Google AI Studio


Google AI Studio
Einleitung
Google AI Studio ist eine webbasierte Entwicklungsumgebung von Google für das schnelle Erproben, Vergleichen und Weiterentwickeln von Anwendungen mit generativer KI. Im Mittelpunkt stehen die Gemini API, die Gemini-Modellfamilie, Prompt Engineering, Multimodalität, Prototyping und die Frage, wie aus einer Idee ein überprüfbarer, verantwortungsvoller KI-Prototyp entstehen kann. Dieser aiMOOC richtet sich an Lernende in der Sekundarstufe II, in der beruflichen Bildung, im Studium und in projektorientierten Lernsettings.

In diesem Kurs lernst Du nicht nur, was Google AI Studio ist, sondern auch, wie Du KI-Werkzeuge kritisch, sicher und zielorientiert einsetzt. Du unterscheidest zwischen einer Benutzeroberfläche für Experimente, einer API für eigene Anwendungen und einem fertigen Chatbot für Endnutzerinnen und Endnutzer. Besonders wichtig ist: Künstliche Intelligenz liefert keine automatische Wahrheit. Ergebnisse müssen geprüft, dokumentiert und verantwortungsvoll verwendet werden.
{{#ev:youtube| https://www.youtube.com/watch?v=4oyqd7CB09c |500|center}}
Lernziele
Nach diesem aiMOOC kannst Du erklären, wozu Google AI Studio dient, wie ein guter Prompt aufgebaut ist und warum Modellauswahl, Datenschutz, API-Schlüssel, Kostenkontrolle, Quellenprüfung und KI-Ethik für jedes KI-Projekt wichtig sind. Du kannst außerdem einfache Anwendungsfälle planen, Prompts testen, Antworten bewerten und aus einem Experiment ein nachvollziehbares Konzept für einen KI-Prototyp entwickeln.
Was ist Google AI Studio?
Google AI Studio ist eine browserbasierte Umgebung, in der Du mit Gemini-Modellen experimentieren kannst. Du kannst Prompts formulieren, unterschiedliche Modelle testen, Eingaben mit Text, Bild, Audio, Video oder Dokument kombinieren, Einstellungen anpassen und aus einem erfolgreichen Experiment Code für eine eigene Anwendung ableiten. Dadurch verbindet Google AI Studio zwei Welten: Es ist einerseits ein Lern- und Experimentierraum für Prompt Engineering, andererseits ein Einstieg in die Softwareentwicklung mit KI-APIs.

Wichtig ist die Unterscheidung: Die Gemini-App ist vor allem ein fertiger KI-Assistent für Anwenderinnen und Anwender. Google AI Studio ist dagegen stärker auf Prototyping, Testing, Prompt Design und den Übergang zur Gemini API ausgerichtet. Vertex AI wiederum ist eine Plattform im Google-Cloud-Umfeld, die stärker auf professionelle, skalierbare und organisationsbezogene KI-Anwendungen zielt.
Zentrale Begriffe
- Prompt: Eine gezielte Eingabe, mit der Du einem KI-Modell Aufgabe, Kontext, Rolle, Zielgruppe, Einschränkungen und gewünschtes Ausgabeformat mitteilst.
- Gemini API: Eine Programmierschnittstelle, mit der Anwendungen auf Gemini-Modelle zugreifen können.
- API-Schlüssel: Ein Zugangsschlüssel für die technische Nutzung einer API, der wie ein Passwort geschützt werden muss.
- Multimodalität: Die Fähigkeit, verschiedene Datentypen wie Text, Bild, Audio, Video oder PDF zu verarbeiten.
- Token: Eine Verarbeitungseinheit eines KI-Modells, etwa ein Wortteil, ein Wort oder ein Zeichenbereich.
- Kontextfenster: Der Bereich an Informationen, den ein Modell in einer Anfrage berücksichtigen kann.
- Strukturierte Ausgabe: Eine Ausgabe in einem festen Format, zum Beispiel als Tabelle, Liste oder JSON-Schema.
