Decisions API von Google: KI entscheidet, der Mensch prüft den Rest
14. November 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
Google hat am 11. November 2026 die Gemini Decisions API vorgestellt. Sie schreibt keine Texte, sondern beantwortet geschlossene Fragen: Ja oder Nein, Auswahl aus einer Liste, Bewertung auf einer Skala. Bis zu 1.000 solcher Fragen passen in eine Anfrage, und zu jeder Antwort liefert das Modell einen Konfidenzwert. Für Geschäftsführer ist das interessant, weil viele Routineprüfungen im Betrieb genau so aussehen, und weil der Konfidenzwert eine saubere Grenze zwischen Automatik und menschlicher Kontrolle erlaubt.
Was die Decisions API genau macht
Hinter der Schnittstelle steckt ein eigenes Modell namens Gemini Decision 1. Laut Google erzeugt es keine Antwort Wort für Wort, sondern bewertet die vorgegebenen Antwortoptionen in einem einzigen Durchgang und gibt Wahrscheinlichkeiten zurück (Quelle: blog.google). Als Eingabe akzeptiert es Text, Bilder, Audio, Video und PDFs. Die Dokumentation nennt ein Kontextfenster von 262.144 Token für Eingabe und Fragen zusammen (Quelle: aistudio.google.com). Der Plattformanbieter Vercel, der das Modell am selben Tag in sein AI Gateway aufgenommen hat, beschreibt es als Werkzeug, um Anfragen zu routen, Richtlinien zu prüfen oder Ergebnisse zu ranken (Quelle: vercel.com).
Drei Fragetypen, ein Konfidenzwert
Die API kennt drei Arten von Fragen. Für alle gilt: Die Antwort ist bereits strukturiert und muss nicht erst aus einem Fließtext herausgelesen werden.
Ja/Nein: Das Modell schätzt die Wahrscheinlichkeit, dass eine Bedingung zutrifft, etwa „Ist auf dem Beleg eine Umsatzsteuer ausgewiesen?”. Die Werte liegen laut Doku immer zwischen 0,01 und 0,99.
Auswahl: 2 bis 255 Optionen, zu jeder gibt es eine Wahrscheinlichkeit, zum Beispiel für die Zuordnung einer E-Mail zu einer Abteilung.
Bewertung: Einstufung anhand einer geordneten Skala, etwa die Dringlichkeit einer Anfrage von 0 bis 3.
Der Konfidenzwert gibt laut Dokumentation die geschätzte Wahrscheinlichkeit an, dass die beste Antwort stimmt. Bei Ja/Nein-Fragen ist er schlicht der höhere der beiden Werte. Ein Ergebnis von 0,55 für „Ja” bedeutet also eine Konfidenz von 0,55, und das ist faktisch ein Münzwurf.
Preis und Tempo: die Angaben von Google
Abgerechnet werden nur Eingabe-Token, und zwar 0,10 US-Dollar pro Million. Ausgabe-Token fallen nicht an. Gemeinsame Eingaben wie ein Dokument werden pro Anfrage nur einmal berechnet, egal wie viele Fragen dazu gestellt werden. Vercel listet denselben Preis (Quelle: vercel.com). Google gibt außerdem eine Antwortzeit von 150 bis 250 Millisekunden an und nennt die Lösung in eigenen Benchmarks fast fünfmal günstiger als Gemini 3.5 Flash-Lite. Das sind Herstellerangaben, unabhängige Messungen gibt es noch nicht. Eine Beispielrechnung, mit der Annahme von rund 2.000 Token pro Beleg: 1.000 geprüfte Belege kosten etwa 0,20 US-Dollar. Der Preis ist damit kaum ein Hindernis. Der Aufwand liegt woanders.
Kostenlos testen, aber nicht mit echten Daten
In Google AI Studio gibt es eine kostenlose Stufe zum Ausprobieren. Ein Detail auf der Preisseite ist dabei entscheidend: In der kostenlosen Stufe werden die Daten laut Google zur Verbesserung der eigenen Produkte verwendet, in der bezahlten Stufe nicht (Quelle: aistudio.google.com). Wer Rechnungen, Kundenmails oder Pflegedokumente prüfen lassen will, sollte die Gratisstufe deshalb nur mit erfundenen Testdaten nutzen. Hinzu kommt: Die Dokumentation führt die Schnittstelle unter der Version v1beta, eine Angabe zu Serverstandorten fehlt, und die Unterstützung über Google Cloud ist laut Google erst „in Kürze” geplant. Für den produktiven Einsatz mit personenbezogenen Daten gehören Auftragsverarbeitung und Datenfluss vorher sauber geklärt.
Was das für Unternehmen bedeutet
Google selbst nennt vor allem technische Einsatzfelder wie das Weiterleiten von Anfragen an passende Modelle oder Sicherheitsprüfungen. Übertragen auf den Mittelstand liegen andere Beispiele nahe: Eine Pflegevermittlung prüft eingehende Unterlagen auf Vollständigkeit, ein Handwerksbetrieb sortiert Anfragen nach Gewerk und Dringlichkeit, eine Tanzschule ordnet Kontaktformulare Kursarten zu. Das funktioniert aber nur, wenn eine klare Schwellenregel dazugehört: Liegt die Konfidenz über einem festgelegten Wert, läuft der Fall automatisch weiter. Liegt sie darunter, landet er bei einer Person im Team. Diese Grenze muss man anhand eigener Fälle testen und regelmäßig nachjustieren.
Wichtig für die Planung: Die Decisions API ist kein fertiges Werkzeug, sondern ein Baustein. Fertige Module für n8n oder Make nennt Google nicht, technisch ist es jedoch eine einfache HTTP-Anfrage, die sich in bestehende Workflow-Automation einbinden lässt. Der eigentliche Aufwand steckt in den Fragen selbst, in der Anbindung an Postfach, Ablage oder Branchensoftware und in der Entscheidung, was mit unsicheren Fällen passiert. Genau dort scheitern viele Pilotprojekte: Die KI liefert Werte, aber niemand hat den Prozess drumherum gebaut. Sinnvoll ist ein kleiner Start mit einem einzigen, klar abgegrenzten Prüfschritt, gemessen an echten Zahlen. Wer dabei Unterstützung bei der Prozessautomatisierung mit KI sucht, sollte auf Erfahrung mit genau solchen Schnittstellen zwischen Modell und Alltagssoftware achten.
