• Autor: Ondřej Chabr
Die künstliche Intelligenz namens Google Gemini bietet uns bereits jetzt u. a. über Mobiltelefon wertvolle Informationen, die für eine breite Palette von Aufgaben genutzt werden können. Aber jetzt ist die Möglichkeit, mit Gemini zu interagieren, noch näher an die klassische zwischenmenschliche Kommunikation herangerückt. Das ist es, was die Gemini Live Funktion bietet. Worum handelt es sich, wo kann man die neue Funktion nutzen und wie kann sie uns helfen?
Gemini Live ist als Teil von Gemini Live Camera & Screen Sharing verfügbar, einer Funktion, die auf dem früheren Project Astra basiert. Sie kommuniziert mit den Nutzern in Echtzeit per Sprache, basierend auf dem, was sie durch die Kamera sieht oder was sie sieht, wenn Sie den Inhalt Ihres Bildschirms teilen.
Richten Sie Ihre Kamera auf Ihrem Mobiltefon zum Beispiel auf ein Objekt, und Sie können mit der KI in Echtzeit darüber sprechen. So können Sie zum Beispiel leicht herausfinden, wie viel ein Auto kostet und welche Parameter es hat, wenn es Ihnen auf der Straße aufgefallen ist. Oder kann Ihnen die KI verraten, um welches unbekannte Haushaltszubehör es sich handelt, wo man es kaufen kann und wie viel es kostet.
Die künstliche Intelligenz in Gemini Live kann Ihnen auch Informationen über andere Objekte oder Gegenstände geben, Sie bei der Wahl deiner Kleidung beraten oder dich über die Natur um Sie herum informieren.
Die Ratschläge der KI in Gemini Live werden auch bei der Lösung vieler Probleme, z. B. technischer Probleme, hilfreich sein. Benutzen Sie einfach Ihr Mobiltelefon, um auf das Problem hinzuweisen und Fragen zu stellen. Je nachdem, was die KI sieht, sollte Gemini Live in der Lage sein, zu reagieren und Anweisungen zu geben. Sie stützt sich dabei natürlich auf die verfügbaren Daten und Informationen auf verschiedenen Websites.
Sie können dann ein ähnliches Gespräch auf der Grundlage dessen führen, was auf Ihrem Telefonbildschirm angezeigt wird, z. B. wenn Sie ein Problem lösen müssen.
Wenn Sie keine Lust haben, verschiedene Handbücher durchzugehen, können Sie sie Gemini zur Verfügung stellen, indem Sie sie einfach im PDF-Format hochladen. Google Gemini Live kann Sie dann anhand der Informationen navigieren, die es beim schnellen Lesen der Datei erhält.
Bei der Kommunikation geht es auch um Video. Der Assistent erklärt, was auf dem Bild passiert, oder kann die Informationen ändern, wenn Sie die Eingaben ändern. Gemini Live kann Ihnen beispielsweise helfen, ein Video über die Zubereitung einer Mahlzeit für 2 Personen in ein Rezept für doppelt so viele Personen zu verwandeln.
Die Funktion Circle to Search kennen Sie bestimmt bereits, aber Gemini Live ist intuitiver, weil Sie die Ergebnisse diskutieren und zusätzliche Fragen stellen können. Und das alles in Ihrer Sprache, denn Gemini Live unterstützt bereits mehr als 45 Sprachen.
Wenn Sie zum Beispiel in einem fremden Land in einem Restaurant sitzen, ist es sehr einfach, sich in der Speisekarte zurechtzufinden und Empfehlungen zu erhalten, was Ihnen am besten gefallen könnte. Die Funktion kann aber auch einen Führer in einem Museum ersetzen. Das folgende Beispielsvideo ist aufschlussreich.
Wie wir bereits erwähnt haben, ist Gemini Live für Nutzer der kostenpflichtigen Version von Gemini Advanced verfügbar. Später wird diese Funktion auch mit Gemini Basic verfügbar sein, aber vorerst nur auf den Google Pixel 9 und Samsung Galaxy S25 Smartphones. Der Aufruf von Gemini Live ist einfach. Starten Sie den Assistenten einfach, indem Sie die Einschalttaste gedrückt halten und dann auf die 3 Punkte neben dem Mikrofonsymbol klicken.
