Google-KI-Modelle erklärt: Gemini, Veo, Nano Banana & mehr

Googles KI-Portfolio ist zu einer Buchstabensuppe mit einer Beilage aus Obst geworden.

Gemini übernimmt das Schreiben, Recherchieren, Programmieren und andere allgemeine Aufgaben. Veo generiert Videos. Nano Banana erstellt und bearbeitet Bilder mithilfe von Gemini, während Imagen weiterhin Googles spezialisierte Text-zu-Bild-Familie ist. Google bietet außerdem separate Modelle für Musik, Sprache, mobile Geräte und individuelle Anwendungen an.

Die Namen können leicht ineinander verschwimmen, aber die grundlegende Struktur ist einfach: Google verwendet für unterschiedliche Aufgaben verschiedene KI-Modellfamilien.

Gemini: Googles führende KI-Familie

Gemini ist Googles wichtigste Familie multimodaler KI-Modelle. Multimodale Modelle können mit verschiedenen Informationsarten arbeiten, darunter Text, Bilder, Audio, Video und Code.

Nutzer können Gemini über die Gemini-App, Google Workspace, die Google-Suche, Android, Google AI Studio und Googles KI-Produkte für Unternehmen nutzen.

Google bietet mehrere Gemini-Modelle an, die für unterschiedliche Workloads optimiert sind. Pro-Modelle legen im Allgemeinen den Schwerpunkt auf anspruchsvollere Aufgaben in den Bereichen Schlussfolgern und Programmieren, während Flash- und Flash-Lite-Modelle Geschwindigkeit, Effizienz und eine kostengünstigere Verarbeitung priorisieren. Gemini Nano ist für ausgewählte Funktionen direkt auf dem Gerät konzipiert.

Die genauen Modellnamen ändern sich, sobald Google neue Generationen veröffentlicht. Unternehmen sollten daher vor der Auswahl eines Modells für eine Anwendung Googles aktuellen Modellkatalog prüfen.

Am besten geeignet für: Schreiben, Recherche, Programmierung, Analysen, Agenten und multimodale Anwendungen.

Veo: KI-Videogenerierung

Veo ist die Familie generativer Videomodelle von Google DeepMind.

Damit lassen sich aus Textanweisungen und Referenzbildern Videos erstellen. Das Modell interpretiert Vorgaben zu Kamerabewegung, visuellem Stil, Beleuchtung, Szenerie und Handlung. Google positioniert Veo für Kreative, Filmemacher, Marketingteams und Entwickler, die Videowerkzeuge erstellen.

Unternehmen, die Veo in Betracht ziehen, sollten mehr als nur die visuelle Qualität bewerten. Auch Generierungskosten, Markenkonsistenz, Urheberrechtsfragen und Anforderungen an die Kennzeichnung synthetischer Medien können beeinflussen, wie das Modell eingesetzt werden kann.

Am besten geeignet für: Marketingclips, Storyboards, Konzeptvideos und kreative Prototypen.

Imagen: Googles spezialisierte Text-zu-Bild-Familie

Imagen ist Googles spezialisierte Familie von Text-zu-Bild-Modellen.

Damit lassen sich aus schriftlichen Beschreibungen Bilder erstellen. Das Modell unterstützt Aufgaben wie die Erstellung von Illustrationen, Werbekonzepten, Präsentationsgrafiken und Produktentwürfen.

Google hat die Imagen-4-Entwicklerendpunkte im Juni 2026 eingestellt und empfiehlt nun Gemini-basierte Bildmodelle für neue Entwicklerprojekte. Imagen führt Google jedoch weiterhin als Teil seines umfassenderen Portfolios spezialisierter KI-Modelle.

Bei den meisten neuen Implementierungen sollten Unternehmen zunächst Googles aktuelle Gemini-Bildoptionen vergleichen, bevor sie sich für ein Bildmodell entscheiden.

