Wenn autonome Software-Agenten komplexe Aufgaben abarbeiten, scheitert der praktische Einsatz selten an fehlendem Weltwissen, sondern an Zeit und Geld. Bislang mussten Entwickler selbst für simple Zwischenfragen - etwa ob eine Nachricht Spam ist, welches Werkzeug als Nächstes aufgerufen werden soll oder welches Modell eine Anfrage bearbeiten darf - vollständige generative Sprachmodelle befragen. Diese erzeugen Antworten Token für Token, benötigen oft mehrere Sekunden und stellen jedes generierte Wort in Rechnung. Mit der neuen Gemini Decisions API und dem spezialisierten Modell Gemini Decision 1 will Google DeepMind diese Architektur grundlegend umbauen.
Die neue Schnittstelle verzichtet bewusst auf die Erzeugung von Fließtext. Stattdessen berechnet das System geschlossene Entscheidungen in einem einzigen Vorwärtsdurchlauf (Single Forward Pass) der Modellarchitektur. Das Resultat sind Wahrscheinlichkeiten und kalibrierte Konfidenzwerte im Bereich von Millisekunden.
Alphabet-Chef Sundar Pichai kündigte den Start der Schnittstelle an, die ab sofort über Google AI Studio und die reguläre Gemini API verfügbar ist. Die Zielrichtung ist eindeutig: Während klassische Modelle für ausführliche Texte oder kreative Denkprozesse reserviert bleiben, soll Decision 1 als extrem schneller Kontroll- und Steuerungs-Layer (Control Plane) für Software-Pipelines dienen.
Bis zu 1.000 geschlossene Prüfungen in einem Durchlauf
Technisch setzt das Modell auf der nativen multimodalen Architektur von Google auf. Entwickler können einen gemeinsamen Datensatz aus Texten, hochauflösenden Bildern, Audiodateien, Videoclips oder PDF-Dokumenten mit einem Kontextfenster von bis zu 256.000 Token einreichen. Gegen dieses multimodale Paket lassen sich in einem einzigen API-Aufruf bis zu 1.000 unabhängige Fragen gleichzeitig prüfen.
Google unterscheidet dabei drei feste Entscheidungstypen:
- Boolesche Abfragen (Ja/Nein): Das Modell ermittelt die Wahrscheinlichkeit, ob eine definierte Bedingung zutrifft, ergänzt um frei definierbare Kriterien für Wahr- und Falsch-Zustände.
- Mehrfachauswahl (Multiple Choice): Auswahl aus 2 bis 255 vordefinierten Optionen. Die API liefert die am besten passende Option sowie normalisierte Wahrscheinlichkeiten für sämtliche Kandidaten zurück.
- Geordnete Rubriken (Scoring): Bewertung der Eingaben anhand einer vorgegebenen Kriterien-Skala, was einen kontinuierlichen gewichteten Wert und Einzelwahrscheinlichkeiten pro Stufe ergibt.
Jede Rückgabe enthält einen Konfidenzwert zwischen 0 und 1. Liegt der Wert unter einem vom Entwickler festgelegten Schwellenwert, kann die Software den Fall automatisch an eine menschliche Kontrollinstanz oder an ein größeres Denkmodell mit ausführlicher Begründung weiterleiten.
Logan Kilpatrick, Produktverantwortlicher für Google AI Studio und die Gemini API, betonte bei der Vorstellung vor allem den Wegfall traditioneller Token-Grenzen. Da das Modell keine Ausgabetexte generiert, entfallen die damit verbundenen Abrechnungs- und Latenzrisiken vollständig.
Fünfmal günstiger und Latenzen unter 250 Millisekunden
Die Leistungsdaten, die Google im offiziellen Entwickler-Blog veröffentlichte, zeigen drastische Unterschiede zum herkömmlichen API-Betrieb. Die reine Rechenzeit des Modells beziffert das Unternehmen auf einen Median von 50 bis 100 Millisekunden. Die gesamte Ende-zu-Ende-Latenz über das Netzwerk liege bei Eingaben bis zu 16.000 Token typischerweise zwischen 150 und 250 Millisekunden.
