ist der neue Standard dafür, gefunden zu werden. Für agent-ready Geschäftsmodelle ist ARD neben llms.txt die neue Pflichtaufgabe. Hier ist, was Sie jetzt wissen müssen.

Das Problem: KI-Agenten sehen nur, was manuell verdrahtet wurde

KI-Agenten können heute schon externe Tools aufrufen — ob MCP-Server (Model Context Protocol), A2A-Agenten (Agent-to-Agent), OpenAPI-Endpunkte oder spezialisierte Skills. Das Problem: Jede Integration muss aktuell manuell eingerichtet werden. Ein Developer muss die URL hardcoden, ein User muss ein Plugin verbinden, ein Admin muss eine Berechtigung setzen. Das funktioniert für fünf, zehn Tools. Es bricht zusammen, wenn es Hunderttausende gibt — und wächst jede Woche.

Google beschreibt das Kernproblem in der offiziellen Ankündigung so: „Agents need reliable answers to three questions: Where does the right capability live? Which capability should I actually use? And how do I verify it’s safe to connect to?” (Quelle: Google Developers Blog, 17. Juni 2026).

Microsoft vergleicht die Situation mit dem frühen Internet: Millionen Websites existierten, aber die meisten Menschen besuchten nur die Seiten in ihren Browser-Bookmarks. Handkuratierte Verzeichnisse konnten nicht mithalten. Suchmaschinen haben das Problem gelöst, indem sie eine Discovery-Schicht aufgebaut haben, die alles automatisch erreicht und mit dem abgleicht, was jemand im Moment braucht. ARD macht dasselbe für das Agenten-Ökosystem (Quelle: Microsoft Command Line Blog, 17. Juni 2026).

Wie ARD funktioniert: Kataloge, Registries, Intent-basierte Suche

ARD basiert auf zwei Primitiven — Kataloge und Registries:

1. Kataloge — Sie veröffentlichen eine ai-catalog.json-Datei unter /.well-known/ai-catalog.json auf Ihrer eigenen Domain. Diese Datei listet die Tools, APIs, MCP-Server oder Agenten auf, die Sie verfügbar machen — mit Metadaten wie Name, Beschreibung, Endpunkt, Protokoll, repräsentativen Queries, Publisher-Identität und Trust-Manifest.

2. Registries — Registries crawlen veröffentlichte Kataloge, indexieren sie und beantworten Discovery-Anfragen von Agenten in natürlicher Sprache. Ein Agent fragt: „Welche Ressource kann mir helfen, eine Kundenbestellung zu prüfen?” Die Registry antwortet mit passenden Capabilities, gerankt nach Relevanz, inklusive Metadaten zur Verifizierung des Publishers.

Der Agent stellt dann eine direkte Verbindung über das native Protokoll des Tools her (MCP, A2A, OpenAPI, etc.). ARD ersetzt diese Protokolle nicht — es macht sie nur auffindbar.

(Quelle: ARD-Spezifikation v0.9, agenticresourcediscovery.org, Juni 2026)

Wer hat ARD bereits live?

Am 17. Juni 2026 wurden parallel zur Spezifikation drei produktionsreife Implementierungen veröffentlicht:

• GitHub Copilot Agent Finder — GitHub Copilot kann jetzt ARD-konforme Ressourcen durchsuchen und zur Laufzeit verbinden. Entwickler beschreiben eine Aufgabe in natürlicher Sprache, Agent Finder durchsucht einen Index verfügbarer KI-Ressourcen (GitHub’s kuratierter öffentlicher Katalog oder Ihre private Registry) und liefert gerankte Matches. Copilot zieht die ausgewählte Capability dynamisch in den Context-Window, wenn sie gebraucht wird — nicht pauschal vorab (Quelle: GitHub Changelog, 17. Juni 2026).

• Hugging Face Discover Tool — Hugging Face hat ein ARD-Referenz-Implementierung veröffentlicht, die semantische Suche über Tausende Skills, ML-Applikationen und MCP-Server auf Hugging Face und anderen ARD-Discovery-Services bietet. Es funktioniert, indem es den Hub’s bestehenden semantischen Search über Spaces mit Agent Skills kombiniert und die Ergebnisse als ARD-Katalog-Einträge liefert (Quelle: Hugging Face Blog, 17. Juni 2026).

