Google hat auf der I/O 2026 Gemini Omni vorgestellt – ein multimodales Modell, das Videos durch einfache englische Konversation bearbeitet, ganz ohne Timelines oder Keyframes. Die viralen Demos (Blasenskulptur, flüssiger Spiegel, Violinist) beweisen den echten Wandel: Es geht nicht mehr nur um Text-to-Video, sondern um Text-to-Edit für das Video, das du bereits hast. Dies ist der iPhone-Kamera-Moment für die Videokreation. Sprachausgabe, Audiobearbeitung und eine Pro-Version fehlen auffälligerweise – und das ist Absicht.
Es ist 1 Uhr morgens. Du arbeitest seit vier Stunden an einem 30-sekündigen Clip. Deine Projektdatei hat 47 Ebenen. Du hast Keyframes verschoben, bis dein Handgelenk schmerzt. Der Kunde schreibt: „Können wir das Licht etwas wärmer machen?“ Und du, als Profi, stehst kurz davor, komplett von vorne anzufangen.
Das war der Job. Das war der Job.
Am 19. Mai 2026 hat Google diesen Prozess stillschweigend in Rente geschickt.
Auf der I/O 2026 kündigte das Unternehmen Gemini Omni an – ein multimodales Modell, das die Videobearbeitung in etwas verwandelt, das die meisten von uns noch ein Jahrzehnt entfernt glaubten: ein normales Gespräch.
Das Kernversprechen: Hör auf, Videos zu bearbeiten. Fang an, mit ihnen zu sprechen.
Hier ist das gesamte Konzept in einem Satz: Du bearbeitest Videos nicht mehr – du sagst ihnen einfach, was du willst.
Googles Ankündigung drückt es direkt aus: „Jede Anweisung baut auf der vorherigen auf. Deine Charaktere bleiben konsistent, die Physik stimmt und die Szene erinnert sich an das, was zuvor geschah.“
Das ist kein Veo-Update. Auf der Produktseite von Google DeepMind wird es treffender formuliert: „Stell dir Gemini Omni wie Nano Banana vor, nur für Videos.“ Letztes Jahr machte Nano Banana die Fotobearbeitung so einfach wie das Tippen eines Befehls. Jetzt macht Omni dasselbe für bewegte Bilder.
Das erste Modell der Familie – Gemini Omni Flash – ist bereits in der Gemini-App, in Google Flow und in YouTube Shorts live.
Und hier ist der Satz, der deine Sichtweise auf diese gesamte Kategorie verändern sollte: In einem Interview von TechCrunch mit dem DeepMind-Team beschrieb Research Engineer Gabe Barth-Maron das, was Leute mit Omni erstellen, als „personalisierte Memes.“
Das ist die These. Videokreation hat sich gerade vom Handwerk zur reinen Ausdrucksform gewandelt – genau wie bei der Fotografie, als das iPhone den Spiegelreflexkameras den Rang ablief.
Die Demos, die Twitter erobern
Man kann den ganzen Tag Werbetexte lesen. Was diesen Launch verkauft hat, waren die Demos. Drei davon sind aktuell überall zu sehen:
- Die Blasenskulptur. Füttere Omni mit einem Clip einer Steinskulptur, tippe „Mach die Skulptur aus Seifenblasen“ und das nächste Rendering behält die gleiche Komposition, das gleiche Licht und die gleichen Schatten bei – aber die Skulptur besteht nun aus durchscheinender Seife, die das Umgebungslicht einfängt.
- Der flüssige Spiegel. Eine Hand berührt einen Spiegel; der Prompt weist Omni an: „Lass den Spiegel wunderschön wie eine Flüssigkeit wellen und verwandle den Arm der Person in reflektierendes Spiegelmaterial.“Wie Windows Report dokumentierte, breiten sich die Wellen physikalisch korrekt aus und der Chrom-Arm reflektiert den tatsächlichen Raum.
- Die verketteten Bearbeitungen. Die Violinist-Demo von Google zeigt ein einzelnes Motiv in drei Durchgängen: Bühne → transportierte Umgebung → Schulterkamera-Perspektive. Drei Bearbeitungen. Eine Person. Gesicht, Haltung, Griff des Instruments – alles bleibt konsistent.
Das ist kein Text-to-Video. Es ist Text-to-Edit für das Video, das du bereits hast. Der Unterschied scheint klein zu sein. Aber er verändert alles.
Warum Creator ausflippen
Der Grund, warum das stärker einschlägt als andere Modell-Launches, ist einfach: Omni beendet den schlimmsten Kreislauf bei generativen Videos.
Alter Kreislauf: generieren → hassen → den gesamten Prompt umschreiben → 90 Sekunden warten → immer noch schlecht → wiederholen.
Neuer Kreislauf: generieren → „Ändere die Beleuchtung auf Golden Hour“ → fertig → „Jetzt verlangsame den Kamera-Push“ → fertig.