- Function Calling: Ein Verfahren, bei dem ein Modell eine passende Funktion oder ein Werkzeug auswählt, statt nur freien Text zu erzeugen.
- Grounding: Die Anbindung einer Antwort an überprüfbare Informationen, zum Beispiel aktuelle Quellen oder bereitgestellte Dokumente.
- Halluzination: Eine scheinbar plausible, aber falsche oder unbelegte KI-Antwort.
Typische Einsatzbereiche
Google AI Studio eignet sich besonders für frühe Projektphasen. Du kannst damit Ideen testen, bevor Du viel Zeit in Programmierung investierst. In der Schule können Lernende damit Prompt Engineering üben, KI-Antworten vergleichen, Fehler analysieren und ethische Fragen bearbeiten. In der Ausbildung und im Studium kann Google AI Studio genutzt werden, um Chatbots, Lernassistenten, Recherchewerkzeuge, Codegenerierung, Datenanalyse, Bildbeschreibung, barrierearme Materialien oder Prototypen für digitale Produkte vorzubereiten.
Ein sinnvoller Unterrichtseinsatz beginnt nicht mit der Frage: "Was kann die KI alles?", sondern mit der Frage: "Welches Problem soll gelöst werden, welche Daten dürfen verwendet werden und wie prüfen wir das Ergebnis?" Dadurch wird KI-Kompetenz nicht als bloße Bedienfähigkeit verstanden, sondern als Verbindung aus Fachwissen, Medienkompetenz, Informatik, Datenschutz und Urteilskompetenz.
Vom Prompt zum Prototyp
Ein guter Arbeitsprozess in Google AI Studio folgt einem wiederholbaren Ablauf. Zuerst formulierst Du ein Ziel, zum Beispiel: "Erstelle einen Lernassistenten, der biologische Fachbegriffe für Klasse 9 erklärt." Danach bestimmst Du die Zielgruppe, den Kontext, die erlaubten Quellen, das Ausgabeformat und Qualitätskriterien. Anschließend testest Du mehrere Varianten, vergleichst die Ergebnisse und dokumentierst, welche Prompt-Bestandteile die Antwort verbessert haben.
Beispielstruktur für einen verantwortungsvollen KI-Test: Ziel: Was soll die Anwendung leisten? Kontext: Für wen und in welcher Situation wird sie genutzt? Daten: Welche Informationen dürfen verwendet werden? Prompt: Welche Rolle, Aufgabe und Grenzen erhält das Modell? Ausgabe: In welchem Format soll die Antwort erscheinen? Prüfung: Wie werden Fakten, Quellen, Bias und Risiken bewertet? Dokumentation: Welche Version des Prompts war am besten und warum?
Diese Struktur ist wichtiger als ein einzelner "perfekter" Prompt. Prompt Engineering ist ein iterativer Prozess: Du beobachtest, verbesserst, testest erneut und hältst Entscheidungen fest. Dadurch wird aus spontanem Ausprobieren ein nachvollziehbares Experiment.
Gute Prompts in Google AI Studio
Ein wirksamer Prompt enthält klare Angaben zu Rolle, Aufgabe, Kontext, Zielgruppe, Kriterien und Ausgabeformat. Statt "Erklär mir KI" ist ein präziser Prompt hilfreicher: "Erkläre einer 10. Klasse in 180 Wörtern den Unterschied zwischen regelbasierter Software und generativer KI. Verwende ein Alltagsbeispiel, vermeide Fachjargon und füge drei Prüf-Fragen hinzu." Der zweite Prompt liefert dem Modell mehr Orientierung und macht die Antwort leichter überprüfbar.
Für Lernende ist es sinnvoll, Prompts in Versionen zu speichern. Eine Version kann die Zielgruppe verändern, eine andere das Format, eine dritte die Quellenlage. So entsteht ein Prompttagebuch, mit dem Du Lernfortschritte sichtbar machst. Gute Prompts sind nicht nur Befehle, sondern Denkwerkzeuge: Sie zwingen Dich, Ziele, Einschränkungen und Bewertungskriterien zu klären.
