Suchergebnisse für: „Gemini“

Eine Produktankündigung ohne nutzbares Produkt ist im Softwaregeschäft Marketing. Bei Google Gemini 4 Argon stimmt das nur halb. Der Konzern legt prüfbare Angaben vor, aber keinen Zugang für normale Nutzer. Wer das Modell gerade selbst ausprobieren will, findet nichts. Was Google veröffentlicht hat, sagt trotzdem mehr über die Branche als manche fertig ausgelieferte Version.

Grundlage ist ein Bericht von Ryan Whitwam für Ars Technica vom 30. September 2026. Er beschreibt eine Ankündigung, die sich anfühlt wie ein Datenblatt ohne Fahrzeugschlüssel. Ein Hersteller zeigt einen Prototypen auf einem abgeriegelten Testgelände, nennt Leistung, Verbrauch und Preis, lässt aber niemanden hinters Lenkrad. Zahlen lesen, Zahlen vergleichen – losfahren geht nicht. Interessant ist, was in der Zwischenzeit auf dem Gelände passiert.

Was Google mit Gemini 4 Argon angekündigt hat

Google zufolge führt das Modell in Programmierung, Wissensarbeit und Cybersicherheit. In diesen drei Feldern entscheidet sich, ob ein KI-Modell im professionellen Einsatz sein Geld wert ist. Spannender als die Behauptung ist die Frage, wer es schon benutzt. Laut Google arbeiten eigene Ingenieure umfangreich damit, der Rest der Welt wartet. Der Konzern ist damit Kunde und Anbieter seines eigenen Produkts.

Zwei Beispiele zeigen den praktischen Nutzen. Gemini 4 Argon soll über unternehmensweite Telemetriedaten geholfen haben, rund 300 TiB Speicher in den Rechenzentren einzusparen. Außerdem sollen Agenten des Modells C- und C++-Codebasen nach Rust übertragen haben, darunter Tausende Zeilen in den Kernbibliotheken re2 und libgav1 sowie mehr als 800.000 Zeilen im Zircon-Kernel von Fuchsia. Wer schon einmal eine gewachsene Codebasis von einer Sprache in eine andere überführt hat, weiß, was das bedeutet. Hier zeigt sich, wofür Google Gemini 4 Argon intern tatsächlich einsetzt: als Werkzeug in der eigenen Infrastruktur, nicht als Demo.

Von Gemini 3.5 Pro zu den Flash-Modellen

Der Vergleich zu Gemini 3.5 Pro liegt nahe. Google hatte Gemini 3.5 Pro für Juni in Aussicht gestellt, doch der Sommer verging mit kleineren Flash-Modellen statt mit dem angekündigten Sprung an die Spitze. Für Beobachter sah das nach Verzögerung aus, vielleicht nach einem Strategiewechsel. Der Autor von Ars Technica schreibt trocken, Google sei nun bereit, es erneut an der Frontier zu versuchen.

Der Vergleich Gemini 4 Argon vs Gemini 3.5 Pro bleibt schwierig, weil das eine Modell nie in der angekündigten Form erschienen ist. Wer ein Produkt mit einem Versprechen vergleicht, vergleicht Versprechen. Es bleibt ein Muster: Große Modelle werden angekündigt, kleinere erscheinen, dazwischen liegt eine Zeitspanne, die niemand offiziell erklärt. Für Unternehmensplanungen ist das der unangenehmste Teil, weil er sich nicht kalkulieren lässt.

Die Benchmarkzahlen und die Million Ausgabe-Tokens

Google liefert Zahlen mit. Auf dem Software-Benchmark DeepSWE v1.1 erreicht Gemini 4 Argon laut eigenen Angaben 77,9 Prozent und liegt damit über GPT-6 Astra, Fable 5.1 und Opus 5.5. Beim wirtschaftsanalytischen Vals Index nennt Google ebenfalls einen Spitzenwert. Solche Tabellen sind mit Vorsicht zu lesen, weil der Anbieter Testaufbau und Aufgaben selbst bestimmt. Aussagekräftig sind sie trotzdem: Sie setzen eine Messlatte, an der sich Wettbewerber messen lassen müssen.

Greifbarer als Ranglisten ist eine technische Zahl. Das Ausgabelimit steigt auf eine Million Tokens, nach 64.000 Tokens in früheren Google-Gemini-Modellen. Das ist mehr als eine Verfünfzehnfachung und verändert die Aufgaben, die in einem Durchgang erledigt werden können. Statt kleiner Häppchen lässt sich ein kompletter Vorgang am Stück verarbeiten. Google zufolge werden so umfangreichere Arbeiten ohne Zwischenschritte möglich.

Auch beim Preis gibt es Angaben, obwohl das Modell noch nicht frei verfügbar ist. Für eine begrenzte Zeit nennt Google zwei Dollar pro Million Eingabe-Tokens und zehn Dollar pro Million Ausgabe-Tokens. Zwischengespeicherte Eingaben sollen mit 95 Prozent Rabatt berechnet werden. Ein Preis für etwas, das man nicht kaufen kann, klingt paradox. Er ist ein Signal an Unternehmen, die Budgets planen und eine Größenordnung brauchen, bevor sie eine Zusage machen.

Cyberabwehr, Wiz und das Fairwind-Programm

Der Schwerpunkt der ersten Phase liegt nicht auf Chat oder Textproduktion, sondern auf Cyberverteidigung. Google begründet den stufenweisen Start mit der Größe des Modells. Zunächst bekommt nur eine kleine Gruppe vertrauenswürdiger Tester Zugang. Partner im sogenannten Fairwind-Programm können die Abwehrfähigkeiten nutzen, bevor die Allgemeinheit überhaupt an eine Schnittstelle kommt.