Android Central wurde deutlich: „Gemini Omni könnte traditionelle Videobearbeitungs-Apps antik wirken lassen.“ TechRadar äußerte sich ähnlich, jedoch nuancierter und merkte an, dass die Bewegung nun über Bearbeitungen hinweg kohärent bleibt, anstatt bei jedem Prompt neu zu starten.
Entwickler sind bereits aktiv. Auf dem Entwickler-Board V2EX testete ein chinesischer Entwickler das Tool am Tag des Launches und schrieb: „Chat-basierte Bearbeitung von Objekten in einem Video – diese Art der Interaktion ist eindeutig die Richtung der Zukunft. Geschwindigkeit und Konsistenz haben meine Erwartungen übertroffen.“ Auf X twitterte der Immunologe und KI-Kommentator Dr. Derya Unutmaz nur Minuten nach der Keynote: „Wow! Google DeepMind hat gerade eine erstaunliche neue multimodale KI namens Gemini Omni veröffentlicht. Die Videos sehen super gut aus! Muss man sofort ausprobieren!“
Wenn die KI-Intelligenzszene auf Twitter und chinesische Entwickler-Foren innerhalb weniger Stunden zum selben Schluss kommen, steht man vor einem echten Wendepunkt.
Wo Google sich noch zurückhält
Es wäre unverantwortlich, eine Liebeserklärung ohne die nötigen Fußnoten zu schreiben.
Engadget wies auf das offensichtliche Problem hin: „Das Hauptproblem bei Veo 3.1 und anderen Video-Generatoren ist, dass das Video einen ‚Uncanny Valley‘-Effekt hat und von den Nutzern oft abgelehnt wird. Es wird spannend zu sehen, ob die Ausgabequalität Googles atemlosen Versprechen gerecht wird.“
Und bei DataCamps Praxistests tauchte bereits ein physikalischer Fehler auf – ein Trebuchet, das sein Projektil rückwärts abfeuerte. Der Tester merkte an, dass dem Modell zudem noch veröffentlichte Benchmark-Werte fehlen, eine unabhängige Überprüfung steht also noch aus.
Es gibt zudem eine bewusste Auslassung: Sprach- und Audiobearbeitung innerhalb bestehender Videos. Wie Google selbst einräumte, arbeitet das Unternehmen „noch daran, dies zu testen und besser zu verstehen, wie wir diese Funktion verantwortungsvoll zu den Nutzern bringen können.“ Übersetzung: Das Deepfake-Risiko ist real und sie halten die gefährlichste Funktion noch zurück.
Jeder Omni-Clip wird mit Googles unsichtbarem SynthID-Wasserzeichen sowie C2PA Content Credentials versehen – die Herkunft ist innerhalb der Gemini-App, in Chrome und über die Suche verifizierbar. Das ist keine Option mehr. Das ist mittlerweile Mindeststandard.
Was das für deinen Workflow bedeutet
Nimmt man den Hype weg, bleibt etwas grundlegend Neues:
- Das Werkzeug ist das Gespräch. Keine Timeline, keine Ebenen, keine Keyframes. Nur Worte.
- Der Feedback-Loop verkürzt sich. Was früher 90-sekündige Regeneration bedeutete, wird zu 10-sekündigen Anpassungen.
- Der Burggraben der Profis schrumpft. Wenn jeder mit gutem Geschmack Videos so schnell bearbeiten kann wie eine Slack-Nachricht, verschiebt sich der Engpass von der Umsetzung zur Idee.
Für Marketing-Teams, Indie-Creator, Pädagogen und jeden, der schon einmal „nur einen schnellen 10-Sekunden-Clip“ brauchte – das ist der Wendepunkt. Nicht, weil das Modell perfekt ist. Sondern weil das Interaktionsmuster endlich stimmt.
Zukünftige Videobearbeitung benötigt keine Software. Sie benötigt Vokabular.
Eine letzte Sache – für alle, die tatsächlich mit diesem Zeug bauen
Hier ist die unbequeme Realität hinter jedem Modell-Launch wie diesem: Im nächsten Quartal werden drei weitere Ankündigungen für das „beste Videomodell der Welt“ eintreffen. Jedes wird ein anderes SDK, einen anderen Auth-Flow, ein anderes Rate-Limit und ein anderes Preismodell haben. Dein Team wird jedes Mal eine Woche mit dem Onboarding verbringen. Und dann eine Woche damit, das vorherige System abzuschalten.
Genau das ist das Problem, das Atlas Cloud löst.
Wir geben Entwicklern einen Endpunkt mit Zugriff auf über 300 Modelle – jedes große Foundation-Modell, die führenden Open-Source-Releases und spezialisierte Modelle für Bild, Video und Reasoning. Wechsle das Modell mit einer einzigen Zeile Code. Führe Side-by-Side-Benchmarks durch, ohne SDKs neu zu integrieren. Nutze das Modell, das heute angesagt ist, und wechsle zum nächsten, wenn es soweit ist – ohne etwas umschreiben zu müssen.
Denn das Einzige, was bei KI derzeit sicher ist, ist, dass sich die Rangliste jeden Dienstag ändert. Baue dafür.
