Gemini zieht tief in Google Workspace ein. Google integriert die KI jetzt in Docs, Sheets, Slides und Drive. Die KI kann Informationen aus Dateien, E-Mails und dem Web zusammenführen und daraus Inhalte erstellen oder Fragen beantworten. Laut Google geschieht das unter Einhaltung der Datenschutzrichtlinien.

Wie Gemini die Arbeit in Dokumenten, Tabellen und Präsentationen verändern soll und warum das klassische Blank Space-Prinzip beim Start eines Google-Dokuments künftig Geschichte sein könnte. Parallel stellt Google zusätzliche KI-Tools vor. Wie die neuen Gemini-Funktionen im Arbeitsalltag aussehen könnten, zeigt das Unternehmen im folgenden Video.

Gemini 3.1 Flash-Lite:
Schnellstes und kosteneffizientestes KI-Modell von Google

Nie wieder Informationen zusammensuchen? Gemini übernimmt!

Google beschreibt die neuen Funktionen als nächsten Schritt, um klassische Büroarbeit schneller zu erledigen. Gemini kann künftig Informationen aus Dateien, E-Mails und dem Web kombinieren und daraus direkt nutzbare Inhalte erstellen. Wer etwa eine Präsentation vorbereitet, eine Tabelle auswertet oder einen Bericht schreibt, muss Informationen nicht mehr selbst aus verschiedenen Dokumenten zusammensuchen. Die KI kann diese Quellen verbinden und daraus Entwürfe, Zusammenfassungen oder Antworten generieren.

Die Updates starten zunächst als Beta für Abonnent:innen von Google AI Ultra und Google AI Pro. Vorgestellt wurden sie im offiziellen Workspace Blog von Google. Dort erklärt das Unternehmen auch, dass Gemini künftig stärker als Arbeitsassistenz innerhalb der Tools fungieren soll. Auch Googles CEO Sundar Pichai griff die Neuerungen in einem LinkedIn Post auf und betonte, dass Gemini Nutzer:innen helfen soll, Aufgaben schneller zu erledigen.

Docs, Sheets, Slides und Drive bekommen neue KI-Funktionen

Aller Anfang ist schwer!? Mit KI nicht mehr unbedingt. Google bricht mit Gemini das Prinzip der leeren Seite auf. Nutzer:innen können direkt mit einem Entwurf starten. Statt bei null zu beginnen, beschreiben sie der KI kurz, was sie brauchen. Gemini erstellt daraus automatisch ein erstes Dokument, eine Tabelle oder eine Präsentation. In Google Docs lässt sich so aus einer kurzen Beschreibung sofort ein erster Textentwurf generieren. Dabei greift die KI auf Inhalte aus vorhandenen Dateien oder E-Mails zurück. Im Video zeigt Google, wie aus bestehenden Dokumenten automatisch ein neuer Text entsteht. Eine Funktion namens Match Writing Style sorgt außerdem dafür, dass Texte einen einheitlichen Stil behalten, selbst wenn mehrere Personen daran arbeiten.

Auch Google Sheets erhält mehr Automatisierung. Nutzer:innen können beschreiben, welche Tabelle sie brauchen, und Gemini erstellt daraus komplette Tabellenstrukturen. Die KI kann außerdem komplexe Aufgaben lösen und fehlende Daten ergänzen. Google liefert in einem Demovideo ein Beispiel dafür, wie Gemini automatisch einen Finance Tracker erstellt und Daten strukturiert. Laut Google soll das Befüllen von Tabellen dadurch bis zu neunmal schneller möglich sein. In Benchmarks führt Gemini in Sheets aktuell sogar das Ranking SheetsBench an.

In Google Slides generiert Gemini Layouts, Diagramme und Präsentationsfolien aus einem einfachen Prompt. Nutzer:innen benötigen dafür keine Designkenntnisse. Im Video präsentiert Google, wie aus einer kurzen Beschreibung automatisch neue Slides entstehen. Präsentationen lassen sich so schneller erstellen oder an bestehende Designs anpassen.

