Neue Werkzeuge mit Künstlicher Intelligenz (KI) bearbeiten Dokumente direkt im Chat, animieren Inhalte, erzeugen Videos und Stimmen oder stellen Kleidung zusammen. Das betrifft dich, wenn du Büroarbeit vereinfachen, Inhalte produzieren oder alltägliche Entscheidungen vorbereiten möchtest. Die aktuellen Veröffentlichungen zeigen allerdings auch: Je spektakulärer die Ausgabe, desto häufiger fehlen noch Kontrolle, breite Verfügbarkeit oder verlässliche Qualität.
Was kannst du bereits direkt ausprobieren?
Die unmittelbarste Neuerung kommt von Google Gemini. Du kannst laut der Meldung zur Dateibearbeitung in Gemini PDF-Dateien, Google Docs, Tabellen, Präsentationen, Markdown- und Textdateien sowie Code direkt in einem Chat erzeugen, öffnen und bearbeiten. Zuvor konnte Gemini Dateien bereits erstellen und herunterladen; nun musst du die Anwendung für nachträgliche Änderungen nicht mehr verlassen.
Das ist weniger spektakulär als ein KI-generierter Film, im Alltag aber wahrscheinlich nützlicher. Du kannst beispielsweise in einem Bericht eine Tabelle markieren und Gemini anweisen, daraus ein Diagramm zu machen. Ebenso lässt sich ein erzeugtes Dokument im Vollbild öffnen, an einer bestimmten Stelle markieren und gezielt überarbeiten, statt den ganzen Text erneut generieren zu lassen.
Die Funktion steht laut Bericht allen Gemini-Nutzenden zur Verfügung. Vorschau und Bearbeitung von PDF-Dateien funktionieren sowohl im Web als auch auf Mobilgeräten, während die übrigen Dateiformate zunächst auf die Webversion beschränkt sind. Ähnliche Bearbeitung war bereits über Gemini in Google Workspace möglich; Anthropic hatte zudem zuvor das Erstellen und Bearbeiten von Dokumenten und Präsentationen innerhalb von Claude-Chats eingeführt.
Bei Animationen ergänzt Claude Motion das Angebot von Anthropic. Das Werkzeug soll interne Daten ohne grossen Aufwand als leicht verständliche Animation aufbereiten und kurze Erklärvideos für soziale Netzwerke erzeugen können. Ein Praxistest von Claude Motion beschreibt überzeugende Seiten und Fehler, liefert im verfügbaren Quellentext aber keine genauen Angaben zu Zugang, unterstützten Sprachen oder Kosten.
Wo bringen die Werkzeuge den grössten Nutzen?
Bei Dokumenten liegt der Nutzen in kürzeren Wechseln zwischen Chat, Textverarbeitung und Tabellenprogramm. Wenn du eine Projektzusammenfassung vorbereitest, kannst du den Entwurf erzeugen, einzelne Absätze markieren und Änderungen anfordern, ohne das Dokument zuerst herunterzuladen. Für eine interne Auswertung kannst du eine Tabelle direkt in ein Diagramm umwandeln lassen und anschliessend prüfen, ob Darstellung und Beschriftung zum Ausgangsmaterial passen.
Animationen eignen sich nach der vorliegenden Beschreibung besonders zur Erklärung. Ein Team könnte interne Daten als kurze Animation aufbereiten, damit Kolleginnen und Kollegen eine Entwicklung schneller erfassen. Für einen Beitrag in sozialen Netzwerken lässt sich ein kompakter Erklärclip erstellen, ohne eine vollständige klassische Animationsproduktion aufzusetzen. Wie präzise Claude Motion Vorgaben zu Gestaltung und Ablauf umsetzt, lässt sich aus dem verfügbaren Testauszug jedoch nicht abschliessend beurteilen.
Bei KI-Videos bleibt genau diese Steuerbarkeit das Kernproblem. Text-zu-Video bezeichnet Systeme, die aus einer Texteingabe eine ganze Videosequenz erzeugen. Laut einer Analyse zur kontrollierten KI-Videoproduktion wirken ausgewählte Ergebnisse von Sora 2, Google Veo 3.1 oder Runway Gen-3 zwar beeindruckend, sind aber häufig handverlesen, nachbearbeitet oder durch Zufall gelungen.