Bemerkenswert ist das Skalierungsverhalten: Nach Unternehmensangaben bleibt die Antwortzeit zwischen einer einzigen Frage und 100 parallelen Abfragen pro Anfrage nahezu konstant, da die Bewertung parallel im selben Vorwärtsdurchlauf erfolgt. Auch die Preisstruktur spiegelt diesen Ansatz wider: Eingaben kosten 0,10 US-Dollar pro Million Token, während für Ausgabetoken null Dollar berechnet werden. Über eine interne Benchmark-Suite hinweg sei die Entscheidungs-API damit rund fünfmal preiswerter als Googles bisheriges Leichtgewicht Gemini 3.5 Flash-Lite über die klassische Schnittstelle.
Vom internen Werkzeug zum Industriestandard
Dass Google die Schnittstelle zunächst intern erprobt hat, zeigt die Liste der bestehenden Anwendungsfälle. Im Notizwerkzeug Gemini Notebook fungiert das Modell als Echtzeit-Router: Eingehende Nutzeranfragen werden binnen Millisekunden klassifiziert, wodurch einfache Standardfragen direkt an kleine Modelle geleitet werden. Das senke die Latenz im Alltag um bis zu 40 Prozent und halte teure Reasoning-Modelle für wirklich komplexe Fragestellungen frei.
In der Designumgebung Stitch erzeugt das System spielbare Benutzeroberflächen in Sekundenbruchteilen, während die Google-Suche die API als Sicherheitsfilter für Werkzeuge nach dem Model Context Protocol (MCP) einsetzt, um schädliche Befehle abzufangen, bevor sie ein Backend erreichen.
Der Vorstoß markiert den nächsten Schritt in einem sich zuspitzenden Architekturwettbewerb. Bereits im Oktober hatte Microsoft mit dem Modell Decision-1 für blitzschnelle Agentenentscheidungen vorgelegt. Die großen Plattformanbieter erkennen zunehmend, dass der Masseneinsatz von KI-Agenten nicht an kreativer Prosa scheitert, sondern an verlässlichen, schnellen Weichenstellungen. Für eine breite Adoption sorgt Google direkt zum Start durch Partnerschaften: Die Schnittstelle wird unmittelbar in Entwickler-Frameworks wie LangChain, Vercel, LiteLLM, OpenRouter und Pydantic AI integriert.
🎯 Was das für die Praxis bedeutet
1. Agenten-Kosten drastisch senken: Wer Sprachmodelle bislang nur für Klassifizierungen, Intent-Erkennung oder Tool-Routing aufgerufen hat, kann die API-Rechnung für diese Schritte durch geschlossene Entscheidungsmodelle um bis zu 80 Prozent reduzieren.
2. Kaskaden-Architekturen etablieren: Große Reasoning-Modelle sollten nicht mehr am Eingang von Software-Pipelines stehen. Ein extrem schneller vorgeschalteter Filter (50 bis 100 ms) sortiert Standardfälle aus und leitet nur unklare oder hochkomplexe Anfragen weiter.
3. Unsicherheiten strukturiert abfangen: Da jeder Entscheidungsdurchlauf mathematisch kalibrierte Konfidenzwerte liefert, können Entwickler strikte Schwellenwerte definieren, ab wann ein System automatisiert handelt und wann zwingend ein Mensch einschreiten muss.
Anzeige · Buch und Angebot von Markus Kirchmair
Noch ein Tool. Oder endlich weniger Arbeit?
Prüfen Sie mit No More Tools, welche Software und Abläufe Ihr Unternehmen tatsächlich braucht. Im Workshop entsteht ein priorisierter Fahrplan.
