Google zeigt 10 Forschungsprojekte. Der Zugang reicht vom öffentlichen Werkzeug bis zur Warteliste

Auf der Research@-Veranstaltung in Mountain View fasste Google 10 Forschungsprojekte aus Geodaten, wissenschaftlichen Agenten, technischer Dokumentenprüfung, Gesundheit, Bildung und gemeinsamer Prototypentwicklung zusammen. Es handelt sich nicht um 10 gleich ausgereifte Produkte mit demselben Zugangsmodell.

Zehn Demonstrationen bringen AI in fachliche Arbeitsabläufe

Earth AI erweitert den Early Access um Analysen in Google Earth, eine Planetary Prediction Engine und eine experimentelle Agent-to-Agent API. Eingebunden werden Google Dataset Search mit mehr als 100 Millionen öffentlichen Datensätzen sowie TimesFM. Google nennt über 70 Geospatial Tools und stellt zugleich 10 Millionen Dollar für Organisationen bereit, die an Krisenresilienz und öffentlicher Gesundheit arbeiten.

Andere Projekte greifen direkt in Facharbeit ein. Ein Multi-Agent Orchestrator reproduziert frühere Methoden und wendet sie auf neue wissenschaftliche Probleme an. Deep Review prüft logische Konsistenz und die faktische Grundlage komplexer Dokumente. Laut Google wurde eine frühe Version für das Review von mehr als 16.000 Forschungsarbeiten genutzt. Nun wird der Zugang für die Öffentlichkeit erweitert.

Google baut das Portfolio um Prüfung, Daten und Fachkontext

Der gemeinsame Nenner ist kein universeller Chatbot. Google platziert Modelle zwischen Fachleuten und konkretem Arbeitsmaterial: Satellitenbildern, Tabellen, wissenschaftlicher Literatur, klinischen Unterlagen oder technischen Dokumenten. Der Wert entsteht aus der Verbindung zu Daten, Spezialwerkzeugen und einem Prüfschritt, nicht allein aus einer längeren Modellantwort.

Die Zahlen stützen diese Lesart. MedGemma wurde laut Google mehr als 10 Millionen Mal von über 65.000 verschiedenen Nutzern heruntergeladen. In einer AMIE-Studie konsultierten 98 Patienten das System sicher vor einem Besuch in der Notfallversorgung. Kliniker gaben an, dass die AI-Zusammenfassungen ihnen in 75 % der Fälle bei der Vorbereitung halfen. Groundsource erzeugte einen öffentlichen Datensatz mit mehr als 2,6 Millionen Hochwasserereignissen für ein Modell, das urbane Sturzfluten bis zu 24 Stunden im Voraus prognostiziert.

Eine Präsentation vermischt verfügbare Dienste, Studien und Ankündigungen

Der Reifegrad unterscheidet sich deutlich. Deep Review öffnet sich für die Öffentlichkeit. TimesFM und TabFM stehen Cloud-BigQuery-Nutzern zur Verfügung, während ihre Integration in Gemini for business noch aussteht. Earth AI bleibt im Early Access mit experimentellen Funktionen. Für die Lernsimulationen gibt es ein Pilotprogramm, und Play with Putty hat lediglich eine Google-Labs-Warteliste geöffnet.

Auch Gesundheitsergebnisse brauchen den richtigen Maßstab. Die AMIE-Studie umfasste 98 Patienten in einem einzigen medizinischen Zentrum, und Google beschreibt die Arbeit selbst als früh. Die 75 % erfassen die Einschätzung der Kliniker zur Vorbereitungshilfe, kein klinisches Ergebnis und keinen breiten Einsatz.

Wiederholbare Ergebnisse außerhalb der Google-Piloten entscheiden

Jedes Projekt braucht nun ein anderes Signal. Bei Deep Review zählt die Qualität gefundener Fehler außerhalb von Informatikkonferenzen. Bei Earth AI ist es die Zahl der Partner, die die experimentelle API in echte Entscheidungen einbauen. Bei AMIE zählt die landesweite randomisierte Studie. Bei Lernsimulationen ist das Verhalten im Unterricht wichtiger als die Zahl erzeugter Bildschirme.

Google hat eine starke Forschungslandkarte gezeigt, aber eine Karte ist noch kein Verkehrsnetz. Dauerhafter Vorsprung entsteht dort, wo das Unternehmen Zugang gewährt, Grenzen beschreibt und unabhängige Prüfung ermöglicht.

Liliths Urteil

Google stellt zehn glänzende Prototypen auf die Bühne, doch jeder verlangt eine andere Eintrittskarte. Forschungsvorsprung beginnt erst, wenn Fachleute hineinkommen, das Werkzeug nutzen und andere das Ergebnis wiederholen.