Google hat eine Schnittstelle vorgestellt, die Bilder, Texte und andere Inhalte anhand vorgegebener Antworten einordnet. Die Gemini Decisions API soll Fragen wie „Welche Aktion passt?“ oder „Ist diese Bedingung erfüllt?“ beantworten und dafür Wahrscheinlichkeiten ausgeben. Grundlage ist das neue Modell Gemini Decision 1.
Der Unterschied zu einer gewöhnlichen Chat-Antwort liegt in der Aufgabe: Ein Sprachmodell formuliert normalerweise eine Antwort Stück für Stück. Bei Decisions legen Entwickler die möglichen Antworten vorher fest. Das Modell bewertet diese Optionen und gibt eine strukturierte Entscheidung zurück. Für Menschen, die eine Erklärung oder einen neuen Text brauchen, bleibt ein generatives Modell deshalb das passendere Werkzeug.
Ein Bild, mehrere Fragen
Als Beispiel beschreibt Google in seiner Ankündigung vom 11. November ein Foto einer verschütteten Flüssigkeit auf einer Arbeitsfläche. Eine Anwendung könnte gleichzeitig fragen, ob eine Pfütze zu sehen ist, welche Reinigung angemessen wäre und wie schwer der Vorfall wiegt. Die Schnittstelle verarbeitet denselben Inhalt für diese Fragen gemeinsam.
Neben Text und Bildern kann sie laut Google auch Audio, Video und PDF-Dateien aufnehmen. Verschiedene Eingaben lassen sich verbinden, etwa ein Foto mit einer kurzen Textnotiz. Pro Anfrage sind nach Herstellerangaben bis zu 1.000 unabhängige Fragen möglich; die gemeinsame Eingabe darf bis zu 256.000 Tokens umfassen. Tokens sind Verarbeitungseinheiten des Modells und entsprechen nicht einfach einer festen Zahl von Wörtern.
Drei Arten von Entscheidungen
Für Ja-Nein-Fragen schätzt das Modell, ob eine Bedingung zutrifft. Bei einer Auswahlfrage bewertet es zwischen zwei und 255 vorgegebenen Möglichkeiten. Eine dritte Variante ordnet den Inhalt anhand einer abgestuften Skala ein, deren Stufen die Entwickler festlegen. So kann dieselbe Anwendung eine Situation erkennen, eine mögliche Reaktion auswählen und deren Dringlichkeit einstufen.
Zu den Antworten liefert die API einen Konfidenzwert. Er soll anzeigen, wie sicher die Bewertung ausfällt. Ein Programm kann bei einem niedrigen Wert beispielsweise einen Menschen hinzuziehen oder einen anderen Prüfweg wählen. Ein hoher Wert ist jedoch kein Beweis, dass eine Entscheidung richtig ist: Ob die Einschätzung für einen konkreten Einsatz verlässlich genug ist, müssen Betreiber an passenden Fällen prüfen.
Die Vorgaben sind dabei entscheidend. Wenn keine passende Antwort zur Auswahl steht oder die Kriterien unklar sind, hilft auch eine schnell gelieferte Auswahl nicht über die Lücke hinweg. Für folgenreiche Entscheidungen braucht eine Anwendung deshalb Regeln, wie sie mit Unsicherheit und Fehlern umgeht.
Wofür Google die Technik vorsieht
Die Schnittstelle richtet sich an Entwickler, die eine Entscheidung in eine Anwendung einbauen möchten. Google nennt als Beispiele das Weiterleiten einer Anfrage an ein geeignetes Modell, das Bewerten von Inhalten und die Prüfung von Regeln. Im eigenen Produkt Gemini Notebook werde sie bereits eingesetzt, um Anfragen an unterschiedliche Modellstufen zu verteilen, erklärt das Unternehmen.
Google zufolge bewertet Decision 1 die Kandidaten in einem Rechendurchlauf, statt die Antwort Wort für Wort zu erzeugen. Das Unternehmen nennt eine gesamte Antwortzeit von 150 bis 250 Millisekunden unter den beschriebenen Testbedingungen. Diese Werte und die von Google veröffentlichten Benchmarkvergleiche sind Herstellerangaben; eine unabhängige Messung für beliebige Anwendungen folgt daraus nicht.
Für eine Million Eingabetokens nennt Google einen Preis von 0,10 US-Dollar; Ausgabetokens würden nicht berechnet. Die gemeinsame Eingabe werde pro Anfrage einmal berechnet, hinzu kämen die Tokens für Fragen und Kriterien. Google nennt außerdem ein kostenloses Kontingent zum Ausprobieren in AI Studio. Was eine konkrete Anwendung kostet, hängt unter anderem davon ab, wie umfangreich ihre Eingaben und Fragen sind.
Die neue API ersetzt damit nicht das Gespräch mit einer KI. Sie bietet einen anderen Baustein: Ein Programm definiert die möglichen Entscheidungen, und das Modell bewertet sie anhand der übergebenen Inhalte. Wie gut das im Alltag funktioniert, hängt von den gewählten Fragen, den Daten und der anschließenden Kontrolle ab.
Quellen
- Google: Gemini Decisions API: Fast, calibrated multimodal decisions, 11. November 2026.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
