Am 11. November 2026 hat Google in seinem offiziellen Blog die Gemini Decisions API vorgestellt, angetrieben vom neuen Modell Gemini Decision 1. Sie schreibt keine Texte und chattet nicht. Sie macht eine Sache: geschlossene Entscheidungen über eine gegebene Eingabe. Eine einzige Anfrage kann bis zu 1.000 Ja/Nein-, Auswahl- und Bewertungsfragen enthalten, und das Modell beantwortet sie alle in einem einzigen Forward-Pass – mit einer End-to-End-Latenz von 150 bis 250 Millisekunden. Für Produkte, die Entscheidungen in Echtzeit brauchen, ist das deutlich schneller, als auf die tokenweise Antwort eines generativen Modells zu warten.
Was eine Eingabe entscheiden kann
Die API nimmt gemischte Eingaben aus Text, Bild, Audio, Video und PDF entgegen, bis zu 256K Tokens pro Anfrage. Drei Fragetypen lassen sich in einer Anfrage mischen: Ja/Nein-Fragen liefern die Wahrscheinlichkeit für Ja oder Nein; Auswahlfragen unterstützen 2 bis 255 Optionen und geben den Gewinner sowie normalisierte Wahrscheinlichkeiten für jeden Kandidaten zurück; Bewertungsfragen vergeben anhand einer geordneten Rubrik ab 0 einen kontinuierlichen Score mit Wahrscheinlichkeiten je Stufe. Jede Antwort trägt einen Konfidenzwert von 0 bis 1, sodass Code unsichere Fälle an Menschen oder einen Ersatzprozess weiterleiten kann. Der Preis liegt bei 0,10 US-Dollar pro Million Eingabe-Tokens, Ausgabe-Tokens sind kostenlos, und dieselbe Eingabe wird einmal berechnet, egal wie viele Fragen daran hängen. Googles veröffentlichte Benchmarks zeigen Gemini Decision 1 vorn bei Agent-Routing, Reasoning, Ranking und multimodalem Verstehen, mit dem geringsten Kalibrierungsfehler – die gesamte Suite kostet fast fünfmal weniger als Gemini 3.5 Flash-Lite mit der Interactions API.
Wer sie zuerst nutzen wird
Google hat intern bereits vier Einsatzszenarien: Gemini Notebook nutzt sie für Echtzeit-Routing, verteilt Anfragen auf die passende Modellebene und Denktiefe und senkt die Latenz alltäglicher Anfragen um bis zu 40 %; Stitchs Rapid Canvas erzeugt damit in Sekunden klickbare Wireframes eines Produktablaufs; CC von Google Labs wählt damit augenblicklich das passende Emoji aus über 200 Optionen; Google Search setzt sie als Sicherheitsschicht für MCP-Tools ein, um adversariales Verhalten und Inhalte zu erkennen. Die passenden Szenarien sind konkret: Tool-Auswahl, Policy-Prüfung, Modell-Routing und Kontextbewertung. Die Grenze ist ebenso klar: Sie erzeugt keine offenen Texte – Aufgaben, die lange Antworten, kreatives Schreiben oder komplexes Schlussfolgern brauchen, bleiben generativen Modellen überlassen. Die Ökosystem-Anbindung läuft: OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit und OpenCode sind bereits dabei, die Unterstützung in Google Cloud ist in Vorbereitung.
Die API lässt sich bereits in Google AI Studio ausprobieren, mit einer kostenlosen Stufe, und Google hat drei Demo-Apps veröffentlicht: Doorstep Parcels, Speed Sketch und Find the Zoo Keeper. Worauf es wirklich ankommt, ist, ob die Kalibrierung auf echten Geschäftsdaten so gut bleibt wie im Benchmark – sobald die Konfidenzwerte danebenliegen, werden die Kosten in Routing- und Moderationsszenarien sofort spürbar.
