Felix Braun 
Gemini Omni ist noch nicht offiziell vorgestellt, sorgt aber schon jetzt für Unruhe im KI-Markt. Genau das macht das Thema spannend: Wenn Google ein neues Videomodell direkt in Gemini einbaut, geht es nicht bloß um hübsche Clips, sondern um die nächste Eskalationsstufe im Kampf um kreative KI-Workflows.
Noch gibt es keine große Bühne, keine Keynote-Folie und keine vollmundige Google-Pressemitteilung. Stattdessen haben erste Nutzende einen neuen Hinweis in Gemini entdeckt: „Meet our new video generation model. Remix your videos, edit directly in chat, try a template, and more.“ Der Name dazu: Gemini Omni. Das klingt erst einmal wie der typische Vorab-Fund in einer Benutzeroberfläche. Mal ehrlich: Solche Funde versanden oft wieder. In diesem Fall spricht aber einiges dafür, dass mehr dahintersteckt.
Wir bei digital-magazin.de haben uns die bisher bekannten Hinweise genauer angeschaut. Das Bild ist noch lückenhaft, aber eben nicht beliebig. Mehrere Berichte verweisen auf dieselbe Richtung: Google testet offenbar ein neues KI-Videomodell, das direkt im Gemini-Chat arbeiten soll, Videos remixt, Bearbeitungen im Dialog annimmt und Vorlagen nutzt. Genau diese Nähe zur Chat-Oberfläche wäre der eigentliche Unterschied. Denn dann wäre Video nicht länger ein Spezialwerkzeug im Hintergrund, sondern Teil eines durchgängigen Gemini-Workflows.
Auch aus SEO-Sicht ist das Thema interessant. Die konkrete Suchphrase Gemini Omni ist laut DataForSEO in Deutschland noch klein, während Begriffe wie KI-Videogenerator und Google Veo bereits deutliches Volumen haben. Das ist oft ein verräterischer Moment: Erst taucht ein Produktname in Leaks auf, kurz danach wandert das Suchinteresse in den Mainstream. Wer Googles KI-Strategie verstehen will, sollte daher nicht nur auf den Namen Omni schauen, sondern auf die Frage, wie Google Video, Bild, Audio und Chat immer enger verzahnt.
Der bislang klarste Hinweis stammt aus frühen Sichtungen innerhalb von Gemini selbst. Laut GoogleWatchBlog und 9to5Google wurden einzelnen Nutzenden neue Hinweise auf ein Modell namens Gemini Omni angezeigt. Die Beschreibung ist bemerkenswert konkret: Videos remixen, direkt im Chat bearbeiten, Templates ausprobieren. Das ist keine wolkige Marketingphrase, sondern eher eine Funktionsskizze.
Noch spannender ist die Einordnung im Produktkontext. TestingCatalog berichtet, dass Omni in UI-Strings in der Nähe von Toucan auftaucht, also jenem Werkzeug, das offenbar mit Veo arbeitet. Das deutet auf zwei mögliche Lesarten hin. Entweder ist Omni eine neue Oberfläche auf Basis bestehender Veo-Technik. Oder Google baut tatsächlich ein neues, stärker mit Gemini verzahntes Videomodell, das nicht mehr sauber von Bild- und Chatfunktionen getrennt ist.
Beides wäre wichtig. Im ersten Fall würde Google sein Videowerkzeug zugänglicher machen. Im zweiten Fall würde Google an einer ganz anderen Architektur schrauben: weg von einzelnen Medien-Tools, hin zu einem System, das Text, Bild, Audio und Video innerhalb derselben Interaktionslogik behandelt. Wer unseren Beitrag über multimodale KI bei Gemini gelesen hat, erkennt das Muster sofort. Google arbeitet schon länger daran, Mediengrenzen aufzuweichen. Omni könnte genau dieser nächste Schritt sein.
Hinzu kommen erste Demos, die in den Berichten erwähnt werden. Ein Beispiel zeigt einen Lehrer am Kreidebrett, ein anderes eine Szene mit zwei Männern beim Spaghetti-Essen am Meer. Das klingt schräg, ist aber als Testmotiv fast schon Tradition. Solche Prompts sind deshalb nützlich, weil sie Schwächen gnadenlos offenlegen: Hände, Mimik, Text auf Tafeln, Interaktion mit Objekten, natürliche Bewegung. Gerade dort scheint Gemini Omni nach den bisherigen Berichten überraschend ordentlich abzuliefern.