Als Beleg nennt Google das Sicherheitsunternehmen Wiz. Wiz soll Gemini 4 Argon bereits einsetzen und damit eine kritische Schwachstelle gefunden haben, über die persönliche Daten in einem weltweit in Krankenhäusern genutzten System einsehbar gewesen wären. Google behauptet, andere Frontier-Modelle hätten die Lücke übersehen, nennt aber keine Details. Vorsicht ist hier angebracht: Eine Anekdote ersetzt keine unabhängige Prüfung, und ein Anbieter, der sein eigenes Modell lobt, ist kein neutraler Zeuge.

Trotzdem sagt die Reihenfolge etwas. Ein Modell, das zuerst an Sicherheitsteams geht und danach an Endkunden, ist ein anderes Produkt als ein Chatfenster für alle. Die Logik ist nachvollziehbar: Ein Werkzeug, das Schwachstellen findet, kann sie auch ausnutzen, wenn es in die falschen Hände gerät. Wer Zugriff bekommt, bekommt Macht. Google steuert diese Verteilung bewusst und nennt sie Phasenmodell.

Chain-of-Thought, Misalignment und die Unruhe nach dem Sommer

Über den Sommer gab es mehrere vielbeachtete Hacking-Vorfälle, seither ist die Sorge um fehlgeleitete Modelle lauter geworden. Misalignment beschreibt, wenn ein System nicht wegen eines Defekts das Falsche tut, sondern weil es ein Ziel auf eine Weise verfolgt, die niemand beabsichtigt hat. Google verweist dazu auf die Architektur von Gemini 4 Argon. Das Modell soll Systeme enthalten, die seinen Gedankengang überwachen und eingreifen, wenn es Grenzen überschreitet.

Der Konzern begründet das so: Transparenz im Schlussfolgern sei bei Frontier-Modellen nicht optional, sondern Voraussetzung. Bemerkenswert ist das, weil es den Blick auf etwas lenkt, das der Nutzer normalerweise nie sieht. Wer nur das Ergebnis liest, sieht die Zwischenschritte nicht. Überwacht werden soll genau diese Kette, nicht als Beweis für Ehrlichkeit, sondern als Notbremse. Ob das funktioniert, lässt sich von außen nicht beurteilen, solange niemand das Modell testen darf.

Was das konkret bedeutet

Für den deutschen Markt ist die Lage klar: Google Gemini 4 Argon ist noch nicht nutzbar, ein Termin für ein Release in Deutschland steht nicht fest. Google macht keine konkreten Zeitaussagen. Bekannt ist nur die Reihenfolge. Nach den Cybersicherheitstests beginnt die allgemeine Verfügbarkeit bei zahlenden API-Kunden und bei Abonnenten von Google AI Ultra. Wer wartet, sollte nicht auf einen Stichtag planen, sondern auf die Ankündigung einer Ankündigung.

Unternehmen sollten ihren Fahrplan nicht an einem Modellnamen festmachen. Plane Fähigkeiten, nicht Versionsnummern. Wenn ein Anbieter Ausgabelimits, Preise und Benchmarks veröffentlicht, ohne Zugang zu geben, ist das eine Einladung, die eigene Architektur darauf vorzubereiten – nicht, sie darauf zu bauen. Wer heute auf 64.000 Ausgabe-Tokens ausgelegt hat, sollte prüfen, was sich ändert, wenn eine Million möglich wird. Das betrifft Speicherbedarf, Kostenkontrolle und die Frage, wie viel Verantwortung ein einzelner Durchgang tragen darf.

Der Prototyp auf dem Testgelände bleibt das passende Bild. Google zeigt nicht das fertige Fahrzeug, sondern Messwerte und die Teststrecke. Die Strecke verrät am meisten: Speicher sparen, C++ nach Rust übertragen, Schwachstellen in Krankenhaussoftware finden. Das sind Aufgaben mit klarem wirtschaftlichem Wert, und sie erklären, warum der Konzern das Modell zuerst intern und bei Sicherheitspartnern einsetzt. Der Tag, an dem man selbst mit Google Gemini 4 Argon arbeitet, kommt danach. Bis dahin bleibt die spannendste Information, dass Google die Gedankengänge seines eigenen Modells überwachen will.

Quelle: arstechnica.com

Gemini 3.8 Live Extended Thinking erreicht 82,6 Punkte auf dem Speech-to-Speech-Quality-Index von Artificial Analysis und damit Platz eins. Google stellte die beiden neuen Sprachmodelle am 15. September 2026 vor, zwei Tage später folgte eine aktualisierte Fassung der Ankündigung. Beide gehören zur selben Modellfamilie, haben aber andere Aufgaben: Gemini 3.8 Live für skalierbare, günstige Dialoge, Gemini 3.8 Live Extended Thinking für komplexe Vorgänge mit mehrstufigem Schlussfolgern. Gebaut sind sie für Voice Agents, also für Anwendungen, in denen ein Sprachmodell ein Gespräch führt und nebenbei Aufgaben erledigt.

Man kennt das aus jeder Telefonkonferenz: Ein Gesprächspartner, der verstummt, weil er etwas nachschlagen muss, reißt den Faden ab. Wer weiterredet und dabei nachsieht, hält das Gespräch am Leben. Hier setzt das neue Modell an. Es soll denken und gleichzeitig sprechen, statt zwischen beiden Zuständen hin und her zu springen. Was daran neu ist, zeigen die Zahlen und die Mechanik.

Zwei Varianten, zwei Aufgaben

Google positioniert die beiden Varianten nicht als Konkurrenten, sondern als Arbeitsteilung. Gemini 3.8 Live ist auf Skalierung und niedrige Kosten ausgelegt. Es verbindet flüssigen Dialog mit visueller Erdung, also dem Verarbeiten von Bildeindrücken während des Gesprächs. In der Speech Agent Arena reicht es für Platz zwei; Google verweist auf hohe Nutzerpräferenz bei niedrigen Kosten pro Stunde Eingabe-Audio. Wer viele Gespräche parallel führen muss und auf den Preis achtet, bekommt hier das Arbeitspferd.

