LONDON (IT BOLTWISE) – OpenAI ersetzt seine bisherigen ChatGPT-Sprachmodi Advanced und Standard durch GPT-Live als neuen Standard für Sprachdialoge. Parallel dazu rüstet Google Gemini Live mit Kamerafunktionen aus und ergänzt Guided Vision für Barrierefreiheit. Die Updates zielen auf Echtzeit-Interaktion: Nutzer können Bildinhalte während eines laufenden Gesprächs einbinden und Analyse direkt anfordern. Gleichzeitig bleibt offen, wann OpenAI Live-Video und Bildschirmübertragung vollständig in GPT-Live überführt.
Der nächste Schritt in Richtung „sprechender“ Assistenz kommt nicht als einzelne Funktionskachel, sondern als Umbau des gesamten Dialogmodells: OpenAI stellt GPT-Live als künftigen Standard für Sprachdialoge bereit und zieht dafür gleichzeitig einen klaren Schnitt durch ältere Sprachmodi. Konkret geht es um den Wechsel von „Advanced“ und „Standard“ auf GPT-Live mit Wirkung zum 11.12.2026; die Benachrichtigungen an die Nutzer starten bereits am 10.11.2026. GPT-Live soll dabei an der bestehenden Konversation anknüpfen, während Live-Video und Bildschirmübertragung vorerst weiterhin innerhalb von Advanced Voice verbleiben. Unternehmen und Power-User sollten diese Trennung ernst nehmen, weil sich damit auch die Erwartungshaltung an „Live“-Fähigkeiten in Integrationen und Custom-Workflows verschiebt.
Technisch interessant ist vor allem, was sich hinter dem Begriff „multimodal“ im Alltag verbirgt. Bei OpenAI können Nutzer in den Apps für iOS und Android Bildinhalte zur detaillierten Teilbereichsanalyse einspeisen; die Sprachinteraktion bleibt auf die mobilen Anwendungen konzentriert, während die Bildverarbeitung plattformübergreifend zur Verfügung stehen soll. Das unterscheidet sich in der Praxis von rein textbasierten Ansätzen, weil das Modell nicht nur Kontext aus dem letzten Dialogturn nutzt, sondern visuelle Evidenz direkt in die nächste Antwort einbeziehen kann. Für Entwickler ist das weniger eine Frage der „Komfortfunktion“ als der Pipeline: Bildaufnahme, Einbettung in den Kontext und Ergebnisrückkopplung müssen so orchestriert sein, dass Nutzer mitten im Gespräch keine Wartezeiten oder Brüche spüren.
Google treibt diese Richtung gleichzeitig über Gemini Live auf Android aus. Dort lässt sich während eines laufenden Gesprächs die Kamera aktivieren oder alternativ der Bildschirminhalt teilen. Voraussetzung sind Geräte mit mindestens 2 GB Arbeitsspeicher und Android 10 oder neuer. In der Interaktion behalten Nutzer die Kontrolle: Der Sprachassistent lässt sich jederzeit unterbrechen, die Bildübertragung kann gestoppt oder beendet werden, und der Wechsel zwischen Vorderkamera, Rückkamera und Bildschirmanzeige funktioniert flexibel. Diese Bedienlogik ist ein wichtiger Realitätscheck für multimodale Systeme, denn sie verhindert, dass Kamera-Features als „immer an“-Mechanik wahrgenommen werden. Ergänzend kommt „Guided Vision“ hinzu, das im September 2026 im Rahmen des Android Drops angekündigt wurde und Inhalte nicht nur beschreibt, sondern Nutzer mit gesprochenen Hinweisen zur Kameraausrichtung unterstützt.