Gemini Live ist ein weiterer spannender Schritt auf dem Gebiet der künstlichen Intelligenz und ihrer Integration in das tägliche Leben. Sie kann zu einem nützlichen Begleiter für die meisten von uns werden, denn diese Funktion ermöglicht es den Nutzern, mit der KI in Echtzeit zu interagieren und sie zu einer Vielzahl von Themen zu befragen. Ob es darum geht, Inspiration zu finden, Probleme zu lösen oder praktische Ratschläge zu erhalten.
Handys
• Autor: Peter Vnuk
Im März 2025 stellte Google eine neue Version seiner künstlichen Intelligenz Gemini 2.5 vor, die eine Reihe von Verbesserungen für ein besseres Verständnis von Sprache und visuellen Daten bietet. Die neue Version bietet eine verbesserte Fähigkeit zur Erkennung von Nuancen in der Sprache, eine schnellere Datenverarbeitung und erweiterte Funktionen zur Identifizierung von Objekten in Bildern. Infolgedessen wird die neue Version von AI von Google ein leistungsfähigeres Werkzeug für Anwendungen sein, die von Chatbots und Sprachassistenten bis zu industriellen Anwendungen und der Entwicklung von Webanwendungen reichen.
Im März 2025 stellte Google eine neue Version seiner KI Gemini 2.5 vor, die erhebliche Verbesserungen bei der Verarbeitung natürlicher Sprache und visueller Daten bringt. Die Aktualisierung konzentriert sich auf ein besseres Verständnis des Kontexts und eine genauere Identifizierung von Objekten in Bildern.
Gemini 2.5 ist besonders stolz auf seine verbesserte Fähigkeit, die Nuancen der natürlichen Sprache zu erkennen. Dadurch ist das Modell in der Lage, den Kontext und die Bedeutung von Wörtern auch in komplizierteren Texten besser zu verstehen. Die Neuheit ist als "Denkmodell" konzipiert, d. h. sie kann denken, bevor sie antwortet, was die Genauigkeit und Logik der Ausgabe verbessert. Dies ist besonders nützlich für Anwendungen, die eine tiefgreifende Sprachanalyse erfordern, wie z. B. Chatbot-Dienste oder automatische Dokumentenverarbeitung.
Zugleich wurde die Verarbeitungsgeschwindigkeit deutlich optimiert. Google konzentrierte sich auf die Verkürzung der Reaktionszeit des Modells, was für Echtzeitanwendungen wie Assistenten oder Bildüberwachungsanwendungen von entscheidender Bedeutung ist.
Eine bedeutende Veränderung ist die verbesserte Fähigkeit, visuelle Daten zu verarbeiten. Gemini 2.5 kann Objekte genauer identifizieren und arbeitet besser mit detaillierten Bildinformationen. Das Modell umfasst ein Kontextfenster von 1 Million Token, wobei eine Erweiterung auf 2 Millionen Token geplant ist, was eine effizientere Verarbeitung großer Datensätze ermöglicht. Diese Funktion ist bei Anwendungen mit visueller Analyse, wie z. B. der Gesichtserkennung oder der industriellen Prozessüberwachung, von großem Nutzen.
Google hat auch neue Algorithmen in das Modell integriert, um die Bildanalyse zu beschleunigen und die Leistung bei der Arbeit mit Videos oder großen Bilddatenbanken zu verbessern.
Gemini 2.5 bietet eine neue Schnittstelle für Entwickler, die eine einfachere Integration mit anderen Google-Diensten ermöglicht. Entwickler können fortschrittliche Tools verwenden, um direkt in ihren Anwendungen mit natürlicher Sprache und Bildern zu arbeiten. Verbesserte Dokumentation und Unterstützung machen es viel einfacher, neue Funktionen in verschiedenen Projekten zu implementieren.
Die Version 2.5 Pro Experimental ist das fortschrittlichste Modell für komplexe Aufgaben und führt die LMArena-Rangliste an, was ihre überragenden Argumentations- und Codierfähigkeiten zeigt. Es ist auch der Beweis dafür, dass Google mit seinen Behauptungen über den fortschrittlichen Charakter des Pro-Experimental-Modells nicht übertreibt.