Die Extended-Thinking-Variante ist für Aufgaben gedacht, die sich nicht in einem Satz beantworten lassen. Sie soll mehrstufige Abläufe zu Ende bringen, ohne den Dialogfluss zu unterbrechen. Mehr Rechenzeit als ein reiner Plauderton kostet das; Google nennt den Preis trotzdem wettbewerbsfähig. Die Entscheidungsregel ist einfach: Dialogqualität und Kosten hier, Durchhaltevermögen bei komplizierten Vorgängen dort.

Was die Benchmarks messen

Der Speech-to-Speech-Quality-Index von Artificial Analysis bewertet, wie natürlich ein gesprochenes Hin und Her wirkt. Hier liegt Extended Thinking mit 82,6 Punkten vorn. Die Werte zur Aufgabenerledigung kommen aus anderen Tests: 68,6 Prozent auf τ-Voice, 35,1 Prozent auf Sierra’s τ-Voice-banking, einem auf Bankabläufe zugeschnittenen Test. Beim Schlussfolgern über Audio sind es 97,7 Prozent bei Big Bench Audio. Diese Zahlen lassen sich nicht gegeneinander aufrechnen; sie messen drei verschiedene Fähigkeiten.

Auf ServiceNow’s EVA-Bench, wo Genauigkeit gegen Gesprächsqualität abgewogen wird, verschieben die Modelle laut Google die Pareto-Grenze für komplexe Arbeitsabläufe. Im Ankündigungstext steht, dass dieser Lauf über die Live API auf der Gemini Enterprise Agent Platform erfolgte. Das ist keine Nebensache: Es sagt, unter welchen Bedingungen die Ergebnisse zustande kamen. Wer mit Benchmark-Zahlen arbeitet, sollte mitlesen, auf welcher Infrastruktur und mit welcher Testmethodik sie erhoben wurden.

Denken und Sprechen gleichzeitig

Interessanter als die Punktezahl ist die Architektur. Extended Thinking soll gleichzeitig schlussfolgern und sprechen, statt erst eine Gedankenkette abzuschließen und dann eine Antwort zu verlesen. Während die Arbeit läuft, gibt das Modell frühe Signale wie „Let me check that…“ und begleitet mehrstufige Hintergrundaufgaben mit einer laufenden Fortschrittserzählung. Als Nutzer hört sich das weniger wie eine Abfrage an, mehr wie ein Gespräch mit jemandem, der mitdenkt und das hörbar macht.

Technisch ist das der schwierigere Weg. Ein Sprachmodell, das sequenziell arbeitet, hat eine einfache Kostenstruktur, aber eine hörbare Pause im Gespräch. Wer Reasoning-Schritte und Sprachausgabe überlappen lässt, muss entscheiden, wann eine Zwischenbemerkung ehrlich ist und wann sie nur Wartezeit überbrückt. Die frühen Signale sind der Kompromiss: eine Zusage ohne Ergebnis, die den Faden hält, bis der Befund vorliegt.

Werkzeuge im Hintergrund, 97 Sprachen, visuelle Erdung

Gemini 3.8 Live verarbeitet visuelle Eingaben fast in Echtzeit. Es erkennt während eines laufenden Dialogs 97 Sprachen und wechselt selbstständig zwischen ihnen, ohne dass jemand vorher eine Sprache auswählen muss. Werkzeug- und API-Aufrufe laufen im Hintergrund weiter, während das Gespräch läuft: Das Modell bestätigt eine Anfrage und redet weiter, bis die Aufgabe erledigt ist. Einzeln klingt nichts davon spektakulär. Zusammen entscheidet es, ob aus einer Sprachdemo ein brauchbarer Voice Agent wird.

Für solche Anwendungen zählt vor allem, wie Werkzeugaufruf und Dialog ineinandergreifen. Ein Assistent, der während eines API-Aufrufs stumm bleibt, wirkt defekt. Einer, der den Aufruf im Hintergrund abwickelt und weiterredet, wirkt beschäftigt. Das ist das Verhalten, das die Kosten pro Stunde Eingabe-Audio rechtfertigen soll: nicht die Zahl der gesprochenen Sätze, sondern die Zahl der nebenbei erledigten Aufgaben.

Das Ökosystem für Voice Agents

Über die Gemini Live API lässt sich die Technik in bestehende Entwicklungsplattformen einbinden. Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel und Vision Agents gehören laut Google zu den Anbietern, die sprachgesteuerte Schnittstellen ermöglichen, indem sie die Echtzeit-Medienübertragung im Hintergrund übernehmen. Für Entwickler heißt das: Das Streaming baut man nicht selbst, man baut die Nutzererfahrung. Und dort entscheidet sich meist, welches von zwei ansonsten gleich ausgestatteten Produkten gewinnt.

Auf Unternehmensseite nennt Google Zusammenarbeiten und Stimmen von Salesforce, Genspark und Lumeris sowie von 11Sight, Equal AI, Lenskart, Ambr AI und Casuu. Die Zitate kreisen um dieselben drei Eigenschaften: niedrige Latenz, flüssiger Gesprächsverlauf, zuverlässige Werkzeugaufrufe. Das überrascht nicht, denn in der Sprach-KI für Unternehmen entscheidet selten das spektakulärste Beispiel, sondern das Verhalten im hundertsten Gespräch am Tag. Wer Voice Agents mit Live API baut, kann diese Rückmeldungen als Prüfliste lesen.

Verfügbarkeit und das Wasserzeichen in der Tonspur

Der Rollout erfolgt ab sofort in mehreren Stufen. Entwickler finden Gemini 3.8 Live in der Gemini API und in Google AI Studio, Unternehmen in einer privaten Vorschau in Gemini Enterprise, Gemini Enterprise for Customer Experience ist in Aussicht; für alle erscheint es in Search Live. Extended Thinking kommt zusätzlich in Gemini Live, für Abonnenten von Google AI Pro und Ultra in Workspace in Docs, für alle Google-AI-Abonnenten außerdem in Gmail und Keep. Den schnellsten Zugang haben heute Entwickler.

