Gemini Decisions API: Was es Neues gibt, Preise und Alternativen (2026)

Google hat am 11. November 2026 die Gemini Decisions API veröffentlicht. Es handelt sich um einen neuen Endpunkt für schnelle Entscheidungen in geschlossenen Systemen, der von einem neuen Modell namens Gemini Decision 1 angetrieben wird.
Anstatt eine Antwort zu schreiben, bewertet das Modell eine festgelegte Auswahl an Optionen. Laut Google liefert es Wahrscheinlichkeiten und Konfidenzwerte in 150 bis 250 Millisekunden, End-to-End. Sie können bis zu 1.000 Fragen zu einer Eingabe in einer einzigen Anfrage stellen.
Dieser Leitfaden behandelt die Funktionen der API, die drei Fragetypen, die Preisgestaltung und erste Anwendungen innerhalb von Google. Er schließt mit Alternativen ab, einschließlich einer No-Code-Lösung für Teams, die Feedback in einer Tabellenkalkulation auswerten möchten. Die Details stammen aus dem Launch-Beitrag von Google vom 12. November 2026.
Was Google am 11. November angekündigt hat
Googles Beitrag beschreibt das Produkt in einer Zeile. Er nennt die API „einen neuen Endpunkt für schnelle Entscheidungen in geschlossenen Systemen, der von unserem neuen Gemini Decision 1 Modell angetrieben wird“.
Die wichtigsten Fakten aus dem Beitrag:
- Modellname. Die Modell-ID lautet gemini-decision-1.
- Betriebsumgebung. Es ist über die Gemini API in Google AI Studio verfügbar.
- Eingaben. Eine Eingabe kann Text, Bilder, Audio, Video und PDFs kombinieren, bis zu 256K Token.
- Fragen. Sie können bis zu 1.000 unabhängige Fragen an diese Eingabe anhängen.
- Geschwindigkeit. Antworten treffen in 150 bis 250 Millisekunden End-to-End ein.
- Preis. Die Eingabe kostet $0.10 pro 1M Token, und Ausgabe-Token kosten nichts.
Google positioniert es als Baustein für andere AI-Systeme. Der Beitrag nennt „Tool-Auswahl, Richtlinienprüfungen, Modell-Routing und Kontextbewertung“ als Zielaufgaben.
Wie die Gemini Decisions API funktioniert
Die meisten Sprachmodelle antworten, indem sie Text Token für Token generieren. Gemini Decision 1 überspringt diesen Schritt für begrenzte Fragestellungen.
Der Beitrag besagt, dass das Modell „Ihre Kandidatenoptionen in einem einzigen Vorwärtspass bewertet“. Es liefert eine Wahrscheinlichkeit für jede Option anstelle einer schriftlichen Antwort. Dieses Design erklärt sowohl die Geschwindigkeit als auch den Preis.
Das Design der Fragen übernimmt den Großteil der Arbeit. Das Beispiel von Google gibt jeder Auswahl eine kurze Beschreibung, wie zum Beispiel „Kleiner verschütteter Fleck auf der Theke mit einem Tuch oder Handtuch bereits in der Nähe“. Solche klaren Kriterien geben dem Modell eine konkrete Basis für die Bewertung.
Einige Gewohnheiten helfen beim Verfassen eigener Fragen:
- Optionen getrennt halten. Zwei Kategorien, die sich überschneiden, teilen die Wahrscheinlichkeit untereinander auf.
- Jede Option beschreiben. Eine einzeilige Definition ist besser als ein einzelnes Wort wie „dringend“.
- Rubrik-Stufen ordnen. Rubrik-Bewertungen beginnen bei 0, setzen Sie also die niedrigste Stufe an den Anfang.
- Eine Auffangkategorie hinzufügen. Eine „Sonstiges“-Option verhindert, dass ungewöhnliche Elemente in die falsche Kategorie gezwungen werden.
Jede Antwort enthält einen Konfidenzwert von 0 bis 1. Google schlägt vor, diesen zu nutzen, um unklare Fälle anderweitig zu bearbeiten. Der Beitrag besagt, dass Code „ambivalente Fälle an einen Fallback oder einen menschlichen Prüfer weiterleiten“ kann.
Die Geschwindigkeit bleibt auch bei wachsenden Anfragen stabil. Google gibt an, dass die mediane Latenz bei Eingaben bis zu 16K Token „nahezu flach von 1 bis 100 Fragen pro Anfrage“ bleibt.
