Hinweis: In diesem Lab werden unter Umständen für einige Modellanfragen Antworten aus dem Cache bereitgestellt, um eine konsistente und leistungsstarke Umgebung zu ermöglichen.

GSP1150

Übersicht

Das -Modell ist ein vielseitiges Modell, das für die Verarbeitung von Text, Code und Bildern entwickelt wurde. Es bewältigt komplexe Aufgaben, die anspruchsvolles Schlussfolgern und multimodale Analysen erfordern. Gemini zeichnet sich beim Coding, in den MINT-Disziplinen, bei der Webentwicklung und beim Debugging aus. Außerdem ist es besonders effektiv beim Generieren von Code und Beantworten differenzierter Prompts.

Das -Modell ist schnell, effizient und auf hochfrequente Workflows ausgelegt. So können Unternehmen Aufgaben automatisieren und responsive Anwendungen erstellen, ohne Abstriche bei der Qualität zu machen. Es liefert Antworten nahezu in Echtzeit und bietet ein hervorragendes Preis-Leistungs-Verhältnis, was es Unternehmen ermöglicht, ansprechende Lösungen auf Produktionsniveau bereitzustellen.

In diesem Lab führen Sie Beispiele aus, die zentrale Modellfunktionen demonstrieren und neue API-Funktionen vorstellen.

Vorbereitung

Für dieses Lab sollten Sie folgende Konzepte kennen:

• Grundlegende Kenntnisse der Programmierung mit Python
• Grundlegende API-Konzepte
• Python-Code in einem Jupyter-Notebook in Agent Platform Workbench ausführen

Ziele

In diesem Lab verwenden Sie die Modelle und für folgende Aufgaben:

• Mit unterschiedlichem Denkaufwand Text generieren und Schlussfolgerungen steuern
• Modellparameter und Systemanweisungen konfigurieren
• Multimodale Daten wie Audio, Code und Video verarbeiten
• Erweiterte Funktionen wie Funktionsaufrufe und Code-Ausführung implementieren

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der rechten Seite befindet sich der Bereich Lab-Einrichtung und ‑Zugriff:

   • Button Google Cloud Console öffnen
   • Die temporären Anmeldedaten (Nutzername und Passwort), die Sie für dieses Lab verwenden müssen
   • Gegebenenfalls weitere Informationen für dieses Lab

   Der Lab-Timer befindet sich oben auf der Seite und zeigt die verbleibende Zeit an.

2. Klicken Sie auf Google Cloud Console öffnen. Wenn Sie Chrome verwenden, können Sie auch rechtsklicken und Link in Inkognitofenster öffnen auswählen.

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

   {{{user_0.username | "Username"}}}

   Sie finden den Nutzernamen auch im Bereich Lab-Einrichtung und ‑Zugriff.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

   {{{user_0.password | "Password"}}}

   Sie finden das Passwort auch im Bereich Lab-Einrichtung und ‑Zugriff.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder 2-Faktor-Authentifizierung hinzu, da dies nur ein temporäres Konto ist.
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Aufgabe 1: Umgebung konfigurieren

In diesem Abschnitt installieren Sie Pakete und importieren Bibliotheken.

Notebook in Agent Platform Workbench öffnen

1. Klicken Sie in der Google Cloud Console im Navigationsmenü () auf Agent Platform > Notebooks > Workbench.

2. Suchen Sie die Instanz und klicken Sie auf JupyterLab öffnen.

Die JupyterLab-Oberfläche für Ihre Workbench-Instanz wird in einem neuen Browsertab geöffnet.

Notebook einrichten

1. Öffnen Sie die -Datei.

2. Wählen Sie im Dialogfeld Kernel auswählen in der Liste der verfügbaren Kernel die Option Python 3 (lokal) aus.

3. Gehen Sie den Abschnitt Erste Schritte des Notebooks durch. Die Projekt-ID und der Standort sind vorkonfiguriert.

Hinweis: Wenn Sie bei der Ausführung einer der Notebook-Zellen eine 429-Antwort erhalten, warten Sie eine Minute, bevor Sie die Zelle noch einmal ausführen und dann fortfahren.

