Google hat auf dem Mobile World Congress in Barcelona beeindruckende neue Funktionen für seinen Gemini-Assistenten vorgestellt. Doch wie weit kann die KI wirklich gehen?
Die Zukunft der KI-Assistenten wird visuell – zumindest wenn es nach Google geht. Mit dem bevorstehenden Update für den Gemini-Assistenten sollen Abonnenten des Google One AI Premium Plans schon bald Live-Video- und Screen-Sharing-Funktionen nutzen können. Diese Funktionen ermöglichen es, in Echtzeit Kamerabilder zu analysieren oder den Smartphone-Bildschirm zu teilen, damit die KI unmittelbar darauf reagieren kann.
Zunächst werden die neuen Features nur für Android-Geräte verfügbar sein und mehrere Sprachen unterstützen. Besonders die Live-Videoanalyse dürfte viele Nutzer begeistern, da sie eine direkte Interaktion mit der Umgebung ermöglicht. Durch die Präsentation der Funktionen auf Partnergeräten von verschiedenen Android-Herstellern während des MWC demonstriert Google eindrucksvoll die Vielseitigkeit seines Assistenten.
Doch das ist nur der Anfang. Mit „Project Astra“ hat Google für 2025 noch ehrgeizigere Ziele. Dieser universelle, multimodale KI-Assistent soll nicht nur Text, sondern auch Video- und Audiodaten in Echtzeit verarbeiten können – und das mit einem Gesprächskontext von bis zu zehn Minuten. Ob Astra als eigenständiges Produkt erscheint oder ob dessen Fähigkeiten in Gemini einfließen, bleibt jedoch abzuwarten.
Die Konkurrenz schläft allerdings nicht: OpenAI hat mit dem Advanced Voice Mode von ChatGPT bereits ähnliche Funktionen im Angebot. Die Frage ist also, ob Google das Rennen um die besten multimodalen KI-Assistenten für sich entscheiden kann.