Gemini Omni 1.1 Flash erweitert die Videoproduktion mit Künstlicher Intelligenz (KI) um längere Szenen, kontrollierbare Übergänge und eine höhere Ausgabeauflösung. Das betrifft nicht nur professionelle Videoteams, sondern auch Menschen, die Produktclips, Präsentationen oder Beiträge für soziale Medien erstellen. Gleichzeitig zeigen Entwicklungen im Onlinehandel und in China, dass günstigere KI-Videos bereits Arbeitsabläufe und Geschäftsmodelle verändern.
Was Gemini Omni 1.1 Flash besser macht
Google hat sein Modell für die Erzeugung und Bearbeitung von Videos in mehreren Punkten überarbeitet. Nach der Zusammenfassung zu Gemini Omni 1.1 Flash kann eine Szenenerweiterung nun bis zu zehn Sekunden des vorhandenen Videos als Kontext lesen. Zuvor orientierte sich das Modell im Wesentlichen am letzten Bild beziehungsweise an ungefähr einer Sekunde des Ausgangsmaterials.
Ein bestehender Clip lässt sich laut dem ergänzenden Bericht in Schritten von zehn Sekunden auf bis zu 40 Sekunden verlängern. Mehr Kontext soll verhindern, dass Figuren, Bewegungen oder Kameraperspektiven beim Verlängern abrupt wechseln. Ob diese Konsistenz in unterschiedlichen Motiven zuverlässig funktioniert, ist anhand der Quellen noch nicht unabhängig geprüft.
Neu ist ausserdem die Kontrolle über das erste und letzte Einzelbild einer Sequenz. Ein solches Einzelbild wird in der Videoproduktion als Frame bezeichnet. Wenn du beide Frames vorgibst, kann das Modell den Weg dazwischen erzeugen, etwa einen Zoom oder den Übergang von einer Szene zur nächsten. Das gibt dir mehr Kontrolle als eine reine Texteingabe, ohne dass jede Zwischenbewegung manuell gestaltet werden muss.
Referenzvideos von bis zu drei Sekunden können Orte, Figuren und Bewegungen vorgeben. Das ist beispielsweise für eine Reihe von Marketingclips interessant, in denen dieselbe digitale Figur wiedererkennbar bleiben soll. Zudem nennt Google eine Hochskalierung auf 4K, also eine rechnerische Erhöhung der Bildauflösung. Eine höhere Auflösung verbessert jedoch nicht automatisch misslungene Bewegungen oder unlogische Bilddetails.
Der Zugriff erfolgt laut Bericht über die neuen Videooptionen unter anderem über Google AI Studio. Ultra-, Plus- und Pro-Nutzende sollen weltweit auch in Google Flow auf Gemini Omni 1.1 zugreifen können; die Szenenerweiterung ist zudem für die Gemini-App genannt. Damit schliesst die weltweite Freigabe grundsätzlich die Schweiz ein, die Quellen machen aber keine Angaben zu unterstützten Sprachen, Schweizer Preisen oder zur Verarbeitung hochgeladener Videos.
Warum sinkende Preise relevant sind
Die technische Verbesserung wäre weniger bedeutsam, wenn jeder Versuch teuer bliebe. Der Bericht über Gemini Omni 1.1 Flash hebt deshalb sogenannte Lightweight Previews hervor, also günstige Vorschauversionen zur Beurteilung einer Idee. Im Titel werden Vorschauen für drei Cent genannt; die vorliegende Textgrundlage erklärt jedoch nicht vollständig, auf welche Länge oder Abrechnungseinheit sich dieser Betrag bezieht.
Solche Vorschauen können trotzdem den Produktionsprozess verändern. Statt einen Clip sofort in hoher Qualität auszugeben, kannst du zunächst mehrere Varianten von Bildaufbau, Bewegung oder Übergang testen. Erst die brauchbare Version wird anschliessend hochskaliert. Für eine Person, die einen kurzen Produktclip vorbereitet, bedeutet das weniger Ausgaben für verworfene Entwürfe; für ein Marketingteam erlaubt es mehr Varianten innerhalb desselben Budgets.
Die wirtschaftliche Dimension zeigt sich besonders deutlich in China. Laut einem Bericht über KI-Videos in chinesischen Produktionen wurden im ersten Quartal 2026 rund 128’000 Kurzdramen veröffentlicht, dreimal so viele wie im gesamten Vorjahr. Nach Angaben der China Netcasting Services Association waren 95 Prozent davon KI-generiert.
