Neue Werkzeuge mit Künstlicher Intelligenz (KI) verbinden Videoproduktion, Transkription, Recherche und Reiseplanung enger mit bereits verbreiteten Anwendungen. Das betrifft dich, wenn du Inhalte erstellst, umfangreiche Unterlagen auswertest oder eine Reise nicht mehr über mehrere Webseiten hinweg organisieren möchtest. Die jüngsten Ankündigungen zeigen zugleich, dass praktische Bedienung, tatsächliche Verfügbarkeit und Kosten nicht immer im gleichen Tempo vorankommen.
Vom Entwurf zum fertigen Medium
Google erweitert die KI-Videogenerierung mit Gemini Omni 1.1 Flash. Bei der Verlängerung einer Szene berücksichtigt das Modell laut Anbieter nun bis zu zehn Sekunden des vorhandenen Videos statt nur der letzten Sekunde. Dadurch sollen Figuren, Bewegungen und Bildstil über neue Abschnitte hinweg konsistenter bleiben. Szenen können in Schritten von zehn Sekunden auf insgesamt bis zu 40 Sekunden verlängert werden.
Zusätzlich lassen sich bis zu drei Sekunden externes Videomaterial als Stilreferenz verwenden. Start- und Endbilder können als sogenannte Keyframes dienen, also als festgelegte Bilder, zwischen denen das Modell eine Kamerabewegung erzeugt. Das ist etwa für ein kurzes Produktvideo nützlich, bei dem die Kamera kontrolliert von einer Gesamtansicht zu einem Detail wechseln soll. Die Angaben zu Gemini Omni 1.1 Flash stammen allerdings von Google und sind noch nicht unabhängig geprüft.
Für schnelle Entwürfe gibt es einen 360p-Modus, der laut Google bis zu 60 Prozent schneller arbeitet und ein Drittel der Kosten eines 720p-Videos verursacht. Pro Sekunde werden 0,03 US-Dollar bei 360p, 0,10 Dollar bei 720p, 0,15 Dollar bei 1080p und 0,30 Dollar bei 4K berechnet. Ein 40 Sekunden langer Entwurf kostet damit rechnerisch 1,20 Dollar, sofern ausschliesslich der angegebene Sekundenpreis anfällt. Die fertigen Videos können auf 1080p oder 4K hochskaliert, also nachträglich in eine höhere Auflösung übertragen werden.
Die Einordnung als generell günstigere Videogenerierung braucht dennoch eine Einschränkung. Bei 720p kostet Omni 1.1 Flash gleich viel wie das vorherige Omni Flash und mehr als Veo 3.1 Lite, während der Preis für 4K dem von Veo 3.1 Fast entspricht. Der klare Preisvorteil liegt daher vor allem im neuen Entwurfsmodus. Verfügbar ist das Modell über Google AI Studio und die Entwicklerdokumentation, nicht als ausdrücklich beschriebene Standardfunktion für alle Gemini-Nutzenden.
Auch Adobe versucht, KI-Bildbearbeitung zugänglicher zu machen. Eine optionale, zunächst als Betaversion veröffentlichte Photoshop-Ansicht bündelt Funktionen wie promptbasierte Bearbeitung, Hintergrundentfernung und Bilderweiterung in einer vereinfachten Werkzeugleiste. Mit der neuen Markierungsfunktion kannst du direkt ins Bild zeichnen, Bereiche zum Umfärben auswählen oder mit Pfeilen und groben Formen zeigen, was verschoben oder ergänzt werden soll. Damit wird die Bildbearbeitung weniger davon abhängig, ob du den perfekten Textbefehl formulierst.
Adobe nennt als weitere Beispiele das Öffnen geschlossener Augen oder das Hinzufügen eines Huts. Das überarbeitete Maskenwerkzeug soll den gesamten Bildkontext berücksichtigen, sodass nicht mehr jede zu bearbeitende Stelle von Hand markiert werden muss. Laut dem Bericht über den KI-gestützten Photoshop-Editor bleibt die neue Oberfläche optional. Die Resultate und die Kontexttreue des zugrunde liegenden Firefly Image 5 wurden in der Meldung nicht unabhängig bewertet.
Wissen wird leichter zugänglich
Gemini Notebook kann neu auf unterstützte Bücher zugreifen, die du über Google Play Books gekauft hast. Die Funktion «Expert Intelligence» erlaubt Fragen zum Inhalt und kann daraus Pläne, Infografiken oder KI-Podcasts erstellen. Zum Start werden mehr als 100’000 Bücher verschiedener Verlage unterstützt. Erkennbar sind sie in Google Play Books an einem Hinweis auf Gemini Notebook unter den Werkzeugen.
