Gemini AI: Effiziente Zusammenfassungen von YouTube-Videos

MÜNCHEN (IT BOLTWISE) – Die Nutzung von Künstlicher Intelligenz (KI) zur Effizienzsteigerung ist ein vielversprechender Ansatz, der in der Technologiebranche immer mehr an Bedeutung gewinnt. Ein aktuelles Beispiel dafür ist die Fähigkeit von Google Gemini, YouTube-Videos zusammenzufassen.

Die großen KI-Unternehmen versprechen, dass ihre Technologien uns Zeit sparen und unsere Produktivität steigern können. Dabei stehen jedoch Fragen zu Urheberrechtsverletzungen, illegalen Inhalten und dem steigenden Energieverbrauch im Raum. Dennoch kann KI ein nützliches Werkzeug sein, um Zeit in einem vollen Terminkalender zurückzugewinnen. Eine der weniger offensichtlichen Anwendungen ist die Zusammenfassung von YouTube-Videos. KI hat sich bereits als relativ zuverlässiger Zusammenfasser erwiesen, auch wenn sie nicht immer perfekt ist. Wenn man nur einige wesentliche Punkte aus einer Reihe von Videos extrahieren muss, die 15 oder 30 Minuten lang sind, kann die eingesparte Zeit schnell beträchtlich werden.

Google Gemini hat ein neues KI-Modell, Gemini 2.0 Flash Thinking Experimental, das in Google-Apps wie Google Search, Google Maps und YouTube integriert werden kann. Das Modell steht allen Gemini-Nutzern zur Verfügung, unabhängig davon, ob sie zahlen oder nicht. Wir haben es mit einer Auswahl von Clips über die Weboberfläche von Gemini getestet.

Um die Funktion zu finden, öffnet man Gemini im Web, startet einen neuen Chat und geht zum Modell-Auswahlmenü in der oberen linken Ecke. Dort sollte ein Modell mit der Bezeichnung 2.0 Flash Thinking (experimentell) zu finden sein. Dies ist das Modell mit den integrierten Google-App-Verbindungen, obwohl man meistens angeben muss, welche App man verwenden möchte (zum Beispiel bei der Suche nach einem Ort in Google Maps).

Wir haben Gemini zunächst mit einem Highlight-Paket der Super Bowl LIX-Highlights des letzten Jahres getestet, fast 20 Minuten Action, um zu sehen, was die KI daraus machen würde. Auf die Frage “Was passiert in diesem Spiel?” erhielten wir in wenigen Sekunden Details zu den Teams und dem Gewinner (was die KI richtig erkannte) sowie einige wichtige Highlights. Eine Folgefrage zum Endergebnis wurde korrekt beantwortet, aber Gemini nannte den falschen Namen des ersten Touchdown-Scorers.

Gemini konnte erfolgreich identifizieren, wann die Kansas City Chiefs ihre ersten Punkte erzielten, und fügte sogar einen Zeitstempel hinzu, der direkt zum Touchdown im YouTube-Clip führte. Es scheint, dass Gemini stark auf den Kommentar für Sportclips angewiesen ist, was nicht überraschend ist.

Als nächstes haben wir Gemini mit einem Featurette hinter den Kulissen von “The Grand Budapest Hotel” getestet, das von Wes Anderson inszeniert wurde. Der Clip dauert viereinhalb Minuten, und Gemini lieferte fast sofort Antworten: Es identifizierte den Namen des Films und die Hauptpunkte der Erzählung des Clips. Allerdings ist alles wieder stark auf das Audio (oder das Transkript) angewiesen.

Schließlich haben wir Google Gemini mit einem Interview getestet: Channel 4 aus dem Vereinigten Königreich sprach mit Charlie Brooker und Siena Kelly über die neueste Serie von Black Mirror. Gemini erwies sich als sehr fähig, die Gesprächspunkte herauszufiltern und Zeitstempel hinzuzufügen, obwohl das gesamte Video hauptsächlich aus Gesprächen besteht.

Für Videos, bei denen die gewünschten Antworten im Audio eines YouTube-Videos und dessen zugehörigem Transkript enthalten sind, funktioniert Gemini sehr gut beim Zusammenfassen und Bereitstellen genauer Antworten. Für visuelle Informationen muss man das Video jedoch weiterhin selbst ansehen.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!