Die drei Fragetypen
Die API unterstützt drei Arten von Fragen. Sie können alle drei für dieselbe Eingabe in einer Anfrage kombinieren.
| Typ | Funktion | Ausgabe |
|---|---|---|
| Ja/Nein (noul) | Schätzt die Wahrscheinlichkeit, dass eine Bedingung erfüllt ist | Wahrscheinlichkeit, dass die Antwort „Ja“ lautet |
| Multiple Choice (choice) | Wählt aus 2 bis 255 Optionen | Der Gewinner sowie normalisierte Wahrscheinlichkeiten für jede Option |
| Rubrik-Bewertung (score) | Bewertet die Eingabe auf einer geordneten Skala beginnend bei 0 | Ein gewichteter Score sowie eine Wahrscheinlichkeit für jede Stufe |
Googles eigenes Beispiel prüft ein Foto einer Pausenraumtheke mit einer kurzen Textnotiz. Eine Anfrage fragt, ob etwas verschüttet wurde, welche Reinigungsmaßnahme passt und wie schwerwiegend die Verschmutzung ist.
Für Geschäftsdaten lässt sich dasselbe Muster auf gängige Prüfaufgaben übertragen. Ein Support-Team könnte für jedes Ticket fragen, ob eine Rückerstattung erwähnt wird, welchen Produktbereich es betrifft und wie dringend es ist. Dies sind unsere Beispiele, nicht die von Google.
Multimodale Eingabe in einem Durchgang
Das Modell liest mehrere Formate zusammen. Laut Googles Beitrag kann es „Text, Bilder, Audio, Video und PDFs direkt in einem einzigen Vorwärtspass verarbeiten“.
Der Beitrag nennt zwei Kombinationen als Beispiele. Eine ist „eine Gesprächsaufzeichnung mit Account-Metadaten“. Die andere ist „ein gescannter PDF-Schadenfall mit Fotos der Beschädigung“.
Dieses zweite Beispiel deutet auf Versicherungs- und Finanzaufgaben hin. Ein Schadenteam könnte jede Schadensakte in einem Aufruf auf Vollständigkeit prüfen, eine Kategorie wählen und den Schweregrad des Schadens bewerten.
Sie können auch die Bild- und Videoauflösung anpassen. Google sagt, dies steuere „visuelle Details und Token-Kosten“.
Wie Google-Teams es bereits nutzen
Googles Beitrag listet frühe Anwendungen innerhalb des Unternehmens auf:
- Gemini Notebook. Es nutzt die API, um jede Abfrage an die richtige Modell-Stufe und Denkebene weiterzuleiten. Google sagt, dass alltägliche Abfragen eine „bis zu 40 % geringere Latenz“ aufweisen.
- Stitch. Ein schnelles Canvas-Experiment nutzt sie, um in Sekundenschnelle spielbare Wireframes eines Produktflusses zu generieren.
- CC von Google Labs. Es wählt eine Emoji-Reaktion aus mehr als 200 Optionen „in einem Bruchteil einer Sekunde“ aus.
- Google Search. Es fungiert als Sicherheitsebene, die gegnerisches Verhalten in MCP-Tools erkennt.
Jeder Fall tauscht eine lange Antwort gegen eine schnelle, begrenzte Auswahl ein. Keiner davon erfordert, dass das Modell Prosa schreibt.
Was es kostet
Googles Beitrag nennt einen einfachen Preis. Gemini Decision 1 „wird mit $0.10 pro 1M Eingabe-Token und $0 für Ausgabe-Token berechnet“.
Es gibt auch einen kostenlosen Weg zum Testen. Der Beitrag erwähnt „eine kostenlose API-Stufe, die Sie in Google AI Studio für das Prototyping nutzen können“.
Die Abrechnung hat eine nützliche Besonderheit für große Fragensätze. Google sagt: „Ihre gemeinsam genutzte Eingabe wird pro Anfrage nur einmal abgerechnet, egal wie viele Fragen Sie auswerten.“ Jede zusätzliche Frage fügt nur ihre eigenen Anweisungs- und Kriterien-Token hinzu.
Einige übliche versteckte Kosten fehlen. Google sagt, es gäbe „keine Gebühren für Ausgabe-Token, variable Rechnungen für Denk-Token oder separate Kosten für Audiotranskription und OCR“.
| Posten | Preis in Googles Beitrag |
|---|---|
| Eingabe-Token | $0.10 pro 1M Token |
| Ausgabe-Token | $0 |
| Prototyping in Google AI Studio | Kostenlose Stufe |
Hier ist ein grobes Rechenbeispiel unter Verwendung unserer eigenen Annahmen. Ein Team bewertet 5.000 Umfrageantworten, eine Anfrage pro Antwort. Jede Anfrage enthält etwa 400 Token Antworttext und 150 Token Fragen.