Die von Google vorgeführten Beispiele sind konkret: Aus Michael Pollans Food Rules erzeugte das Werkzeug ein Rezeptbuch. Wissen aus Kim Scotts Managementbuch Radical Candor wurde genutzt, um eine Frage zu einem schwierigen Gespräch mit einem Mitarbeitenden zu beantworten. Solche Anwendungen können dir helfen, ein gekauftes Sachbuch auf eine konkrete berufliche Situation zu beziehen, ohne nur nach einzelnen Stichwörtern zu suchen.
Die Funktion ersetzt das Buch dabei nicht vollständig. Der Volltext kann im Notebook angezeigt werden, bleibt aber an den Kauf gebunden. Wenn du ein Notebook mit einer anderen Person teilst, die das verwendete Buch nicht besitzt, sieht sie zwar den Titel als Quelle, kann aber weder den Volltext noch daraus abgeleitete Informationen aufrufen. Die Schutzregeln für gekaufte Bücher begrenzen damit zumindest den einfachen Zugriff durch Nichtkäufer.
Für Unternehmen und andere Organisationen setzt Cohere an einer früheren Stelle der Recherche an. Parse 5 ist ein visuelles Sprachmodell, das PDFs, Präsentationen und Bilder in Markdown umwandelt, ein einfach strukturiertes Textformat. Es kann dabei HTML-Tabellen, Positionsangaben und Bildbeschreibungen erzeugen. Das erleichtert es, gescannte Berichte oder Foliensätze für Suche, Zusammenfassungen und weitere KI-Auswertungen aufzubereiten.
Die Nutzung über eine Programmierschnittstelle, also eine technische Verbindung zwischen Diensten, kostet laut Anbieter 1,50 Dollar pro 1’000 Seiten. Eigene Model-Vault-Instanzen beginnen bei 2’500 Dollar pro Monat und richten sich damit eher an Organisationen als an Einzelpersonen. Cohere meldet für ParseBench einen Wert von 79,2 und sieht sich vor mehreren Konkurrenzangeboten. Der Bericht zu Parse 5 weist jedoch darauf hin, dass dieser Wert nur drei von fünf Benchmark-Bereichen mittelt und Diagramme sowie visuelle Verankerung auslässt.
Sprache wird schneller zu nutzbarem Text
Gemini 3.5 Transcribe wandelt gesprochene Sprache in Echtzeit in Text um und erkennt laut Google mehr als 85 Sprachen automatisch. Das Modell entfernt Füllwörter wie «ähm», korrigiert Versprecher während des Gesprächs und formatiert den Text selbstständig. Für aufgezeichnetes Audio bietet es zudem Sprecherzuordnung und Zeitstempel. Das kann beispielsweise aus einem mehrsprachigen Interview schneller ein gegliedertes Arbeitsprotokoll machen.
Google nennt eine Wortfehlerrate von 4,0 Prozent bei laufender Übertragung und 2,6 Prozent bei aufgezeichnetem Audio. Gegenüber dem Vorgänger Chirp 3 soll sich die Verzögerung um 70 Prozent verringert haben. Diese Anbieterwerte sagen jedoch wenig darüber aus, wie zuverlässig Dialekte, Eigennamen, schlechte Mikrofone oder Gespräche mit mehreren gleichzeitig sprechenden Personen erkannt werden. Gerade bei Schweizerdeutsch bleibt die Leistung offen, weil die Quelle nur von mehr als 85 Sprachen spricht und keine Dialekte einzeln aufführt.
Das Modell ist über Google AI Studio und die Gemini Enterprise Agent Platform verfügbar. Es wird ausserdem bereits in Gboard für Android und in der Gemini-App für macOS eingesetzt und soll bald zu Chrome kommen. Damit rückt die Funktion näher an alltägliche Schreib- und Browserwerkzeuge als die reine Nutzung über technische Schnittstellen. Die Leistungsangaben zu Gemini 3.5 Transcribe beruhen auch hier auf Informationen von Google.
Reiseplanung rückt näher an die Buchung
Googles KI-Modus entwickelt sich von einer dialogorientierten Suche zu einem Werkzeug, das Teile der Reiseplanung und Buchung begleitet. Du kannst Reiseziel und Zeitraum beschreiben, aktuelle Flugangebote aus mehr als 300 Fluggesellschaften und Reiseportalen vergleichen und daraus eine Route zusammenstellen. Wenn du noch nicht buchen möchtest, kann das System Preise beobachten und dich per E-Mail über Änderungen informieren. Die Flugpreisüberwachung ist laut Meldung in mehr als 180 Ländern verfügbar, wobei die Schweiz nicht ausdrücklich genannt wird.
Auch Punkte und Meilen lassen sich in die Suche einbeziehen. Google demonstriert dies mit einer Reise von Atlanta nach Miami, für die passende Direktflüge und die erforderlichen Meilen angezeigt werden. Diese Funktion ist laut Anbieter weltweit verfügbar. Ob alle Schweizer Bonusprogramme und lokalen Reiseanbieter vollständig eingebunden sind, geht aus der Meldung nicht hervor.
