Google hat Gemini Robotics ER 2 am 27. Oktober 2026 als öffentliche Vorschau auf Google Cloud freigegeben. Das Modell von Google DeepMind soll als „übergeordnetes Gehirn“ eines Roboters dienen: Es wertet Kamerabilder und Videos aus, plant mehrstufige Aufgaben und steuert dafür andere Modelle oder Roboter-Schnittstellen an. Neu ist nicht das Modell selbst, sondern der Zugang: Unternehmen können es jetzt über die Gemini Enterprise Agent Platform mit den Sicherheits- und Abrechnungswerkzeugen von Google Cloud nutzen.
Wir fassen zusammen, was das Modell kann, welche Zahlen Google nennt, was es kostet und wo die Grenzen liegen.
Key Takeaways
- Gemini Robotics ER 2 (
gemini-robotics-er-2-preview) ist seit dem 27. Oktober 2026 als Public Preview auf Google Cloud verfügbar, bisher war es dort nur in einer privaten Vorschau. - Das Modell basiert auf Gemini 3.5 Flash, verarbeitet Text, Bild, Video und Audio und antwortet in Text.
- Google nennt 91,3 Prozent Genauigkeit beim Finden des richtigen Moments in einem Video. Das sind Herstellerangaben.
- Preis laut Google-Preisseite: bis 31. Dezember 2026 1 US-Dollar pro Million Eingabe-Token und 5 US-Dollar pro Million Ausgabe-Token, ab 1. Januar 2027 das Doppelte.
Was ist Gemini Robotics ER 2?
„ER“ steht für Embodied Reasoning, also Schlussfolgern über die physische Welt. Google DeepMind hatte die Modellfamilie Gemini Robotics 2 am 30. Juli 2026 vorgestellt. Sie besteht aus drei Modellen: Gemini Robotics 2 als Vision-Language-Action-Modell (VLA), das Bilder und Sprache direkt in Motorbefehle übersetzt, Gemini Robotics On-Device 2 für den Betrieb direkt auf dem Roboter und eben Gemini Robotics ER 2 als Planungsebene darüber.
ER 2 bewegt selbst keine Motoren. Es versteht die Umgebung, zerlegt eine Aufgabe in Schritte und ruft für jeden Schritt ein Werkzeug auf, etwa ein VLA-Modell, eine Navigations-API oder eine eigene Funktion. Aus „leg den Apfel in die Schüssel“ wird so eine Folge aus Finden, Greifen und Ablegen, wie Googles Entwicklerdokumentation beschreibt.
Seit Juli war ER 2 über die Gemini API und Google AI Studio öffentlich nutzbar, auf der Unternehmensplattform von Google Cloud aber nur in einer privaten Vorschau. Diese Lücke schließt Google jetzt.
Die Fähigkeiten von Gemini Robotics ER 2 im Überblick
Im Google-Cloud-Blog beschreiben Carolina Parada, Leiterin von DeepMind Robotics, und Adrian Jones von Google Cloud vier Schwerpunkte:
- Aufgaben prüfen und korrigieren: Das Modell ordnet den Fortschritt einer Aufgabe ein, als Ja/Nein, in Kategorien oder als fortlaufenden Wert. So kann ein Roboter einen fehlgeschlagenen Schritt wiederholen, ohne den ganzen Ablauf neu zu starten.
- Momente in Videos finden: Etwa den Zeitpunkt, an dem beim Eingießen einer Flüssigkeit gestoppt werden muss. Google nennt dafür 91,3 Prozent Genauigkeit und eine mittlere Abweichung von 0,96 Sekunden.
- Instrumente ablesen: Laut Google mehr als zehn Kategorien, darunter Rundskalen, Schaugläser, Digitalanzeigen, Lineale und Flüssigkeitsthermometer.
- Mehrere Roboter koordinieren: Verschiedene Robotertypen, vom stationären Arm über Vierbeiner bis zum Humanoiden, sollen ein gemeinsames Verständnis des Arbeitsraums teilen und Aufgaben untereinander übergeben.
Hinzu kommt die Steuerung per natürlicher Sprache. Bedienerinnen und Bediener sollen einen Roboter umlenken können, ohne technische Befehle zu kennen, und der Roboter soll erklären können, was er gerade tut.
Technische Eckdaten
Laut Google-Cloud-Dokumentation verarbeitet das Modell bis zu 131.072 Eingabe- und 65.536 Ausgabe-Token. Es unterstützt Funktionsaufrufe, Codeausführung, strukturierte Ausgaben sowie Grounding über Google Search und Google Maps. Auf Google Cloud ist es nur über die GenerateContent API und nur in der Region „global“ verfügbar, das Standard-Kontingent liegt bei 250 Anfragen pro Minute und Projekt. Die Live API und die Chat Completions API werden dort nicht unterstützt.
