Neben Gemini 3.5 Flash hat Google auf der I/O 2026 ein zweites Modell vorgestellt, das mindestens genauso viel Aufmerksamkeit verdient: Gemini Omni. Wo bisherige KI-Modelle entweder Text verstehen oder Bilder erzeugen konnten, macht Omni beides gleichzeitig - und erweitert das Spektrum auf Video, Audio und beliebige Kombinationen davon.
Was Gemini Omni kann
DeepMind-CEO Demis Hassabis beschreibt Omni als den Moment, in dem Geminis Fähigkeit zu denken auf die Fähigkeit zu erschaffen trifft. Das Modell nimmt laut Google beliebige Eingaben entgegen - Text, Bilder, Videos, Audiodateien oder jede Kombination daraus - und erzeugt daraus hochwertige Videos, die auf Geminis Weltwissen basieren. Und: Man kann die generierten Videos anschließend per Konversation bearbeiten, Szene für Szene.
Konkret heißt das: Jede Anweisung baut auf der vorherigen auf. Charaktere bleiben konsistent, die Physik bleibt plausibel, und die Szene erinnert sich an das, was vorher passiert ist. Man kann die Umgebung verändern, den Kamerawinkel wechseln, den Stil anpassen oder spezifische Details korrigieren - ohne den roten Faden zu verlieren.
Physik, Weltwissen und kreatives Storytelling
Omni geht über reine Bildgenerierung hinaus. Das Modell hat ein verbessertes intuitives Verständnis physikalischer Kräfte wie Schwerkraft, kinetische Energie und Fluiddynamik. In einer Demo zeigt Google eine Murmel, die über eine Kettenreaktion-Bahn rollt - mit durchgängig glaubhafter Physik.
Noch beeindruckender: Omni verbindet Geminis enzyklopädisches Weltwissen mit der Videogenerierung. In einem Beispiel erzeugt das Modell aus dem Prompt "Claymation-Erklärvideo über Proteinfaltung" ein inhaltlich korrektes Stop-Motion-Erklärvideo - ganz ohne externes Material. Ein anderer Prompt fordert alle 26 Buchstaben des Alphabets als ungewöhnliche Gegenstände auf einem Tisch, synchronisiert mit ruhiger Musik. Omni liefert.
Multimodale Eingabe als neuer Standard
Das vielleicht disruptivste Feature: Omni akzeptiert beliebige Referenzen als Eingabe. Ein Foto, ein Videoclip, ein Text und eine Audiodatei lassen sich zu einem einzigen, kohärenten Output verbinden. Ein Nutzer könnte etwa ein eigenes Foto hochladen, einen Videoclip als Stilreferenz hinzufügen und eine Audiodatei als Soundtrack einbinden - Omni kombiniert alles zu einem fertigen Video.
In der Gemini-App wird das besonders zugänglich: Man kann Fotos oder Videos aus der Kamerarolle hochladen, vorgefertigte Templates mit einem Klick anwenden und professionelle Ergebnisse erzielen, ohne teure Ausrüstung oder technisches Vorwissen. In Google Flow, dem neuen KI-Kreativstudio, erlaubt Omni zusätzlich iterative Bearbeitung per Konversation und verbesserte Charakterkonsistenz über mehrere Szenen hinweg.
Verfügbarkeit und Einordnung
Gemini Omni Flash - das erste Modell der Omni-Familie - ist ab sofort in der Gemini-App, Google Flow und YouTube Shorts verfügbar. Zugang haben alle KI-Abo-Stufen weltweit (AI Plus, Pro und Ultra). Weitere Output-Modalitäten wie Bild- und Audiogenerierung sollen folgen.
Der Markt für KI-Videogenerierung ist in den letzten Monaten stark in Bewegung geraten. OpenAIs Sora, einst als Durchbruch gefeiert, wurde von chinesischen Modellen wie Kling, Hailuo und Wan massiv unter Druck gesetzt und wird mittlerweile eingestellt. In dieses Vakuum stößt Google mit Omni - und bringt dabei einen entscheidenden Vorteil mit: Das Modell generiert nicht nur, sondern versteht. Es kann existierende Videos analysieren, inhaltlich korrekte Fortsetzungen erzeugen und den physikalischen Kontext wahren. Dazu kommt Geminis Weltwissen als Fundament, das reine Diffusionsmodelle nicht bieten können.
🎯 Was das für die Praxis bedeutet
1. Videoproduktion ohne Equipment: Kleine Teams und Einzelunternehmer können jetzt per Textprompt professionelle Videos erzeugen und iterativ bearbeiten - ohne Kamera, Schnittprogramm oder Produktionsteam.
2. Content-Erstellung beschleunigt sich dramatisch: Erklävideos, Produktvorstellungen und Social-Media-Content lassen sich in Minuten statt Tagen produzieren. YouTube Shorts direkt aus Gemini heraus erzeugen wird zum neuen Standard.
3. Kreativbranche unter Druck: Für Videografen, Animatoren und Postproduktionshäuser verschärft sich der Disruptionsdruck, der mit Bildgeneratoren wie Nano Banana begonnen hat, nochmals deutlich.