Das sind 550 Token pro Anfrage oder insgesamt 2,75 Millionen Token. Bei $0.10 pro 1M Eingabe-Token kostet der Batch etwa $0.28. Die tatsächliche Token-Anzahl hängt von Ihrem Text und Ihrer Fragenformulierung ab, testen Sie also zuerst mit einer Stichprobe.
Google vergleicht die Kosten auch mit seinen eigenen generativen Modellen. Der Beitrag besagt, dass die Decisions API „über die gesamte Benchmark-Suite hinweg fast 5-mal günstiger ist als Gemini 3.5 Flash-Lite mit der Interactions API“.
Wer es nutzen kann und wie man startet
Die Gemini Decisions API ist ein Entwicklerprodukt. Sie benötigen einen API-Key von Google AI Studio und etwas Code.
Googles Beitrag verweist auf Python, JavaScript und REST-Leitfäden in der Dokumentation. Er listet außerdem drei Demo-Apps auf: Doorstep Parcels, Speed Sketch und Find the Zoo Keeper.
Teams, die bereits die Gemini API nutzen, wird das Eingabeformat bekannt vorkommen. Google sagt, das Eingabefeld „verwendet dasselbe Content-Block-Format wie die Interactions API“. Das bedeutet, dass vorhandener Code, der Prompts mit Bildern oder PDFs erstellt, wiederverwendet werden kann.
Die Ausgabe muss auf Ihrer Seite verarbeitet werden. Ihr Code liest die Wahrscheinlichkeiten, wendet einen Schwellenwert an und entscheidet, was mit Elementen mit geringer Konfidenz geschehen soll. Planen Sie diese Logik, bevor Sie den ersten großen Batch senden.
Unterstützung durch Drittanbieter wird ebenfalls ausgerollt. Der Beitrag nennt OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit und OpenCode. Die Unterstützung in Gemini in Google Cloud wird als „demnächst verfügbar“ aufgeführt.
Aktuelle Einschränkungen
Einige Einschränkungen ergeben sich aus dem Beitrag selbst:
- Nur geschlossene Fragen. Das Modell wählt aus Optionen, die Sie definieren. Es schreibt keine Erklärungen oder Zusammenfassungen.
- Code erforderlich. Es wird keine Point-and-Click-Oberfläche für Geschäftsanwender beschrieben.
- Ihre Optionen formen die Antwort. Eine schlecht formulierte Rubrik führt zu sicheren, aber nicht hilfreichen Bewertungen.
- Google Cloud Unterstützung steht noch aus. Teams, die über Google Cloud kaufen, müssen auf die angekündigte Integration warten.
Die Kalibrierung muss dennoch mit Ihren eigenen Daten überprüft werden. Google berichtet von dem niedrigsten Kalibrierungsfehler in seiner Benchmark-Suite, aber Ihre Tickets oder Schadensfälle können abweichen.
Was dies für Teams bedeutet, die Daten in großem Umfang auswerten
Die Gemini Decisions API macht eine gängige Aufgabe günstig: das Etikettieren großer Mengen von Elementen. Support-Tickets, Umfrageantworten, Produktbewertungen und Schadensakten passen alle in dieses Schema.
Drei Fragen helfen bei der Entscheidung, ob es für ein Team geeignet ist:
- Sind Ihre Fragen geschlossen? Ja/Nein-Prüfungen, Kategorien und Bewertungen eignen sich gut. Offene Fragen nicht.
- Haben Sie einen Entwickler? Jemand muss die Aufrufe schreiben und die Konfidenzwerte verarbeiten.
- Ist Geschwindigkeit oder Volumen das Problem? Die API glänzt, wenn Sie Tausende von Elementen haben oder Antworten in weniger als einer Sekunde benötigen.
Teams mit ein paar hundert Zeilen pro Monat und ohne Entwickler könnten feststellen, dass es mehr Arbeit macht, als es spart. Für sie ist ein No-Code-Tool, das die Datei liest und die Zusammenfassung schreibt, meist der kürzere Weg.