Guided Vision ist dabei explizit auf Barrierefreiheit ausgerichtet: Das System erfasst das Kamerabild, beschreibt den Inhalt und gibt verbale Unterstützung, etwa durch Aufforderungen zum Schwenken, Neufassen oder Zentrieren des Motivs. Laut Google wurde die Funktion primär für blinde und sehbehinderte Menschen entwickelt, um beispielsweise Kleingedrucktes auf Produktetiketten, Haushaltsgegenstände oder Speisekarten auch unter schwierigen Lichtverhältnissen zugänglich zu machen. Gleichzeitig setzt der Konzern klare Grenzen: Guided Vision kann fehlerbehaftet sein, ist kein Medizinprodukt und darf keinesfalls als Mobilitäts- oder Navigationshilfe zur Hinderniserkennung eingesetzt werden. Solche Einschränkungen sind in diesem Stadium entscheidend, weil multimodale Assistenzsysteme zwar sehr leistungsfähig sein können, aber nicht für sicherheitskritische Aufgaben „automatisch“ qualifiziert sind.
Der Markt bewegt sich damit in Richtung eines einheitlichen Interaktionsmodus, in dem Sprache, Bild und Kontext enger gekoppelt werden. OpenAI adressiert dieses Ziel über die Spracharchitektur-Umstellung und den Stichtag, der die bisherigen Modi ablöst; Google setzt es über Gemini Live und die nahtlose Kamerasteuerung während aktiver Konversationen um. Für Unternehmen bedeutet das: Use Cases verschieben sich von „Dokument hochladen und später zusammenfassen“ zu „Live prüfen, live nachfragen, live korrigieren“. Gerade in Support, Schulung oder Instandhaltung kann eine solche Schleife Zeit sparen, weil Nutzer bei Unklarheiten nicht erst neue Tickets oder separate Upload-Schritte starten, sondern direkt während des Gesprächs ein visuelles Detail nachreichen.
Unklar bleibt derzeit, wie schnell OpenAI die Lücke zwischen „GPT-Live“ und den verbleibenden Live-Funktionen schließt. Funktionen für Live-Video und Bildschirmübertragungen verbleiben vorerst in Advanced Voice, bis GPT-Live diese Fähigkeiten übernimmt; einen konkreten Übergangszeitpunkt nennt das Unternehmen bisher nicht. Zusätzlich betrifft die Umstellung auch Custom GPTs: Für angepasste Assistenten, die bisher auf Advanced Voice aufsetzten, entfällt die Option mit dem Stichtag am 11.12.2026. Das ist besonders relevant für Teams, die ihre Assistenz-Workflows über konfigurierte Assistenten statt über manuelle Bedienung betreiben, weil der Wechsel dann nicht nur ein Produktupdate, sondern eine Veränderung in der zugrunde liegenden Sprach- und Funktionsbasis ist.
Aus technischer Sicht wird damit auch klar, welche Prioritäten sich in den nächsten Monaten durchsetzen dürften: stabile Echtzeit-Orchestrierung bei gleichzeitiger Nutzerkontrolle, solide Bildanalyse bei variierenden Licht- und Perspektivbedingungen und eine klare Produktstrategie, wann „Live“-Medien (Kamera, Video, Bildschirm) als integrierter Standard gelten. Für Entscheider heißt das: Wer multimodale Assistenten in Prozesse einplant, sollte jetzt frühzeitig prüfen, welche Funktionen in den jeweiligen Modi stecken und wie schnell sich Abhängigkeiten lösen lassen. Gleichzeitig spricht die parallele Entwicklung bei OpenAI und Google dafür, dass „Sprachdialoge mit eingebetteten visuellen Kontexten“ sehr wahrscheinlich zu einer Grundfunktion werden – nicht nur zu einem Experiment, sondern zu einem Standard, an dem Nutzer ihr Erwartungsniveau ausrichten.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "GPT-Live wird neuer KI-Standard für Sprachdialoge – inklusive Bildmodus" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "GPT-Live wird neuer KI-Standard für Sprachdialoge – inklusive Bildmodus" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »GPT-Live wird neuer KI-Standard für Sprachdialoge – inklusive Bildmodus« bei Google Deutschland suchen, bei Bing oder Google News!