Zurück zur Übersicht
Google Discover führt KI-Chatbot-Funktion zur Personalisierung des Feeds ein: Nutzer können Inhalte per Textbeschreibung anpassen
ProduktstartGoogleKünstliche IntelligenzGoogle Discover

Google Discover führt KI-Chatbot-Funktion zur Personalisierung des Feeds ein: Nutzer können Inhalte per Textbeschreibung anpassen

Google hat eine bedeutende Neuerung für seinen Discover-Feed angekündigt, die die Art und Weise, wie Nutzer Inhalte entdecken, grundlegend verändern soll. Durch eine neue KI-gestützte Funktion können Anwender ihren Feed künftig personalisieren, indem sie einfach beschreiben, welche Themen sie sehen möchten. Die künstliche Intelligenz passt den Feed basierend auf diesen Beschreibungen automatisch an und speichert die Präferenzen für zukünftige Besuche. Die Funktion wird laut Google in den kommenden Tagen innerhalb der Google-App ausgerollt. Nutzer finden die neue Option im Drei-Punkte-Menü der Anwendung. Diese Entwicklung markiert einen wichtigen Schritt hin zu einer interaktiven, dialogbasierten Steuerung von Informationsströmen, bei der die KI als Vermittler zwischen Nutzerinteressen und Inhaltsauswahl fungiert.

The Verge

Die wichtigsten Punkte

  • Interaktive Personalisierung: Nutzer können ihren Google Discover-Feed durch natürliche Sprachbeschreibungen individuell gestalten.
  • KI-Gedächtnis: Die integrierte KI merkt sich die geäußerten Präferenzen für zukünftige Besuche und passt den Feed dauerhaft an.
  • Einfache Zugänglichkeit: Die Funktion ist über das bekannte Drei-Punkte-Menü innerhalb der Google-App erreichbar.
  • Zeitnaher Rollout: Die Einführung der neuen Funktion ist für die kommenden Tage geplant.

Analyse

Von passiven Algorithmen zur aktiven Gestaltung

Die angekündigte Neuerung für Google Discover stellt einen Paradigmenwechsel in der Kuratierung von Inhalten dar. Bisher basierte der Discover-Feed primär auf passiven Signalen wie dem Suchverlauf, dem Standort oder dem Klickverhalten der Nutzer. Mit der Einführung der KI-Chatbot-Funktion ermöglicht Google es den Anwendern nun, eine aktive Rolle einzunehmen. Durch das Beschreiben der gewünschten Inhalte – ähnlich wie in einem Chat mit einer KI – können Nutzer die algorithmische Auswahl direkt beeinflussen.

Dieser Ansatz nutzt generative KI-Elemente, um die Lücke zwischen vagen Nutzerinteressen und präzisen Inhaltsvorschlägen zu schließen. Anstatt darauf zu hoffen, dass der Algorithmus die aktuellen Interessen korrekt errät, können Nutzer diese nun explizit formulieren. Die KI fungiert hierbei als intelligenter Filter, der die Anweisungen des Nutzers interpretiert und in Echtzeit auf den Feed anwendet.

Nachhaltige Anpassung durch KI-Präferenzen

Ein entscheidendes Merkmal der neuen Funktion ist die Fähigkeit der KI, sich an die Wünsche des Nutzers zu „erinnern“. Dies bedeutet, dass die vorgenommenen Anpassungen keine einmaligen Filter sind, sondern eine langfristige Veränderung des Nutzungserlebnisses bewirken. Wenn ein Nutzer der KI mitteilt, welche Themen für ihn relevant sind, speichert das System diese Informationen für zukünftige Sitzungen ab.

Die technische Umsetzung erfolgt über die Google-App, wobei die Steuerung diskret in das bestehende Interface integriert wurde. Über das Drei-Punkte-Menü, das üblicherweise für Einstellungen und Feedback genutzt wird, erhalten Nutzer Zugriff auf das neue Anpassungswerkzeug. Dies deutet darauf hin, dass Google die Funktion als festen Bestandteil der Nutzererfahrung etablieren möchte, ohne das gewohnte Design der App grundlegend zu verändern.

Bedeutung für die KI-Branche

Die Integration einer Chatbot-gesteuerten Feed-Anpassung in Google Discover verdeutlicht den Trend zur „Conversational UI“ (konversationsbasierte Benutzeroberflächen) in Massenmarkt-Anwendungen. Für die KI-Branche ist dies ein wichtiges Signal, dass generative KI nicht mehr nur als separates Werkzeug (wie ChatGPT oder Google Gemini) existiert, sondern tief in bestehende Ökosysteme eingebettet wird.

Google demonstriert hierbei, wie KI genutzt werden kann, um die Relevanz von Inhalten zu steigern und gleichzeitig die Nutzerbindung zu erhöhen. Die Fähigkeit einer KI, Präferenzen über die Zeit hinweg zu speichern und anzuwenden, ist ein zentrales Element für die Entwicklung persönlicher digitaler Assistenten. Dieser Schritt könnte andere Plattformen dazu bewegen, ähnliche interaktive Steuerungselemente für ihre News-Feeds und Empfehlungs-Engines einzuführen, weg von rein beobachtenden Systemen hin zu dialogorientierten Kuratoren.