Einstellungen und Modellwahl
In Google AI Studio können je nach Oberfläche und Modell verschiedene Einstellungen sichtbar sein. Dazu gehören unter anderem die Auswahl des Modells, Einstellungen für Zufälligkeit und Kreativität, Sicherheitsfilter, Werkzeuge, strukturierte Ausgaben, Function Calling, Codeausführung oder Grounding. Diese Einstellungen sind keine nebensächlichen Details. Sie beeinflussen, ob eine Antwort eher kreativ, knapp, ausführlich, streng formatiert oder stärker quellenbezogen ist.
Die Modellauswahl sollte vom Ziel abhängen. Für schnelle Entwürfe reicht oft ein effizientes Modell. Für komplexe Analyse, lange Dokumente oder anspruchsvolle Programmieraufgaben kann ein leistungsfähigeres Modell sinnvoll sein. Gleichzeitig sind Kosten, Nutzungsgrenzen, Latenz, Datenschutz, Verfügbarkeit und Qualitätskontrolle zu beachten. Da sich Modellnamen und Funktionen schnell ändern können, solltest Du vor einem Projektstart immer die aktuelle Dokumentation prüfen.
Multimodales Arbeiten
Ein wichtiger Lernaspekt ist die Multimodalität. Gemini-Modelle können nicht nur Text verarbeiten, sondern je nach Modell auch Bilder, Dokumente, Audio oder Video analysieren. Das eröffnet viele Lernaufgaben: Du kannst ein Diagramm beschreiben lassen, einen Screenshot auswerten, eine Unterrichtsgrafik in einfache Sprache übertragen oder ein Video nach bestimmten Kriterien zusammenfassen lassen.
{{#ev:youtube| https://www.youtube.com/watch?v=qfWpPEgea2A |500|center}}
Multimodales Arbeiten verlangt besondere Sorgfalt. Ein Modell kann Bildinhalte falsch interpretieren, Tabellen missverstehen oder wichtige Details übersehen. Deshalb sollten Lernende immer prüfen, welche Informationen tatsächlich im Material stehen und welche Aussagen das Modell nur ergänzt oder vermutet. Eine gute Aufgabe fordert nicht nur eine KI-Antwort, sondern auch eine Begründung, Korrektur und Quellenprüfung.
API-Schlüssel und Sicherheit
Ein API-Schlüssel ist kein dekorativer Code-Schnipsel, sondern ein sicherheitsrelevanter Zugang. Er darf nicht in öffentlichen Repositorien, Screenshots, geteilten Dokumenten oder Unterrichtsabgaben sichtbar sein. Wer mit der Gemini API arbeitet, sollte Schlüssel beschränken, Berechtigungen prüfen, Abrechnungs- und Nutzungslimits beachten und Testprojekte sauber von öffentlichen Anwendungen trennen. Für Lernprojekte reicht häufig eine konzeptionelle Simulation, ohne dass Lernende echte Schlüssel erzeugen müssen.
Auch Eingabedaten müssen geschützt werden. Gib keine sensiblen personenbezogenen Daten, keine Prüfungsaufgaben mit Sperrvermerk, keine vertraulichen Betriebsunterlagen und keine Passwörter in KI-Systeme ein. In schulischen Kontexten müssen zusätzlich Vorgaben der Schule, des Schulträgers, der Eltern, der Lernplattform und des Datenschutzrechts beachtet werden. Verantwortungsvolle KI-Nutzung beginnt vor der ersten Eingabe.
Qualität prüfen: Fakten, Bias und Grenzen
Generative KI erzeugt wahrscheinliche Antworten, keine garantierten Wahrheiten. Deshalb gehört zur Arbeit mit Google AI Studio immer eine Evaluation. Du prüfst, ob Fakten stimmen, ob Quellen nachvollziehbar sind, ob die Antwort zur Zielgruppe passt, ob sie Vorurteile enthält und ob das Ausgabeformat eingehalten wurde. Besonders wichtig ist der Umgang mit Halluzinationen: Eine KI-Antwort kann sprachlich überzeugend sein und trotzdem falsch sein.