Viele Leaks sind Klickfutter. Ein String hier, ein Screenshot dort, dann baut das Netz einen Palast aus Vermutungen. Ich wäre also vorsichtig, aus jedem UI-Fetzen sofort ein fertiges Produkt abzuleiten. Bei Gemini Omni fällt aber auf, dass mehrere Puzzleteile recht sauber ineinandergreifen: sichtbarer Modellname, konkrete Funktionsbeschreibung, erste generierte Beispiele, Berichte über hohen Credit-Verbrauch und ein Launch-Fenster direkt vor der Google I/O.
Genau dieses Timing ist der Knackpunkt. Die offizielle Google-I/O-Seite kündigt für den 19. und 20. Mai neue KI- und Gemini-Themen an. Wenn kurz davor ein neues Videomodell in der Oberfläche auftaucht, wirkt das nicht wie ein Zufall. Es sieht eher nach kontrollierter Vorwärmphase aus. Google hat in den vergangenen Quartalen mehrfach gezeigt, dass neue Gemini-Funktionen zuerst in kleinen Sichtfenstern auftauchen, bevor sie auf großer Bühne erklärt werden.
Was ebenfalls auffällt: Omni wird nicht als isolierter Videogenerator beschrieben, sondern als Werkzeug für Bearbeitung im Chat. Das verändert den Charakter des Produkts. Bislang denken viele bei KI-Video noch an eine Art Prompt-Schleuder: Text rein, Clip raus, fertig. Ein Chat-zentriertes Modell ist etwas anderes. Sie könnten einen Clip anlegen, danach Stil, Perspektive, Tempo, Sound oder visuelle Details in natürlicher Sprache weiterverhandeln. Genau das senkt die Einstiegshürde für Menschen, die keine Lust auf komplizierte Timeline-Tools haben.
Google würde damit einen Weg weitergehen, den andere Plattformen ebenfalls suchen: kreative Arbeit nicht mehr in einzelne Produktionsinseln aufzuteilen. Statt App A für Bilder, Tool B für Audio und Tool C für Videos zu öffnen, landet alles in einem Gesprächsraum mit Medienfähigkeiten. Das wäre nicht nur bequem. Es wäre auch strategisch klug, weil es Nutzende stärker an Gemini bindet. Schon beim Thema Agentenlogik hatten wir bei Googles Remy-Plänen gesehen, dass der Konzern auf längere, zusammenhängende Workflows schielt.
Und dann ist da noch der Kostenhinweis. Laut 9to5Google sollen zwei frühe Testgenerierungen einen Großteil des Tageskontingents eines AI-Pro-Plans verbraucht haben. Das zeigt zweierlei. Erstens: Video bleibt rechenintensiv, auch bei Google. Zweitens: Ein solches Modell wird nicht einfach als kostenlose Spielerei im Massenmarkt landen. Wer Gemini Omni nutzen will, dürfte ziemlich schnell in Preis- und Abo-Fragen hineinlaufen.
Die spannendste offene Frage lautet: Ist Gemini Omni ein Nachfolger, ein Umbau oder nur ein neues Etikett? Nach aktueller Quellenlage wäre jede feste Antwort unseriös. Klar ist nur, dass Google im Videobereich längst Vorarbeit geleistet hat. Veo steht seit einiger Zeit für hochwertige KI-Videogenerierung bei Google. Parallel hat Gemini bei Bild-, Text- und multimodalen Aufgaben deutlich an Profil gewonnen. Wenn Omni nun genau zwischen diesen Welten auftaucht, darf man das als Fingerzeig verstehen.
Eine plausible Lesart wäre diese: Veo bleibt die technische Video-Basis, während Omni die stärker nutzungsorientierte Schicht darüber bildet. Also weniger „Hier ist das Modell“ und mehr „Hier ist das Videowerkzeug, mit dem Sie im Chat arbeiten“. Das würde zu Googles Produktlogik passen. Unternehmen benennen ihre Basistechnologie oft anders als die sichtbare Funktion, die später bei der Kundschaft landet.
