Gemini für macOS: Bildschirmüberwachung und systemweites Diktat

Neue Interaktionsmöglichkeiten für Gemini unter macOS

Google hat ein signifikantes Update für seine offizielle Gemini-App auf dem Mac veröffentlicht, das die Art und Weise, wie Nutzer mit dem KI-System interagieren, grundlegend verändert. Das Ziel ist eine tiefere Integration in das Betriebssystem, die es der KI ermöglicht, nicht mehr nur in einem isolierten Fenster zu agieren, sondern auf den gesamten Arbeitskontext zuzugreifen.

Systemweite Steuerung per Tastenkürzel

Ein zentrales Element des Updates ist die Einführung eines neuen Shortcuts. Durch einen langen Druck auf die Fn-Taste, die sich üblicherweise am unteren linken Rand der Tastatur befindet, wird ein Overlay eingeblendet. Dieses Overlay ist unabhängig von der aktuell geöffneten Anwendung verfügbar, was einen schnellen Zugriff auf die KI-Funktionen ermöglicht, ohne den laufenden Workflow unterbrechen zu müssen.

Bildschirmfreigabe und kontextbezogene Analyse

Die wohl weitreichendste Neuerung ist die Möglichkeit, dem Sprachmodell Zugriff auf Bildschirminhalte zu gewähren. Diese Funktion ist als Opt-in-Feature konzipiert, was bedeutet, dass sie standardmäßig deaktiviert ist und erst durch den Nutzer explizit freigegeben werden muss. Ist die Berechtigung erteilt, kann Gemini Informationen direkt vom Bildschirm extrahieren, zusammenfassen oder auf das Dateisystem zugreifen.

Google illustriert den Nutzen dieser Funktion anhand eines praktischen Beispiels: Ein Nutzer könnte einen Ordner mit medizinischen Unterlagen eines Haustieres öffnen und die KI anweisen, diese Informationen zusammenzufassen und direkt per E-Mail an eine Tierpension zu senden. Die KI agiert hierbei als intelligenter Assistent, der komplexe Aufgaben durch den Zugriff auf lokale Daten beschleunigt.

Fortschrittliche Diktier- und Editierfunktionen

Neben der Analyse von Inhalten verbessert das Update die Sprachinteraktion erheblich. Das systemweite Diktat bietet nun eine automatische Korrektur von Füllwörtern. Nutzer haben zudem die Möglichkeit, Texte mitten im Satz zu korrigieren oder Formatierungen direkt per Sprachbefehl vorzunehmen. Auch die Bildbearbeitung wird unterstützt: Illustrationen lassen sich beispielsweise per Spracheingabe anpassen, etwa um einen Nachtmodus für eine Grafik zu generieren.

Verfügbarkeit und regionale Einschränkungen

Obwohl Google die neuen Sprachfähigkeiten weltweit ausrollt, gibt es derzeit Einschränkungen. Die Funktionen sind primär in englischer Sprache verfügbar, wobei das Unternehmen angedeutet hat, dass weitere Sprachen in naher Zukunft folgen sollen.

Ein wesentlicher Unsicherheitsfaktor für Nutzer im Europäischen Wirtschaftsraum bleibt die Verfügbarkeit bestimmter Workflow-Funktionen. Der sogenannte „Spark“-Workflow-Agent, der für einige der komplexeren Aufgaben in der Gemini-App genutzt wird, ist in der EU nach wie vor nicht verfügbar. Es bleibt daher abzuwarten, welche Teile der neuen Funktionalitäten in vollem Umfang innerhalb der europäischen Rechtsrahmen nutzbar sein werden.

Preisstruktur und Abonnement-Modelle

Die Nutzung der erweiterten KI-Features ist an Googles Abonnement-Modelle gekoppelt. Funktionen, die auf dem Spark-Agent basieren, wurden zunächst für Nutzer des „Ultra“-Abos eingeführt. Eine spätere Bereitstellung für „Pro“-Nutzer ist geplant, wobei die Priorisierung der Ultra-Abonnenten in der aktuellen Strategie deutlich wird.

Die Preisgestaltung für diese Dienste beginnt bei 22 Euro monatlich für die Pro-Variante, die zusätzlich 5 TByte Cloud-Speicher umfasst. Das Ultra-Abo startet bei 100 Euro monatlich und bietet 20 TByte Speicherplatz. Ergänzend dazu existiert ein „Plus“-Abonnement mit einem reduzierten Funktionsumfang. Die Differenzierung zwischen den verschiedenen Abo-Stufen gestaltet sich für Nutzer aufgrund der komplexen Support-Dokumentation derzeit als wenig transparent.