Klicken Sie auf Fortschritt prüfen. Pakete installieren und Bibliotheken importieren

Aufgabe 2: Gemini-Modelle laden

• Führen Sie im Notebook die Zellen im Abschnitt Gemini-Modelle laden aus, um den genai-Client zu initialisieren und die Modellvariablen zu definieren.

Klicken Sie auf Fortschritt prüfen. Abschnitt Gemini 3-Modelle laden im Notebook ausführen

Aufgabe 3: Funktionen von Gemini kennenlernen

In diesem Abschnitt erkunden Sie zentrale Funktionen des Gemini 3 Pro-Modells sowie API-Funktionen. Nachdem Sie eine Funktion im Notebook kennengelernt haben, werden Sie aufgefordert, zu dieser Anleitung zurückzukehren und Ihren Fortschritt zu prüfen.

Systemanweisungen festlegen

• Gehen Sie zum Abschnitt „Systemanweisungen festlegen“ und führen Sie die Zellen aus, um das Verhalten des Modells zu definieren (Übersetzung von Englisch ins Spanische).

Klicken Sie auf Fortschritt prüfen. Abschnitt Systemanweisungen festlegen im Notebook ausführen

Denkaufwand

• Gehen Sie zum Abschnitt Denkaufwand. Führen Sie die Zellen aus, um zu sehen, wie sich das Anpassen des Parameters thinking_level auf die Tiefe des modellinternen Schlussfolgerungsprozesses auswirkt.

Klicken Sie auf Fortschritt prüfen. Abschnitt Denkaufwand im Notebook ausführen

Temperaturparameter konfigurieren

• Führen Sie den Code im Abschnitt Temperaturparameter konfigurieren aus, um die Zufälligkeit bei der Generierung von Antworten anzupassen.

Klicken Sie auf Fortschritt prüfen. Abschnitt Temperaturparameter konfigurieren im Notebook ausführen

Contentstream generieren

• Führen Sie den Abschnitt Contentstream generieren aus, um zu sehen, wie das Modell Antworten schrittweise ausgibt, anstatt auf das vollständige Ergebnis zu warten.

Klicken Sie auf Fortschritt prüfen. Abschnitt Contentstream generieren im Notebook ausführen

Zusammenfassungen der Gedanken

• Führen Sie die Zellen im Abschnitt Zusammenfassungen der Gedanken aus, um die Zwischenschritte beim Schlussfolgern des Modells vor der finalen Antwort nachzuvollziehen.

Klicken Sie auf Fortschritt prüfen. Abschnitt Zusammenfassungen der Gedanken im Notebook ausführen

Multi-Turn-Unterhaltung

• Führen Sie den Abschnitt Multi-Turn-Unterhaltung aus, um eine Chatsitzung zu starten, in der der Kontext aus vorherigen Prompts beibehalten wird.

Klicken Sie auf Fortschritt prüfen. Abschnitt Multi-Turn-Unterhaltung im Notebook ausführen

Sicherheitsfilter

• Gehen Sie zum Abschnitt Sicherheitsfilter und führen Sie die Zellen aus, um Blockiergrenzwerte für Hassrede, Belästigung und andere Kategorien zu konfigurieren.

Klicken Sie auf Fortschritt prüfen. Abschnitt Sicherheitsfilter im Notebook ausführen

Asynchrone Anfragen senden

• Führen Sie den Abschnitt Asynchrone Anfragen senden aus, um zu lernen, wie Sie nicht blockierende Anfragen mithilfe asynchroner Methoden senden.

Klicken Sie auf Fortschritt prüfen. Abschnitt Asynchrone Anfragen senden im Notebook ausführen

Multimodalität

• Führen Sie den Code im Abschnitt Multimodalität aus, um verschiedene Medientypen wie Bilder und Videos zusammen mit Textprompts zu analysieren.

Klicken Sie auf Fortschritt prüfen. Abschnitt Multimodalität im Notebook ausführen

Auflösung von Medien

• Führen Sie den Abschnitt „Auflösung von Medien“ aus, um die Auswirkung verschiedener Auflösungseinstellungen auf die modellinterne Analyse visueller Details zu vergleichen.