Für Lernende eignet sich ein einfaches Prüfraster: Ist die Antwort fachlich korrekt? Gibt es unbelegte Behauptungen? Werden Unsicherheiten genannt? Sind Beispiele passend? Werden sensible Daten vermieden? Ist die Antwort fair und diskriminierungssensibel? Erst wenn diese Fragen beantwortet sind, darf ein KI-Ergebnis weiterverwendet werden.
Google AI Studio im Vergleich
Google AI Studio ist besonders geeignet, wenn Du Gemini-Funktionen ausprobieren, Prompts testen, Prototypen bauen und Code exportieren möchtest. Eine allgemeine Chat-App ist besser geeignet, wenn Du schnell eine Antwort im Alltag brauchst. Eine professionelle Cloud-Plattform ist besser geeignet, wenn ein Unternehmen skalierbare Infrastruktur, Rollenverwaltung, Monitoring und Integration in bestehende Systeme benötigt. Der Vergleich zeigt: Es gibt nicht "das beste" KI-Werkzeug für alle Aufgaben, sondern passende Werkzeuge für unterschiedliche Ziele.
Didaktischer Einsatz im Unterricht
Ein guter Unterricht mit Google AI Studio verbindet praktisches Experimentieren mit Reflexion. Lernende können zum Beispiel einen Prompt entwerfen, das Ergebnis testen, Fehler markieren, eine verbesserte Version schreiben und anschließend erklären, warum die zweite Version besser ist. So lernen sie nicht nur Bedienung, sondern Problemlösen, Argumentation, Quellenkritik, Systemverständnis und Verantwortung.
Für Gruppenarbeiten eignet sich eine Rollenverteilung: Eine Person formuliert den Prompt, eine zweite prüft Fakten, eine dritte bewertet Datenschutz und Ethik, eine vierte dokumentiert die Ergebnisse. Dadurch wird sichtbar, dass KI-Projekte Teamarbeit sind und nicht nur aus dem Drücken eines Buttons bestehen.
Interaktive Aufgaben
Quiz: Teste Dein Wissen
Welche Hauptfunktion hat Google AI Studio? (Prompts und Prototypen für Gemini-Modelle testen) (!Betriebssysteme installieren) (!Hardware reparieren) (!E-Mails automatisch löschen)
Was ist ein Prompt? (Eine gezielte Eingabe an ein KI-Modell) (!Ein physischer Computerchip) (!Ein Passwortmanager) (!Ein Bildformat)
Wofür wird ein API-Schlüssel verwendet? (Zur Authentifizierung beim Zugriff auf eine API) (!Zum Formatieren von Tabellen) (!Zum Speichern von Bildschirmfotos) (!Zum Ausschalten von Sicherheitsfiltern)
Was bedeutet Multimodalität bei KI-Systemen? (Die Verarbeitung verschiedener Datentypen) (!Die Nutzung nur einer Sprache) (!Der Betrieb ohne Internet) (!Das Löschen aller Ausgaben)
Warum muss man KI-Antworten prüfen? (Weil sie falsch oder unbelegt sein können) (!Weil sie immer zu kurz sind) (!Weil sie nie formatiert werden können) (!Weil sie keine Sprache verarbeiten)
Was beschreibt ein Kontextfenster? (Die Informationsmenge, die ein Modell in einer Anfrage berücksichtigen kann) (!Die Größe des Browserfensters) (!Die Farbe der Benutzeroberfläche) (!Die Anzahl der installierten Programme)
Was ist Structured Output? (Eine Ausgabe in einem vorgegebenen Format) (!Ein zufällig erzeugtes Passwort) (!Ein analoges Arbeitsblatt) (!Ein abgeschalteter Sicherheitsfilter)
Was ist Function Calling? (Ein Verfahren zur Auswahl oder Auslösung passender Funktionen) (!Ein Videokonferenzsystem) (!Eine Methode zum Komprimieren von Bildern) (!Ein Ersatz für Quellenprüfung)
