Nicht alle Marken sind schon Profis in der Selbstvermarktung via Social Media

Immer mehr Brands versuchen sich in 9:16-Marketing, doch das birgt auch Hürden. In ihrer Kolumne beleuchten Inga Kruse-Höhne und Magnus Folten von WeCreate, wer sich zuletzt auf TikTok positiv hervortat und wo noch Luft nach oben ist. Diesmal geht es um eine gelungene Hommage und eine altmodische Inszenierung.

Was Instagram kann, soll auch YouTube bald können. Der jüngste offiziell bestätigte Test der Videoplattform von Google ermöglicht Creatorn die Markierung von Videopartner:innen, die ebenfalls einen Anteil am Video haben. Schon 2021 führte Instagram ein Collab Feature für Posts und Reels ein. TikTok begann 2024 mit dem Test einer vergleichbaren Option für Videos, die inzwischen bereitsteht. Und jetzt möchte auch YouTube ein Pendant zur Verfügung stellen. Die ersten Creator können es bereits einsetzen und zeigen, wie es aussieht.

YouTube ohne Kommentare?

MrBeast zeigt: So sieht das Collab Feature auf YouTube aus

Videos, die auf der Zusammenarbeit mehrerer Creator beruhen, können auf YouTube künftig auch entsprechend markiert werden. Darauf verweist das Hilfecenter der Plattform im Rahmen der Auflistung aktueller Tests und Experimente:

We’re starting to test a feature that allows creators to add collaborators to a video. Adding collaborators allows content to be recommended to each of the creators’ audiences. We’re starting this test with a small group of creators at first, but we’ll keep you posted on our plans to expand it to more creators.

Dieses Feature hat viele Vorteile für die Creator – genau wie auf TikTok oder Instagram. Denn die Collab-Videos werden auch den Followern der markierten Partner:innen vorgeschlagen. Es kommt zu deutlich mehr Reichweite und die Wahrscheinlichkeit der Interaktion von Fans und Followern der Partner:innen wird erhöht, was wiederum gut für den Status im Algorithmus ist.

Noch ist diese hilfreiche Funktion allerdings einigen ausgewählten Creatorn vorbehalten. Zu den Glücklichen, die bereits Zugriff haben, zählt MrBeast. Der größte und erfolgreichste YouTuber der Welt zeigt auf der Plattform bereits, wie die Collab-Funktion aussieht. In einem Video über die Verteilung von sauberem Trinkwasser für zwei Millionen Menschen sind drei weitere Creator markiert.

Mark Rober, Ben Azelart und die Stoke Twins weisen in der Summe über 240 Millionen Follower auf. Sie haben MrBeast zusammen mit Shopify unterstützt, um Millionen US-Dollar an Spenden für sauberes Trinkwasser zu sammeln. Das Video hat schon über 31 Millionen Aufrufe und mehr als 1,5 Millionen Likes gesammelt (Stand: 4. August 2025).

MrBeast selbst hat kürzlich die Marke von 400 Millionen Abonnent:innen geknackt und dafür von YouTube eine einzigartige Play Button-Trophäe erhalten, überreicht von CEO Neal Mohan. Erst im Sommer 2024 erreichte MrBeast 300 Millionen Follower.

Intelligenter denn je:
Google optimiert Gemini 2.5 Pro

Wie Deep Think arbeitet – inspiriert vom menschlichen Denken

Bestehende KI‑Modelle folgen einem linearen Prinzip: Eingabe rein, Antwort raus. Deep Think geht anders vor. Es verfolgt mehrere Gedankengänge parallel, verwirft ungeeignete und kombiniert die besten zu einer fundierten Antwort. Während dieses Prozesses überarbeitet die KI ihre eigenen Ideen, verfeinert Formulierungen und verknüpft Teilantworten neu. Grundlage ist eine verlängerte Inferenzzeit – also die Zeitspanne, die sich das Modell für das Durchdenken einer Aufgabe nimmt. Zusätzlich nutzt Google bestärkendes Lernen, um das Modell anzuregen, diese zusätzlichen Denkschritte auch wirklich zu nutzen. So soll Deep Think mit jeder Anwendung zum besseren, intuitiveren Problemlösungs-Tool werden.

