1 Milliarde Nutzer, ohne Suche und Workspace
Google-Chef Sundar Pichai hat bekannt gegeben, dass Gemini die Marke von 1 Milliarde monatlich aktiven Nutzern überschritten hat. Es ist das 14. Google-Produkt, das diesen Wert erreicht, und laut Unternehmen das schnellste. Entscheidend ist dabei die Abgrenzung der Zahl.
Gemeint sind ausschließlich Menschen, die die eigenständige Gemini-App öffnen oder die Weboberfläche nutzen. Die KI-Antworten in der Google-Suche, also AI Mode und AI Overviews, sowie die Gemini-Funktionen in Workspace zählen nicht mit. Wer im vergangenen Monat einmal einen Prompt eingegeben hat, ist Teil dieser Statistik.
Beim Quartalsbericht für Q2 2026 hatte Google noch über 950 Millionen monatliche Nutzer genannt, bei einer Verdreifachung der täglich aktiven Nutzer im Jahresvergleich. Ein Teil des Wachstums erklärt sich schlicht über die Verteilung: Praktisch jedes Android-Smartphone bringt die App mit. Bemerkenswerter sind die über 100 Millionen aktiven Nutzer auf iOS, die die App bewusst installiert haben.
Wie Gemini genutzt wird
Google hat einige Nutzungsdaten mitgeliefert, die den Umgang mit Chatbots deutlich anders zeichnen als das klassische Tippen im Textfeld.
| Kennzahl | Wert |
|---|---|
| Monatlich aktive Nutzer (App und Web) | 1 Milliarde |
| Davon auf iOS | über 100 Millionen |
| Nutzer mit Sprachfunktion | 63 % |
| Gemini-Live-Nutzer, die Kamera oder Bildschirm teilen | 20 % |
| Schulbezogene Anfragen mit Dateianhang | 38 % |
| Generierte Bilder pro Tag | über 150 Millionen |
Die Sprachnutzung ist der auffälligste Wert. Fast zwei Drittel der aktiven Nutzer sprechen mit dem Assistenten, ein wachsender Teil davon nutzt ausschließlich Sprache. Für Unternehmen, die eigene KI-Oberflächen bauen, ist das ein Hinweis darauf, wo die Erwartungshaltung der Anwender hingeht.
Bei der Bildgenerierung liegt Google nach eigenen Angaben bei mehr als 150 Millionen Bildern täglich. Alle erhalten das Wasserzeichen SynthID. Ob das in der Praxis hilft, echte von generierten Inhalten zu unterscheiden, ist eine andere Frage.
Neues Modell für Code und Agenten
Parallel zur Nutzerzahl hat Google Gemini 3.5 Flash angekündigt. Das Modell ist auf besseres Programmieren und auf autonome KI-Agenten ausgelegt, also Software, die mehrschrittige Aufgaben ohne ständige Rückfrage abarbeitet.
Genau in diesem Bereich hakt es aber. Auf der Entwicklerkonferenz hatte Google Gemini 3.5 Pro für Juni 2026 angekündigt. Der Termin verstrich ohne Veröffentlichung. Im Folgemonat hieß es, man arbeite weiter daran und habe zugleich mit dem Training von Gemini 4 begonnen. Berichten zufolge ist Google mit der Coding-Leistung von Gemini 3.5 Pro unzufrieden, weil sie hinter den Modellen von OpenAI und Anthropic zurückbleibt. Ob und wann das Modell erscheint, ist offen.
Wachstum mit negativem Cashflow
Die Kehrseite der Nutzerzahlen steht im Finanzbericht. Google weist die KI-Sparte nicht separat aus, aber die Ausgaben für KI-Infrastruktur haben den Cashflow des Konzerns erstmals in der Unternehmensgeschichte in den negativen Bereich gedrückt. Wie Google das langfristig auffangen will, hat das Unternehmen nicht erläutert.
Eine Milliarde Nutzer zu erreichen ist eine Leistung. Sie sagt aber nichts darüber, ob das Angebot bei den anspruchsvollen Aufgaben mithält, für die Unternehmen tatsächlich zahlen.
Dazu kommt Unruhe in der Organisation. DeepMind-Mitbegründer Demis Hassabis hat seine Führungsrolle abgegeben, mehrere führende Forscher haben das Unternehmen verlassen. Welche Folgen das für die künftige Modellentwicklung hat, lässt sich derzeit nicht beurteilen. Der Umbau der KI-Führung bei Google läuft jedenfalls parallel zu den verschobenen Modellstarts.
Was das für Unternehmen bedeutet
Für IT-Verantwortliche im DACH-Raum sind die Nutzerzahlen selbst wenig relevant. Interessanter ist das Muster dahinter: Ein Anbieter mit maximaler Reichweite über Android und Suche liefert Massentauglichkeit, hinkt aber bei spezialisierten Aufgaben wie Programmierung hinterher und finanziert das Wachstum mit negativem Cashflow.
Wer kritische Arbeitsabläufe an ein einzelnes proprietäres Ökosystem bindet, übernimmt dessen Prioritäten und dessen Kostenprobleme. Praktikabler ist es, Modelle je Aufgabe austauschbar zu halten. Ansätze wie Modell-Routing über ein eigenes Gateway oder offene Gewichte, die sich selbst betreiben lassen, reduzieren diese Abhängigkeit spürbar.
Gerade beim Programmieren ist die Auswahl inzwischen groß. Neben den kommerziellen Anbietern stehen offene Alternativen bereit, etwa NousCoder-14B unter Apache 2.0. Für Unternehmen heißt das: Ein verschobenes Flaggschiff-Modell bei einem Hyperscaler muss kein Projektrisiko sein, solange die eigene Architektur nicht auf genau diesen einen Anbieter festgelegt ist.