Gemini Decision 1: Google beschleunigt multimodale KI-Entscheidungen
Googles Gemini Decision 1 bewertet bis zu 1.000 Fragen pro Anfrage über Text, Bild, Audio und Video. Was Geschwindigkeit, Kosten und Fehlergrenzen bedeuten.

Ein KI-Modell, das nicht erst lange Antworten schreibt
Ein normales Sprachmodell formuliert eine Antwort Token für Token. Für Aufgaben wie Dokumente sortieren, Risiken einstufen oder die passende Fachabteilung bestimmen ist das oft mehr, als gebraucht wird. Googles am 11. November vorgestellte Gemini Decisions API setzt deshalb auf ein anderes Ergebnis: fest definierte Optionen und dazugehörige Wahrscheinlichkeiten.
Das Modell `gemini-decision-1` verarbeitet laut Google Fragen nach Ja oder Nein, Auswahlfragen und abgestufte Bewertungen. Seine Stärke soll nicht in frei formulierter Beratung liegen, sondern in vielen begrenzten Entscheidungen über dieselben Eingangsdaten. Es ist damit eher ein Spezialwerkzeug in einer größeren Anwendung als ein Ersatz für einen vollständigen Assistenten.
1.000 Fragen und fünf Arten von Eingangsdaten
Ein Auftrag kann nach Googles Dokumentation bis zu 1.000 Fragen über einen gemeinsamen Input enthalten. Dieser kann Text, Bilder, Audiodateien, Videos und PDF-Dokumente kombinieren; Google nennt ein Kontextfenster von bis zu 256.000 Tokens. Jede Frage erhält eine Wahrscheinlichkeits- oder Bewertungsinformation, mit der eine Anwendung die nächste Aktion bestimmen kann.
Als Beispiel wäre ein eingereichter Schadensbericht denkbar: Das System könnte in einem Durchgang prüfen, ob ein Foto einen Schaden zeigt, welcher Kategorie die Meldung entspricht und ob menschliche Nachkontrolle erforderlich ist. Das wäre jedoch eine mögliche Anwendung – kein von AgentenCode selbst getestetes Versicherungsprodukt.
Was bei Tempo und Preis tatsächlich belegt ist
Google nennt 150 bis 250 Millisekunden End-to-End-Latenz und einen Preis von 0,10 US-Dollar pro Million Eingabe-Tokens ohne berechnete Ausgabe-Tokens. Die angegebenen besonders niedrigen Rechenzeiten beziehen sich auf kürzere, im Beitrag beschriebene Benchmark-Kontexte und lassen sich nicht ungeprüft auf den maximalen 256K-Input übertragen.
Auch der Vergleich mit Gemini 3.5 Flash-Lite – nach Anbieterangabe nahezu fünfmal günstiger in einem gemeinsamen Benchmark-Szenario – ist kein allgemeiner Wirtschaftlichkeitsbeweis. Netzwerkwege, Datenvorbereitung, Bildauflösung, Sicherheitsfilter und menschliche Prüfungen beeinflussen die tatsächlichen Kosten eines Unternehmensprozesses.
Warum das über Chatbots hinausgeht
Die praktische Bedeutung liegt in der unsichtbaren Infrastruktur: Eine Software kann viele kleine Entscheidungen treffen lassen, ohne jedes Mal einen langen Dialog zu führen. Google nennt Modellauswahl, Policy-Prüfungen, Tool-Routing und Bewertungsaufgaben als Einsatzgebiete. Das verbindet allgemeine multimodale KI mit klassischen Geschäftsprozessen.
Ein KI-Agent könnte etwa ein Dokument lesen, eine vorgeschaltete Entscheidung abfragen und erst danach ein aufwendigeres Modell oder eine menschliche Fachperson hinzuziehen. Das Modell entscheidet damit aber nicht von selbst, wer auf Daten zugreifen darf. Für sichere KI-Agenten bleiben getrennte Berechtigungen, Protokolle und überprüfbare Freigaben erforderlich.
Die Gefahr scheinbar präziser Wahrscheinlichkeiten
Ein Wert zwischen null und eins sieht objektiv aus. Er bleibt jedoch die Einschätzung eines Modells und kann bei ungewohnten Daten, verschobenen Kategorien oder mehrdeutigen Dokumenten falsch liegen. Besonders bei Kredit, Personal, Gesundheit und Sicherheit dürfen Modellwerte nicht als verbindliche Tatsachen oder unabhängige Zertifizierung verstanden werden.
Vor einem Einsatz sollten Verantwortliche eine echte Stichprobe aus ihren Daten prüfen, falsch positive und falsch negative Ergebnisse getrennt messen und Schwellen für menschliche Nachkontrolle festlegen. Das gilt auch dann, wenn Google seine Kalibrierung in eigenen Benchmarks als besonders gut bewertet.
AgentenCode-Einordnung: kleine Entscheidungen zuerst messen
Gemini Decision 1 ist eine interessante Neuerung, weil sie die Kosten kleiner KI-Entscheidungen von den Kosten langer Textgenerierung entkoppeln könnte. Entscheidend sind aber die Fehlerkosten je konkretem Arbeitsablauf, nicht nur die beworbene Millisekunden-Zahl. Unsere Empfehlung ist ein begrenzter Pilot mit klaren Klassen, Fehlerraten und einem sicheren Fallback.
Für Unternehmen ist die Frage weniger, ob eine KI schnell ein Kästchen ankreuzen kann, sondern ob das Ergebnis nachvollziehbar bleibt. Passend dazu erläutern wir A2UI als Oberfläche für KI-Agenten und die Grundlagen der Agentensicherheit.
Häufige Fragen
Kann Gemini Decision 1 echte Geschäftsentscheidungen alleine genehmigen?
Nein. Die API gibt Bewertungen und Wahrscheinlichkeiten zurück. Berechtigungen, verbindliche Entscheidungen und menschliche Kontrolle bleiben Aufgaben der nutzenden Anwendung.
Sind 1.000 Fragen in 150 Millisekunden garantiert?
Nein. Google nennt bis zu 1.000 Fragen pro Anfrage, während die veröffentlichten Latenzwerte aus bestimmten Testbedingungen stammen. Die konkrete Leistung hängt vom Input ab.
Ist Gemini Decision 1 ein frei herunterladbares Modell?
Google bietet den Dienst über die Gemini API und AI Studio an. Die Ankündigung ist keine Veröffentlichung frei verfügbarer Modellgewichte.
RECHERCHE & EINORDNUNG
Quellen zu diesem Artikel
Die folgenden Originalveröffentlichungen bilden die Grundlage dieser Analyse. Sie sind direkt nachprüfbar.
- Google DeepMind – Gemini Decisions API (11 November 2026)
- Google AI for Developers – Gemini API pricing and availability
Stand: 13. November 2026. Anbieterangaben werden kenntlich gemacht; diskutierte politische Ziele gelten nicht als beschlossene Maßnahmen.