Bei Hotels führt der KI-Modus von einer Beschreibung deiner Wünsche zu einer Liste mit Bewertungen und relevanten Merkmalen. Nach der Auswahl wechselst du über «Continue on Google» zu einem eingebundenen Hotel oder Buchungsportal, wählst das Zimmer, prüfst unter anderem die Stornierungsbedingungen und bezahlst mit Google Pay. Vertragspartner und Kundendienst bleiben beim Hotel oder bei der Buchungsplattform. Der Bericht über die neuen Reisefunktionen nennt für Hotelbuchungen zunächst nur eine Einführung in den USA und auf Englisch.
Pro und Kontra der neuen KI-Werkzeuge
Pro:
- Weniger Werkzeugwechsel – Recherche, Bearbeitung und Planung finden häufiger direkt in Anwendungen statt, die du bereits nutzt.
- Schnellere Entwürfe – Günstigere Videoentwürfe, automatische Transkripte und vereinfachte Bildmarkierungen verkürzen frühe Arbeitsschritte.
- Konkretere Wissensnutzung – Gekaufte Bücher und aufbereitete Dokumente lassen sich auf berufliche oder alltägliche Aufgaben beziehen.
- Mehrsprachiger Zugang – Die automatische Erkennung von mehr als 85 Sprachen kann internationale Gespräche und Inhalte leichter erschliessbar machen.
Kontra:
- Ungeprüfte Anbieterwerte – Geschwindigkeits-, Qualitäts- und Fehlerangaben stammen überwiegend von den Unternehmen selbst.
- Begrenzte Verfügbarkeit – Einige Funktionen sind Betaversionen, technische Angebote oder zunächst nur in den USA und auf Englisch verfügbar.
- Neue Kosten – Sekundenpreise für Video, Buchkäufe und Unternehmensabonnements können sich bei häufiger Nutzung summieren.
- Kontrollbedarf – Transkripte, Buchantworten, Dokumentstrukturen und Reisebedingungen müssen weiterhin mit dem Original abgeglichen werden.
Was das für dich heisst
Als Einsteigerin oder Einsteiger solltest du mit einer klar begrenzten Aufgabe beginnen. Du kannst beispielsweise ein kurzes Video zunächst in 360p entwerfen, in Photoshop eine einzelne Bildänderung markieren oder ein bereits gekauftes Sachbuch zu einem konkreten Kapitel befragen. Prüfe das Ergebnis danach am Ausgangsmaterial, bevor du es veröffentlichst, weitergibst oder für eine Buchung verwendest.
Als fortgeschrittene Nutzerin oder fortgeschrittener Nutzer holst du mehr heraus, wenn du die Werkzeuge zu einem nachvollziehbaren Ablauf verbindest. Ein aufgezeichnetes Gespräch kann transkribiert, mit gekaufter Fachliteratur eingeordnet und anschliessend in eine visuelle Zusammenfassung oder ein kurzes Video übertragen werden. Bei grösseren Dokumentbeständen kann eine strukturierte Umwandlung die Recherche beschleunigen, doch Benchmark-Werte und Kosten sollten zum eigenen Material passen.
Für die Schweiz ergibt sich ein gemischtes Bild. Mehrsprachige Transkription und weltweite Punkte- oder Meilensuche sind grundsätzlich relevant, doch Schweizerdeutsch, lokale Bonusprogramme und die konkrete Verfügbarkeit der Flugpreisüberwachung werden nicht bestätigt. Hotelbuchungen im KI-Modus bleiben vorerst auf die USA und Englisch beschränkt, während einige Medienfunktionen eher über Google AI Studio als über gewöhnliche Endnutzerprodukte angeboten werden.
Die neuen Funktionen machen KI vor allem praktischer, weil sie näher an vorhandene Inhalte, Werkzeuge und Transaktionen rückt. Der Nutzen liegt weniger in einer einzelnen spektakulären Fähigkeit als in kürzeren Wegen zwischen Entwurf, Recherche und Ausführung. Offen bleibt, wie zuverlässig die Systeme ausserhalb der Anbieterbeispiele arbeiten und wie transparent Kosten, Quellenbezug und Buchungsbedingungen bei längerer Nutzung bleiben.
Quellen
- Gemini Omni 1.1 Flash: Google macht KI-Videogenerierung günstiger und flexibler – Unbekannt, 2026-08-27
- Google’s AI note-taking app now allows you to interact with books – Unbekannt, 2026-08-27
- Google’s AI Mode can now track flight prices, help book hotels, and more – Unbekannt, 2026-08-27
- Googles Gemini 3.5 Transcribe erkennt über 85 Sprachen und filtert Füllwörter in Echtzeit heraus – Unbekannt, 2026-08-27
- Adobe is adding more AI to Photoshop – Unbekannt, 2026-08-27
- Cohere Releases Parse 5: A Vision Language Model That Turns Enterprise Documents Into Markdown – Unbekannt, 2026-08-27