Der Hersteller plant außerdem, die Nutzung von Gemini 2.5 innerhalb seiner Cloud-Plattform zu erweitern und damit eine robustere und leistungsfähigere Lösung für Unternehmen anzubieten, die große Datenmengen in Echtzeit verarbeiten müssen.
Dank der neuen Funktionen kann Gemini 2.5 beispielsweise bei der Erstellung interaktiver Sprachassistenten eingesetzt werden, bei denen der Schwerpunkt auf der Natürlichkeit des Gesprächs und der Fähigkeit liegt, auf Veränderungen im Kontext zu reagieren. Darüber hinaus kann das Modell in industriellen Anwendungen eingesetzt werden, bei denen es erforderlich ist, visuelle Daten schnell und genau zu analysieren.
Die neue Funktion verbessert auch die Codierungsfähigkeiten erheblich, insbesondere bei der Erstellung optisch ansprechender Webanwendungen und agentenbasierter Codierungsanwendungen, die beim SWE-Bench Verified Benchmark 63,8 % erreichten (Quelle: Google).
Das Modell Gemini 2.5 deutet darauf hin, dass das Unternehmen plant, die KI so zu entwickeln, dass sie so weit wie möglich auf die praktischen Bedürfnisse der Nutzer zugeschnitten ist, aber auch Unternehmen und Entwickler ansprechen will, um den gesamten KI-Markt abzudecken.
• Autor: Ondřej Chabr
Google hat die neue Generation der KI namens Gemini 2.0 vorgestellt, beginnend mit der Version Flash, deren Leistung mit der vorherigen Version 1.5 Pro vergleichbar ist. Diese Generation wird als „agentenbasierte“ KI bezeichnet, die in der Lage ist, vorgegebene Aufgaben zu erfüllen. Bestandteil dieser Version ist auch Project Astra – ein Assistent für praktische Aufgaben wie Gespräche oder die Nutzung von Werkzeugen.
Google stellt die nächste Generation seiner KI vor - Google Gemini 2.0. Die vorherige Generation wurde als 1.5 bezeichnet, während die neue 2.0 derzeit nur in einer „schwächeren“ Version namens 2.0 Flash herauskommt. Dennoch ist sie in etwa gleichwertig mit dem aktuellen Pro-Modell. Gemini 2.0 Flash ist ab sofort für Entwickler und Tester verfügbar.
Neu bei Google Gemini 2.0 ist zum Beispiel die native audiovisuelle Ausgabe in Form von Bildern und Musikdateien, deren Erweiterung bereits für das Jahr 2025 erwartet wird. Google bezeichnet die neue Generation als „agentenbasierte“ KI. Mit Agenten ist gemeint, dass das KI-System wie ein Roboter ist, der bestimmte Aufgaben ausführt.
Im Rahmen von Gemini 2.0 rückt der Project Astra Assistent in den Vordergrund. Er konzentriert sich auf rein praktische Aufgaben. Zum Beispiel kann er sich in mehreren Sprachen mit Akzentunterstützung unterhalten. Er kann auch Tools verwenden und auf Karten, die Suchmaschine und die visuelle Suche Google Lens zugreifen.
In der Praxis funktioniert es so, dass Sie Ihr Handy z. B. in einer Kunstausstellung auf ein Objekt richten und das Handy fragen, was es über dieses Objekt weiß. Das Smartphone antwortet dann. Ein Beispiel sehen Sie im Video oben.
Für eine reibungslosere und natürlichere Kommunikation hat Astra auch am Gedächtnis gearbeitet, wo es die letzten 10 Minuten eines Gesprächs im Kopf behalten kann. Neben der Gemini-App möchte Google Astra auch in Smart Glasses integrieren. Dort dürfte vor allem die visuelle Suche das größte Potenzial haben.
Ein weiterer Agent ist Project Mariner. Er erledigt komplexere Aufgaben und geht dabei schrittweise vor, indem er Google-Tools, insbesondere die Suchmaschine, verwendet. Die Entwickler wiederum werden an Jules interessiert sein. Er lässt sich direkt in den GitHub-Workflow integrieren. Unter der Aufsicht des Entwicklers hilft er dann bei der Lösung des Problems, plant den Prozess und führt ihn aus.
Überraschenderweise beschäftigt sich ein weiterer Agent mit Spielen. Er hilft bei der Navigation in spielbaren virtuellen Welten. Er gibt Ratschläge auf der Grundlage dessen, was er auf dem Bildschirm sieht.
