Architekturvideos mit der Gemini API analysieren: Schritt-für-Schritt-Anleitung

Was erfahren Sie in dieser Anleitung?

Die Gemini API lässt sich verwenden, um Informationen aus Videos zu extrahieren und Fragen zu deren Inhalt zu beantworten. Diese Anleitung behandelt die Schritte zur Auswahl der passenden Übertragungsmethode, zum Warten auf die Verarbeitung der Datei und zum Erstellen geeigneter Prompts für die Analyse von Videos wie Architekturpräsentationen, Baustellendokumentationen oder Raumrundgängen. Gemini-Modelle können Videos beschreiben, Informationen daraus extrahieren und auf bestimmte Zeitstempel verweisen. So können Sie statt einer langen Aufnahme, die Sie vollständig manuell ansehen müssten, eine Zusammenfassung oder eine gezielte Antwort zur Überprüfung anfordern.

Die Beispiele hier dienen nicht der Videogenerierung, sondern dem Verständnis bereits vorhandener Videos. Googles Anleitung zur Videogenerierung nennt Gemini Omni Flash für diesen Zweck; das Videoverständnis ist ein separater Anwendungsfall. Wenn Sie diese Unterscheidung beachten, verringert sich das Risiko, für eine Analyse das falsche Modell oder den falschen Workflow zu verwenden.

Voraussetzungen

Für den Workflow benötigen Sie Zugriff auf die Gemini API, eine Videodatei oder ein öffentlich zugängliches YouTube-Video sowie einen Text-Prompt. Das offizielle Beispiel verwendet den Python-Client google-genai, die Files API und die Interactions API. Da die Quelle weder eine bestimmte SDK-Version noch Schritte zur Kontoerstellung nennt, werden hier keine Versionsnummern oder Registrierungsvoraussetzungen angegeben. Richten Sie die Authentifizierung des API-Clients entsprechend Ihrer Umgebung ein; das REST-Beispiel in der Quelle verwendet die Variable GEMINI_API_KEY.

Wählen Sie die Übertragungsmethode nach Dateigröße und Bedarf an wiederholter Verwendung aus:

• Files API: Die Quelle empfiehlt diese Methode für Dateien über 100 MB, lange Videos und Inhalte, die wiederverwendet werden sollen. Die Dokumentation nennt eine Kapazität von 20 GB bei kostenpflichtiger Nutzung und 2 GB bei kostenloser Nutzung.

• Cloud Storage Registration: Angegeben sind ein Limit von 2 GB pro Datei und keine Speicherbegrenzung. Die Methode ist für große Inhalte gedacht, die langfristig gespeichert und wiederverwendet werden.

• Inline-Daten: Laut Dokumentation eignet sich diese Methode für kleine Dateien. Die ausführliche Anleitung empfiehlt, kurze Videos mit einer Gesamtanfragegröße unter 20 MB auf diesem Weg zu senden. Orientieren Sie sich daher in der Praxis am restriktiveren Grenzwert von 20 MB.

• YouTube-URL: Eine unterstützte Eingabemethode für öffentliche Videos.

Videoanalyse Schritt für Schritt

1. Legen Sie das Analyseziel fest

Klären Sie vor dem Senden des Videos, welches Ergebnis Sie von der Analyse erwarten. Bei einer Projektpräsentation können Sie eine allgemeine Zusammenfassung anfordern, bei einem Raumrundgang eine Liste der sichtbaren Materialien oder eine Beschreibung eines bestimmten Moments der Aufnahme. Statt viele unterschiedliche Ergebnisse in einer Anfrage zu verlangen, formulieren Sie das Hauptziel und das gewünschte Antwortformat klar. Um zu verhindern, dass das Modell Informationen ergänzt, die im Video nicht zu sehen sind, können Sie es außerdem auffordern, ausschließlich Beobachtbares wiederzugeben.

Für eine kurze, strukturierte Zusammenfassung der Beobachtungen in einem Innenraumvideo können Sie beispielsweise diesen Prompt verwenden:

Analyze this interior architecture video. Summarize the visible spaces, circulation, lighting, and materials. Use only details that can be observed in the video, and organize the response by topic.

