Google treibt On-Device-KI mit Gemma 4 und integrierten Agentenfähigkeiten weiter voran

Google verlagert mehr KI-Arbeit direkt auf das Gerät

Googles neueste Gemma-4-Veröffentlichung signalisiert einen ehrgeizigeren Vorstoß in Richtung lokaler KI, die direkt auf Smartphones und anderer Hardware läuft, statt auf die Cloud angewiesen zu sein. Laut The Decoder kann die neue Open-Source-Modellfamilie Text, Bilder und Audio vollständig auf dem Gerät verarbeiten und außerdem über integrierte „agent skills“ Werkzeuge nutzen, etwa Wikipedia-Zugriff, interaktive Karten und das Erzeugen von QR-Codes.

Diese Kombination ist deshalb wichtig, weil sie die praktische Bedeutung von Mobile-KI verändert. Viele Verbrauchersysteme präsentieren sich bereits als Assistenten, doch ihre zentrale Verarbeitung hängt oft weiterhin von entfernten Servern ab. Gemma 4 ist anders positioniert. Der Reiz liegt nicht nur in Geschwindigkeit oder Komfort, sondern in der Fähigkeit, Daten auf dem Gerät zu behalten und trotzdem ein breiteres Spektrum an Aktionen zu ermöglichen.

Der Zeitpunkt passt zu einem breiteren Branchentrend. Während Modelle effizienter werden und mobile Chips sich verbessern, versuchen Unternehmen, mehr Intelligenz auf Edge-Hardware zu verlagern. Das kann Latenzen senken, Serverkosten reduzieren und Datenschutzversprechen glaubwürdiger machen. Google versucht nun, diese technische Richtung gleichzeitig in eine Entwicklerplattform und einen konsumorientierten Distributionskanal zu überführen.

Kleinere Modelle zielen auf Mainstream-Smartphones

The Decoder zufolge erscheint Gemma 4 in vier Varianten. Zwei davon, E2B und E4B, sind speziell für Smartphones gebaut. Das „E“ steht für effektive Parameter, also die Parameter, die während der Inferenz aktiv sind. Quantisiert belegt das E2B-Modell auf dem Gerät rund 1,3 GB, während E4B etwa 2,5 GB benötigt.

Diese Speicherwerte sind bemerkenswert, weil sie auf eine praktische Bereitstellungsstrategie hindeuten, nicht auf ein Vorzeigemodell nur für Premium-Hardware. Der Bericht sagt, dass E2B und E4B auf Telefonen mit 6 GB beziehungsweise 8 GB RAM laufen können. Wenn das im Alltag Bestand hat, erweitert es die erreichbare installierte Basis erheblich und macht lokale multimodale KI weniger abhängig von Flaggschiff-Geräten.

Google sagt außerdem, dass die Telefonvarianten bis zu viermal schneller laufen als die vorherige Generation und den Akkuverbrauch um bis zu 60 Prozent senken. Arm-Benchmarks, die The Decoder zitiert, zeigen auf neueren Arm-Chips sogar noch größere Verarbeitungsvorteile. Die tatsächliche Erfahrung wird je nach Gerät variieren, doch die Botschaft ist klar: Modellarchitektur und Hardware-Optimierung werden inzwischen ebenso wichtig wie die reine Größe.

Die größere Geschichte ist agentische Fähigkeit ohne die Cloud

Was diese Veröffentlichung von einem bloßen Effizienz-Update unterscheidet, ist die Betonung der Werkzeugnutzung. Gemma 4 wird nicht nur als kompaktes multimodales Modell beschrieben. Es wird als agentisches System dargestellt, das über gebündelte Fähigkeiten selbstständig bestimmte Werkzeuge aufrufen kann. Praktisch bedeutet das: Ein lokal laufendes Modell kann mehr tun, als Fragen aus einem Prompt zu beantworten; es kann Informationen abrufen, mit Karten arbeiten oder nützliche Ausgaben erzeugen, ohne die Interaktion an einen entfernten Dienst zu senden.