Häufig gestellte Fragen

Frage: Wie kann ich die neue KI-Funktion in Google Discover nutzen?

Die Funktion wird über das Drei-Punkte-Menü in der Google-App zugänglich sein. Dort können Nutzer per Textbeschreibung angeben, welche Art von Inhalten sie in ihrem Feed sehen möchten.

Frage: Wann wird die Funktion für alle Nutzer verfügbar sein?

Laut der Originalmeldung wird die Funktion in den „kommenden Tagen“ in der Google-App ausgerollt. Ein genauer Termin für spezifische Regionen wurde nicht genannt.

Frage: Merkt sich die KI meine Einstellungen dauerhaft?

Ja, die Funktion ist so konzipiert, dass die KI die Präferenzen der Nutzer für zukünftige Besuche speichert und den Feed entsprechend kontinuierlich anpasst.

Ähnliche Nachrichten

OpenAI veröffentlicht GPT-6 Sol und Luna mit halbierten API-Kosten und signifikant reduzierter Fehlerrate im internen Test
Produktstart

OpenAI veröffentlicht GPT-6 Sol und Luna mit halbierten API-Kosten und signifikant reduzierter Fehlerrate im internen Test

OpenAI hat die Einführung der neuen Modelle GPT-6 Sol und Luna bekannt gegeben. Ein zentraler Aspekt dieser Veröffentlichung ist die deutliche Reduzierung der finanziellen Aufwendungen für Entwickler und Unternehmen, da die API-Kosten laut dem Bericht von Tech in Asia um die Hälfte gesenkt wurden. Neben der Kostenhalbierung stehen auch spürbare Verbesserungen bei der Zuverlässigkeit im Fokus der Mitteilung: Wie aus den bereitgestellten Informationen hervorgeht, zeigte GPT-6 Sol in einem unternehmenseigenen internen Test eine deutlich gesteigerte Genauigkeit und machte im Vergleich zu seinem Vorgänger nur noch etwa halb so viele Fehler. Damit verbindet die Ankündigung von GPT-6 Sol und Luna eine erhebliche Senkung der Nutzungskosten mit einer messbaren Verringerung der Fehlerquote in den durchgeführten internen Überprüfungen des Anbieters.

Anthropic stellt Claude Opus 5.5 mit gesenkten Preisen für Ein- und Ausgabetoken offiziell vor
Produktstart

Anthropic stellt Claude Opus 5.5 mit gesenkten Preisen für Ein- und Ausgabetoken offiziell vor

Das KI-Unternehmen Anthropic hat das Sprachmodell Claude Opus 5.5 vorgestellt und setzt dabei auf eine angepasste, niedrigere Preisgestaltung. Gemäß dem aktuellen Bericht liegen die Kosten für die Nutzung des Modells bei 4 US-Dollar pro einer Million Eingabetoken (Input Tokens). Für die Generierung beziehungsweise die Ausgabe von Inhalten werden 20 US-Dollar pro einer Million Ausgabetoken (Output Tokens) fällig. Die Ankündigung verdeutlicht die Preisstruktur der neuen Modellversion im Bereich der Token-Abrechnung. Während der Veröffentlichung liegen der Fokus und die Kernangaben primär auf den konkreten finanziellen Konditionen pro Million Tokens für Eingabe und Ausgabe. Diese Preisangaben bilden die zentrale Grundlage der aktuellen Meldung über das Erscheinen von Claude Opus 5.5 durch Anthropic.

Produktstart

OpenAI stellt verbessertes Prompt Caching für GPT-6 vor: Höhere Trefferquoten, Breakpoints und reduzierte Kosten

OpenAI hat im offiziellen Blog Verbesserungen für das Prompt Caching des Modells GPT-6 vorgestellt. Die Weiterentwicklung konzentriert sich auf die Steigerung der Systemeffizienz und die gezielte Reduzierung von Betriebskosten sowie Latenzzeiten. Zu den wesentlichen Neuerungen gehören verbesserte Cache-Trefferquoten, die Einführung neuer Diagnosewerkzeuge, explizite Haltepunkte (Breakpoints) und erweiterte Kontrollmechanismen für Entwicklerinnen und Entwickler. Diese Neuerungen ermöglichen ein gezielteres Eingreifen in den Caching-Prozess und bieten tiefere Einblicke in die Funktionsweise von Abfragen. Durch das Zusammenspiel dieser Funktionen lassen sich wiederkehrende Kontextdaten bei GPT-6 effizienter zwischenspeichern und verarbeiten, was den Gesamtaufwand pro Abfrage verringert. Die Maßnahmen stellen einen gezielten Schritt zur Optimierung von Antwortzeiten und wirtschaftlicher Ressourcennutzung bei modernen Sprachmodellen dar.