Gemini

Gemini ist der Name einer Reihe von Computerprogrammen von Google, die Sprache verarbeiten können. Man tippt oder spricht eine Frage, das Programm antwortet in ganzen Sätzen. Solche Programme nennt man Sprachmodelle: Sie haben aus riesigen Mengen Text gelernt, welche Wörter üblicherweise aufeinander folgen. Gemini kann dabei nicht nur Text lesen, sondern auch Bilder, Tonaufnahmen und Videos verarbeiten. Entwickelt wird es von Google DeepMind, der Forschungsabteilung des Konzerns für künstliche Intelligenz. Der erste Gemini-Modelle wurden Ende 2023 vorgestellt, seither erscheinen regelmäßig neue Versionen.

Googles Antwort auf ChatGPT

Bis 2022 war Google im Bereich Suche praktisch konkurrenzlos. Dann veröffentlichte die Firma OpenAI den Chatbot ChatGPT, und plötzlich stellten Millionen Menschen ihre Fragen einem Chatprogramm statt einer Suchmaschine. Für Google war das eine ernste Bedrohung, denn der Konzern verdient den größten Teil seines Geldes mit Werbung neben Suchergebnissen. Gemini ist die direkte Antwort darauf.

Deshalb wird Gemini an der Börse aufmerksam verfolgt. Wenn Google eine neue Version vorstellt, geht es nicht nur um Technik, sondern um Marktanteile. Analysten vergleichen die Ergebnisse von Gemini regelmäßig mit denen von GPT von OpenAI und Claude von Anthropic. Diese Vergleiche laufen über standardisierte Testaufgaben, sogenannte Benchmarks, etwa Mathematikaufgaben oder Programmieraufgaben.

Wichtig ist auch die Reichweite. Google kann Gemini direkt in Produkte einbauen, die Milliarden Menschen ohnehin nutzen: Suche, Gmail, Android, YouTube. Kein Konkurrent hat diesen Vorteil in dieser Größe. Ob daraus tatsächlich Gewinn wird, ist offen, denn der Betrieb solcher Modelle kostet sehr viel Strom und Rechenleistung.

Von Anfang an für Bilder und Ton gebaut

Viele ältere KI-Systeme konnten nur Text. Wollten sie ein Bild verstehen, wurde ein zweites Programm vorgeschaltet, das das Bild in eine Textbeschreibung übersetzte. Gemini wurde von Beginn an mit Text, Bildern, Ton und Video gleichzeitig trainiert. Solche Systeme heißen multimodal. Praktisch bedeutet das: Man kann ein Foto seiner Hausaufgabe hochladen und direkt danach fragen.

Technisch beruht Gemini auf einer Architektur namens Transformer, die 2017 unter anderem von Google-Forschern entwickelt wurde. Das Modell zerlegt jede Eingabe in kleine Bausteine und berechnet, welche Bausteine füreinander wichtig sind. Danach sagt es Stück für Stück voraus, was als Nächstes kommen sollte. Beim Training werden Milliarden solcher Vorhersagen gemacht und jedes Mal leicht korrigiert.

Gemini gibt es in mehreren Größen, weil unterschiedliche Aufgaben unterschiedlich viel Rechenleistung brauchen. Kleine Varianten mit Namen wie Flash oder Nano sind schnell und günstig, teils laufen sie sogar direkt auf dem Handy. Große Varianten wie Pro oder Ultra sind stärker, aber langsamer und teurer. Ein Merkmal, mit dem Google besonders wirbt, ist das große Kontextfenster: Gemini kann sehr lange Texte auf einmal verarbeiten, in Spitzenversionen mehrere hundert Seiten.

Gemini im Alltag und in den Schlagzeilen

Am häufigsten begegnet man Gemini, ohne es zu merken. In der Google-Suche erscheinen oben oft zusammengefasste Antworten statt reiner Links; diese schreibt Gemini. In Gmail schlägt es Antworten vor, in Google Docs formuliert es Texte um. Auf vielen Android-Handys hat es den alten Google Assistant ersetzt. Daneben gibt es eine eigene App und die Webseite gemini.google.com.

In Wirtschaftsnachrichten taucht der Name meist in drei Zusammenhängen auf: bei neuen Versionen, bei Vergleichen mit OpenAI, und bei Pannen. 2024 sorgte Gemini für Kritik, weil die Bildgenerierung historisch falsche Darstellungen erzeugte und Google die Funktion vorübergehend abschaltete. Solche Fehler zeigen ein grundsätzliches Problem: Sprachmodelle erfinden manchmal überzeugend klingende Falschinformationen. Fachleute nennen das Halluzination.

Ein häufiger Irrtum ist übrigens, Gemini sei eine Suchmaschine. Das ist es nicht. Es durchsucht nicht das Internet, sondern erzeugt Text aus dem, was es gelernt hat, auch wenn es bei Bedarf Suchergebnisse hinzuziehen kann. Verwechslungsgefahr besteht außerdem mit der amerikanischen Kryptobörse Gemini der Winklevoss-Zwillinge, die mit Googles KI nichts zu tun hat.