Wofür sich Deep Think einsetzen lässt

Tests zeigen, dass Deep Think besonders dann glänzt, wenn Aufgaben nicht in einem Schritt lösbar sind, sondern mehrere Iterationen erfordern. Dazu gehören iterative Designprozesse, bei denen ein Konzept Schritt für Schritt verfeinert wird, oder komplexe Entwicklungsprojekte, bei denen sowohl Funktionalität als auch Gestaltung optimiert werden müssen. Ein Beispiel dafür liefert der von Google veröffentlichte Pagodenvergleich: Drei KI‑generierte Szenen zeigen denselben Entwurf in unterschiedlicher Detailtiefe – von der einfachen Grundversion mit Gemini 2.5 Flash über die erweiterte Variante mit Pro bis zur besonders komplexen, realistischen Ausführung mit Deep Think. Die steigende Detailfülle verdeutlicht, wie die KI in mehreren Denkschritten ein Ergebnis iterativ verbessert und gestalterisch verfeinert.

In der Forschung kann Deep Think ebenfalls neue Impulse geben. Es unterstützt bei der Analyse wissenschaftlicher Literatur, beim Formulieren neuer Hypothesen und, wie im Fall des Mathematikers Michel van Garrel, beim Testen mathematischer Vermutungen.

Auch in der algorithmischen Entwicklung und beim Programmieren zeigt sich der Vorteil der längeren Denkzeit. Besonders bei komplexen Coding‑Herausforderungen, die Abwägungen zwischen Effizienz, Lesbarkeit und Performance erfordern, liefert Deep Think präzisere und besser strukturierte Ergebnisse. Benchmarks wie LiveCodeBench V6 (Code-Wualität) und Humanity’s Last Exam (logisches Denken und Fachwissen) bestätigen die Spitzenleistung im Vergleich zu Modellen ohne Denkzeiterweiterung.

Die Technologie basiert auf einer Variante des Modells, die bei der Internationalen Mathematik‑Olympiade 2025 Gold gewann. Damals arbeitete das Modell stundenlang an hochkomplexen Aufgaben – die neue Version ist alltagstauglicher und deutlich schneller.

Aktivierung und Nutzung

Deep Think lässt sich direkt in der Geminim App aktivieren: Im Modellmenü „2.5 Pro“ auswählen und in der Eingabezeile „Deep Think“ anklicken. Das Modell nutzt automatisch zusätzliche Werkzeuge wie Google‑Suche oder Code-Ausführung. Laut Google eignet es sich überall dort, wo komplexe Fragestellungen gelöst werden müssen – von der Software-Entwicklung über strategische Unternehmensplanung bis hin zu kreativem Storytelling.

Sicherheit und Verantwortung im Blick

Mit steigender Leistungsfähigkeit wächst auch die Verantwortung im Umgang mit KI. Google betont, Deep Think von Beginn an mit Fokus auf Sicherheit und verantwortungsvollen Einsatz entwickelt zu haben – vom Training der Modelle bis zur Bereitstellung in der Gemini App. In internen Tests zeigte sich, dass Gemini 2.5 Deep Think tendenziell neutraler formuliert, faktenorientierter arbeitet und eine sachlichere Tonalität aufweist als die Standardversion Gemini 2.5 Pro. Gleichzeitig reagiert das Modell vorsichtiger und lehnt auch harmlos erscheinende Anfragen häufiger ab.

Trotz dieser Vorsichtsmaßnahmen gilt: Wie andere KI‑Modelle kann auch Deep Think falsche oder sogar halluzinierte Antworten generieren. Gerade bei komplexen Fragestellungen ist eine kritische Prüfung der Ergebnisse durch menschliche Fachkenntnis weiterhin notwendig. Google prüft fortlaufend, welche Risiken mit den erweiterten Denkprozessen verbunden sind, darunter Fehlinformationen, unklare Formulierungen oder die unbeabsichtigte Verstärkung sensibler Inhalte. Sicherheitsbewertungen werden regelmäßig aktualisiert, und bei Bedarf setzt das Unternehmen gezielte Schutzmaßnahmen um. Die offizielle Modellkarte von Gemini 2.5 Deep Think dokumentiert transparent, wie die Funktion getestet wurde und welche bekannten Einschränkungen bestehen.

Von schneller Antwort zu fundierter Analyse: Deep Think als strategisches KI‑Werkzeug

Deep Think markiert für Google einen Schritt weg von der reinen Geschwindigkeit hin zu mehr inhaltlicher Tiefe. Die verlängerte Denkzeit macht die KI zu einem verlässlichen Instrument für anspruchsvolle Aufgaben – sei es in der Forschung, Entwicklung oder kreativen Arbeit. Für Marketer, Developer und Forschungsteams eröffnet das neue Möglichkeiten, erfordert aber auch ein klares Ziel und den richtigen Einsatzkontext. Wer Deep Think strategisch in seine Arbeitsprozesse integriert, kann komplexe Fragen künftig nicht nur schneller, sondern vor allem fundierter beantworten lassen.

In Sekunden zum Erklärvideo:
Googles NotebookLM bekommt Video Overviews