• Google Cloud Agent Registry — Teil der Gemini Enterprise Agent Platform. Die Registry unterstützt das Suchen, Entdecken und Hosten von Agenten-Ressourcen, inklusive Agenten, Skills, MCP-Servern und anderen Tools. Sie verwaltet global eindeutige namespaced URNs, agentic egress policies und gepinnte Tools. Native ARD-Unterstützung wird in den kommenden Monaten verfügbar sein (Quelle: Google Developers Blog, 17. Juni 2026).

Weitere Implementierungen: Cisco AGNTCY Agent Directory (Open Source unter Linux Foundation), Snowflake Cortex Agents (geplant).

Schweizer Startup-Perspektive: Wann lohnt sich ARD jetzt?

ARD ist aktuell v0.9-Draft — die 1.0-Veröffentlichung steht noch aus. Trotzdem ist die Spezifikation bereits produktionsreif genug für drei Szenarien:

Szenario 1: B2B-SaaS mit öffentlicher API — Sie betreiben eine Schweizer SaaS-Plattform (z.B. Buchhaltungs-API, CRM, Projekt-Management-Tool) und bieten eine öffentliche oder Partner-API. ARD macht Ihre API für GitHub Copilot, ChatGPT, Claude und Microsoft 365-Agenten auffindbar. Invest: mittel (ai-catalog.json schreiben, Trust-Manifest optional hinzufügen, Domain-Verifizierung). ROI: hoch, wenn Ihre Buyer Journey agent-gestützte Workflows einschliesst.

Szenario 2: Startup, das MCP-Server oder Agent-Tools baut — Sie entwickeln spezialisierte Tools für KI-Workflows (z.B. Datenquellen-Anbindung, Analyse-Agents, Research-Skills). ARD ist Ihre Go-to-Market-Strategie: Publish → wird von Hugging Face/GitHub indexiert → Nutzer finden Ihr Tool über Agent Finder. Invest: gering (Katalog + README). ROI: sehr hoch (organische Discovery statt manuelles Onboarding).

Szenario 3: Enterprise mit internen Agenten — Sie haben mehrere interne Agenten (HR-Bot, Sales-Bot, Ops-Incident-Agent) und wollen, dass diese sich gegenseitig finden können, ohne dass IT jede Integration manuell verdrahten muss. ARD + private Registry = föderiertes internes Agenten-Netzwerk. Invest: hoch (eigene Registry betreiben oder Google Cloud Agent Registry nutzen). ROI: skaliert mit Anzahl Agenten.

ARD vs. llms.txt — was ist der Unterschied?

Viele KMU verwechseln ARD und llms.txt. Hier ist die Abgrenzung:

• llms.txt — eine maschinenlesbare Markdown-Datei für LLMs, die erklärt, was Ihre Website/Ihr Unternehmen tut und welche Inhalte für Agenten relevant sind. Zielgruppe: ChatGPT Search, Perplexity, Claude, Google AI Overviews. Use-Case: Content-Discovery, Zitierbarkeit, AI-Search-Optimierung. Mehr zu llms.txt hier.

• ARD (ai-catalog.json) — ein strukturiertes JSON-Manifest, das aufrufbare Capabilities (APIs, Tools, MCP-Server, Agenten) beschreibt, inklusive Endpunkt, Protokoll, Trust-Metadaten. Zielgruppe: GitHub Copilot Agent Finder, Google Agent Registry, Hugging Face Discover Tool, autonome Agenten. Use-Case: Tool-Discovery, Agent-Interoperabilität.

Faustregel: Wenn Sie Content publizieren → llms.txt. Wenn Sie callable Services publizieren → ARD.

Security & Trust: Wie verhindert ARD Poisoned Registries?

ARD definiert ein Trust-Manifest, das kryptografische Identitäts-Verifizierung ermöglicht. Der Katalog liegt auf Ihrer eigenen Domain — Domain-Ownership ist die Basis für Trust. Optional können Sie Ed25519-Signaturen hinzufügen, sodass ein Agent oder eine Registry die Authentizität des Publishers prüfen kann, bevor eine Verbindung aufgebaut wird.

