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 Vertex AI

Die Gemini API in Vertex AI bietet eine einheitliche Benutzeroberfläche für die Interaktion mit Gemini-Modellen. Darüber können Entwickler die leistungsstarken KI-Funktionen ohne viel Aufwand in ihre Anwendungen integrieren. 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
• Ausführen von Python-Code in einem Jupyter-Notebook in Vertex AI Workbench

Lernziele

Aufgaben in diesem Lab:

• Mit dem Gemini-Modell (gemini-2.0-flash) 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)

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.

Aufgabe 1: Notebook in Vertex AI Workbench öffnen

1. Klicken Sie in der Google Cloud Console im Navigationsmenü () auf Vertex AI > 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 aus.

3. Gehen Sie die Abschnitte Erste Schritte und Bibliotheken importieren des Notebooks durch.

   • Verwenden Sie als Projekt-ID den Wert und als Standort die Option .

Hinweis: Notebookzellen mit dem Hinweis Nur Colab können Sie überspringen. 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. 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 (gemini-2.0-flash) 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.

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 Gemini:

• Überblick: Gemini
• Dokumentation: Generative KI in Vertex AI
• Generative KI auf YouTube
• Im Vertex AI Cookbook finden Sie ausgewählte und durchsuchbare Notebooks zu generativer KI.
• Weitere Notebooks und Beispiele wurden im Repository „Google Cloud Generative AI“ zusammengestellt.

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 17. April 2025 aktualisiert

Lab zuletzt am 17. April 2025 getestet

© 2025 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.