Google markiert jedes erzeugte Audio mit SynthID, einem unhörbaren Muster in der Ausgabe. Es soll für Maschinen erkennbar bleiben und helfen, manipuliertes Material zu identifizieren. Für Unternehmen, die solche Stimmen im Kundenkontakt einsetzen, gehört das zur Compliance-Frage.

Was die Ankündigung verändert

82,6 Punkte sind eine Labormessung, keine Zusage für den eigenen Anwendungsfall. Deutlich wird trotzdem eine Verschiebung: Sprachassistenten, die früher zugehört und geantwortet haben, sollen jetzt während des Gesprächs arbeiten. Der Maßstab ist nicht mehr die beste einzelne Antwort, sondern ob ein Dialog über zehn Minuten trägt, ohne dass jemand auf eine Pause wartet.

Wer mehrsprachige Sprachmodelle für komplexe Aufgaben einsetzt, bekommt ein weiteres Werkzeug – und eine höhere Erwartung an die eigene Anwendung. Latenz, Mehrsprachigkeit und Werkzeugaufrufe sind damit Grundausstattung, nicht Bonus. Die Arbeit verschiebt sich in die Gestaltung des Gesprächs und in die Frage, was das System tun darf und was nicht.

Quelle: blog.google

Am 15. September 2026 hat Google mehrere Drittanbieter-Connectors für Gemini in Google Workspace freigeschaltet. Wer Gemini for Google Workspace nutzt, kann aus dem Gemini-Panel heraus direkt mit Asana, Atlassian Rovo, HubSpot, Intuit Mailchimp, Intuit QuickBooks, Monday und Salesforce arbeiten, ohne das jeweilige System in einem weiteren Tab zu öffnen oder Dateien hin und her zu schieben. Klingt nach einem weiteren Punkt auf der Feature-Liste. Entscheidend ist etwas anderes: Die meisten Gemini-Projekte scheitern nicht am Modell, sondern daran, dass die Daten in einem anderen System liegen als das Werkzeug, mit dem man sie abfragt.

Warum MCP wie ein einheitlicher Schlüssel funktioniert

Wer schon einmal Daten zwischen zwei Fachanwendungen übertragen hat, kennt das Muster: Jedes System hat sein eigenes Schloss, seinen eigenen Schlüssel und seine eigene Vorstellung davon, was ein Datensatz ist. Der Ausweg war lange der Export. Man lud eine CSV-Datei herunter, klebte sie in ein Sheet und arbeitete mit einer Kopie, die beim nächsten Öffnen schon veraltet war. Nicht der Export kostet, sondern die Kopie. Ab diesem Moment gibt es zwei Wahrheiten im Unternehmen.

Das Model Context Protocol, kurz MCP, setzt woanders an. Es beschreibt standardisiert, wie ein Sprachmodell Werkzeuge und Datenquellen anspricht: welche Abfragen möglich sind, welche Parameter erwartet werden, welche Antwortstruktur zurückkommt. Statt für jede Anwendung eine eigene Anbindung zu bauen, gibt es einen gemeinsamen Schlüsselbart, der in viele Schlösser passt. Gemini öffnet damit die Tür zum jeweiligen System, ohne dass die Daten es verlassen müssen. Für Anwender heißt das: Die Antwort kommt aus der Quelle, nicht aus einem Zwischenspeicher.

Wichtig sind die Berechtigungen. Ein Connector ist kein Generalschlüssel für alle Räume. Er ist eine Verbindung, die man ein- und ausschalten kann und die nur zeigt, wozu der Nutzer ohnehin Zugang hätte. Hier kommt die Admin-Konsole ins Spiel.

Was die sieben Connectors zusammenführen

Die Auswahl ist kein Zufall. Sie deckt die vier Bereiche ab, in denen Arbeitsalltag stattfindet: Projektarbeit, Vertrieb und Marketing, Finanzen, Wissensmanagement. Asana und Monday liefern Aufgaben, Projektstände und Zuständigkeiten. Atlassian Rovo bringt Jira und Confluence mit, wo technische Teams Tickets und Dokumentation pflegen. Salesforce und HubSpot steuern die Kundensicht bei, von Kontakten über Opportunities bis zu laufenden Deals.

Intuit QuickBooks trägt die Finanzperspektive bei: Rechnungen, Ausgaben, Buchhaltungsstände. Intuit Mailchimp ergänzt Kampagnendaten und Zielgruppen aus dem Marketing. Zusammen ergibt das eine Landkarte, wo vorher sieben einzelne Karten lagen.

Ein Beispiel zeigt den Unterschied deutlicher als jede Feature-Beschreibung. Eine Umsatzübersicht soll in einem Sheet entstehen. Bisher: Salesforce öffnen, Report bauen, exportieren, einfügen, Formatierung reparieren — und im Meeting feststellen, dass die Zahlen sich längst geändert haben. Mit einem aktiven Connector lässt sich die Frage direkt dort stellen, wo die Tabelle entsteht. Die Antwort kommt aus Salesforce, der Kontext bleibt in Docs, Sheets oder Chat. Der Nutzen liegt weniger in gesparten Klicks als darin, dass niemand mehr eine veraltete Kopie weiterreicht.

Wie Admins die Connectors steuern

Für Administratoren ist ein anderer Satz in Googles Ankündigung entscheidend: Die Funktion ist standardmäßig aktiv. Wer nichts tut, hat sie an. Das ist bequem, verschiebt aber die Verantwortung in die Konfiguration.

