Google stattet Gemini auf dem Mac mit intelligenter Diktierfunktion und Bildschirmerkennung aus

1. Intelligente Diktierfunktion (Standard, immer aktiv)

• Die Fn-Taste in einer beliebigen App gedrückt halten und natürlich sprechen .
• Gemini wandelt die Sprache in sauberen, formatierten Text um, der automatisch Zeichensetzung und Großschreibung setzt und Füllwörter („ähm“, „also“) sowie Korrekturen mitten im Satz entfernt .
• Der Text erscheint direkt in der App oder dem Textfeld, in dem Sie gerade arbeiten – konzipiert als intelligentere Alternative zur macOS-eigenen Diktierfunktion .

2. Screen Awareness (opt-in)

• Die Funktion muss manuell aktiviert werden .
• Nach der Aktivierung kann Gemini über eine Bildschirmfreigabe sehen, was auf Ihrem Bildschirm angezeigt wird .
• Sprachbefehle können sich auf das beziehen, was auf dem Bildschirm zu sehen ist – z. B. „fasse dieses Dokument zusammen“ oder „bearbeite diesen Absatz“. Gemini führt dann die Aktion auf dem sichtbaren Inhalt aus .
• The Verge beschreibt die Funktion als Möglichkeit, Gemini „Aufgaben in den geöffneten Fenstern ausführen zu lassen“ .

Datenschutz – eine Frage der Abwägung

• Intelligente Diktierfunktion: Die Audioverarbeitung erfolgt in der Google Cloud. Es gelten die üblichen Datenschutzrichtlinien von Gemini. Chats werden standardmäßig 18 Monate gespeichert. Alternativ sind 3, 36 Monate oder Auto-Löschen möglich. Wer eingewilligt hat, kann einer manuellen Prüfung unterliegen .
• Screen Awareness ist der datenschutzintensivere Modus: Er benötigt die Freigabe für Bildschirmaufnahmen. Da es ein opt-in ist, wird nur dann etwas übertragen, wenn Sie es explizit einschalten . Nach der Aktivierung kann Google die Inhalte Ihrer aktiven Fenster sehen, was ähnliche Bedenken aufwirft wie bei anderen KI-Bildschirmlesern (versehentliches Teilen sensibler Daten, Sichtbarkeit von Zugangsdaten usw.). Google gibt an, vor wichtigen Aktionen noch einmal nachzufragen, aber die Bildschirmdaten werden auf den Servern von Google verarbeitet .

Vergleich: Gemini vs. ChatGPT Desktop vs. Apple Intelligence

Wesentliche Unterschiede: ChatGPT Desktop mit GPT-Live-1 ist ein echter wechselseitiger Sprachmodus – er kann gleichzeitig zuhören und sprechen, Unterbrechungen verarbeiten und KI-Agenten in Echtzeit steuern . Geminis Ansatz ist aufgabenorientierter: Diktat plus bildschirmbezogene Befehle, aber keine flüssige Unterhaltung. Apple Intelligence läuft stark auf dem Gerät und ist tief ins System integriert, verfügt aber nicht über die generative Tiefe oder die appübergreifende Autonomie von Gemini oder ChatGPT.

Verfügbarkeit im Detail

Neue Sprachsteuerung (29. Juli 2026)

• Sprache: Zunächst nur Englisch; eine offizielle Liste weiterer Sprachen liegt noch nicht vor .
• App-Version: Aktuelle Gemini-App für macOS (rollierendes Update ohne Angabe einer Versionsnummer) .
• Globaler Rollout: Weltweit ab dem 29. Juli, kann aber einige Tage dauern, bis alle Regionen erreicht sind .
• Altersbeschränkung: 18+ (standardmäßige Gemini-Altersrichtlinie).
• Kosten: Intelligente Diktierfunktion kostenlos. Auch der Screen-Awareness-Modus ist zum Start kostenlos – weder Google AI Ultra noch ein kostenpflichtiges Abo erforderlich .

Gemini Spark (eingeführt am 30. Juni 2026)

• Was es ist: Ein 24/7 arbeitender KI-Agent, der in der Google Cloud läuft – auch wenn Ihre Geräte ausgeschaltet sind. Er automatisiert Aufgaben in Gmail, Docs, Kalender, Dateien und Drittanbieterdiensten mittels Zeitplänen und Skills .
• Sprache: Nur Englisch zum Start .
• App-Version: Erfordert die aktuelle Gemini-App für macOS (Beta); Spark funktioniert auch auf Android, iOS und im Web .
• Globaler Rollout: Geschlossene Beta – Nur USA seit dem 30. Juni . Ein separater Start in Indien wurde am 29. Juli gemeldet .
• Altersbeschränkung: 18+.
• Kosten: Nur für Google AI Ultra-Abonnenten (kostenpflichtige Stufe). Nicht in der kostenlosen Gemini-Version enthalten .
• Wesentlicher Unterschied zur Sprachsteuerung: Spark ist ein Hintergrundagent (proaktiv, 24/7-Automatisierung), während die Sprachsteuerung eine reaktive Eingabemethode auf Abruf ist. Spark läuft autonom in der Cloud; die Sprachsteuerung erfordert, dass Sie am Mac sitzen und aktiv sprechen. Spark kostet Geld; die Sprachsteuerung ist kostenlos.