Dieser Prompt fasst die im Video sichtbaren Aspekte zu Räumen, Wegeführung, Beleuchtung und Materialien unter separaten Überschriften zusammen. Statt ein Material, das im Bild nicht eindeutig erkennbar ist, sicher zu benennen, soll sich die Antwort auf beobachtbare Details beschränken.

2. Wählen Sie die passende Übertragungsmethode

Bevorzugen Sie die Files API, wenn das Video groß oder lang ist oder in späteren Prompts erneut verwendet werden soll. Für eine kurze Datei kommt eine Inline-Übertragung infrage; achten Sie dabei jedoch darauf, dass die Gesamtanfrage unter 20 MB bleibt. Für öffentliche YouTube-Videos können Sie die URL-Methode verwenden. Prüfen Sie Dateigröße und Nutzungsbedingungen vor dem Upload. Die Quelle nennt Kapazitätsangaben getrennt für kostenlose und kostenpflichtige Nutzung.

3. Laden Sie die Datei mit der Files API hoch und warten Sie auf die Verarbeitung

Das offizielle Python-Beispiel lädt die Datei mit client.files.upload hoch und prüft den Status so lange, bis er ACTIVE lautet. Der Upload allein bedeutet nicht, dass die Datei sofort analysiert werden kann; warten Sie, bis die Verarbeitung abgeschlossen ist. Im folgenden Beispiel wird der Status in Abständen von fünf Sekunden abgefragt. Der Code basiert auf dem in der Quelle enthaltenen, offen lizenzierten Beispiel:

from google import genai
import time

client = genai.Client()
myfile = client.files.upload(file="path/to/sample.mp4")

while not myfile.state or myfile.state.name != "ACTIVE":
    print("Processing video...")
    time.sleep(5)
    myfile = client.files.get(name=myfile.name)

Ersetzen Sie path/to/sample.mp4 durch den Pfad zur zu analysierenden Datei. Das Beispiel der Quelle zeigt, wie die Dateireferenz nach der Verarbeitung als Videoeingabe verwendet wird. Betrachten Sie die Datei bei einem Verarbeitungsfehler nicht als bereit, sondern prüfen Sie, ob sich ihr Status weiterentwickelt.

4. Senden Sie das Video zusammen mit einem Prompt an die Interactions API

Sobald die Datei den Status ACTIVE erreicht hat, fügen Sie die Video-URI und den Text-Prompt zu den Eingaben derselben Interaktion hinzu. Das Beispiel in der Quelle verwendet den Modellnamen gemini-3.8-flash. Der folgende Prompt ist darauf ausgerichtet, die räumliche Abfolge und Übergänge in einem Präsentationsvideo zu untersuchen:

Review this architectural walkthrough in chronological order. Describe how the spaces connect, identify visible transitions, and refer to relevant moments with timestamps when possible. Do not infer dimensions or design intent that the video does not show.

Die Aufforderung, Zeitstempel anzugeben, hilft dabei, Beobachtungen bestimmten Abschnitten der Aufnahme zuzuordnen. Wenn Sie ausdrücklich darauf hinweisen, dass das Modell keine Schlüsse zu Maßen oder Entwurfsabsichten ziehen soll, die sich nicht anhand des Videos bestätigen lassen, bleibt die Antwort innerhalb der Grenzen einer visuellen Prüfung.

5. Grenzen Sie die Ausgabe auf die Projektaufgabe ein

Wenn die erste Antwort zu allgemein ausfällt, formulieren Sie eine Folgefrage zu einem bestimmten Thema, statt das Video erneut zu beschreiben. Googles Videoanleitung erläutert mehrstufige Dialoge im Kontext der Videogenerierung; die Dokumentation zum Videoverständnis nennt dagegen die Fähigkeit, Fragen zu Videos zu beantworten und auf Zeitstempel zu verweisen. Beschränken Sie die Frage in diesem Analyseszenario auf den zu prüfenden Abschnitt oder die gewünschte Art der Beobachtung.

From the video, list only the visible changes in lighting and material appearance between the main spaces. For each observation, include a timestamp when available and mark anything uncertain as unclear.