Google Drive wird ebenfalls stärker KI-gestützt. Neue KI-Übersichten erscheinen direkt über den Suchergebnissen und liefern zusammengefasste Antworten mit Quellen aus den eigenen Dateien. Nutzer:innen müssen Dokumente dadurch nicht mehr einzeln öffnen, um relevante Informationen zu finden. Im Video zeigt Google, wie Gemini Inhalte aus mehreren Dateien analysiert und direkt als Übersicht ausgibt.

Gemini Embedding 2 erweitert Googles KI-Infrastruktur

Parallel stellt Google auch eine neue technische Grundlage für KI-Anwendungen vor. Mit Gemini Embedding 2 erscheint laut Google AI Studio das erste nativ multimodale Embedding-Modell der Gemini-Familie.

https://t.co/mIXzM657cR

— Google AI Studio (@GoogleAIStudio) March 10, 2026

Embedding-Modelle übersetzen Inhalte wie Texte, Bilder oder Audio in mathematische Vektoren, damit KI-Systeme Informationen vergleichen und durchsuchen können. Gemini Embedding 2 kann Text, Bilder, Videos, Audio und Dokumente gemeinsam analysieren und in einem gemeinsamen semantischen Raum abbilden.

Das Modell unterstützt laut Google über 100 Sprachen und verarbeitet mehrere Medientypen gleichzeitig. Texte können bis zu 8.192 Token lang sein, Videos bis zu 120 Sekunden dauern und auch PDFs lassen sich direkt einbetten. Dadurch können Anwendungen mehrere Datenformate zusammen analysieren, zum Beispiel Text gemeinsam mit Bildern oder Audio.

Google sieht darin eine wichtige Grundlage für Anwendungen wie semantische Suche, Retrieval-Augmented-Generation, Datenanalyse oder multimodale Klassifizierung. Entwickler:innen können Gemini Embedding 2 bereits über die Gemini API und Vertex AI in einer Public Preview testen.

---

Nano Banana 2 ist da:
Googles schnellstes KI-Bildmodell mit Gemini-Weltwissen

Rosé wirbt für Puma

Puma bringt den H-Street zurück. Aus dem leistungsorientierten Laufschuh von einst ist ein flacher Sneaker für die moderne Sportstyle-Community geworden. Um die junge Zielgruppe für den H-Street zu gewinnen, startet der Sportartikelhersteller eine surreal anmutende Kampagne, in der Superstar Rosé die Hauptrolle spielt.

„Welcome to H-Street“, verkündet ein Sprecher aus dem Off in einem der neuen Werbefilme, mit denen Puma ab sofort seine gleichnamigen Sneaker ins Werbeschaufenster stellt. Die Hauptrolle in den von der Kreativagentur Anomaly entwickelten Clips spielt Superstar Rosé. 

Moltbook gehört zu den ungewöhnlichsten Experimenten im aktuellen KI-Ökosystem. Die Plattform wurde erst im Januar vom kalifornischen Tech-Investor Matt Schlicht ins Leben gerufen und funktioniert wie ein Social Network für autonome KI-Agents. Diese können dort Beiträge veröffentlichen, kommentieren und miteinander interagieren. Das Projekt entstand im Umfeld von OpenClaw, einer Schnittstelle, über die Agents über Messenger wie WhatsApp, Slack oder Discord mit Menschen kommunizieren können. Der Ansatz zielt darauf, KI-Systeme nicht nur mit menschlichen Usern interagieren zu lassen, sondern auch untereinander zu vernetzen. Ein erster Eindruck der Plattform lässt sich auf der offiziellen Seite von Moltbook gewinnen.

Nun übernimmt Meta die Plattform. Wie zuerst Axios berichtete, wird das Moltbook Team künftig Teil der Meta Superintelligence Labs. Der Meta-Sprecher Matthew Tye erklärte, das Unternehmen suche nach neuen Möglichkeiten, wie AI Agents künftig für Menschen und Unternehmen arbeiten können. Im Zuge der Übernahme wechseln zudem der Moltbook CEO Matt Schlicht und der Organisationschef Ben Parr zum KI-Team Meta Superintelligence Labs. Ein Kaufpreis wurde nicht veröffentlicht. Der Initiator des Projekts OpenClaw, Peter Steinberger, wechselte überdies erst im Februar zu OpenAI und erklärte in dem Zuge:

The lobster is taking over the world.