Gesteuert wird das in der Admin-Konsole unter Apps, Google Workspace, Gemini for Workspace, Third-Party Connectors. Dort lässt sich festlegen, welche Connectors für die Organisation verfügbar sind, und es lassen sich Zugriffsrichtlinien pflegen. Die Ebenen sind Domain, organisatorische Einheit (OU) oder Gruppe. Das bildet unterschiedliche Realitäten ab: Die Buchhaltung braucht QuickBooks, vertriebsnahe Rollen brauchen Salesforce und HubSpot, das Produktteam Asana und Rovo. Eine pauschale Freigabe für die ganze Domain wäre technisch einfach und organisatorisch falsch.

Wer konfiguriert, sollte außerdem klären, welche Systeme als Datenquelle gelten und wer für deren Inhalte verantwortlich ist. Ein Connector macht eine schlecht gepflegte Datenquelle nicht besser, nur schneller sichtbar. Die Dokumentation in Google Workspace Admin Help beschreibt die Verwaltung im Detail. Lesenswert vor der Freigabe, nicht danach. Die Standardeinstellung ist ein Angebot, keine Empfehlung.

Was Endnutzer im Gemini Side Panel sehen

Für Anwender ist von der Konfiguration nichts zu sehen. Sie sehen das Gemini-Panel, das sie kennen, erweitert um die Systeme, die ihr Admin freigegeben hat. Der Zugriff läuft über das Side Panel in Docs, Sheets und Slides sowie über Google Chat. In Sheets lässt sich Gemini nach Werten fragen, die aus einem angebundenen System stammen, während die Tabelle geöffnet bleibt.

In Chat entsteht eine Variante, die für viele Teams praxisnäher ist als jedes Dokument. Eine Frage im Kanal, eine Antwort aus dem verbundenen System — alle sehen denselben Stand. Die Information wandert nicht mehr zum Werkzeug; das Werkzeug holt sie dort, wo sie liegt.

Die Erwartungen sollten trotzdem realistisch bleiben. Ein Connector ist eine Schnittstelle, kein vollständiges Datenmodell. Nicht jede Frage, die sich in Salesforce stellen lässt, lässt sich aus dem Gemini-Panel beantworten. Die Anbindung deckt definierte Abfragen ab, nicht die komplette Oberfläche des Fremdsystems. Wer Reports mit komplexer Logik, Berechtigungskaskaden oder Custom-Objekten braucht, arbeitet weiter im Fachsystem. Der Gewinn liegt bei den häufigen, einfachen Fragen, die bisher jedes Mal einen Kontextwechsel erforderten.

Rollout, Editions und der 15. September 2026

Die Funktion ist ab sofort verfügbar, für Rapid-Release- und Scheduled-Release-Domains. Der Unterschied ist bekannt: Rapid-Release-Domains bekommen Neuerungen zuerst und können sie meist nicht aufschieben, Scheduled-Release-Domains nach einer Vorlaufzeit. Diesmal entfällt die Wartezeit, die Standardaktivierung greift in beiden Umgebungen zum selben Zeitpunkt.

Verfügbar ist die Funktion in mehreren Editionsgruppen. Im Business-Bereich: Business, Standard und Plus. Im Enterprise-Bereich: Enterprise, Standard und Plus. Dazu Enterprise Essentials Plus sowie die Education-Editionen Google AI Pro for Education, Teaching and Learning und Endpoint Education. Auf der Consumer-Seite sind Google AI Pro und Ultra dabei. Die Funktion bleibt also nicht auf große Vertriebsorganisationen beschränkt, sondern erreicht auch Bildungseinrichtungen und kleinere Unternehmen — sofern die jeweilige Edition Gemini for Google Workspace enthält.

Für Teams, die Gemini bisher nur für Textarbeit in Docs genutzt haben, wächst die Einsatzbreite. Für Teams, die Gemini gar nicht nutzen, ändert sich vor allem eine Einstellung in der Admin-Konsole, von der sie womöglich nichts wussten.

Was das im Alltag bedeutet

Die technische Anbindung ist der einfache Teil. Der schwierige Teil beginnt danach, und er ist organisatorisch. Sobald Gemini auf sieben externe Systeme zugreifen kann, ist die Frage nach Datenqualität und Berechtigungspflege nicht mehr nur Sache der Fachabteilungen. Sie berührt auch, welche Auskunft ein Sprachassistent im Zweifel gibt und wie nachvollziehbar das bleibt.

Sinnvoll ist ein Vorgehen in drei Schritten. Erstens: eine bewusste Entscheidung pro Connector statt stiller Übernahme der Standardeinstellung. Zweitens: eine Zuordnung, welche Rollen welchen Zugang brauchen, abgebildet über Gruppen oder organisatorische Einheiten. Drittens: eine kurze Prüfung der Datenquellen, die angebunden werden. Ein Connector verstärkt bestehende Unordnung, statt sie zu beheben.

Der Fortschritt liegt nicht darin, dass Gemini mehr Systeme kennt. Er liegt darin, dass der Wechsel zwischen Werkzeugen seine Selbstverständlichkeit verliert. Wer zehnmal am Tag zwischen Tabellen und CRM springt, hält das für Arbeit. Es ist Kontextwechsel, und der verschwindet gerade leise, ohne dass jemand eine neue Oberfläche lernen muss.

Quelle: workspaceupdates.googleblog.com

Man könnte meinen, die wirklich wichtigen KI-Modelle trügen einen Namen mit „Pro“ im Titel. Schließlich klingt das nach dem großen, schweren Schiff, das durch die KI-Welt pflügt. Was Google gerade zeigt, sieht allerdings anders aus: Statt eines neuen Flaggschiffs in der Pro-Reihe veröffentlicht das Unternehmen mit Gemini 3.8 Flash bereits das dritte Flash-Modell innerhalb von nur sechs Wochen. Die Pro-Reihe hingegen scheint seit Anfang 2026 auf der Stelle zu treten. Das verschiebt die Machtverhältnisse innerhalb der Gemini-Familie leise, aber spürbar.