Am besten geeignet für: Text-zu-Bild-Generierung und das Verständnis der Entwicklung von Googles Bildmodell-Portfolio.

Nano Banana: Gemini-basierte Bilderstellung und -bearbeitung

Nano Banana ist Googles aktuelle Familie von auf Gemini basierenden Modellen zur Bildgenerierung und -bearbeitung.

Die Modelle nutzen Geminis Sprach- und multimodales Verständnis, um detaillierte Anweisungen zu befolgen, mit hochgeladenen Bildern zu arbeiten und Ergebnisse in einem fortlaufenden Dialog zu verfeinern. Nutzer können Nano Banana beispielsweise bitten, einen Hintergrund zu ersetzen, ein Objekt zu entfernen, Kleidung anzupassen, die Beleuchtung zu ändern oder eine Figur über mehrere Bilder hinweg konsistent zu halten.

Googles aktuelle Familie umfasst Nano Banana Pro, Nano Banana 2 und Nano Banana 2 Lite. Die Varianten unterscheiden sich bei Leistungsumfang, Geschwindigkeit und Kosten. Nano Banana Pro legt den Schwerpunkt auf Präzision und Kontrolle, während Nano Banana 2 und 2 Lite eine schnellere und effizientere Generierung priorisieren.

Imagen und Nano Banana gehören zu getrennten Modellfamilien. Imagen ist Googles spezialisierte Text-zu-Bild-Technologie, während Nano Banana auf Gemini basiert und den Schwerpunkt auf multimodale, dialogbasierte Bilderstellung und -bearbeitung legt.

Am besten geeignet für: Bilderstellung, Bildbearbeitung, iteratives Design, Social-Media-Grafiken und konsistente Figuren.

Gemma: Offene Modelle für Entwickler

Gemma ist Googles Familie offener Modelle für Entwickler und Forschende.

Im Gegensatz zu Gemini-Modellen, auf die Nutzer in der Regel über Google-Produkte oder Programmierschnittstellen zugreifen, können Gemma-Modelle heruntergeladen und an unterstützte Computerumgebungen angepasst werden. Das gibt Organisationen mehr Kontrolle über Bereitstellung und Anpassung.

Diese Flexibilität bringt jedoch auch zusätzlichen Aufwand mit sich. Teams müssen Infrastruktur, Sicherheit, Tests, Aktualisierungen und Schutzmaßnahmen für die Modelle selbst verwalten.

Am besten geeignet für: Individuelle Anwendungen, lokale Bereitstellungen, Forschung und Experimente von Entwicklern.

Lyria: KI-Musikgenerierung

Lyria ist die Familie von Musikgenerierungsmodellen von Google DeepMind.

Das aktuelle Spitzenmodell Lyria 3 kann bis zu drei Minuten lange Tracks in hoher Qualität erstellen. Nutzer können Genres, Instrumente, Gesangsstile, Liedtexte, Tempo und andere musikalische Details vorgeben. Das Modell kann auch ein hochgeladenes Bild als Inspiration für einen Track verwenden.

Google bietet außerdem Lyria RealTime an, das für die interaktive Musikgenerierung konzipiert ist und nicht für die Erstellung eines fertigen Tracks aus einer einzigen Eingabeaufforderung.

Am besten geeignet für: Musikexperimente, Soundtracks, Audiokonzepte und interaktives Komponieren.

Chirp: Spracherkennung und Transkription

Chirp ist Googles auf Sprache spezialisierte Modellfamilie.

Unternehmen können Chirp für Spracherkennung, Transkription, Untertitel, Sprachschnittstellen und die Analyse von Kundengesprächen einsetzen. In der Regel begegnet man dem Modell über Google-Cloud-Dienste und nicht als eigenständiger Anwendung für Endnutzer.

Die Leistung kann je nach Hintergrundgeräuschen, Akzenten, Fachvokabular, gleichzeitig sprechenden Personen und Aufnahmequalität variieren.

