GSP1166

Übersicht

Model Garden in Agent Platform ist eine zentrale Plattform für das Suchen, Kennenlernen und Interagieren mit einer Vielzahl von Modellen von Google und Google-Partnern. Sie ist in Agent Platform verfügbar und kann über die Google Cloud Console aufgerufen werden. In diesem Lab lernen Sie anhand eines Anwendungsfalls Model Garden kennen und erstellen dann mit Agent Studio Prompts, mit denen Sie experimentieren können.

Model Garden

Model Garden in Agent Platform ist eine Sammlung vortrainierter Modelle und Tools für maschinelles Lernen (ML), die das Erstellen und Bereitstellen von ML-Modellen vereinfachen.

Es gibt viele verschiedene Arten und Größen von Modellen. Model Garden umfasst eigene Modelle wie multimodale Modelle von Google für Vision, Dialog, Codegenerierung und ‑vervollständigung sowie eine Vielzahl von Open-Source-Modellen für Unternehmen.

Außerdem bietet Model Garden diverse Tools, die Ihnen bei der Verwendung dieser Modelle helfen, darunter:

• Modellkarten: Sie enthalten detaillierte Informationen zu den einzelnen Modellen, einschließlich ihrer Accuracy, Leistung und Trainingsdaten.
• Prompt-Design: Sie können über eine einfache Benutzeroberfläche mit einem Modell interagieren und es mit Ihren eigenen Daten optimieren.

Eines der über Model Garden verfügbaren Modelle ist die Cloud Natural Language API. Mit der Cloud Natural Language API können Sie Entitäten aus Text extrahieren, Text klassifizieren, d. h. Kategorien zuordnen, sowie Sentiment- und Syntaxanalysen erstellen.

Agent Studio

Agent Studio ist ein Tool in der Google Cloud Console zum schnellen Prototyping und Testen generativer KI-Modelle. Damit können Sie Beispiel-Prompts testen, eigene entwerfen und Foundation Models für Aufgaben anpassen, die die Anforderungen Ihrer Anwendung erfüllen. Sie haben folgende Möglichkeiten:

• Modelle mit Beispiel-Prompts testen
• Eigene Prompts entwerfen und speichern
• Foundation Model abstimmen
• Sprache in Text umwandeln und umgekehrt

Ziele

In diesem Lab lernen Sie Folgendes kennen:

• Model Garden in Agent Platform, um das passende Modell für Ihren Anwendungsfall zu finden
• Verschiedene Agent Platform-Modelle in Model Garden

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 linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   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 „Details zum Lab“.

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 „Details zum Lab“.

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 Zwei-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.

Anwendungsfall

Sie arbeiten als Marketinganalyst für ein Immobilienunternehmen. Dieses möchte Large Language Models (LLMs) verwenden, um kurze Textbeschreibungen von Immobilien, an denen es interessiert ist, sowie Informationen zu Krediten zu generieren. Sie sollen Prompts erstellen, mit denen Text aus sehr langen Beschreibungen von Immobilien auf Ihrer Website zusammengefasst wird. Die Beschreibungen werden in einer Datei in einem Google Cloud Storage-Bucket gespeichert. Zuerst sehen Sie sich in Model Garden die verfügbaren vordefinierten Modelle an, um Zeit zu sparen. Anschließend implementieren Sie eine Lösung, um Texte mithilfe eines Modells zusammenzufassen.

Aufgabe 1: APIs aktivieren

1. Wählen Sie in der Google Cloud Console im Navigationsmenü () Agent Platform > Dashboard aus.

2. Klicken Sie im Agent Platform-Dashboard auf Alle empfohlenen APIs aktivieren.

Aufgabe 2: Model Garden kennenlernen

Eine Liste der verfügbaren Agent Platform- und Open-Source-Foundation Models sowie der abstimmbaren und aufgabenspezifischen Modelle finden Sie in Model Garden.

1. Klicken Sie im Agent Platform-Dashboard links im Bereich Tools auf Model Garden.

Folgende Modellkategorien sind in Model Garden verfügbar:

Kategorie	Beschreibung
Foundation Models	Vortrainierte große Multitasking-Modelle, die mithilfe von AI Studio, der Agent Platform API und dem Google GenAI SDK for Python für bestimmte Aufgaben abgestimmt oder angepasst werden können.
Abstimmbare Modelle	Modelle, die Sie mit einem benutzerdefinierten Notebook oder einer Pipeline optimieren können.
Aufgabenspezifische Lösungen	Die meisten dieser vordefinierten Modelle sind sofort einsatzbereit. Viele können mit Ihren eigenen Daten angepasst werden.

2. Modellkarten sind auf der Seite Model Garden aufgeführt. Sehen Sie sich eine Modellkarte aus jeder Kategorie an, beispielsweise das Modell für die Sentimentanalyse, das den bereitgestellten Text untersucht und die vorherrschende Stimmung ermittelt. Damit können Sie die Stimmung in den Google-Rezensionen Ihres Immobilienunternehmens analysieren und herausfinden, wie zufrieden die Kunden sind.

Modelle in AI Studio

1. Klicken Sie im Agent Platform-Dashboard links im Bereich Tools auf Model Garden, um zur Hauptseite von Model Garden zurückzukehren.