Was Gemini Robotics ER 2 kostet
Die Google-Cloud-Preisseite führt das Modell als „Gemini ER 2.0“ mit zwei Preisstufen pro Million Token:
- Bis 31. Dezember 2026: 1,00 US-Dollar für Eingaben (Text, Bild, Video, Audio), 0,10 US-Dollar für zwischengespeicherte Eingaben, 5,00 US-Dollar für Textausgaben.
- Ab 1. Januar 2027: 2,00 US-Dollar für Eingaben, 0,20 US-Dollar für zwischengespeicherte Eingaben, 10,00 US-Dollar für Textausgaben.
Der niedrigere Preis ist laut Google ein Aktionspreis, der über 50 Prozent Gutschrift auf die Nettoausgaben bei ausgewählten Modellen gewährt wird. Wichtig für die Kalkulation: Als Ausgabe zählen sowohl die Antwort als auch das „Reasoning“, also die internen Denkschritte des Modells. Bei Video-Eingaben und hoher Denkstufe kann das schnell ins Gewicht fallen.
Was Google Cloud rund um das Modell anbietet
Google positioniert ER 2 als Baustein einer größeren Robotik-Kette auf der eigenen Infrastruktur. Entwickler sollen Roboterverhalten zuerst in Simulatoren wie MuJoCo-Warp oder NVIDIA Isaac Sim testen, dann mit den Video-Fähigkeiten von ER 2 Demonstrationsvideos in Cloud Storage und BigQuery auswerten und darauf eigene VLA-Modelle trainieren. Im Betrieb sollen zeitkritische Aufgaben wie Lokalisierung und Pfadplanung über Google Distributed Cloud direkt in der Fabrik laufen.
Als frühe Nutzer zitiert Google Boston Dynamics (Inspektionsroboter Spot), das Start-up DeepReach, Arm sowie das Institute of Materials Research and Engineering der singapurischen Forschungsagentur A*STAR. Letzteres will Laborroboter etwa das Touchscreen-Display eines älteren Mikrowellenreaktors ohne Schnittstelle ablesen oder eine Zentrifuge beladen lassen.
Grenzen und offene Fragen
Alle Leistungszahlen stammen aus Googles eigenen Auswertungen. Unabhängige Tests unter realen Bedingungen in Fabriken oder Laboren fehlen bislang. Das Modell ist zudem als Pre-GA-Angebot gekennzeichnet: Es wird „wie besehen“ bereitgestellt und hat möglicherweise nur eingeschränkten Support, darf laut Google aber bereits produktiv eingesetzt werden.
Die Dokumentation nennt selbst typische Schwächen: Komplexe Anfragen und hohe Denkstufen erhöhen die Latenz, das Modell kann halluzinieren, und die Qualität hängt stark von präzisen Prompts ab. Google betont außerdem, dass die Verantwortung für eine sichere Umgebung um den Roboter beim Betreiber liegt.
Für europäische Unternehmen ist der Datenschutzhinweis relevant. Weil die Modelle Video- und Audiodaten verarbeiten, verlangt Google, dass identifizierbare Personen im Umfeld des Roboters vorher informiert werden und eingewilligt haben. Empfohlen werden Techniken wie das Verpixeln von Gesichtern. Wer ER 2 in Hallen mit Beschäftigten einsetzen will, muss das mit Betriebsrat und Datenschutz klären.
Einordnung
Robotik-KI ist eines der aktivsten Felder dieses Herbstes. Black Forest Labs hat mit FLUX 3 Action ein offenes Robotik-Modell veröffentlicht, und kleine Geräte wie der Microduck-Roboter zeigen, wie viel Bewegung auch bei kleiner Robotik-Hardware herrscht. Auch die KI-Partnerschaft zwischen Nvidia und Deutschland zielt auf die Industrie.
Googles Ansatz unterscheidet sich darin, dass ER 2 kein Komplettsystem ist, sondern eine Planungsschicht, die nach Token abgerechnet wird und sich mit beliebigen Robotern und Steuermodellen kombinieren lässt. Das senkt die Einstiegshürde für Unternehmen, die ohnehin auf Google Cloud arbeiten, bindet sie aber auch enger an die Plattform.
Fazit
Mit der Public Preview auf Google Cloud wird Gemini Robotics ER 2 für Unternehmen deutlich leichter nutzbar. Die Fähigkeiten klingen praxisnah, gerade bei Inspektion, Laborautomatisierung und Qualitätsprüfung. Belastbar sind die Versprechen aber erst, wenn Kunden unabhängig berichten, wie zuverlässig das Modell in echten Hallen arbeitet. Bis dahin ist ER 2 ein interessantes Werkzeug für Pilotprojekte, mit klar kalkulierbaren, ab 2027 aber doppelt so hohen Kosten.
