Gemini & Google AI
Ein tiefgehender, praxisorientierter Weg zur Gemini-Beherrschung: Modelle und App, Gems, Workspace, Extensions, AI Studio und die Gemini API, Gemini CLI und Code Assist, Agenten, Vertex AI, Automatisierung und ein Capstone.
Alle reden über Google AI. Sie werden es betreiben. Dieser Block führt Sie von der Gemini-Modellfamilie bis zu einem produktiven Workflow, den Sie tatsächlich ausliefern, und verschwendet Ihre Zeit nicht mit Theorie, die Sie nie brauchen werden.
Beginnen Sie mit den Grundlagen: wann sich pro bezahlt macht und wann flash gewinnt, wie Gems und Personalisierung Gemini zu Ihrem Gemini machen, und warum Multimodalität und langer Kontext die Superkräfte sind, die Ihre Arbeitsweise verändern. Dann setzen Sie es in Google Workspace ein, in Docs, Gmail, Sheets, Slides, Meet, Drive und im Side Panel, mit der Governance und den Datenkontrollen, für die eine ernstzunehmende Führungskraft einstehen muss.
Ab da sind Sie nicht mehr Passagier. Sie bauen wiederverwendbare Gems, verdrahten Extensions und lernen genau, wozu Sie wann greifen. Sie prototypen in Google AI Studio, machen Ihre ersten echten Calls an die Gemini API und grounden Antworten in Google Search, damit Ihre Ergebnisse einer Prüfung standhalten.
Die Engineers in Ihrem Team werden den nächsten Teil respektieren. Sie holen die Gemini CLI in Ihr Terminal, betreiben agentic coding, reviewen Pull Requests und gehen end to end vom Issue bis zum gemergten Pull Request. Sie stellen Agenten mit dem Agent Development Kit auf, orchestrieren mehrere davon und setzen die Guardrails bei Berechtigungen, Review und Kosten, die verhindern, dass Autonomie zum Risiko wird.
Dann geht es tiefer: Function Calling, strukturierte Outputs, Embeddings, RAG auf Ihren eigenen Dateien und Vertex AI, um Gemini in Produktion zu bringen. Das Capstone bindet alles in einem echten Workflow zusammen.
Am Ende fragen Sie nicht, was Gemini kann. Sie entscheiden, was es als Nächstes in Ihrer Organisation tut.
Was Sie beherrschen werden
- Für jede Aufgabe das richtige Gemini-Modell nach Kosten, Geschwindigkeit und Qualität wählen
- Gemini in Workspace ausrollen und dabei Governance und Datenkontrollen durchsetzen
- Wiederverwendbare Gems bauen und Extensions mit Ihren laufenden Business-Apps verbinden
- Die Gemini API aufrufen und Antworten mit Google Search grounden, für belastbare Ergebnisse
- Agentic coding aus der CLI betreiben, vom Issue bis zum gemergten Pull Request
- Mehrere Agenten mit dem ADK orchestrieren, hinter Guardrails für Berechtigungen, Review und Kosten
- Einen produktiven Gemini-Workflow mit RAG, Embeddings und Vertex AI ausliefern
Schlüsselbegriffe
Module
Behandelt die Gemini-Modellfamilie, wann welche Version zum Einsatz kommt und wie Multimodalität, langer Kontext und Personalisierung den Funktionsumfang erweitern.
Zeigt, wie Sie Gemini in Docs, Gmail, Sheets, Slides, Meet und Drive nutzen, sowie die Governance-Kontrollen, die Unternehmensdaten schützen.
Zeigt, wie Sie wiederverwendbare eigene Assistenten aufbauen, Gemini mit Ihren Anwendungen verbinden und für jede Aufgabe das passende Tool wählen.
Zeigt, wie Sie Prompts prototypen, Ihre ersten API-Calls machen und Antworten mit Google Search und Live-Daten grounden.