• Autor: Peter Vnuk
Künstliche Intelligenz (KI) ist derzeit der größte Trend in der Technologiewelt, und wir werden ihr künftig viel häufiger begegnen, als wir es bisher gewohnt sind. Ihr generativer Zweig hat seinen großen Einzug in Geräte wie Mobiltelefone, Tablets, Computer oder tragbare Geräte begonnen – vor allem dank ChatGPT. Google bringt jedoch das Modell Gemini auf den Markt, das ChatGPT ernsthaft Konkurrenz machen könnte und über das derzeit viel gesprochen wird. Wodurch unterscheidet sich Gemini, und was kann es alles?
Das Jahr 2023 war das Jahr der generativen künstlichen Intelligenz (KI). Die breite Öffentlichkeit wurde vor allem durch den Chatbot ChatGPT von OpenAI, einem Unternehmen, an dem Elon Musk einst beteiligt war, auf die Branche aufmerksam. Die ausgeklügelten und nützlichen Antworten von ChatGPT waren ein Erfolg und es war nur eine Frage der Zeit, bis die Konkurrenz auf dieses neue und schnelle Pferd aufsprang.
Eines davon ist Bing AI, das in Copilot umbenannt wurde und Microsoft integriert es derzeit in Windows 11. Aber auch Google, das seinen LaMDA-basierten Bard-Chatbot in Gemini umbenannt und ihm einen neuen Kern gegeben hat, mischt die Karten neu.
Das Modell ist auf eine riesige Datenmenge trainiert und kann Fragen in Bereichen wie Wissenschaft, Literatur, aktuelle Ereignisse in der Welt, Politik und Geschichte beantworten. Der Zugang zu aktuellen Informationen aus dem Internet ist ein Vorteil von Gemini, den viele seiner Konkurrenten nicht haben. ChatGPT zum Beispiel beschränkt sich auf Informationen vor Januar 2022.
In der Praxis ist es wichtig, dass generative KI die Spielregeln ändert. In den Händen eines gewöhnlichen Menschen befindet sich ein leistungsfähiges Werkzeug, das zum Beispiel Falten auf der Stirn in einem Foto entfernen, ein stark störendes Element reduzieren oder eine Person, die nichts auf dem Foto zu suchen hat, optisch entfernen kann.
Die generative KI ist in der Lage, Veränderungen durch Training auf die Datenmenge zu maskieren, so dass Sie sich mit keinen "Photoshops" mehr beschäftigen müssen. Streichen Sie einfach mit dem Finger oder Touchpen über die Stelle. Das Telefon findet die meisten Dinge heraus, so dass es einfach und schnell ist und jeder es machen kann. Aber die Vorteile sind noch lange nicht vorbei.
Modelle wie Google Gemini bieten auch die Möglichkeit, ein kreatives Gespräch mit einem Chatbot zu führen. Es kann ein Gedicht oder einen Aufsatz auf der Grundlage Ihres Auftrags schreiben, Sie bei der Umstellung Ihrer Ernährung beraten, um Ihren Muskelaufbau oder Ihre Gewichtsabnahme zu verbessern, oder einfach mit Ihnen über jedes Thema auf einer praktisch menschlichen Ebene sprechen.
Google Gemini diskutiert mit Ihnen zum Beispiel in natürlicher Sprache über die politische Lage in Venezuela. Es erklärt, warum es nachts dunkel ist, übersetzt einen Artikel in einer Fremdsprache oder gibt Ratschläge, wie man sicher in Bitcoin investieren kann.
Google hat Gemini als multimodales Modell entwickelt, was bedeutet, dass sich seine Fähigkeiten nicht nur auf kreative oder andere Konversationen beschränken. Es kann seinen Nutzern auch bei der Softwareprogrammierung oder bei der Erstellung und Bearbeitung von Videos, Audioaufnahmen oder Bildern helfen. Im Moment ist das volle Potenzial noch nicht öffentlich zugänglich, es arbeitet noch mit Texten und Informationen, aber das wird sich in den nächsten Monaten wahrscheinlich ändern. Dennoch behauptet Google, dass Gemini in mehr als 50 getesteten Kompetenzbereichen auf dem Niveau menschlicher Experten liegt.