Die zweite Lesart ist noch interessanter. Vielleicht arbeitet Google an einem echten Omni-Modell, das mehrere Medienformen in einem System zusammenzieht. Der Name wäre dann keine zufällige Deko, sondern Programm. Nicht getrennte Generatoren, sondern ein gemeinsamer kreativer Motor. Das wäre technisch anspruchsvoll, aber eben auch genau die Art von Ansage, mit der Google vor der I/O punkten könnte.
Für die Praxis macht dieser Unterschied enorm viel aus. Ein klassischer Videogenerator produziert Clips. Ein chatnahes Omni-System produziert eher Iterationen. Sie beschreiben eine Szene, verfeinern den Stil, tauschen Perspektiven, lassen eine Version remixen, korrigieren Bildfehler, justieren Sound und erzeugen Varianten für verschiedene Plattformen. Das ist näher an realer Content-Arbeit als der alte Einmal-Prompt. Wer im Marketing, in Social-Teams oder in kleinen Redaktionen sitzt, dürfte genau darin den eigentlichen Reiz sehen.
Dazu passt, dass Google im restlichen Gemini-Universum ebenfalls immer stärker auf Arbeitsketten statt Einzelfunktionen setzt. Unser Blick auf Gemini 3 und Nano Banana Pro zeigte bereits, wie konsequent Google Bild- und Agentenfunktionen in Richtung Produktivsystem schiebt. Omni wäre dann kein Fremdkörper, sondern ein weiterer Baustein in dieser größeren Erzählung.
Wenn Gemini Omni wirklich so kommt, wie es die Leaks andeuten, dann profitieren nicht nur Spielkinder mit Hang zu viralen Clips. Das größere Thema ist Geschwindigkeit. Heute ist KI-Video oft noch ein Nebengleis. Man öffnet ein Spezialtool, probiert Prompts aus, exportiert Ergebnisse, schiebt Assets in andere Systeme und verliert unterwegs Zeit. Eine direkte Einbettung in Gemini würde diesen Medienbruch verkürzen.
Für Creator wäre das sofort spürbar. Wer ohnehin mit Gemini brainstormt, Texte formuliert, Ideen strukturiert oder Bilder entwirft, könnte den nächsten Schritt direkt anschließen: „Mach daraus einen 12-Sekunden-Clip“, „Gib mir drei Varianten im dokumentarischen Stil“, „Remixe Szene zwei mit ruhigerer Kamerafahrt“. Das spart keine Tage, aber im Alltag oft die nervigen 15-Minuten-Lücken, die Produktionen zäh machen.
Im Marketing wird der Nutzen fast noch klarer. Viele Teams brauchen keine perfekten Kurzfilme, sondern schnelle Varianten: Social-Snippets, Produktteaser, Mood-Clips, Visuals für Kampagnentests. Wenn Google solche Aufgaben direkt im Chat bündelt, dann wird KI-Video vom Showcase zur Standardfunktion. Und genau an diesem Punkt wird es wirtschaftlich relevant.
Unternehmen wiederum dürften vor allem auf Kontrolle und Wiederholbarkeit schauen. Ein Template-basierter Workflow im Chat ist nicht nur bequem, sondern auch anschlussfähig für Prozesse. Wenn ein Team definieren kann, wie bestimmte Videoformate aussehen sollen, lassen sich Varianten viel konsistenter erzeugen. Das kennen Sie aus anderen KI-Bereichen bereits: Sobald Vorlagen, Rollen und Bearbeitungslogik zusammenkommen, wird aus einer netten Demo ein operatives Werkzeug.
Ich finde vor allem einen Punkt bemerkenswert: Google würde mit Gemini Omni nicht nur gegen andere Videogeneratoren antreten, sondern gegen fragmentierte Toolchains. Das ist ein anderer Wettbewerb. Dann geht es nicht mehr nur um die Frage, welches Modell die realistischsten Gesichter rendert. Dann zählt, welches System Arbeit mit dem kleinsten Reibungsverlust erledigt. Und da hat Google mit Gemini, Android, Workspace und seiner Reichweite durchaus Karten auf der Hand.