Zeigt, wie Sie Gemini für agentic Coding im Terminal, in der IDE und auf GitHub einsetzen, von einem einzelnen Issue bis zum gemergten Pull Request.
Zeigt, wie Sie mit dem Agent Development Kit KI-Agents aufbauen, orchestrieren und absichern, die Arbeit in Google Workspace automatisieren.
Zeigt, wie Sie Gemini mit Function Calling, strukturierten Outputs, Embeddings und Retrieval erweitern und anschließend auf Vertex AI in Produktion bringen.
Zeigt, wie Sie Gemini in den Google-Tools nutzen, wiederkehrende Aufgaben automatisieren und einen vollständigen End-to-End-Workflow aufbauen.
Häufige Fragen
Was deckt der Block Gemini & Google AI konkret ab?
Er umfasst 8 Module und 29 Lektionen, von der Gemini-Modellfamilie und der Gemini App über Workspace, Gems, Extensions, Google AI Studio, die Gemini API, die Gemini CLI, Agenten, RAG und Vertex AI bis zu einem Capstone-Workflow. Er ist Teil des Tracks AI Essentials. Der Schwerpunkt liegt darauf, etwas Funktionierendes auszuliefern, nicht auf Theorie darüber, wie Sprachmodelle gebaut werden.
Muss ich programmieren können, um durchzukommen?
Die ersten drei Module (Grundlagen, Workspace, Gems und Extensions) kommen ohne Code aus. Ab Google AI Studio und der Gemini API, und besonders in den Modulen zur Gemini CLI und zu Agenten, arbeiten Sie mit API-Calls, Terminal-Befehlen und Pull Requests. Nicht-technische Führungskräfte lesen diese Module oft, um zu wissen, was sie von ihren Engineers verlangen können, und nicht um den Code selbst zu schreiben.
Gibt es am Ende des Capstone ein Zertifikat?
Nein. Der Block Gemini & Google AI liefert kein Diplom, keine staatlich anerkannte Zertifizierung und hat keine Anbindung an eine Schule oder Universität. Was Sie mitnehmen, ist das Capstone selbst: ein echter End-to-End-Gemini-Workflow, den Sie gebaut haben. Das Lesen ist kostenlos und offen; ein Konto speichert lediglich Ihren Fortschritt.
Wann sollte ich Gemini pro statt flash nutzen?
Dieser Trade-off ist Thema der ersten Lektion zur Gemini-Modellfamilie. Kurzfassung: pro rechtfertigt seine Kosten bei Aufgaben, in denen die Qualität des Reasonings über das Ergebnis entscheidet, flash gewinnt, wenn Volumen, Latenz und Preis dominieren. Der Block behandelt die Modellwahl als Kosten-Geschwindigkeit-Qualität-Entscheidung, die Sie pro Aufgabe treffen, nicht einmalig für die gesamte Organisation.
Was ist der Unterschied zwischen einem Gem und einer Extension?
Ein Gem ist ein wiederverwendbarer Custom-Assistent, den Sie einmal mit Ihren Instruktionen und Ihrem Kontext konfigurieren; eine Extension verbindet Gemini mit einer externen App, damit es auf Live-Daten agieren kann. Das Modul zu Gems und Extensions hat eine eigene Lektion dazu, wozu man wann greift, denn die beiden lösen unterschiedliche Probleme und werden häufig verwechselt.
Wie geht der Block mit dem Risiko autonom laufender Agenten um?
Das Agenten-Modul enthält eine Lektion speziell zu Guardrails: Berechtigungen, menschliches Review und Kostenkontrolle. Multi-Agent-Orchestrierung mit dem ADK wird zusammen mit diesen Grenzen vermittelt, nicht danach, und das Modul zur Gemini CLI behandelt Loops und autonome Runs mit derselben Vorsicht. Das erklärte Prinzip: Autonomie ohne Guardrails wird zum Risiko.