Google Gemini 3.0: Wenn ein Chatbot zum Personal Trainer wird
- Tanja Schmitt
- vor 11 Stunden
- 3 Min. Lesezeit
Auf der einen Seite kennt Ihr Chatbot gefühlt das gesamte Wissen der Menschheitsgeschichte, auf der anderen Seite müssen Sie diesem jedes Mal haarklein erklären, was Sie eigentlich von ihm wollen, um zum gewünschten Ergebnis zu gelangen. Kommt Ihnen das irgendwie bekannt vor?
Laut Google ist das künftig ein Relikt der Vergangenheit. Der US-amerikanische Tech-Riese hat gerade die dritte Generation seines Multimodal-Modells Gemini veröffentlicht. Der Name: Gemini 3.0.
Wenn man Googles CEO Sundar Pichai Glauben schenkt, sei das der größte Sprung seit zwei Jahren. Das Besondere: Bei Gemini 3.0 geht es nicht um schnellere Rechenleistungen, sondern um eine KI, die richtig gut Kontext versteht. Oder wie Google es ausdrückt: Künstliche Intelligenz hat gelernt, nicht mehr nur Text zu lesen, sondern „den Raum zu lesen“ (reading the room).
Das Ganze hört sich zugegebenermaßen etwas hochtrabend an und viele dürften sofort viele Fragezeichen vor Augen haben. Doch was bedeutet das konkret? Zur Veranschaulichung jetzt drei Beispiele aus dem echten Leben, wie Gemini 3 den Alltag erleichtern kann.
1. Gemini als Personal Trainer (Video-Analyse)
Bisher konnten Sie einer KI Text geben oder ein statisches Bild. Gemini 3 versteht die Welt jetzt fließend in Video und Audio.
Beispiel: Sie spielen gerne Tennis, aber Ihre Rückhand lässt doch arg zu wünschen übrig. Früher haben Sie dann gegoogelt nach: „Tipps für eine bessere Rückhand“.
Jetzt laden Sie ein kurzes Video von Ihrem letzten Tennismatch hoch und fragen den Chatbot: „Was mache ich falsch?“ Gemini 3.0 analysiert Ihre Körperhaltung, erkennt etwaige Fehler in der Bewegung und erstellt anschließend einen Trainingsplan, um genau das zu korrigieren. Fast wie ein Coach, der neben Ihnen steht und sagt, was Sie zu tun haben.
2. Gemini als Familien-Archivar (Handschrift und Übersetzung)
Einige haben auf dem Dachboden sicherlich noch eine Kiste mit alten Briefen und Familienrezepten. Das Problem: Die Rezepte sind von Ihrer Urgroßmutter, dementsprechend handgeschrieben, womöglich in Sütterlinschrift und somit für viele schwer lesbar, oder vielleicht sogar in einer anderen Sprache verfasst. Was da steht? Keine Ahnung. Die Lösung des Rätsels wäre mit einem gewissen Aufwand verbunden.
Gemini verspricht hier einen einfachen Weg. Das Einzige, was Sie tun müssen: Das Rezept zu fotografieren. Das war’s. Gemini 3 entziffert nicht nur krakelige Handschriften, sondern übersetzt diese bei Bedarf ins Deutsche, rechnet obendrein noch alte Maßeinheiten (wie zum Beispiel „ein Quäntchen“) in Gramm um und erstellt daraus eine interaktive Einkaufsliste oder auf Wunsch ein schön formatiertes digitales Kochbuch für die ganze Familie.
3. Gemini als „Deep Thinker“ für komplexe Fragen
Manchmal gibt es Fragen, auf die es keine schnelle Antworten gibt. Google nennt sein neues Feature „Deep Think“, also tief nachdenken. Das bedeutet, dass sich Gemini bewusst eine Sekunde länger Zeit nimmt, um das Problem zu durchdenken, statt sofort mit einer schnellen Antwort vorzupreschen.
Beispiel: Sie wollen sich in eine für Sie hochkomplexe Materie einarbeiten, etwa Quantenphysik. Oder Sie wollen wissen wie genau eine Blockchain funktioniert. Sie haben aber gerade so gar keine Lust, sich 50 trockene Seiten eines PDFs einzuverleiben. Müssen Sie auch nicht.
Sie füttern Gemini 3 einfach mit den jeweiligen Dokumenten oder Video-Vorlesungen. Sie wollen aber nicht nur eine Zusammenfassung des Ganzen, Sie wollen mehr. Also sagen Sie: „Erstell mir ein Quiz mit Karteikarten, damit ich das bis morgen verstehe.“ Gemini 3.0 versteht Ihr Ziel (zu lernen) und baut Ihnen aktiv Lernhilfen, statt nur den Text auszuspucken.
Fazit
Bei Gemini 3.0 geht es weniger um Prompt-Engineering, sondern mehr ums Verstehen. Das bedeutet, dass sich Nutzer weniger anstrengen müssen, der Maschine zu erklären, was sie eigentlich wollen. Das KI-Modell versteht Nuancen und merkt, ob Sie sich gerade eine kurze, knackige Antwort wünschen oder eher eine tiefgehende Analyse.
Gut zu wissen: Gemini 3.0 ist schon bald in Nexus verfügbar!
Quellen:
Glossar
Multimodales Modell: Ein multimodales Modell ist ein KI-System, das darauf trainiert ist, Informationen aus verschiedenen Quellen und Formaten – sogenannten Modalitäten – gleichzeitig zu verstehen und zu verarbeiten. Zu diesen Modalitäten gehören typischerweise Text, Bilder, Audio, Videos oder auch Code.
Im Gegensatz zu einem Modell, das nur Text oder nur Bilder analysiert, kann ein multimodales Modell die Beziehungen zwischen den verschiedenen Datentypen erkennen. So kann es beispielsweise ein Bild analysieren (Bild-Modalität) und dazu eine passende Beschreibung in Textform (Text-Modalität) generieren oder Fragen zum Bildinhalt beantworten. Diese Fähigkeit ermöglicht eine menschenähnlichere und kontextreichere Interaktion mit KI-Systemen.