Wir bei digital-magazin.de sehen darin dieselbe Entwicklung, die sich quer durch den KI-Markt zieht: Gewinner sind immer häufiger jene Anbieter, die Funktionen nicht nur besser, sondern bequemer zusammenbauen. Das klingt unspektakulär, ist im Alltag aber brutal wirksam.
So überzeugend die frühen Signale wirken: Sie sollten sich von ein paar hübschen Demo-Clips nicht blenden lassen. Gerade KI-Video ist Meister darin, in Einzelfällen spektakulär auszusehen und im nächsten Prompt völlig auseinanderzufallen. Hände, Konsistenz zwischen Szenen, Objektlogik, Kameraführung, längere Bewegungsabläufe, Gesichter in Grenzsituationen – dort trennt sich die Show vom Alltag.
Dazu kommt die Lizenz- und Rechtefrage. Sobald Video direkt im Chat generiert, umgebaut und remixt wird, wird Dokumentation wichtiger, nicht unwichtiger. Woher stammen Vorlagen? Welche Assets dürfen verändert werden? Welche Trainings- oder Output-Risiken entstehen für Marken? Diese Fragen sind lästig, aber sie verschwinden nicht, nur weil die Oberfläche hübscher wird.
Ein weiterer Punkt ist die Preisstruktur. Frühe Hinweise auf hohen Credit-Verbrauch zeigen, dass Google den Rechenaufwand kaum wegzaubern kann. Wer täglich viele Varianten erzeugen will, braucht entweder tiefe Taschen oder klare Grenzen im Team. Sonst kippt aus kreativer Freiheit schnell ein Kostenproblem. Das gilt erst recht, wenn Video gemeinsam mit Bild- und Audiobearbeitung in einem Workflow landet und dadurch häufiger genutzt wird.
Und dann wäre da noch die Erwartungsfalle. Der Name Omni weckt beinahe automatisch Fantasien von einem Alleskönner. Genau das kann sich gegen Google drehen. Wenn am Ende bloß ein besserer Video-Editor in Gemini startet, werden manche Beobachtende enttäuscht sein. Wenn Google dagegen wirklich ein eng verzahntes Medienmodell zeigt, muss es diese Erwartung auch technisch einlösen. Sonst bleibt vom großen Namen nur ein großer Schatten.
Zum Wettbewerb passt außerdem ein Blick auf andere Modellfamilien. Der KI-Markt wird gerade nicht nur über Benchmarks entschieden, sondern über Ökosysteme, Verfügbarkeit und Alltagstauglichkeit. Unser Überblick zu Claude 4 und der neuen Modellgeneration zeigt ziemlich gut, wie schnell sich Produktgrenzen verschieben, sobald Anbieter ihre Werkzeuge enger verzahnen. Genau deshalb wäre Gemini Omni für Google mehr als ein neues Feature.
Gemini Omni ist Stand jetzt kein offiziell bestätigtes Produkt, sondern ein sehr plausibler Vorbote. Mehr sollte man im Moment nicht behaupten. Weniger aber auch nicht. Zu viele Hinweise zeigen in dieselbe Richtung: neuer Modellname, klare Funktionsbeschreibung, erste überzeugende Beispiele, Credit-Hinweise und perfektes Timing kurz vor der Google I/O.
Falls Google das Modell tatsächlich vorstellt, wäre das mehr als der nächste KI-Videogenerator. Es wäre ein weiterer Schritt hin zu einer Gemini-Plattform, die kreative Arbeit nicht in getrennte Apps zerhackt, sondern im Chat bündelt. Für Nutzende ist genau das oft der Unterschied zwischen „nett ausprobiert“ und „echter Bestandteil des Arbeitsalltags“.
Mein Eindruck ist deshalb klar: Nicht der Name Omni ist die eigentliche Nachricht, sondern die Richtung dahinter. Google will Video offenbar tiefer in Gemini hineinziehen. Wenn das sauber gelingt, wird aus einem isolierten Medienfeature ein ernstzunehmender Workflow-Baustein. Und genau dann wird es für Creator, Marketing-Teams und Unternehmen wirklich spannend.