OpenClaw steht exemplarisch für den aktuellen Shift zu agentischen Systemen. KI schreibt hier nicht nur Texte, sondern nutzt Tools, greift auf Apps zu und erledigt Aufgaben. Mit Moltbook entstand dazu plötzlich ein Social Layer, in dem Agents miteinander interagieren. Warum das zugleich faszinierend und riskant ist – und was Meta sich von der Übernahme verspricht, zeigen wir im Artikel.

Moltbot ist OpenClaw:
Sehr gefährlich und hilfreich zugleich

Reddit für KI: Auf Moltbook posten Agents statt Menschen

Moltbook erinnert funktional an Reddit – nur dass dort Agents statt Menschen posten und diskutieren; allerdings oft gesteuert von Menschen, deren Inhalte dort ebenso auftauchten. Sie veröffentlichen Beiträge, kommentieren Diskussionen und reagieren auf Inhalte anderer Accounts. Hinter den Profilen stehen Systeme, die über OpenClaw mit KI-Diensten wie ChatGPT, Claude, Gemini oder Grok verbunden sind.

Damit bedient Moltbook eine zentrale Entwicklung der aktuellen KI-Phase. Die Branche bewegt sich zunehmend weg von einzelnen Modellen hin zu agentischen Systemen, die nicht nur Inhalte generieren, sondern eigenständig Aktionen planen, Tools nutzen und komplexe Aufgabenketten ausführen. Gleichzeitig arbeiten solche Agent-Systeme immer häufiger orchestriert zusammen, koordinieren also mehrere Agents innerhalb eines Workflows. Julian A. Kramer, AI Evangelism Leader EMEA bei Adobe, beschrieb diese Entwicklung im Gespräch mit uns auf dem Adobe AI Forum in München so:

Agents können Tools bedienen, auf Datenbanken zugreifen und Prozesse anstoßen – ein bisschen wie APIs auf Steroiden, nur dynamischer.

Für Plattformunternehmen und große Tech Player wie Meta ist die Entwicklung hin zu agentischen KI-Systemen besonders relevant. Der Konzern betreibt mit Facebook, Instagram und WhatsApp einige der größten digitalen Social Hubs der Welt. Ein Netzwerk wie Moltbook zeigt erstmals, wie Agents selbst zu aktiven Akteur:innen in solchen sozialen Umgebungen werden könnten und damit potenziell neue Interaktionsformen zwischen Nutzer:innen, Apps und digitalen Services ermöglichen.

Doch nicht nur Plattformunternehmen verfolgen den Agent Shift genau. Auch Software-Anbieter:innen, Unternehmen mit komplexen Tool-Landschaften und Entwickler:innen sehen in agentischen Systemen neue Möglichkeiten, Workflows zu automatisieren und digitale Dienste stärker miteinander zu vernetzen. Ein Netzwerk wie Moltbook könnte dabei als Koordinationspunkt dienen, an dem Agents Informationen austauschen und Aufgaben aufeinander abstimmen.

Virale Posts und Sicherheitsprobleme zeigen die Risiken solcher Systeme

OpenClaw sorgte zunächst vor allem in der Tech Community für Furore. Moltbook sprengte diese Bubble jedoch schnell. Die Vorstellung, dass es ein soziales Netzwerk geben könnte, in dem KI-Agents miteinander über ihre menschlichen User sprechen, überstieg für viele bislang die Vorstellungskraft – und verschaffte dem Projekt schnell enorme Aufmerksamkeit.

Besonders große Aufmerksamkeit erhielt ein Beitrag auf Moltbook, in dem ein Agent vorschlug, verschlüsselte Kommunikationsräume für KI-Systeme einzurichten, damit sich Agents untereinander austauschen können, ohne dass Menschen mitlesen. Das wirke „wie der Beginn eines Sci-Fi-Szenarios“, kommentierte der KI-Forscher Andrej Karpathy dazu auf X. Später zeigte sich jedoch, dass viele der spektakulärsten Inhalte vermutlich gar nicht von KI-Agents selbst stammten. Sicherheitsanalysen ergaben, dass sich Menschen zeitweise relativ leicht als Agent ausgeben konnten.