Das Volumen ändert auch die Wirtschaftlichkeit der Prüfung. Wenn Etiketten nur Bruchteile eines Cents kosten, kann ein Team jedes Ticket bewerten, anstatt nur eine Stichprobe. Der Engpass verlagert sich dann auf das Handeln basierend auf den Ergebnissen.
Alternativen zur Gemini Decisions API
Es gibt andere Möglichkeiten, Daten zu etikettieren und zu bewerten. Jede hat unterschiedliche Einrichtungskosten.
| Option | Angebot | Preis oder Zugang |
|---|---|---|
| Gemini 3.5 Flash-Lite mit der Interactions API | Generatives Modell, das Etiketten als Text zurückgeben kann | Googles Vergleichsbasis; Google sagt, die Decisions API sei in ihrer Benchmark-Suite fast 5-mal günstiger |
| Benutzerdefiniert trainierter Klassifikator | Ein Modell, das auf Ihren eigenen etikettierten Beispielen trainiert wurde | Erfordert etikettierte Daten und Machine-Learning-Kenntnisse |
| Powerdrill Bloom | Themen, Stimmung und Diagramme aus hochgeladenen Feedback-Dateien, ohne Code | Kostenloser Plan für $0.00, Pro für $13.27/Mo |
Generative Modelle. Ein allgemeines Modell kann dieselben Fragen in Textform beantworten. Es ist flexibler, da es seine Wahl auch erklären kann. Googles Beitrag positioniert die Decisions API als die schnellere und günstigere Option für begrenzte Auswahlmöglichkeiten.
Benutzerdefinierte Klassifikatoren. Googles Beitrag besagt, dass seine Teams Funktionen „einfach durch das Definieren von Optionen bereitstellen, anstatt benutzerdefinierte Klassifikatoren zu trainieren“. Ein trainierter Klassifikator ist immer noch sinnvoll, wenn Sie über jahrelange etikettierte Daten und feste Kategorien verfügen.
Wo Powerdrill Bloom ins Spiel kommt
Viele Teams, die Feedback auswerten müssen, schreiben keinen Code. Sie haben einen CSV-Export aus einem Umfragetool oder einem App Store und benötigen eine Zusammenfassung für ein Meeting.
Powerdrill Bloom erledigt das direkt aus der Datei heraus. Der AI Review Summary Generator gruppiert Bewertungen in „Themen, Stimmung und ein führungstaugliches Highlight“. Sie laden einen „CSV-Export aus App Stores, NPS, Support-Tools oder einer beliebigen Bewertungsplattform“ hoch.
Für Kundeninterviews und offene Antworten verwandelt der Voice of Customer Summarizer Feedback in Themen. Die Ergebnisse können Sie dann mit dem AI Graph Maker in Diagramme umwandeln.
Die Preisseite listet einen kostenlosen Plan für $0.00 und Pro für $13.27/Mo auf.
Testen Sie Powerdrill Bloom mit dem Umfrage-Export des letzten Monats und fragen Sie nach den Top-Themen nach Stimmung.
Häufig gestellte Fragen
Was ist die Gemini Decisions API?
Die Gemini Decisions API ist ein Google-Endpunkt für schnelle Entscheidungen in geschlossenen Systemen. Sie bewertet Optionen für Ja/Nein-, Multiple-Choice- und Rubrik-Fragen, anstatt Text zu schreiben, und liefert Wahrscheinlichkeiten mit Konfidenzwerten.
Was ist Gemini Decision 1?
Gemini Decision 1 ist das Modell hinter der Decisions API mit der ID gemini-decision-1. Google hat es am 11. November 2026 veröffentlicht; es liest Text, Bilder, Audio, Video und PDFs.
Wie viel kostet die Gemini Decisions API?
Google berechnet für Gemini Decision 1 $0.10 pro 1M Eingabe-Token und $0 für Ausgabe-Token. Es gibt auch eine kostenlose Stufe in Google AI Studio für das Prototyping.
Wie viele Fragen kann eine Anfrage enthalten?
Eine Anfrage kann bis zu 1.000 unabhängige Fragen zu einer einzelnen Eingabe enthalten. Die Eingabe kann bis zu 256K Token umfassen und mehrere Formate kombinieren.
Schreibt die Gemini Decisions API Textantworten?
Nein. Sie liefert Wahrscheinlichkeiten und Konfidenzwerte für von Ihnen definierte Optionen. Für schriftliche Zusammenfassungen oder Erklärungen benötigen Sie ein generatives Modell oder ein anderes Tool.
Quellen: Google, Gemini Decisions API: Fast, calibrated multimodal decisions.