GSP1230

Überblick

Gemini ist eine Reihe von generativen KI-Modellen, die von Google DeepMind entwickelt wurden und auf multimodale Anwendungsfälle ausgelegt sind.

Mit Empfehlungssystemen lassen sich im Einzelhandel der Kundenservice verbessern und der Umsatz steigern. In diesem Lab erfahren Sie, wie Sie mit dem Gemini-Modell in kurzer Zeit ein multimodales Empfehlungssystem erstellen können. Das Gemini-Modell kann mithilfe eines multimodalen Modells sowohl Empfehlungen als auch Erläuterungen liefern.

In diesem Lab fangen Sie mit einer Szene an (z. B. einem Wohnzimmer) und nutzen das Gemini-Modell für visuelles Verstehen. Außerdem lernen Sie, wie Sie mit dem Gemini-Modell einen Artikel (z. B. einen Stuhl) aus einer Liste von Möbelstücken als Eingabe empfehlen können.

Gemini

Gemini umfasst eine Reihe leistungsstarker generativer KI-Modelle, die von Google DeepMind entwickelt wurden. Diese können verschiedene Formen von Inhalten verstehen und erstellen, darunter Text, Code, Bilder, Audio und Video.

Gemini API in der Agent Platform

Die Gemini API in der Agent Platform bietet eine einheitliche Benutzeroberfläche für die Interaktion mit Gemini-Modellen. Darüber können Entwicklerteams die leistungsstarken KI-Funktionen ohne viel Aufwand in ihre Anwendungen einbinden. Aktuelle Informationen und besondere Merkmale der neuesten Versionen finden Sie in der offiziellen Dokumentation zu Gemini.

Gemini-Modelle

• Gemini Pro – entwickelt für komplexe Schlussfolgerungen, darunter:
  • Analysieren und Zusammenfassen großer Mengen von Informationen
  • Ausgereifte multimodale Schlussfolgerungen (zu Text, Code, Bildern usw.)
  • Effektive Problemlösung mit komplexer Codebasis
• Gemini Flash – für Geschwindigkeit und Effizienz optimiert, bietet folgende Vorteile:
  • Reaktionszeiten unter einer Sekunde und hoher Durchsatz
  • Hohe Qualität zu niedrigeren Kosten für eine Vielzahl von Aufgaben
  • Erweiterte multimodale Funktionen, einschließlich der Verwendung nativer Tools (Google Suche, Codeausführung und Funktionen von Drittanbietern), verbesserter räumlicher Strukturen und neuer Ausgabemodalitäten (Text, Audio, Bilder)

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

Lernziele

Aufgaben in diesem Lab:

• Mit dem Gemini-Modell () visuelles Verstehen nutzen
• Multimodalität beim Erstellen von Prompts für das Gemini-Modell berücksichtigen
• Mit dem Gemini-Modell eine Empfehlungsanwendung für den Einzelhandel erstellen

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)

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

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: 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.

Aufgabe 2: 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.

Klicken Sie auf Fortschritt prüfen. Gen AI SDK for Python installieren und Bibliotheken importieren

In den folgenden Abschnitten gehen Sie die Notebookzellen durch, um zu erfahren, wie Sie die multimodalen Funktionen des Gemini-Modells verwenden können.

Aufgabe 3: Gemini-Modell verwenden

Das Gemini-Modell () ist ein multimodales Modell, das das Einfügen von Bildern und Videos in Text‑ oder Chat-Prompts unterstützt und Textantworten ausgibt.

1. In dieser Aufgabe gehen Sie die Notebookzellen durch und nutzen das Gemini-Modell, um einen Raum anhand eines Bildes detailliert zu beschreiben. Dabei kombinieren Sie Text und Bild in einem Prompt.

Klicken Sie auf Fortschritt prüfen. Mit dem Gemini-Modell einen Raum beschreiben

Aufgabe 4: Offene Empfehlungen basierend auf integriertem Wissen generieren

Mit demselben Bild können Sie das Modell auffordern, ein Möbelstück zu empfehlen, das gut in den Raum passt, sowie eine Raumbeschreibung zu erstellen. Beachten Sie, dass das Modell in diesem Fall jedes beliebige Möbelstück empfehlen kann, und zwar ausschließlich auf der Grundlage seines integrierten Wissens.

1. Gehen Sie anhand desselben Bildes die Notebookzellen durch und erfahren Sie, wie das Gemini-Modell eine Empfehlung für ein Möbelstück erstellen kann, das in den Raum passt, ebenso wie eine Beschreibung des Raums.

Klicken Sie auf Fortschritt prüfen. Mit dem Gemini-Modell ein Möbelstück empfehlen

Aufgabe 5: Empfehlungen auf Basis bereitgestellter Bilder generieren

Anstatt eine beliebige Auswahl zu treffen, kann das Modell seine Auswahl auch anhand einer Liste von Artikeln treffen, die Sie zu Verfügung stellen. In diesem Abschnitt laden Sie mehrere Bilder von Stühlen herunter und legen sie als Auswahlmöglichkeiten für das Gemini-Modell fest. Daraus kann es dann Empfehlungen ableiten. Besonders nützlich ist dies für Einzelhändler, die ihren Kunden je nach Raumart und verfügbaren Artikeln Empfehlungen geben möchten.

1. In dieser Aufgabe gehen Sie die Notebookzellen durch, um zu erfahren, wie Sie mit dem Gemini-Modell ein Möbelstück aus einer Artikelliste empfehlen können.

Klicken Sie auf Fortschritt prüfen. Mit dem Gemini-Modell einen Artikel aus einer Auswahl empfehlen

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

Glückwunsch! In diesem Lab haben Sie erfahren, wie Sie mit Gemini ein multimodales Empfehlungssystem für Möbel erstellen können. Sie haben gelernt, wie man das Gemini-Modell für visuelles Verstehen einsetzt und wie Multimodalität beim Prompten des Modells berücksichtigt wird. In diesem Lab wurde gezeigt, wie Sie mit Gemini ein multimodales Empfehlungssystem für Möbel entwickeln können. Ein ähnlicher Ansatz lässt sich aber auch in anderen Bereichen anwenden:

• Empfehlungen für Kleidung zu einem bestimmten Anlass oder anhand eines Bildes des Veranstaltungsortes
• Empfehlung einer Tapete basierend auf dem jeweiligen Raum und der Einrichtung

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 23. Oktober 2025 aktualisiert

Lab zuletzt am 23. 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.