Derzeit bieten die Unternehmen, die hinter der KI stehen, wie z. B. Google Gemini, immer zwei Alternativen an. Bezahlte Chatbots sind immer viel ausgefeilter. Sie haben Zugang zu mehr Informationen, sind kreativer, haben weniger Beschränkungen bei der Anzahl der Antworten pro Monat und bieten eine Reihe weiterer Vorteile.
Es ist jedoch wichtig, darauf hinzuweisen, dass die kostenlose Version von Gemini, die für jedermann verfügbar ist, bereits eine Reihe von Funktionen bietet, die für viele Nutzer sicher ausreichend sind. Neben Unterhaltungen zu verschiedenen Themen kann die kostenlose Version auch die kreative Texterstellung oder Sprachübersetzung übernehmen. Zum Zeitpunkt der Erstellung dieses Artikels ist nur die kostenlose Version verfügbar, und Google betont, dass sich Gemini insgesamt in der Beta-Phase befindet und die Pro- (manchmal auch als Advanced bezeichnet) und Enterprise-Versionen nicht für die breite Öffentlichkeit verfügbar sind.
Die Nomenklatur der kostenpflichtigen Versionen von Gemini ist ein wenig chaotisch, und nichts ist sicher oder klar. Google wertet derzeit die Daten aus den Tests aus und eine Registrierung für die kostenpflichtige Beta ist nicht möglich. Wir kennen jedoch bereits ihre Vorteile und Preise. Die Pro-Variante soll die Vollversion von Gemini für etwa 50 EUR pro Monat mit einem Limit von 100.000 Antworten anbieten. Die kostenlose Version ist auf 500 Antworten pro Monat begrenzt.
Für den Unternehmensbereich gibt es auch eine Enterprise-Variante, die angeblich schnellere Antworten, Google-Support-Vorteile, eine viel höhere Anzahl von Antworten und einen zugewiesenen Konto-Betreuer bietet. Der Preis für ein solches Abonnement ist jedoch auf Anfrage und wird auf über 9.200 EUR pro Monat geschätzt, so dass es nur für eine begrenzte Anzahl von spezifischen Kunden interessant sein wird.
Google arbeitet auch an der Integration von Gemini in sein Portfolio von Anwendungen und Diensten wie Gmail und Maps. Eine KI, die Zugang zu E-Mail-Nachrichten und anderen personalisierten Informationen hat, wird also besser in der Lage sein, Privatpersonen und Unternehmen dabei zu helfen, beispielsweise ihre Ausgaben oder ihre Gesundheit zu optimieren.
Es ist klar, dass sich der Trend zur generativen KI im Jahr 2024 verstärken wird und die Technologie allmählich in Handys Einzug halten wird. Die ersten Vertreter sind Mitglieder der neuen Generation von Smartphones Galaxy S24 von Samsung und es ist bereits sicher, dass das neue iPhone 16 und iOS 18 voller neuer Funktionen sein werden, die KI mit sich bringt. Die künstliche Intelligenz Gemini von Google könnte die Karten jedoch ganz neu mischen.
Es muss gesagt werden, dass es sich hierbei nicht um einen Marketingtrick handelt. Künstliche Intelligenz kann die alltägliche Nutzung eines Mobiltelefons verbessern, indem sie zum Beispiel Objekte auf einem Foto erkennt und aussucht. Google hat mit seinem Gemini den Vorteil, dass das Betriebssystem Android in Milliarden von Smartphones überall auf der Welt läuft.
Wenn es beginnt, den älteren Google Assistant durch einen neuen mit Gemini-Kern zu ersetzen, werden Samsung mit seinem Galaxy AI oder Apple mit dem neuen und verbesserten Siri eine sehr starke Konkurrenz haben. Und dieser Prozess hat bereits begonnen, wenn auch offiziell nur in den Vereinigten Staaten. Bei uns ist es nur mit Anwendungen aus inoffiziellen Quellen möglich, Google Assistant durch Gemini zu ersetzen.
Offiziell ist die App nur auf Englisch, aber in Wirklichkeit unterstützt Gemini auch Deutsch und kann ohne Probleme in dieser Sprache kommunizieren. Damit hat es die Voraussetzungen, den Google Assistant vollständig zu ersetzen. Es ist nur eine Frage der Zeit.