Für berufliche Videos ist deshalb ein Bild-zu-Video-Ablauf oft sinnvoller: Zuerst werden Bildaufbau, Perspektive und gewünschte Szene festgelegt, danach wird das Bild animiert. Der Quellentext verweist auf einen Sechs-Schritte-Ablauf, enthält die einzelnen Schritte aber nicht vollständig. Klar ist die Grundidee: Ein Storyboard, also eine geplante Folge von Einstellungen, sowie bewusste Kameraperspektiven geben dir mehr Kontrolle als eine kurze Texteingabe wie «dunkler Wald, Spannung, eine Frau rennt».
Auch Stimme und Mode bedienen konkrete Aufgaben. Audio8-TTS-Realistic ist ein frei verfügbares Text-zu-Sprache-Modell, kurz TTS, das geschriebenen Text als Sprache ausgibt und eine Stimme anhand eines Referenzclips samt Transkript nachbilden kann. Metas Style Sketch erstellt dagegen aus bereits vorhandener Kleidung Outfitvorschläge, virtuelle Anproben und Reisepläne. Beide Anwendungen sind greifbar, aber noch keine universell unkomplizierten Konsumentenprodukte.
Wie gehst du in der Praxis vor?
Schritt 1: Beginne mit einer begrenzten Aufgabe
- Öffne in Gemini eine bestehende PDF-Datei oder erzeuge ein neues Dokument im Chat.
- Markiere einen einzelnen Absatz oder eine Tabelle und formuliere eine konkrete Änderung.
- Vergleiche das Ergebnis mit dem Ausgangsmaterial, bevor du weitere Teile bearbeiten lässt.
Für Einsteiger ist die Dokumentbearbeitung der sinnvollste erste Versuch, weil sich Eingabe und Ergebnis direkt vergleichen lassen. Eine Tabelle in ein Diagramm umzuwandeln oder einen markierten Absatz zu kürzen, ist überschaubarer als ein komplettes Video. Da die Quelle keine Preise oder Tarifgrenzen nennt, lässt sich aus den gelieferten Angaben nur festhalten, dass die neuen Gemini-Funktionen für alle Gemini-Nutzenden eingeführt wurden.
Schritt 2: Plane visuelle Inhalte vor der Generierung
- Lege Aussage, Reihenfolge und Perspektive des geplanten Clips fest.
- Erstelle oder wähle ein Ausgangsbild, das Bildaufbau und Stimmung bereits vorgibt.
- Animierte Varianten vergleichst du anhand derselben Szene statt anhand ständig neuer Texteingaben.
Fortgeschrittene holen mehr heraus, wenn sie Dokumente, Animation und Video als getrennte Produktionsschritte behandeln. Du kannst etwa interne Daten zuerst in einem Dokument strukturieren, daraus eine verständliche Animation entwickeln und für einen kurzen Social-Media-Clip mit festgelegten Ausgangsbildern arbeiten. Das reduziert nicht jede Abweichung, macht Fehler aber leichter erkennbar als ein rein textbasierter Komplettversuch.
Schritt 3: Prüfe Sprache, Identität und Verfügbarkeit
- Kontrolliere bei Sprachausgaben Aussprache, Pausen und ausgelassene oder veränderte Wörter.
- Nutze eine nachgebildete Stimme nicht allein deshalb, weil ein kurzer Referenzclip technisch genügt.
- Prüfe bei regional eingeführten Apps zuerst, ob sie in deinem Land überhaupt angeboten werden.
Audio8-TTS-Realistic umfasst laut Beschreibung des Sprachmodells 601 Millionen Parameter und unterstützt 23 Sprachen, zwölf mehr als der Vorgänger. Parameter sind vereinfacht die während des Trainings angepassten Modellwerte. Das Modell kann auch ohne Referenzstimme Sprache erzeugen und wird unter der Apache-2.0-Lizenz mit offenen Gewichten und Code veröffentlicht; die Einrichtung richtet sich dennoch eher an technisch versierte Personen als an Menschen, die nur eine App öffnen möchten.
Pro und Kontra der neuen KI-Werkzeuge
Pro:
- Weniger Programmwechsel – Gemini vereint Erzeugung, Vorschau und Bearbeitung verschiedener Dateiformate im selben Chat.
- Konkrete Arbeitserleichterung – Markierte Textstellen oder Tabellen lassen sich gezielt ändern, statt ein vollständiges Dokument neu anzulegen.
- Mehr visuelle Zugänge – Claude Motion kann interne Daten als Animation und Inhalte als kurze Erklärvideos aufbereiten.
- Persönlicher Kontext – Style Sketch nutzt vorhandene Kleidungsstücke und kann Vorschläge auf ein ausgewähltes Teil, eine Reise oder geplante Aktivitäten ausrichten.