Professor Shen Yang von der Tsinghua-Universität beziffert die Kosten einer Minute KI-Video auf 90 bis 120 US-Dollar und damit auf zehn Prozent früherer Produktionskosten. Diese Angaben beziehen sich auf den beschriebenen chinesischen Markt und lassen sich nicht ohne Weiteres auf die Schweiz übertragen. Sie zeigen aber, weshalb Unternehmen nicht nur mit KI experimentieren, sondern Darstellende, Produktionsschritte und Budgets neu bewerten.
Pro und Kontra günstiger KI-Videos
Pro:
- Günstigere Entwürfe – Niedrig bepreiste Vorschauen ermöglichen mehrere Tests, bevor du eine hochwertige Ausgabe erzeugst.
- Längere zusammenhängende Szenen – Bis zu zehn Sekunden Kontext können Übergänge und Bewegungen konsistenter machen.
- Mehr gestalterische Kontrolle – Festgelegte Anfangs- und Endbilder helfen bei Zooms, Kamerafahrten und Szenenwechseln.
- Konkreter Geschäftsnutzen – Produktdarstellung, Werbung und virtuelle Anproben können näher an bestehende Verkaufsprozesse rücken.
Kontra:
- Unsichere Qualität – Höhere Auflösung beseitigt weder anatomische Fehler noch unplausible Bewegungen oder wechselnde Details.
- Druck auf Kreativberufe – Geringere Kosten können menschliche Darstellende und andere Beschäftigte aus Produktionen verdrängen.
- Offene Rechtefragen – Referenzvideos, Gesichter, Stimmen und Trainingsmaterial können urheberrechtliche und persönliche Rechte berühren.
- Unvollständige Kostenangaben – Der genannte Vorschaupreis lässt sich ohne genaue Abrechnungseinheit nur eingeschränkt vergleichen.
Was KI-Video für Handel und Kreativberufe bedeutet
Im Onlinehandel geht es nicht nur um Werbeclips. Virtuelle Anprobe, auf Englisch Virtual Try-On (VTO), zeigt Kleidung oder Kosmetik digital an einer Person. Laut einem als Sponsored Post gekennzeichneten Beitrag über moderne VTO-Systeme können heutige Lösungen aus üblichen Produktbildern digitale Darstellungen erzeugen, während ältere Verfahren aufwendig gepflegte dreidimensionale Modelle benötigten.
Das konkrete Problem ist leicht nachvollziehbar: Kundinnen und Kunden können die Passform online schlecht einschätzen und bestellen mitunter mehrere Grössen. Für den US-Markt nennt der Beitrag für 2025 eine Retourenquote von rund 19 Prozent bei online gekaufter Mode. Anbieter versprechen sich von VTO mehr Käufe, weniger Rücksendungen sowie zusätzliche Daten für Empfehlungen und Sortimentsplanung; der gelieferte Text nennt dafür jedoch keine gemessenen Verbesserungswerte.
ASOS, Breuninger und Maybelline werden als Unternehmen genannt, die virtuelle Anproben in ihre Abläufe für Kundinnen und Kunden integrieren. Für dich kann das beispielsweise bedeuten, Make-up oder ein Kleidungsstück digital anzusehen, bevor du bestellst. Das Ergebnis bleibt eine visuelle Simulation und ist keine Garantie dafür, wie Material, Farbe oder Passform in der Realität wirken.
Auf der anderen Seite stehen die Beschäftigten. Der Bericht aus China beschreibt, dass digitale Darstellende in einzelnen Produktionen bereits Schauspielerinnen, Schauspieler, Influencer und Livestreamende ersetzen. Die Branche beschäftige direkt 690’000 Menschen, während 15 Millionen Livestreaming als Hauptberuf angäben. Besonders problematisch ist der Bericht, wonach manche Darstellende Stimme und Aussehen in KI-Werkzeuge übertragen mussten, bevor sie entlassen wurden; zugleich hätten KI-bezogene Arbeitsstreitigkeiten merklich zugenommen.
Günstigere Technik verteilt den Nutzen somit nicht automatisch gerecht. Ein kleines Team kann ohne grosses Studio mehr produzieren, während Auftragnehmende einen Teil ihrer bisherigen Arbeit verlieren können. Für die Schweiz liefern die Quellen keine Beschäftigungszahlen, doch dieselbe Kostenlogik kann bei Werbung, Schulungsvideos, Onlinehandel und Medienproduktionen relevant werden.