Zwei Varianten, ein gemeinsamer Kern

Das neue Modell kommt nicht allein. Google stellt Gemini 3.8 Flash in zwei Spielarten vor. Die Standardvariante beschreibt das Unternehmen selbst als Arbeitstier, also als Modell für den täglichen Einsatz – von agentenbasierten Aufgaben bis zur Softwareentwicklung. Daneben existiert Gemini 3.8 Flash Cyber. Diese Variante teilt sich die technische Basis, wurde aber gezielt für das Aufspüren und Eindämmen von Sicherheitslücken optimiert. Wer mit klassischer Software arbeitet, bekommt also das eine Modell; wer in der Cybersicherheit zu Hause ist, das andere.

Für Entwicklerinnen und Entwickler hält Google zudem ein vertrautes Argument bereit. Wie schon beim Vorgänger 3.7 Flash gilt ein Einführungspreis bis Jahresende: 0,75 US-Dollar pro Million Eingabe-Tokens und 3,75 US-Dollar pro Million Ausgabe-Tokens. Danach steigen die Preise auf 1,50 bzw. 7,50 Dollar. Allerdings wirkt dieser Preissprung derzeit eher theoretisch, weil bis dahin vermutlich schon das nächste Flash-Modell bereitstehen wird.

Warum Google die Preise senkt

Dass Google überhaupt so günstig anbietet, hat einen einfachen Grund. Andere KI-Labore haben in jüngster Zeit ihre Token-Preise deutlich gesenkt, um Unternehmen bei der Stange zu halten, die angesichts schwankender Qualität und unklarer ROI-Rechnungen vorsichtig geworden sind. Google kann es sich schlicht nicht leisten, in dieser Preisschlacht zurückzufallen. Ein günstiges Modell allein reicht allerdings nicht, wenn die Leistung nicht stimmt.

Hier kommt der spannende Teil: Google liefert zu Gemini 3.8 Flash die üblichen Benchmark-Zahlen mit, und die sehen überraschend stark aus. In den meisten Tests liegt das neue Modell nur knapp über dem 3.7 Flash, aber bei Coding-Evaluierungen ist der Sprung deutlich größer. Auf dem DeepSWE-Leaderboard, das misst, wie gut ein Modell komplexe Softwareprobleme lösen kann, thront Gemini 3.8 Flash ganz oben – und das zu einem niedrigeren Preis als die Konkurrenz.

Die Pro-Lücke und ihre Folgen

Wer darauf gewartet hat, dass Google das seit Langem angekündigte Gemini 3.5 Pro veröffentlicht, wartet bis heute. Berichten zufolge hat Google den Release des Pro-Modells verschoben, weil dessen Coding-Leistung nicht mit anderen Anbietern mithalten konnte. Wenn die veröffentlichten Zahlen für 3.8 Flash die Realität abbilden, wäre das eine bemerkenswerte Wendung: Dann müsste Google zugeben, dass die kleineren Flash-Modelle inzwischen mit den Spitzenreitern konkurrieren – nur eben unter einem anderen Namen.

Stellen wir uns das einmal bildlich vor. Wir bauen ein Haus. Eigentlich sollte das große Pro-Modell das Fundament gießen, doch der Bau stockt. Also stellt das Team stattdessen modulare Fertigteile her – die Flash-Reihe. Jedes Teil ist einzeln nützlich, lässt sich schnell austauschen und kostet weniger. Irgendwann fragt man sich, ob das Fundament überhaupt noch gebraucht wird, wenn die Module das Haus allein tragen.

Computersteuerung bleibt eine Baustelle

Eine Disziplin, in der Google traditionell hinterherhinkt, ist die agentenbasierte Computersteuerung. Darunter fällt die Fähigkeit eines Modells, eigenständig mit einer grafischen Benutzeroberfläche zu interagieren – also Programme zu öffnen, Formulare auszufüllen oder durch Menüs zu navigieren. Im OSWorld-2.0-Test, der genau das prüft, schlägt sich Gemini 3.8 Flash zwar besser als sein Vorgänger, liegt aber deutlich hinter dem Marktführer Claude Opus. GPT schneidet in diesem Bereich ebenfalls nicht überragend ab, was zeigt, dass es sich um eine branchenweite Herausforderung handelt und nicht um ein Google-spezifisches Problem.

Trotz dieser Schwäche bleibt der Gesamteindruck solide. Wer ein vielseitiges Modell sucht, das in den meisten Benchmarks mithält, ohne das Budget zu sprengen, landet bei Flash. Wer hingegen komplexe, lang laufende Agenten mit Computersteuerung bauen will, schaut weiterhin zur Konkurrenz.

Die Cyber-Variante als Nischenmodell

Gemini 3.8 Flash Cyber ersetzt die ältere 3.5-Version und richtet sich an einen sehr speziellen Kreis. Die meisten Anwenderinnen und Anwender werden dieses Modell nie direkt nutzen, doch für Cybersicherheitsteams spielt es eine wachsende Rolle. Google berichtet von erheblichen Verbesserungen gegenüber früheren Generationen: Das Modell habe in internen Tests mehr Schwachstellen identifiziert und häufiger funktionierende Patches vorgeschlagen.

Konkret nennt das Unternehmen Zahlen, die sich sehen lassen können. Das Chrome-Sicherheitsteam will mit dem neuen Modell eine 2,6-fach höhere Patch-Genauigkeit erreicht haben. Das Cloud-Team gibt an, dass 3.8 Flash Cyber eine kritische Sicherheitslücke in nur zwei Stunden aufgespürt habe. Zusätzlich gibt es Stimmen von Partnern wie Wiz und Palo Alto Networks, die die Leistungsfähigkeit des Modells bestätigen. Solche Erfahrungsberichte sind wertvoll, weil sie zeigen, dass die Verbesserungen nicht nur auf Papier existieren.

