Herzlich Willkommen zu den AI FIRST Insights!

Nach der ernüchternden Veröffentlichung von GPT-5 im August fieberte die KI-Welt auf Gemini 3 hin.

Und Google hat gleich doppelt geliefert.

Mit Gemini 3 kam das beste Large Language Model und mit Nano Banana Pro das beste Bild-Modell, das wir je gesehen haben. Damit zementiert Google meiner Meinung nach seine technische Vorherrschaft im GenAI-Space.

In dieser Ausgabe will ich nicht die Zahlen, Daten und Fakten recyclen, welche bereits ausreichend kursierten.

Du bekommst stattdessen einen Testbericht der Modelle in 5 Anwendungsfeldern von mir, die über die klassischen Text und Recherche Use Cases hinausgehen.

Los geht's!

Anwendungsfeld 1: Multimodales Verständnis

Multimodalität bezeichnet die Verarbeitung verschiedener Datentypen von KI-Modellen. Also Modelle, die Text, Bild, Video, Audio und Code verarbeiten können.

Die Gemini-Modelle sind nativ multimodal und können jeglichen Datentyp verarbeiten - teils noch ausbaufähig.

Als Beispiel habe ich Gemini ein Video aus der AI-First School gegeben und gebeten, den visuellen und gesprochenen Inhalt aus Perspektive eines Kursteilnehmers zu analysieren.

Das Video ging 14 Minuten und die Datei war 50mb groß:

Ergebnis

Die inhaltliche Analyse waren fast 100% korrekt, sowohl was die Folieninhalte als auch das gesprochene Wort betrifft:

Auf Nachfrage, ob es Fehler zwischen dem Gesagten und Gezeigten gäbe, halluzinierte Gemini eine Antwort basierend auf einer alten Studie, die wahrscheinlich in den Trainingsdaten stärker repräsentiert ist als die neuere Studie.

Weitere Insights

8 Wochen KI-Betriebssystem

Vor der Welle bleiben

Werte statt Regeln

Ein Blick durch das Teleskop in die Zukunft