Dieser Prompt begrenzt die Antwort auf Veränderungen bei Beleuchtung und Materialwirkung. Die Aufforderung, Unklares entsprechend zu kennzeichnen, hilft zu vermeiden, dass Details bei schlechter Bildqualität oder außerhalb des Bildausschnitts als gesicherte Informationen dargestellt werden.

Häufige Fehler

• Ein großes Video inline senden: Laut ausführlicher Anleitung der Quelle eignet sich die Inline-Übertragung für kurze Videos mit einer Gesamtanfragegröße unter 20 MB. Prüfen Sie bei größeren Dateien die Files API.

• Eine Analyse anfordern, bevor die Datei verarbeitet wurde: Prüfen Sie nach dem Upload den Status ACTIVE; im Beispiel wird der Dateistatus regelmäßig abgefragt.

• Einen zu allgemeinen oder vagen Prompt schreiben: Konzentrieren Sie sich statt auf eine allgemeine Aufforderung wie „Analysiere das Video“ auf ein einzelnes Ziel, etwa eine Zusammenfassung, räumliche Übergänge oder sichtbare Materialien.

• Informationen erwarten, die im Bild nicht zu sehen sind: Das Videoverständnis dient der Analyse visueller Informationen im Inhalt. Es sollte nicht als Bestätigung von Projektmaßen oder Entwurfsentscheidungen verstanden werden, die in der Aufnahme nicht vorkommen.

• Die Anleitung zur Videogenerierung mit der zur Analyse verwechseln: Folgen Sie für das Verständnis vorhandener Videos der Dokumentation zum Videoverständnis. Google teilt mit, dass Veo 3.1 Preview am 22. Oktober 2026 in der Gemini API eingestellt wird und für die Videogenerierung der Wechsel zu Gemini Omni Flash vorgesehen ist. Diese Änderung ersetzt nicht die Analyseschritte.

Einsatz in Architektur, Innenarchitektur und Archviz

Teams aus Architektur und Innenarchitektur können diese Methode ausprobieren, um aus einem Projektrundgang oder einer Raumaufnahme eine erste Zusammenfassung der Beobachtungen zu erstellen, wichtige Abschnitte mit Zeitstempeln zu finden und Fragen zur Aufnahme zu beantworten. Auch Archviz-Teams können damit Frage-und-Antwort-Workflows zum Inhalt einer bestehenden Videopräsentation prüfen. Die Ausgabe sollte sich jedoch auf das im Video Gezeigte beschränken; Themen wie Maße, technische Eignung oder die Umsetzbarkeit im Projekt müssen separat geprüft werden, wenn sie sich nicht anhand der Aufnahme bestätigen lassen.

Da die Files-API-Limits für kostenlose und kostenpflichtige Nutzung unterschiedlich angegeben sind, sollten Teams vor dem Senden einer Projektdatei deren Größe und die für sie geltenden Zugangsbedingungen prüfen. Die Quelle erläutert weder Hardwareanforderungen und Preisdetails noch die Integration in lokale Software. Gehen Sie daher nicht davon aus, dass sich der Workflow direkt mit vorhandenen Modellierungs- oder Rendering-Tools verknüpfen lässt.

Nächste Schritte

Probieren Sie zunächst einen Prompt zur Zusammenfassung mit einem kurzen Projektvideo aus, für das Sie die nötigen Rechte haben. Ergänzen Sie anschließend Folgefragen zu Zeitstempeln oder bestimmten Beobachtungsarten. Prüfen Sie bei großen Dateien oder solchen, die wiederverwendet werden, die Files-API-Methode. Bevor Sie Ergebnisse in Projektnotizen übernehmen, öffnen Sie das Video an den relevanten Zeitpunkten und überprüfen Sie die Beobachtungen des Modells. Weitere Anwendungsdetails zu Datei-Uploads und Modellauswahl finden Sie in der offiziellen Dokumentation der Gemini API zum Videoverständnis und zur Videogenerierung.

Quelle und Lizenz

Diese Anleitung wurde auf Grundlage der Informationen in Googles Dokumentation zum Videoverständnis und zur Videogenerierung mit der Gemini API ins Türkische übertragen und angepasst. Beide Quellen stehen unter der CC-BY-4.0-Lizenz. Das Python-Codebeispiel stammt aus der offen lizenzierten Dokumentation zum Videoverständnis.