Welche Aussage zu API-Schlüsseln ist richtig? (API-Schlüssel müssen vertraulich behandelt werden) (!API-Schlüssel gehören in öffentliche Screenshots) (!API-Schlüssel dürfen in jede Abgabe kopiert werden) (!API-Schlüssel sind nur Designelemente)
Was ist ein gutes Ziel beim Arbeiten mit Google AI Studio? (Einen KI-Prototyp systematisch testen und bewerten) (!Alle Antworten ungeprüft übernehmen) (!Sensible Daten möglichst vollständig eingeben) (!Nur dekorative Prompts sammeln)
Memory
| Prompt | Anweisung an ein KI-Modell |
| Gemini API | Programmierschnittstelle für Gemini-Modelle |
| API-Schlüssel | Geheimer Zugang zur API |
| Token | Verarbeitungseinheit eines Modells |
| Grounding | Anbindung an überprüfbare Quellen |
| Structured Output | Ausgabe nach festem Schema |
| Function Calling | Verbindung von Modell und Werkzeug |
| Halluzination | Plausible aber falsche KI-Antwort |
Drag and Drop
| Ordne die richtigen Begriffe zu. | Thema |
|---|---|
| Prompt planen | Ziel und Zielgruppe festlegen |
| Modell auswählen | Leistung Geschwindigkeit und Kosten abwägen |
| Antwort prüfen | Fakten Quellen und Bias bewerten |
| Prompt verbessern | Kontext Kriterien und Format präzisieren |
| Prototyp dokumentieren | Ergebnisse Risiken und Entscheidungen festhalten |
Kreuzworträtsel
| Prompt | Wie heißt eine gezielte Anweisung an ein KI-Modell? |
| Gemini | Wie heißt die Modellfamilie von Google für viele KI-Anwendungen? |
| Token | Wie heißt eine kleine Verarbeitungseinheit eines KI-Modells? |
| Schema | Wie nennt man eine formale Vorgabe für ein Ausgabeformat? |
| Grounding | Wie heißt die Anbindung einer Antwort an überprüfbare Informationen? |
| Kontext | Wie nennt man die mitgelieferte Informationsumgebung einer Anfrage? |
LearningApps
Lückentext
Offene Aufgaben
Leicht
- Begriffslandkarte: Erstelle eine Mindmap zu Google AI Studio, Gemini API, Prompt, API-Schlüssel, Multimodalität und Halluzination.
- Prompttagebuch: Schreibe drei Versionen eines Prompts für dieselbe Aufgabe und notiere, welche Version die beste Antwort erzeugt.
- Werkzeugvergleich: Vergleiche Google AI Studio, eine allgemeine KI-Chat-App und eine klassische Suchmaschine in einer Tabelle.
- Datenschutz-Check: Formuliere fünf Regeln, welche Informationen Du in einem KI-System nicht eingeben solltest.
Standard
- Prompt-Experiment: Entwickle einen Prompt für eine Unterrichtserklärung und verbessere ihn nach zwei Testläufen.
- Multimodale Analyse: Wähle ein eigenes Diagramm oder Bild aus und beschreibe, wie ein KI-Modell es analysieren könnte und wo Fehler entstehen können.
- Strukturierte Ausgabe: Entwirf einen Prompt, der eine Antwort als Tabelle mit Kriterien, Bewertung und Begründung ausgeben soll.
- Fehleranalyse: Sammle drei KI-Antworten zu einem Fachthema, markiere unklare oder falsche Stellen und schreibe eine korrigierte Version.
Schwer
- KI-Prototyp: Plane einen kleinen Lernassistenten mit Zielgruppe, Funktionen, Prompts, Prüfkriterien und Sicherheitsregeln.
- API-Konzept: Beschreibe ohne echten Schlüssel, wie eine Anwendung über eine API eine Anfrage an ein KI-Modell senden und die Antwort weiterverarbeiten könnte.
- Evaluationsdesign: Entwickle ein Prüfraster mit mindestens acht Kriterien, um Antworten eines KI-Prototyps zu bewerten.