Die Verfügbarkeit ist allerdings eingeschränkt. Während das Standardmodell ab sofort im gesamten Google-Ökosystem ausgerollt wird, bleibt Cyber vorerst vertrauenswürdigen Testern und staatlichen Stellen vorbehalten. Das ist nachvollziehbar: Ein KI-Modell, das aktiv nach Sicherheitslücken sucht, darf nicht in falsche Hände geraten.

Was die Flash-Strategie über Googles KI-Kurs verrät

Die Beobachtung, dass Google innerhalb weniger Wochen drei Flash-Modelle veröffentlicht, während die Pro-Reihe schweigt, wirft eine strategische Frage auf. Offenbar hat das Unternehmen erkannt, dass der Markt für schnelle, günstige und vielseitige Modelle gerade das ist, was Unternehmen aktuell kaufen wollen. Riesige Flaggschiff-Modelle sind teuer, langsam in der Iteration und für die meisten Anwendungsfälle überdimensioniert.

Google passt sein Tempo also an die Nachfrage an. Statt einmal im Jahr ein Mega-Update zu liefern, gibt es nun alle paar Wochen ein kleineres, gezielteres Modell. Das ist keine Revolution, sondern eine kluge Anpassung an die Dynamik des Marktes. Allerdings hat das auch einen Haken: Wenn die Pro-Reihe dauerhaft pausiert, verlieren Entwicklerinnen und Entwickler eine wichtige Referenz für Spitzenleistung.

Gleichzeitig zeigt die Benchmark-Tabelle, dass die Flash-Modelle in einigen Bereichen ohnehin schon an der Spitze mitschwimmen. Vielleicht ist das die eigentliche Nachricht hinter dem schnellen Release-Rhythmus: Google testet, ob die Grenze zwischen Pro und Flash überhaupt noch jemanden interessiert.

Was das für Anwenderinnen und Anwender bedeutet

Wer Gemini 3.8 Flash ausprobieren möchte, hat mehrere Wege. In der Gemini-App selbst steht das Modell nur mit einem Pro- oder Ultra-Abo zur Verfügung. Wer ohne Abo testen will, kann das AI Studio nutzen, das kostenlosen Zugang zu den Modellen bietet. Für den professionellen Einsatz bleibt die API der Standardweg, mit den genannten Einführungspreisen.

In der Praxis heißt das: Wer ein preiswertes Modell für Prototyping, kleinere Automatisierungen oder Coding-Aufgaben sucht, bekommt mit 3.8 Flash derzeit eines der stärksten Angebote auf dem Markt. Wer hingegen spezialisierte Anforderungen hat – etwa Computersteuerung oder besonders tiefes Reasoning – sollte die eigenen Tests machen und nicht nur den Marketing-Zahlen vertrauen.

Die wichtigste Erkenntnis aus diesem Release ist weniger die einzelne Modellversion. Es ist die Einsicht, dass sich die Rangordnung der KI-Modelle gerade neu sortiert. Was vor zwei Jahren noch als „kleiner Bruder“ galt, ist heute oft der eigentliche Star. Google scheint das verstanden zu haben und liefert entsprechend – leise, schnell und ohne großes Tamtam.

Quelle: arstechnica.com

Google DeepMind hat Gemini Omni 1.1 Flash vorgestellt. Angekündigt haben es die Produktmanager Anish Nangia und Alisa Fortin im offiziellen Google-Blog – die folgenden Angaben stammen also vom Hersteller selbst. Die Erweiterung bringt Steuerungswerkzeuge in die generative Video-API: Szenenverlängerung, Interpolation zwischen Start- und Endbild, schnelle 360p-Entwürfe, Upscaling auf 4K. Die Werkzeuge stehen ab sofort über die Gemini API in Google AI Studio für Entwickler bereit.

Szenenverlängerung: Aus 10 Sekunden Kontext werden 40 Sekunden Film

Bisherige Videomodelle hatten kein gutes Langzeitgedächtnis. Für eine Fortsetzung bezogen sie sich nur auf die letzte Sekunde einer Szene. Das führte schnell zu visuellen Brüchen. Omni 1.1 Flash blickt weiter zurück: Das Modell analysiert bis zu zehn Sekunden vorherigen Kontext und führt die Handlung ohne Brüche fort. Du verlängerst dein Video in Zehn-Sekunden-Schritten, bis 40 Sekunden Gesamtlänge erreicht sind. Werbespots, Erklärvideos oder narrative Clips profitieren davon, weil sie eine zusammenhängende Handlung brauchen.

Die Szenenverlängerung ist kein Selbstzweck. Du kannst von einem bestehenden Video aus in neue Richtungen abzweigen, ohne neu zu generieren. Dabei verbessern sich laut Google die visuelle Konsistenz und das Einhalten der Geschichte. Hast du also eine Szene mit stimmiger Atmosphäre, baust du darauf auf. Das spart Zeit und bewahrt die künstlerische Identität.

Erstes und letztes Frame: Kontrolle über den Bewegungsablauf

Manchmal willst du keinen langen Kontext, sondern genaue Vorgaben. Die Interpolation zwischen erstem und letztem Frame macht das möglich. Du legst ein Start- und ein Endbild fest. Omni 1.1 Flash generiert die Bewegungen dazwischen. So entstehen komplexe Kamerafahrten, Zoomübergänge oder nahtlose Loops. Die Kontrolle liegt bei dir, nicht beim Zufall.

Ein Beispiel aus dem Ankündigungsbeitrag: Eine Nahaufnahme eines Schlagzeugers in beigem Anzug geht in eine Kamerafahrt über, die zu einem Saxophonisten und einer Tänzerin schwenkt – alles in einem einzigen, unterbrechungsfreien Shot. Ein zweites Beispiel zeigt, wie sich damit nahtlose Loops bauen lassen: Die Kamera zoomt in einen Fernsehbildschirm hinein, auf dem dieselbe Frau in derselben Szene wie am Anfang zu sehen ist. Du beschreibst die Bewegung im Prompt, das Modell füllt den Weg zwischen den beiden Keyframes. Bisher brauchte es für solche Einstellungen aufwendiges Compositing.