Am besten geeignet für: Transkription, Untertitel, Spracherkennung und Sprachanwendungen.

Gemini Nano: KI, die auf einem Gerät läuft

Gemini Nano ist dafür konzipiert, ausgewählte KI-Workloads direkt auf unterstützten Geräten auszuführen.

Die Verarbeitung auf dem Gerät kann die Latenz verringern, die Abhängigkeit von einer Internetverbindung reduzieren und Vorteile beim Datenschutz bieten, da bestimmte Informationen lokal verarbeitet werden können. Nano-Modelle sind kleiner als Googles wichtigste cloudbasierte Gemini-Modelle und eignen sich daher am besten für klar abgegrenzte Funktionen wie Zusammenfassungen, Antwortvorschläge, Transkriptionshilfe und andere mobile Features.

Die Verfügbarkeit hängt vom Gerät, Betriebssystem und der jeweiligen Funktion ab.

Am besten geeignet für: Mobile KI, Offline-Funktionen, Verarbeitung mit geringer Latenz und ausgewählte datenschutzsensible Aufgaben.

Google AI Studio und Gemini Enterprise sind Plattformen

Google AI Studio und Googles KI-Plattform für Unternehmen werden häufig zusammen mit den Modellen des Unternehmens erwähnt, sind aber keine eigenständigen Modelle. Mit ihnen können Entwickler Eingabeaufforderungen testen, unterstützte Modelle erkunden und erste Prototypen erstellen.

Gemini Enterprise Agent Platform ist die KI-Umgebung von Google Cloud für Unternehmen. Sie bietet Organisationen Werkzeuge für den Zugriff auf Modelle, die Erstellung von Agenten, die Verwaltung von Daten, die Leistungsbewertung und die Bereitstellung von KI-Anwendungen.

Google integriert die Dienste von Vertex AI nun in die Gemini Enterprise Agent Platform.

Ein einfacher Merksatz für den Unterschied lautet: Modelle erledigen die KI-Arbeit, während Plattformen die Werkzeuge für ihren Zugriff, ihre Verwaltung und ihre Bereitstellung bereitstellen.

Welches Google-KI-Modell sollten Sie verwenden?

Die richtige Wahl hängt von der Aufgabe ab:

• Verwenden Sie Gemini für Schreiben, Recherche, Programmierung, Schlussfolgerungen und Agenten.
• Verwenden Sie Veo für die Videogenerierung.
• Verwenden Sie Nano Banana für aktuelle Projekte zur Bilderstellung und -bearbeitung.
• Verwenden Sie Gemma wenn Kontrolle über die Bereitstellung und Anpassungsmöglichkeiten wichtig sind.
• Verwenden Sie Lyria für die Musikgenerierung.
• Verwenden Sie Chirp für Spracherkennung und Transkription.
• Verwenden Sie Gemini Nano für unterstützte Funktionen direkt auf dem Gerät.
• Verwenden Sie Google AI Studio zum Testen und Erstellen von Prototypen.
• Verwenden Sie Gemini Enterprise Agent Platform für die Entwicklung und Bereitstellung in Unternehmen.

Unternehmen sollten außerdem Kosten, Sicherheit, Verfügbarkeit, Daten-Governance, Ausgabequalität und Integrationsanforderungen vergleichen, bevor sie sich für ein Modell entscheiden.

Google wird seinem KI-Katalog weiterhin neue Namen hinzufügen. Am einfachsten lässt sich das Portfolio anhand der Aufgabe überblicken: Gemini ist die Familie für allgemeine Zwecke, während Modelle wie Veo, Imagen, Nano Banana, Lyria und Chirp auf bestimmte Arten von Medien und Informationen spezialisiert sind.

Anmerkung der Redaktion: Dieser Artikel erschien ursprünglich in unserer Schwesterpublikation TechRepublic.