AI Edge Foresight: Google stellt lokale Meeting-KI für den Mac vor
Veröffentlicht am: 07.10.2026 um 19:21 Uhr | Redaktion boerse-global.de
Google hat mit AI Edge Foresight eine experimentelle Mac-Anwendung für Meeting-Notizen vorgestellt, die vollständig lokal auf dem jeweiligen Gerät arbeitet. Die Software basiert auf Googles Gemma-Modellen, funktioniert ohne Internetverbindung und verursacht dadurch keine laufenden Cloud-Kosten. Für Apple-Silicon-Systeme steht das Programm kostenlos zur Verfügung.
Lokale Transkription und Live-Unterstützung im Meeting
AI Edge Foresight erfasst während einer Besprechung sowohl den Mikrofonton als auch das Systemaudio des Computers. Auf dieser Grundlage verarbeitet die Software gesprochene Inhalte direkt auf dem Gerät, sodass weder Transkripte noch Audiodaten den Laptop verlassen. Aus einfachen Stichpunkten erzeugt die Anwendung strukturierte und formatierte Notizen.
Zusätzlich greift das System auf eine persönliche Wissensbasis zurück, um während Besprechungen Fragen zu erkennen und im Hintergrund passende Antworten in Echtzeit bereitzustellen. Für die Erstellung dieses Kontextes indexiert die Anwendung lokale Dokumente wie PDFs, Textdateien, Markdown, Office-Dateien und Lesezeichen. Nutzer können zudem Projektordner, Referenzmaterialien, Diagramme, Kalenderdaten sowie Google Drive integrieren.
Die Anwendung ergänzt Googles bestehendes Softwareangebot für lokale Berechnungen, zu dem bereits AI Edge Gallery und das Transkriptionswerkzeug AI Edge Eloquent gehören.
Technische Basis durch EmbeddingGemma 2
Hinter den Such- und Kontextfunktionen der Anwendung steht das Modell EmbeddingGemma 2 von Google DeepMind, das unter der Apache-2.0-Lizenz veröffentlicht wurde und auf der Gemma-4-Architektur aufbaut. Dieses multimodale Embedding-Modell umfasst insgesamt 740 Millionen Parameter und führt Text, Bilder, Audio sowie Video in einem gemeinsamen Vektorraum zusammen.
Wer seinen Mac für innovative KI-Tools wie AI Edge Foresight nutzt, sollte auch bei den Grundlagen keine Zeit verlieren. Dieses kostenlose Starterpaket verrät die cleveren Tricks, mit denen Sie Ihren Apple-Computer von Tag 1 an optimal bedienen. So werden Sie in kürzester Zeit zum Mac-Profi – völlig kostenlos
Das Modell ist modular aufgebaut: Es verfügt über eine Basis von 270 Millionen Parametern für reine Textverarbeitung und lässt sich optional um visuelle Module mit 170 Millionen sowie Audiokomponenten mit 300 Millionen Parametern erweitern.
Das Kontextfenster umfasst 8.000 Token, was dem Vierfachen des Vorgängermodells entspricht, und ermöglicht die Verarbeitung von bis zu 5,5 Minuten Audiomaterial, 29 Bildern oder 58 Video-Frames.
Laut Google DeepMind verbesserte sich die Leistung im Benchmark MTEB Code um 9,92 Punkte von 68,76 auf 78,68 Punkte. Mithilfe der Matryoshka Representation Learning (MRL) lassen sich Vektordimensionen von 768 auf 512, 256 oder 128 Dimensionen reduzieren, was bis zu sechsfachen Speicherplatz einspart.
Effiziente Hardware-Nutzung und Grenzen kompakter Modelle
Die Verarbeitung erfolgt ressourcenschonend: Auf einer M5 Pro GPU erreicht die Bildverarbeitung eine Geschwindigkeit von 37,3 Millisekunden pro Bild, was rund 26,9 Bildern pro Sekunde entspricht.
Effizientes Arbeiten am Mac gelingt nicht nur durch KI-Unterstützung, sondern auch durch die richtige Bedienung im Alltag. Ein Apple-Experte hat die 19 nützlichsten Tastenkombinationen zusammengestellt, mit denen Sie sofort flüssiger und entspannter arbeiten. Mac-Shortcuts zur Zeitersparnis jetzt gratis herunterladen
In quantisierter Form benötigt EmbeddingGemma 2 im multimodalen Betrieb auf einem Pixel 11 Pro lediglich 567 Megabyte aktiven Arbeitsspeicher und 191 Megabyte im reinen Textmodus. Demonstrationen auf dem iPhone zeigen Einsatzbereiche wie eine direkte Mediensuche und das Auffinden bestimmter Videomomente.
Im Rahmen des MediaPipe Decision Task werden Antwortzeiten von unter 100 Millisekunden für 500 Optionen pro Zug erreicht; eine Integration in das ML Kit für Android soll in den kommenden Wochen folgen. Der Vorgänger EmbeddingGemma verzeichnete laut Google DeepMind über 20 Millionen Downloads. Die aktuellen Modelle sind über Hugging Face und Kaggle abrufbar.
Trotz der lokalen Leistungsfähigkeit bringt der Ansatz Einschränkungen mit sich: Ein kompaktes Modell mit 740 Millionen Parametern kann bei komplexen logischen Schlussfolgerungen und tiefgehendem Reasoning größere, Cloud-basierte Basismodelle nicht vollständig ersetzen. AI Edge Foresight fokussiert sich daher primär auf schnelle, datenschutzfreundliche Assistenzaufgaben direkt auf dem Rechner.