2. Klicken Sie im Bereich Foundation Models auf Alle einblenden und dann auf die Modellkarte .

Auf der Detailseite finden Sie einen Überblick über das Gemini Flash-Modell für Text, einschließlich einer Beschreibung, Einführung in Anwendungsfälle und Dokumentation für das Modell.

Über die Schaltfläche In Agent Studio öffnen wird die AI Studio Language-Benutzeroberfläche geöffnet, in der Sie mit dem Modell interagieren und experimentieren können. AI Studio ist eine Funktion von Agent Platform. Sie macht das Erstellen und Abstimmen von Prompts für die Text-, Chat- und Codegenerierung einfach und intuitiv.

3. Klicken Sie auf In Agent Studio öffnen, um das Gemini-Modell in Agent Studio zu öffnen.

Sie können dieses Modell jetzt ausprobieren, um zu sehen, wie es auf Prompts reagiert.

Klicken Sie auf Fortschritt prüfen. Model Garden kennenlernen

Aufgabe 3: Modelltypen kennenlernen

Model Garden ist ein zentraler Ort, an dem Sie Foundation Models und beliebte Open-Source-Modelle kennenlernen und damit interagieren können. Unter den verschiedenen für Unternehmen geeigneten Modellen in Model Garden können Sie das passende Modell für Ihren Anwendungsfall, Ihre ML-Fachkenntnisse und Ihr Budget auswählen.

Model Garden ermöglicht verschiedene Workflows:

• Modell direkt als API verwenden
• Modell in AI Studio abstimmen
• Modell direkt in einem Jupyter-Notebook über Agent Platform Workbench verwenden
• Unterstützung bei der Bereitstellung von Pipelines für das Modelltraining

In diesem Lab lernen Sie einige der genannten Workflows kennen.

Modelle in einem Jupyter-Notebook

1. Klicken Sie links im Bereich Tools auf Model Garden, um zur Seite Model Garden in Agent Platform zurückzukehren.

2. Klicken Sie im Bereich Foundation Models auf Alle einblenden, um die vollständige Liste der Foundation Models zu sehen.

Links sehen Sie mehrere Typen von Modellgruppen, die Sie filtern können, um Modelle zu finden, die Ihren spezifischen Anforderungen entsprechen. Lassen Sie sich nur Modelle für Vision und Erkennung anzeigen:

3. Klicken Sie auf die Modellkarte OWL-ViT.

Auf der Agent Platform-Seite OWL-ViT sehen Sie den Link Notebook öffnen, über den Sie ein JupyterLab-Notebook öffnen können.

4. Klicken Sie auf Notebook öffnen, um das OWL-ViT-Colab in einem neuen Tab zu öffnen.

Sehen Sie sich das Colab-Notebook an, Sie müssen es aber nicht ausführen. Es zeigt, wie Sie das vortrainierte OWL-ViT-Modell in Agent Platform für Onlinevorhersagen bereitstellen. Weitere Informationen zu Colab-Notebooks finden Sie auf der Startseite von Google Colaboratory.

5. Schließen Sie den Tab mit dem Colab-Notebook, um zum Cloud Console-Tab zurückzukehren.

Model Garden in Agent Platform bietet eine einfache Möglichkeit, Modelle abzustimmen.

Modelle als Teil von Modelltraining-Pipelines:

1. Klicken Sie links im Bereich Tools auf Model Garden, um zur Seite Model Garden zurückzukehren.

2. Geben Sie „bert“ in die Suchleiste In Modellen suchen ein und wählen Sie in der Suchliste das Modell BERT aus.

   Hinweis: Je nach Breite des Browserfensters müssen Sie möglicherweise auf Alle einblenden klicken oder das Fenster maximieren, um die Modellkarte BERT zu sehen.

3. Klicken Sie auf Abstimmung, um die Agent Platform-Pipeline bert-finetuning zu öffnen.

Sehen Sie sich die Pipeline an. Sie müssen sie aber nicht ausführen.

Klicken Sie auf Fortschritt prüfen. Modelltypen kennenlernen

Daraufhin wird eine Vorlage angezeigt, mit der Sie dieses Modell abstimmen und bereitstellen können. Sie sehen die verschiedenen Komponenten dieser Pipeline, die mit dieser Vorlage ausgeführt würden.

In Ihrer eigenen Produktionsumgebung klicken Sie auf Pipeline erstellen, geben die erforderlichen Informationen ein oder bestätigen sie und klicken dann auf Senden. So wird eine Pipeline bereitgestellt, ohne dass Sie Code schreiben müssen.

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

Sie haben Prompts für verschiedene GenAI-Anwendungsfälle anhand von Model Garden und AI Studio erstellt und ausprobiert. Außerdem haben Sie die Benutzeroberfläche von Agent Studio kennengelernt.

Weitere Informationen

• Video „Get started with Agent Platform“
• Machine Learning – Glossar
• Leitfaden für Einsteiger in die generative KI
• Weitere Informationen zu Model Garden in Agent Platform:
  • Model Garden in Agent Platform
  • Model Garden – Übersicht
  • Blog zum Thema KI und maschinelles Lernen (zum Blogpost zu Model Garden scrollen)

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 9. Oktober 2025 aktualisiert

Lab zuletzt am 9. Oktober 2025 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.