KI-Radar: Google Gemini

Die aktuelle Gemini-Generation von Google ist vor allem in zwei Punkten stark: ein sehr großes Kontextfenster und native Multimodalität (Text, Bild, Audio, teils Video in einem Modell). Beides zusammen — Lange-Kontext plus echte Multimodalität in einem Modell — ist in dieser Kombination selten und genau der Grund, warum Gemini für bestimmte Anwendungsfälle eine eigene Position behauptet.

Wo es passt

Das große Kontextfenster ist real nützlich: ganze Dokumentensammlungen oder Codebasen am Stück verarbeiten, ohne aufwendiges Chunking. Wer ohnehin in Google Workspace arbeitet, bekommt die Integration praktisch geschenkt — und für Agenten, die über mehrere Werkzeugaufrufe hinweg an einem gemeinsamen Kontext arbeiten, ist die Reichweite ein echter Vorteil gegenüber Modellen mit klassischem 128-K-Kontext. In der Praxis heißt das: weniger Engineering für Retrieval-Pipelines und mehr Vertrauen darauf, dass das Modell die relevanten Stellen tatsächlich vorliegen hat.

Kontextfenster und Architektur

Die Gemini-Reihe bewegt sich mittlerweile im Bereich von einer bis zwei Millionen Token — genug, um ein komplettes Projektarchiv oder ein ganzes Repository plus Build-Logs in einem Aufruf zu halten. Der Preis dafür ist Speicher: lange Kontexte blähen den KV-Cache auf, und der nutzbare Kontext korreliert direkt mit dem VRAM-Bedarf und der Latenz. Bei gehosteten Aufrufen spürt man das an langsamerem First-Token, beim Eigenbetrieb an Hardwarekosten. Multimodal heißt hier: ein von Grund auf gemeinsames Modell, keine nachträglich angeflanschte Bilderkennung — praktisch für Dokumenten-Workflows, in denen Text, Scans und Tabellen zusammengehören. Wer handgeschriebene Notizen, Rechnungsscans und E-Mails in einem gemeinsamen Verfahren verarbeiten will, spart sich mit nativer Multimodalität das Vorschalten einer separaten OCR- und Layout-Pipeline. Das spart in der Integrationsarbeit konkret Aufwand.

Lizenz: geschlossen, mit offenem Geschwister

Gemini selbst ist geschlossen und nur über die API erreichbar — keine Gewichte, kein Selbsthosting, keine Feinabstimmung auf eigene Daten. Google bedient die offene Seite parallel mit der Gemma-Linie, die quelloffen und damit auf eigener Hardware betreibbar ist, aber deutlich kleiner bleibt. Wer volle Kontrolle braucht, greift also nicht zu Gemini, sondern zu Gemma — oder zu einem der anderen offenen Modelle.

Der Vorbehalt

Wie bei den anderen US-Cloud-Modellen gilt: die Daten verlassen das Haus und die EU. Für den deutschsprachigen Mittelstand mit DSGVO-Anforderungen ist das der entscheidende Abwägungspunkt. Enterprise-Verträge und EU-Verarbeitungsstandorte mildern das Risiko, ändern aber nichts am grundsätzlichen Cloud-Charakter. Hinzu kommt die Plattformbindung: wer Geschäftsprozesse eng an Gemini und Workspace koppelt, baut eine Abhängigkeit auf, die später nur mit Aufwand wieder zu lösen ist. Ein Gateway mit offener Schnittstelle hält hier die Option offen, ohne auf die Stärken von Gemini verzichten zu müssen.

Unsere Sicht

Gemini ist ein starkes Werkzeug für multimodale und kontextlastige Aufgaben. Wir behandeln es wie jeden Cloud-Anbieter: nützlich für unkritische Workloads, über einen Gateway austauschbar — und kein Ersatz für eigene Modelle, wo Datenhoheit zählt. Wo Tempo und Multimodalität gefragt sind, hat es seinen Platz; wo sensible Daten ins Spiel kommen, bleibt die Antwort on-premise.