Security-Forscher entwickeln aktuell Threat-Models für Registry-Poisoning (Quelle: Content Fans, 17. Juni 2026). Best Practices:

• Private Kataloge für interne Tools betreiben
• Alle Signaturen rigoros verifizieren
• Detailliertes Audit-Logging für jede Agent-Tool-Handoff
• Least-Privilege-Prinzip durchsetzen, bevor Verbindungen etabliert werden

Praktische Schritte: ARD für Ihr Schweizer Startup implementieren

1. Lesen Sie den Quickstart-Guide — agenticresourcediscovery.org und die offizielle Spezifikation.

2. Erstellen Sie Ihre ai-catalog.json — beschreiben Sie Ihre verfügbaren Tools/APIs. Minimal-Beispiel:

{
  "version": "0.9",
  "publisher": {
    "name": "Ihr Startup Name",
    "domain": "ihr-startup.ch"
  },
  "capabilities": [
    {
      "type": "application/mcp-server-card+json",
      "name": "Buchhaltungs-MCP-Server",
      "description": "MCP-Server für automatisierte Rechnungsprüfung",
      "endpoint": "https://api.ihr-startup.ch/mcp/accounting",
      "representativeQueries": [
        "Prüfe Rechnung auf Vollständigkeit",
        "Validiere MWST-Berechnung"
      ]
    }
  ]
}

3. Hosten Sie die Datei unter /.well-known/ai-catalog.json — auf Ihrer eigenen Domain.

4. Optional: Trust-Manifest hinzufügen — Ed25519-Signatur für Produktionsumgebungen.

5. Testen Sie Discovery — nutzen Sie GitHub Copilot Agent Finder oder Hugging Face Discover Tool, um zu verifizieren, dass Ihr Katalog gefunden wird.

6. Monitoring — verfolgen Sie, welche Agenten Ihren Katalog abfragen (Webserver-Logs für /.well-known/ai-catalog.json).

ARD und die Schweizer Startup-Landschaft: Deep-Tech trifft föderierte Discovery

Der Swiss Deep Tech Report 2026 zeigt: Die Schweiz investiert 63 % des Venture Capitals in Deep Tech — mehr als jedes andere Land. ARD passt perfekt in diese Landschaft: ETH/EPFL-Spinouts, die spezialisierte KI-Tools bauen (z.B. Robotics-APIs, Quantum-Computing-Interfaces, Biotech-Datenquellen), können via ARD direkt von globalen Agenten-Netzwerken gefunden werden. Das föderierte Modell (jede Organisation betreibt ihre eigene Registry, Registries referenzieren sich gegenseitig) entspricht dem dezentralen, offenen Ansatz, den Schweizer Deep-Tech-Startups bevorzugen.

Für Startups im Venture-Kick-Programm oder YQuantum-ähnliche Ventures: ARD ist die neue Infrastruktur-Schicht, die spezialisierte wissenschaftliche Tools für kommerzielle Agent-Workflows zugänglich macht — ohne dass ein Sales-Team jede Integration einzeln pitchen muss.

Verwandte Themen: Agent-readiness, MCP, llms.txt

• Agent-Readiness für Schweizer KMU — wie Sie Ihre Website und Services agent-ready machen
• llms.txt Guide — maschinenlesbare Markdown-Datei für LLM-Discovery
• WebMCP und agent-ready Websites — praktische MCP-Implementierungen für CI/CD und DevOps

Quellen

• Google Developers Blog: Announcing the Agentic Resource Discovery specification (17. Juni 2026)
• Microsoft Command Line: Introducing the Agentic Resource Discovery specification (17. Juni 2026)
• GitHub Changelog: Agent finder for GitHub Copilot now available (17. Juni 2026)
• Hugging Face Blog: Agentic Resource Discovery — Let agents search (17. Juni 2026)
• Search Engine Journal: Google, Microsoft Back Draft AI Agent Discovery Spec (Juni 2026)
• MarketingProfs: AI Update, June 26, 2026 (26. Juni 2026)
• Offizielle ARD-Spezifikation v0.9 (17. Juni 2026)

ARD verschiebt die Machtbalance von manueller Integration zu automatischer Discovery. Für Schweizer Startups, die APIs und Tools bauen, ist ARD die neue Sichtbarkeits-Infrastruktur — nicht optional, sondern notwendig, um in der Agent-Ökonomie gefunden zu werden.