Diese Architektur hat strategische Folgen. On-Device-Agenten versprechen ein anderes Gleichgewicht zwischen Funktionalität und Privatsphäre. Wenn Modell, Nutzereingaben und Werkzeug-Orchestrierung alle auf Hardware bleiben, die der Nutzer kontrolliert, können Unternehmen ein privateres KI-Erlebnis bieten und trotzdem reichhaltigere Workflows unterstützen.

Außerdem eröffnet das einen Weg zur Anpassung. The Decoder berichtet, dass Entwickler über GitHub eigene Fähigkeiten erstellen und teilen können. Das deutet darauf hin, dass Google nicht nur eine Modellfamilie ausliefert, sondern ein Ökosystem rund um portable, lokale KI-Verhaltensweisen aufbauen will.

Google verbindet offene Veröffentlichung mit breiter Distribution

Gemma 4 wird unter der Apache-2.0-Lizenz veröffentlicht, die The Decoder als kommerziell freundlich beschreibt. Das ist wichtig, weil eine Lizenz darüber entscheiden kann, ob eine Modellfamilie zu einer ernsthaften Entwicklungsgrundlage wird oder überwiegend eine Forschungsneugier bleibt. Eine permissive Lizenz senkt die Hürden für Experimente, Anpassungen und kommerzielle Nutzung.

Google verteilt die Erfahrung außerdem über die kostenlose Google AI Edge Gallery App für Android und iOS. The Decoder zufolge ist die App seit dem Start von Gemma 4 auf Platz vier unter den meistgeladenen kostenlosen Produktivitäts-Apps im Apple iOS App Store geklettert, hinter Claude, Gemini und ChatGPT. Auch wenn Rankings schwanken, deutet dieser Wert auf ein spürbares frühes Verbraucherinteresse an lokalen KI-Erlebnissen hin.

Der Bericht ergänzt, dass Gemma 4 auf derselben Forschungsbasis wie Googles proprietäres Modell Gemini 3 aufbaut und dass die Smartphone-Varianten die Grundlage für Gemini Nano 4 auf Android bilden werden. Diese Verbindung ist bedeutend. Sie legt nahe, dass Google offene und proprietäre Modelllinien als Teil desselben größeren Stacks behandelt, wobei Gemma sowohl als Entwicklerplattform als auch als Testfeld für mobile Bereitstellung dient.

Warum diese Veröffentlichung im Wettbewerb um KI-Plattformen wichtig ist

Der KI-Markt teilt sich zunehmend in mehrere sich überlappende Wettbewerbe auf: Frontier-Cloud-Modelle, Unternehmensbereitstellung, Entwickler-Ökosysteme und nun gerätenative Intelligenz. Gemma 4 verschafft Google in den letzten beiden Kategorien eine stärkere Position. Durch die Kombination aus offenen Gewichten, mobiler Optimierung, Werkzeugnutzung und einer Verbraucher-App versucht das Unternehmen, lokale KI für Entwickler und Endnutzer greifbarer zu machen.

Der Schritt spiegelt auch eine Wettbewerbsnotwendigkeit wider. Wenn KI zur Standardebene über Smartphones und andere persönliche Geräte hinweg werden soll, verschaffen sich die Unternehmen einen wichtigen Vorteil, die effiziente lokale Modelle und die dazugehörige Entwicklererfahrung kontrollieren. Der Cloud-Zugang wird für größere Workloads weiterhin zentral bleiben, aber nicht jede Interaktion braucht eine Antwort in Rechenzentrumsgröße.

Gemma 4 weist daher auf eine stärker hybride Zukunft hin. Einige KI-Aufgaben werden remote bleiben, weil sie größere Modelle oder mehr Rechenleistung erfordern. Andere werden zunehmend dort laufen, wo sich der Nutzer bereits befindet: auf dem Gerät, im Betriebssystem und nahe an sensiblen persönlichen Daten.

Für Google ist die Veröffentlichung ein Versuch, diese Zukunft früh zu prägen. Für Entwickler bietet sie eine praktischere lokale Grundlage. Für Nutzer deutet sie darauf hin, dass „KI auf dem Smartphone“ bald etwas Wörtlicheres bedeuten könnte als nur eine gebrandete Abkürzung in die Cloud.

Dieser Artikel basiert auf der Berichterstattung von The Decoder. Zum Originalartikel.