Kontra:
- Begrenzte Kontrolle – Reine Text-zu-Video-Systeme liefern laut Praxisbericht oft instabile und kaum wiederholbare Ergebnisse.
- Uneinheitliche Qualität – Audio8 schneidet in einem Test über neun Sprachen besser als ein grösseres offenes Modell ab, zeigt bei Thai und Kantonesisch aber deutlich höhere Fehlerraten.
- Regionale Schranken – Style Sketch ist bisher nur in Indonesien, Singapur und Thailand für iOS und Android verfügbar.
- Offene Kostenfragen – Die gelieferten Quellen nennen keine vergleichbaren Endkundenpreise für die vorgestellten Werkzeuge.
Die Sprachqualität von Audio8 ist zudem nicht mit einer einzigen Kennzahl geklärt. Das Team argumentiert, dass Wortfehlerrate und Ähnlichkeit zur Originalstimme Rhythmus, Pausen und Timing nicht ausreichend erfassen. Für das Training wurde deshalb ein zusätzlicher Realismus-Bewerter verwendet, der auf einer privaten Blindstudie basiert; diese Anbieterangaben sind anhand der vorliegenden Quellen nicht unabhängig geprüft.
Was bedeutet das für Alltag und Schweiz?
Style Sketch zeigt, wie KI-Funktionen vom Erzeugen neuer Inhalte zur Organisation vorhandener Dinge wechseln. Die App verbindet sich mit Instagram, erstellt aus veröffentlichten Fotos eine virtuelle Garderobe oder übernimmt Kleidungsstücke über Foto, Video und Kamerarolle. Anschliessend schlägt sie Kombinationen vor und zeigt sie laut App-Beschreibung an einem realistischen Modell, das Körperform und Hautton entsprechen soll.
Ein konkretes Alltagsbeispiel ist die Planung einer Reise: Du gibst Ziel, Dauer und Aktivitäten an, worauf die App einen tageweisen Kleidungsplan unter Einbezug von Wetter und Reiseprogramm erstellt. Du kannst auch ein bestimmtes Kleidungsstück auswählen und neue Kombinationen darum aufbauen. Die Idee ist allerdings nicht neu; andere Apps und Google Photos bieten bereits digitale Kleiderschränke und Outfitideen.
Für die Schweiz ist die Verfügbarkeit sehr unterschiedlich. Geminis Dateifunktionen werden gemäss Bericht für alle Nutzenden eingeführt, wobei ausser PDF-Dateien viele Formate vorerst einen Webbrowser verlangen. Style Sketch ist dagegen nur in drei asiatischen Märkten gestartet; ob Meta die App breiter und damit auch in der Schweiz veröffentlicht, ist unbekannt.
Bei Sprache und Datenschutz bleiben Angaben offen. Audio8 unterstützt 23 Sprachen, doch der Quellentext nennt nicht die vollständige Liste und bestätigt damit nicht, welche Schweizer Landessprachen in dieser Version abgedeckt sind. Bei Style Sketch solltest du einordnen, dass die App auf Instagram-Fotos sowie zusätzlich hochgeladenen Bildern und Videos aufbaut. Die Quellen erläutern nicht, wie diese Garderoben- und Körperdaten ausserhalb der beschriebenen Funktionen behandelt werden.
Die neuen Werkzeuge sind am stärksten, wenn sie eine klar umrissene Aufgabe vereinfachen: einen markierten Dokumentteil ändern, Daten verständlich animieren, eine Szene kontrollierter vorbereiten oder vorhandene Kleidung ordnen. Schwächer werden sie, sobald du reproduzierbare Videoergebnisse, durchgehend zuverlässige Mehrsprachigkeit oder sofortige weltweite Verfügbarkeit erwartest. Das offene Risiko liegt weniger in fehlenden Ideen als in schwer prüfbarer Ausgabequalität und unvollständigen Angaben zur Verarbeitung persönlicher Inhalte.
Quellen
- You can generate and edit Google Docs files directly in Gemini chats now – Unbekannt, 2026-10-29
- Claude Motion ausprobiert: Wo Anthropics Animations-KI überzeugt und wo sie noch patzt – Unbekannt, 2026-10-31
- Schluss mit dem Zufallsprinzip: Mit diesem 6-Schritte-Workflow übernimmst du die volle Kontrolle über deine KI-Videos – Unbekannt, 2026-10-31
- Edge0 Releases Audio8-TTS-Realistic, a 0.6B Voice Cloning TTS Model – Unbekannt, 2026-10-30
- Meta quietly launches an AI fashion app called Style Sketch – Unbekannt, 2026-10-29
