EmbeddingGemma 2 läuft offline mit 191 MB RAM
Googles kompaktes Modell soll teils doppelt so große Konkurrenz bei Vektor-Suche übertreffen.
Gegenprüfung dieser Ausgabe: 2 Karten vor der Veröffentlichung korrigiert. Wie die Gegenprüfung arbeitet
Symbolbild, KI-generiert.
Google hat laut The Decoder EmbeddingGemma 2 veröffentlicht, ein offenes Modell mit 740 Millionen Parametern für Text, Bilder, Video, Audio und Code. Es läuft direkt auf dem Gerät, benötigt rund 191 MB RAM und übertrifft laut Google teils doppelt so große Konkurrenzmodelle.
Die Belege
- 740 Millionen Parameter, offenes Modell
- Verarbeitet Text, Bilder, Video, Audio und Code
- Läuft direkt auf dem Gerät mit rund 191 MB RAM-Bedarf
- Übertrifft laut Google teils doppelt so große Konkurrenzmodelle
- Kombination mit Gemma 4 ermöglicht Offline-RAG mit Datenschutzfokus
Der Zusammenhang
EmbeddingGemma 2 wandelt verschiedene Datentypen in Vektoren um, die für Ähnlichkeitssuche und Retrieval-Augmented-Generation genutzt werden. Der geringe Ressourcenbedarf erlaubt den Betrieb ohne Cloud-Anbindung direkt auf Endgeräten.
Warum das zählt
Für IT-Abteilungen mit Anforderungen an lokale Datenverarbeitung eröffnet das Modell Dokumentensuche und RAG-Anwendungen ohne Cloud-Übertragung sensibler Daten. Das reduziert Infrastrukturkosten gegenüber großen Embedding-Modellen.
Der geringe RAM-Bedarf macht On-Device-Einsatz praktisch realistisch, die Leistungsangabe stammt jedoch von Google selbst. Für Compliance-sensible Branchen ist das Offline-Argument der eigentliche Mehrwert.
Testen Sie EmbeddingGemma 2 in Kombination mit Gemma 4 für ein Pilotprojekt mit sensiblen Dokumenten ohne Cloud-Anbindung.
Was diese Meldung nicht belegt: Die Überlegenheit gegenüber größeren Konkurrenzmodellen basiert auf Googles eigener Angabe, unabhängige Benchmarks werden nicht genannt.
Text KI-erstellt und am 07.10.2026 automatisch von einer zweiten KI-Instanz gegen den erfassten Quelltext geprüft, ohne Einzelfreigabe durch einen Menschen. Redaktionell verantwortlich: Ali Reza Karwandian. Fehler gefunden? Korrektur melden · Unsere Grundsätze