Was du praktisch nutzen kannst
Wenn du einsteigst, ist ein kurzer, klar begrenzter Clip der sinnvollste erste Schritt. Verwende ein vorhandenes Video, teste eine einzige Verlängerung und prüfe besonders Hände, Gesichter, Bewegungsrichtung und den Übergang zum neuen Abschnitt. Eine günstige Vorschau genügt für diese Kontrolle; eine 4K-Ausgabe lohnt sich erst, wenn Inhalt und Bewegung stimmen.
Schritt 1: Ausgangsmaterial festlegen
- Wähle einen kurzen Clip, dessen Motiv und Kamerabewegung klar erkennbar sind.
- Entscheide, ob du die Szene verlängern oder zwischen zwei festgelegten Frames überblenden möchtest.
- Verwende nur Material, für dessen Nutzung du die nötigen Rechte hast.
Schritt 2: Vorschau prüfen
- Erzeuge zunächst eine kostengünstige Vorschau statt einer hochauflösenden Endfassung.
- Vergleiche Figuren, Kleidung, Hintergrund und Bewegungen mit dem Ausgangsclip.
- Verwirf Varianten mit sichtbaren Brüchen, bevor du eine höhere Auflösung auswählst.
Fortgeschrittene können Anfangs- und Endbilder gezielt kombinieren und ein kurzes Referenzvideo einsetzen, um eine Figur oder Bewegung über mehrere Clips hinweg wiederzuverwenden. Für eine Produktserie lässt sich so beispielsweise derselbe visuelle Auftritt in mehreren Varianten testen. Dabei solltest du dokumentieren, welches Ausgangsmaterial und welche Einwilligungen zu jedem Clip gehören, auch wenn die Quellen keine konkrete Schweizer Datenschutzpraxis beschreiben.
Der Hintergrund solcher Systeme reicht über einzelne Produkte hinaus. LAION hat mit dem Big Video Dataset (BVD) einen offen zugänglichen Forschungsdatensatz mit 80 Millionen heruntergeladenen Videos und insgesamt zehn Millionen Stunden Material veröffentlicht. Daraus entstanden 55 Millionen beschriebene Clips und 300 Millionen Einzelbilder; Modelle, die damit trainiert wurden, lagen auf verbreiteten Video-Text-Tests laut Bericht um bis zu 2,1 Prozentpunkte vor vergleichbaren Modellen mit dem Referenzdatensatz InternVid.
Das Big Video Dataset von LAION ist ausschliesslich für Forschung und nicht für kommerzielle Nutzung freigegeben. LAION verweist auf ein Urteil des Landgerichts Hamburg aus dem Jahr 2024 und fordert die Nutzenden auf, Urheberrechte zu respektieren. Daraus folgt nicht, dass Google dieses Material für Gemini verwendet hat; der Datensatz verdeutlicht vielmehr, wie gross die Datenbasis moderner Videoforschung geworden ist und weshalb Rechtefragen offenbleiben.
KI-Videos werden länger, besser steuerbar und zumindest bei Vorschauen günstiger. Das senkt die Einstiegshürde für eigene Clips und schafft konkrete Anwendungen im Marketing und Onlinehandel, erhöht aber zugleich den Kostendruck auf Kreativberufe. Das offene Risiko liegt weniger in der Auflösung als im Umgang mit Gesichtern, Stimmen, Trainingsmaterial und der Frage, wer am wirtschaftlichen Nutzen beteiligt wird.
Quellen
- Google AI Releases Gemini Omni 1.1 Flash: 40-Second Scene Extension, First/Last Frame Control, and 4K Upscaling – Medium unbekannt, 2026-08-29
- Previews für 3 Cent: Wie Google das Erstellen von KI-Videos drastisch günstiger macht – Medium unbekannt, 2026-08-28
- KI-generierte Videos ersetzen in China bereits menschliche Schauspieler und Influencer – Medium unbekannt, 2026-08-29
- Big Video Dataset: LAION stellt zehn Millionen Stunden Videomaterial für offene KI-Forschung bereit – Medium unbekannt, 2026-08-29
- KI-Anproben statt 3D-Modelle: Was moderne Virtual-Try-On-Systeme heute können – Medium unbekannt, 2026-08-30