Klicken Sie auf Fortschritt prüfen. Abschnitt Auflösung von Medien im Notebook ausführen

Strukturierte Ausgabe

• Führen Sie die Zellen im Abschnitt Strukturierte Ausgabe aus, um das Modell zu zwingen, in bestimmten Formaten wie JSON zu antworten.

Klicken Sie auf Fortschritt prüfen. Abschnitt Strukturierte Ausgabe im Notebook ausführen

Fundierung mit der Google Suche

• Führen Sie den Abschnitt Fundierung mit der Google Suche aus, um die Antworten des Modells mit Echtzeitdaten aus der Google Suche zu untermauern.

Klicken Sie auf Fortschritt prüfen. Abschnitt Fundierung mit der Google Suche im Notebook ausführen

Codeausführung

• Gehen Sie zum Abschnitt Codeausführung und führen Sie die Zellen aus, um das Modell Python-Code zum Lösen mathematischer Probleme schreiben und ausführen zu lassen.

Klicken Sie auf Fortschritt prüfen. Abschnitt Codeausführung im Notebook ausführen

URL-Kontext

• Führen Sie den Abschnitt URL-Kontext aus, um die Fähigkeit des Modells, Inhalte direkt aus einer angegebenen URL zu verarbeiten und zusammenzufassen, in Aktion zu erleben.

Klicken Sie auf Fortschritt prüfen. Abschnitt URL-Kontext im Notebook ausführen

Funktionsaufrufe

• Führen Sie den Abschnitt Funktionsaufrufe aus, um benutzerdefinierte Tools zu definieren, die das Modell zum Abrufen externer Informationen aufrufen kann.

Klicken Sie auf Fortschritt prüfen. Abschnitt Funktionsaufrufe im Notebook ausführen

Funktionsaufrufe im Streaming

• Führen Sie die Zellen im Abschnitt „Funktionsaufrufe im Streaming“ aus, um Toolausgaben innerhalb einer Streamingantwort zu verarbeiten.

Klicken Sie auf Fortschritt prüfen. Abschnitt Funktionsaufrufe im Streaming im Notebook ausführen

Multimodale Funktionsantworten

• Führen Sie den Abschnitt Multimodale Funktionsantworten aus, um zu sehen, wie Funktionen auch Nicht-Textdaten wie Bilder oder Diagramme zurückgeben können.

Klicken Sie auf Fortschritt prüfen. Abschnitt Multimodale Funktionsantworten im Notebook ausführen

Gedankensignaturen

• Führen Sie den Abschnitt Gedankensignaturen aus, um die Authentizität der Schlussfolgerungskette des Modells zu überprüfen.

Klicken Sie auf Fortschritt prüfen. Abschnitt Gedankensignaturen im Notebook ausführen

Tokens zählen und berechnen

• Führen Sie zum Schluss die Zellen im Abschnitt Tokens zählen und berechnen aus, um die Kosten und Größe Ihrer Prompts und Antworten zu analysieren.

Klicken Sie auf Fortschritt prüfen. Abschnitt Tokens zählen und berechnen im Notebook ausführen

Das wars!

Sie haben das Lab erfolgreich abgeschlossen. Dabei kamen die Modelle und in einem Jupyter-Notebook unter Verwendung der Gemini API und des Google Gen AI SDK für generative KI zum Einsatz.

Weitere Informationen

In den folgenden Ressourcen finden Sie weitere Informationen zu generativer KI und der Gemini Enterprise Agent Platform:

• In der Übersicht zu den Gemini-Modellen von Google DeepMind erfahren Sie mehr über wichtige Modellfunktionen.
• In der offiziellen Dokumentation zur Agent Platform finden Sie Richtlinien für Design, Skalierung und Bereitstellung.
• Die Übersicht zu KI-Agenten auf der Agent Platform zeigt, wie Sie benutzerdefinierte KI-Agenten erstellen und verwalten.
• In der Playlist zu generativer KI auf YouTube finden Sie Video-Tutorials und Produktdemos.
• Weitere Notebooks und Beispiele wurden im Repository „Google Cloud Generative AI“ zusammengestellt.
• Im Beispielrepository des Google Agent Development Kit (ADK) finden Sie Vorlagen für benutzerdefinierte KI-Agenten.

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 18. Mai 2026 aktualisiert

Lab zuletzt am 16. April 2026 getestet

© 2026 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.