- Ethik-Gutachten: Verfasse eine Stellungnahme zu Chancen und Risiken von Google AI Studio in Schule, Ausbildung oder Studium.

| <inputbox>
type=create break=no preload=CHAT GPT TEXT HIER EINFÜGEN default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox> |

Lernkontrolle
- Use-Case-Analyse: Beurteile, ob Google AI Studio für einen digitalen Lernassistenten, eine medizinische Diagnose-App oder eine einfache Textzusammenfassung geeignet ist, und begründe Deine Entscheidung.
- Prompt-Revision: Überarbeite einen ungenauen Prompt so, dass Zielgruppe, Kontext, gewünschtes Format und Prüfkriterien klar erkennbar sind.
- Sicherheitsentscheidung: Erkläre, warum ein API-Schlüssel nicht in einem öffentlichen Git-Repository oder auf einem Screenshot erscheinen darf.
- Transferaufgabe: Übertrage das Prinzip des Prototyping auf ein anderes digitales Werkzeug und zeige Gemeinsamkeiten und Unterschiede.
- Quellenkritik: Beschreibe, wie Du eine überzeugend klingende KI-Antwort auf sachliche Richtigkeit prüfen würdest.
- Modellauswahl: Entscheide für drei unterschiedliche Aufgaben, ob Geschwindigkeit, Genauigkeit, Kosten oder Kontextlänge am wichtigsten sind.
Lernnachweis
Für einen Lernnachweis zu Google AI Studio ist wichtig, dass Du nicht nur Funktionen aufzählst, sondern Deinen Arbeitsprozess begründest. Ein guter Lernnachweis enthält eine verständliche Erklärung des Werkzeugs, mindestens einen dokumentierten Prompt-Versuch, eine Bewertung der Antwortqualität, eine Reflexion zu Datenschutz und KI-Ethik, eine Unterscheidung zwischen Google AI Studio, Gemini API und Gemini-App sowie einen Vorschlag für einen verantwortungsvollen KI-Prototyp. Besonders überzeugend ist ein Lernnachweis, wenn Du Fehler und Grenzen offen benennst und zeigst, wie Du Deine Prompts verbessert hast.
- Erklärung: Du erklärst zentrale Begriffe wie Prompt, API, API-Schlüssel, Token, Grounding und Structured Output.
- Dokumentation: Du legst eine nachvollziehbare Prompt-Versionierung mit Beobachtungen und Verbesserungen vor.
- Evaluation: Du prüfst mindestens eine KI-Antwort auf Richtigkeit, Verständlichkeit, Quellenlage und mögliche Verzerrungen.
- Sicherheitsreflexion: Du beschreibst konkrete Maßnahmen zum Schutz von Daten, Konten und API-Schlüsseln.
- Transfer: Du entwickelst ein eigenes Anwendungsszenario und begründest, ob Google AI Studio dafür geeignet ist.
OERs zum Thema
Quellen und Aktualität
- Google AI Studio entwickelt sich schnell. Prüfe vor praktischen Projekten immer die aktuellen Modellnamen, Nutzungsbedingungen, Sicherheitsfunktionen, Preis- und Kontingentinformationen.
- Google AI Studio
- Google AI Studio Quickstart
- Gemini API Dokumentation
- Hinweise zu Gemini API-Schlüsseln
- Safety Settings der Gemini API
- Structured Output in der Gemini API
- Wikimedia Commons Bildquelle: Google AI Studio icon
- Wikimedia Commons Bildquelle: AI Studio Benutzeroberfläche
Links
aiMOOC-Projekte
Schulfach+


aiMOOCs



aiMOOC Projekte


THE MONKEY DANCE





{{#ev:youtube | https://youtu.be/rFhZlg38Zf8?si=9KdMNZYRkRD81YTo%7C 500 | center}}
|
{{#ev:youtube | https://youtu.be/Ob7etf9QuBo?si=t_NBA71bWg3Rq3LI%7C 500 | center}}
| <inputbox>
type=create break=no preload=MOOCit Vorlage default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox> |