Multimodale Suche ist eine Suche, bei der Nutzer mehrere Arten von Eingaben kombinieren können, zum Beispiel ein Foto und eine Textfrage. Das System wertet beides gemeinsam aus.
Wie funktioniert multimodale Suche bei Google?
Google hat im April 2025 angekündigt, dass sich im AI Mode Fragen zu Bildern stellen lassen, die Nutzer hochladen oder mit der Kamera aufnehmen. Zunächst stand die Funktion nur ausgewählten Labs-Nutzern in den USA offen. Laut Googles Hilfeseite zu AI Mode (Stand Oktober 2026) lassen sich Fragen dort inzwischen mit Text, Sprache, Bildern oder Dateien stellen, und AI Mode ist in zahlreichen Ländern und Sprachen verfügbar. Dahinter stehen die multimodalen Fähigkeiten von Gemini und die Objekterkennung von Google Lens. Gemini erfasst laut Google die ganze Szene samt Zusammenhang, Material, Farben und Form. Lens erkennt die einzelnen Objekte.
Mit dem Query Fan-out schickt der AI Mode anschließend mehrere Suchanfragen zum gesamten Bild und zu den erkannten Objekten ab. Diese Technik nennt Google auch in seiner Dokumentation für Website-Betreiber.
Was bedeutet das für Websites?
Google schreibt in der Dokumentation zu KI-Funktionen, dass für das Erscheinen in AI Overviews und AI Mode keine zusätzlichen Voraussetzungen oder besonderen Optimierungen nötig sind. Die allgemeine Bild-Dokumentation empfiehlt unter anderem aussagekräftigen Alt-Text, scharfe Bilder, Bild-Sitemaps und <img>-Elemente statt CSS-Hintergrundbilder.
Beispiel
Jemand fotografiert ein Bücherregal und fragt nach ähnlichen Büchern. Der AI Mode erkennt die einzelnen Titel, sucht dazu Empfehlungen und zeigt Kauflinks. So beschreibt es Google selbst.
Quellen
- Bringing multimodal search to AI Mode – Google Blog (07.04.2025)blog.google
- AI Mode – Google Suche-Hilfe (Verfügbarkeit, Eingabe mit Bildern)support.google.com
- KI-Funktionen und deine Website (AI Overviews, AI Mode) – Google Search Centraldevelopers.google.com
- Best Practices für Bild-SEO – Google Search Centraldevelopers.google.com
Stand: