EmbeddingGemma 2: Google verbindet lokale Suche nach Text, Bild und Audio
Ein kleines Modell soll unterschiedliche Dateitypen gemeinsam durchsuchbar machen. Interessant ist das für eigene Archive und Apps; eine fertige Suchanwendung liefert Google damit nicht automatisch.

Gemeinsame Suche über verschiedene Medien.
Bausteine nach Bedarf laden.
Trefferqualität und Speicher auf dem Zielgerät prüfen.
Die Entscheidung in Kürze
Google hat am 6. Oktober EmbeddingGemma 2 vorgestellt. Das Modell übersetzt unterschiedliche Inhalte in vergleichbare Zahlenvektoren. Damit lässt sich beispielsweise eine Textanfrage mit Bildern oder Audioaufnahmen abgleichen. Die Ankündigung ist vor allem für Entwickler relevant, die eine Suche in eigene Anwendungen einbauen möchten.
Was sich gegenüber einer Stichwortsuche ändert
Eine klassische Suche findet häufig dieselben Wörter. Ein Embedding soll dagegen ähnliche Bedeutungen zusammenbringen. Unser Beispiel: Ein kleines Spieleteam sucht nach Material für eine regnerische Waldszene. Eine gemeinsame Suche könnte passende Bildentwürfe, Geräuschdateien und Notizen als Kandidaten anbieten. Das ist eine mögliche Anwendungsidee der Redaktion, kein von uns ausgeführter Test. Ob die Ergebnisse tatsächlich passen, müsste das Team anhand seines eigenen Archivs prüfen.
Nur die benötigten Bausteine laden
Googles Entwicklerleitfaden beschreibt einen modularen Aufbau: Für Text und Code reichen 270 Millionen Parameter, mit Bild- und Audiomodulen sind es insgesamt 740 Millionen. Die Ausgaben liegen im gleichen Vektorraum. Für die Implementierung zeigt der Leitfaden getrennte Such- und Dokument-Prompts.
Die Speicherzahl braucht ihren Kontext
Die oft griffige Angabe von rund 191 MB betrifft laut Google quantisierte Textgewichte auf einem Pixel 11 Pro. Für das vollständige multimodale Modell nennt die Ankündigung rund 567 MB aktiven RAM. Daraus folgt keine garantierte Gesamtgrösse einer fertigen App: Dateien, Suchindex und weitere Komponenten kommen hinzu. Die Modellkarte führt Apache 2.0 als Lizenz auf. Kosten für die eigene Entwicklung oder den Betrieb verschwinden dadurch nicht.
So würden wir einen Pilotversuch abgrenzen
Für einen überschaubaren Einstieg würden wir zunächst ein freigegebenes, kleines Archiv auswählen und zehn reale Suchfragen notieren. Zu jeder Frage sollte vorab feststehen, welche Dateien als gute Treffer zählen. Danach lassen sich Trefferqualität, Ladezeit und Speicherbedarf auf dem vorgesehenen Gerät prüfen. Auch eine Frage ohne passenden Treffer gehört dazu. Erst wenn diese Prüfung überzeugt, wäre eine grössere Sammlung sinnvoll. Das ist ein vorgeschlagener Prüfablauf, kein Erfolgsversprechen.
Grenzen und Einordnung
Ein ähnlicher Treffer ist noch keine bestätigte Antwort. Quellen und Zugriffsrechte bleiben wichtig, besonders bei privaten Dokumenten. Lokale Verarbeitung kann Datenübertragungen vermeiden; ob eine konkrete App wirklich offline bleibt, hängt von ihrer gesamten Umsetzung ab. Wir haben das Modell nicht selbst installiert und übernehmen keine Hersteller-Benchmarks als eigene Messung. Weitere Werkzeuge findest du im.
Datum der Ankündigung: 06.10.2026
Was ist neu?
Google stellte EmbeddingGemma 2 am 6. Oktober vor. Text, Bild und Audio lassen sich in einem gemeinsamen Vektorraum vergleichen.
Für wen ist das relevant?
Entwickler eigener Suchfunktionen und Teams mit Medienarchiven.
Einordnung für deine Arbeit
Eine Anfrage könnte Material aus mehreren Dateitypen finden. Der Nutzen hängt von Treffern im eigenen Archiv ab.
Grenzen der Meldung
Kein eigener Test. Die genannten Speicherwerte stammen von Google und beschreiben nicht den gesamten Speicherbedarf einer fertigen App.
War dieser Artikel hilfreich?
Deine Rückmeldung hilft uns, die Beiträge zu verbessern.
Bewertungen gelten je Sprachversion. Mehrfachstimmen werden begrenzt; die Anzahl entspricht nicht zwingend einzelnen Personen. Datenschutz

