Gemma 4: Ein weiteres Werkzeug im Kasten

Google hat Gemma 4 veröffentlicht. Wir haben geprüft, ob die Verbesserungen gegenüber der Vorgängerversion in der Praxis anrechenbar sind oder ob es sich lediglich um statistisches Rauschen in den Benchmarks handelt.

Wenn ein neues Modell wie Gemma 4 veröffentlicht wird, folgen meistens die gleichen Aussagen: Höhere Benchmarks, bessere Logik, effizientere Architektur. Für uns in der Werkstatt ist das zunächst eine Information ohne Wert. Ein Modell ist kein Selbstzweck, sondern ein Werkzeug. Die Frage ist nicht, was es kann, sondern wo es im Betrieb den Unterschied macht.

Im Vergleich zu Gemma 3 zeigt Gemma 4 vor allem in der strukturierten Ausgabe und im Reasoning-Bereich Fortschritte. Wer mit der Vorgängerversion versucht hat, konsistente JSON-Objekte aus unstrukturierten Lieferantenrechnungen zu extrahieren, wird bemerken, dass die Fehlerquote gesunken ist. Das ist kein Detail, sondern die Differenz zwischen einem System, das man unbeaufsichtigt laufen lassen kann, und einem, das permanent menschliche Korrekturen benötigt.

Die Benchmarks (MMLU, HumanEval) zeigen einen Aufwärtstrend, aber diese Zahlen sind oft steril. In der Praxis interessiert uns die Latenz bei einer lokalen Installation. Auf einem Rechner mit zwei RTX 3090 (je 24 GB VRAM) läuft das Modell stabil und schnell genug, um als Backend für eine interne Wissensdatenbank zu dienen. Es ist klein genug, um nicht die gesamte Infrastruktur zu sprengen, aber leistungsfähig genug, um einfache logische Ketten ohne Halluzinationen zu bilden.

Wo es Sinn ergibt, wo nicht

Für komplexe strategische Analysen ist es immer noch zu klein. Wer eine vollständige Unternehmensstrategie entwerfen will, braucht größere Modelle. Aber für zwei spezifische Use Cases ist Gemma 4 ein solider Kandidat:

Wir beobachten, dass die Distanz zwischen den proprietären Riesenmodellen und den Open-Weights-Modellen schrumpft. Das ist für den Mittelstand die einzige relevante Metrik. Je weniger man von einer API abhängig ist, desto weniger gibt man die Kontrolle über die eigenen Prozesse ab. Gemma 4 ist kein Wundermittel, aber ein handwerklich gut gebautes Modell, das dort funktioniert, wo man keine Cloud-Abhängigkeit möchte.

Weiterlesen

Das Wissen, das in Rente geht: agentisches Wiki — wofür ein Modell dieser Größe als Backend einer internen Wissensdatenbank taugt
Unsloth Studio: Feintuning ohne Maschinenpark — wie sich offene Modelle wie Gemma auf eigene Dokumente justieren lassen
Mac Studio mit M5 Max und M5 Ultra: bis zu 512 GB für lokale Modelle — die Alternative zu zwei RTX-Karten, wenn der Speicher knapp wird