360p-Previews: Schnelle Entwürfe für kreative Iterationen

Wer viel mit generativen Videos arbeitet, kennt das Problem: Jede Idee muss erst gerendert werden, und das dauert. Omni 1.1 Flash hat dafür einen Prototyping-Modus. Entwürfe in 360p werden laut Google bis zu 60 Prozent schneller berechnet als die Standard-Clips in 720p – gemessen am Systemdurchsatz, wie eine Fußnote im Beitrag präzisiert. Die Kosten sinken nach Herstellerangabe auf etwa ein Drittel. Du kannst also mehrere Versionen einer Szene ausprobieren, ohne dass das Budget leidet.

Der 360p-Preview ist ein kreatives Werkzeug, kein Qualitätsverlust. Du siehst schnell, ob die Kamerabewegung funktioniert, ob die Motivwahl stimmt und ob der Erzählfluss passt. Erst wenn alle Elemente sitzen, lässt du in hoher Auflösung rendern. Das entspricht dem Storyboard oder Animatic im klassischen Workflow. Google nennt als Einsatzfelder ausdrücklich schnelles Prototyping, Storyboard-Iteration und zügiges Rendern in Entwicklerplattformen.

4K-Upscaling: Generative Videos im Profi-Format

Omni 1.1 Flash skaliert generative Videos auf 1080p oder sogar 4K hoch. Für Werbung, Filmvorproduktion oder redaktionelle Inhalte ist das wichtig: Dort genügt eine kleine Vorschau nicht. Das Endprodukt muss auf modernen Bildschirmen und in digitalen Ausspielkanälen bestehen.

Die Beispiele im Ankündigungsbeitrag reichen von einem Streifenhörnchen, das aus dem Wald huscht und schnuppernd innehält, bis zu goldorangen Ahornblättern, die im Gegenlicht einer Herbstbrise wippen. Google beschreibt die hochskalierten Ausgaben als poliert und bereit für die professionelle Produktion. Du kannst also in der Entwurfsphase mit 360p arbeiten und am Ende auf 4K hochskalieren, ohne den Prompt neu zu durchlaufen. Der Workflow bleibt effizient, das Ergebnis zielt auf Ausspielformate, die im Profi-Umfeld verlangt werden.

Video-Referenzen im multimodalen Input: Konsistenz bleibt erhalten

Neu ist auch der multimodale Input. Du kannst Omni 1.1 Flash neben Text bis zu drei Sekunden Video als Referenz mitgeben. Die API nutzt das, um Figuren, Bewegungsmuster oder die räumliche Situation beizubehalten. Das erweitert die Charakteranimation: Du kombinierst einen Tanzstil aus einem Clip und ein Outfit aus einem Bild und führst beides in einer neuen Szene zusammen. Die kreativen Möglichkeiten wachsen.

Im Ankündigungsbeitrag werden drei Tänzer aus verschiedenen Videos durch einen Hund, einen Oktopus und einen Bären ersetzt – ihre individuellen Tanzschritte bleiben erhalten, vom klassischen Tanz über Hip-Hop bis zum Breakdance. Dafür kombiniert das Modell Video-Referenzen, Bilder und ausformulierte Prompts. Für Entwickler ist Omni 1.1 Flash damit mehr als ein Text-to-Video-Modell. Es wird Teil eines größeren kreativen Systems. Die Grenze zwischen Idee, Storyboard und fertiger Animation verschwimmt.

Was Omni 1.1 Flash für deine Projekte bedeutet

Die neue Version ist kein einfaches Update, sondern ein Schritt Richtung professioneller Kontrolle. Google DeepMind ordnet sie selbst so ein: Während Gemini Omni das Schlussfolgern über die reale Welt in die generative Erstellung gebracht habe, mache Omni 1.1 das Modell nun produktionsreif für den professionellen Einsatz. Die Ankündigung richtet sich ausdrücklich an Entwickler, die generative Video-Workflows, Kreativwerkzeuge oder Medienbearbeitungssoftware bauen. Mit Omni 1.1 Flash bekommst du Werkzeuge, die sich wie eine Schnittspur anfühlen: Du verlängerst, interpolierst, erstellst Previews und skalierst auf, bis das Ergebnis passt.

Bei der Verfügbarkeit fährt Google mehrgleisig. Entwickler probieren Omni 1.1 direkt in Google AI Studio aus; Unternehmen binden das Modell über die Agent Platform API der Gemini Enterprise Agent Platform an – dort setzen es erste Kunden laut Google bereits in produktiven Umgebungen ein. Begleitend gibt es offizielle Dokumentation, ein Cookbook und Prompting-Leitfäden, die zeigen, wie sich Szenenverlängerung, Video-Referenzen und Upscaling in eigene Anwendungen integrieren lassen. Auch außerhalb der API ist die Version angekommen: In Google Flow steht Omni 1.1 allen Abonnenten von Google AI Plus, Pro und Ultra weltweit zur Verfügung, und in der Gemini App können dieselben Abo-Stufen die Szenenverlängerung nutzen.

Realistisch betrachtet bleibt es ein KI-Modell, das nach Wahrscheinlichkeiten arbeitet, nicht nach Regeln. Auch mit den neuen Kontrollen musst du iterieren, testen und auswählen. 40 Sekunden Länge, 4K-Auflösung und stabile Referenzen sind nützlich, ersetzen aber keine kreative Entscheidung. Wer generative Videos in den Workflow integriert, bekommt mit Omni 1.1 Flash mehr Kontrolle: Du kannst schneller scheitern, schneller lernen und schneller zu einem Ergebnis kommen, das deinen Ansprüchen genügt. Die Frage ist nicht mehr, ob die KI das kann, sondern wie du sie einsetzt.

Quelle: blog.google