Google Research kündigte am 14. Oktober 2026 neue Benchmark-Ergebnisse, Partnererprobungen und erweiterten, weiterhin begrenzten experimentellen Zugang zum Google Earth AI Geospatial Reasoning agent (GRA) an. Der Agent plant mehrstufige räumliche Analysen und ruft dafür passende Geodaten, Modelle und Werkzeuge auf. Googles Ankündigung und der technische Bericht liefern auch Zahlen zu Benchmarks und Modellinferenz.
Wie der Agent räumliche Fragen bearbeitet
GRA nutzt Gemini, um einen mehrstufigen Analyseplan zu erstellen und spezialisierte Werkzeuge und Datenquellen auszuwählen. Dazu zählen Google Earth Engine, Data Commons und Google-Maps-Daten. Der Agent zeigt seinen Plan und die verwendeten Datenquellen an. Über die API lassen sich laut Google auch CSV-Dateien, eigene GeoJSON-Grenzen und Cloud-Tabellen einbeziehen.
Google erweiterte den experimentellen Zugang zu vertieften Analysen in Ask Google Earth, einer Agent-zu-Agent-API und einer Vorschau auf die Planetary Prediction Engine. Der Zugang blieb auf eine begrenzte Gruppe von frühen Nutzern beschränkt.
Google berichtet, dass WHO AFRO zu Beginn des Ebola-Ausbruchs 2026 in der Demokratischen Republik Kongo Waldverlust, Bergbaustandorte und Bevölkerungsdaten abglich. Die Analyse identifizierte 48 exponierte Siedlungen und mehr als 45.500 gefährdete Menschen; laut Google dauerte sie Minuten, während ein vergleichbarer Ablauf sonst Wochen in Anspruch nahm. People in Need nutzte den Agenten nach Googles Angaben, um 14 historische Zyklonbahnen zu untersuchen und Dörfer mit hoher Gefährdung zu finden. Google führte Rückmeldungen aus Partnererprobungen außerdem auf Verbesserungen bei Routen entlang des Straßennetzes, größeren Datenuploads und der Suche nach maßgeblichen lokalen Datenquellen zurück.
Was GeoExpertQueries misst
Im technischen Bericht auf arXiv erzielte Gemini 3.8 Flash mit der vollständigen GRA-Konfiguration auf GeoExpertQueries im Mittel 62,7 von 100 Punkten. Der Benchmark vergleicht die erzeugten Abläufe mit abgestimmten Experten-Workflows. Er bewertet damit, wie gut das System einen Analyseprozess ausführt, nicht unmittelbar die sachliche Richtigkeit der abschließenden Antwort. Die Werte geben den Mittelwert und die Standardabweichung aus jeweils drei Durchläufen an.
| Konfiguration mit Gemini 3.8 Flash | GeoExpertQueries (0–100; Mittelwert ± Standardabweichung) |
| Vollständiger GRA | 62,7 ± 2,5 |
| GRA-Werkzeuge ohne Vorausplanung | 52,2 ± 5,4 |
| Einfache Werkzeuge | 3,3 ± 0,8 |
In dieser Auswertung ging der Einsatz der GRA-Werkzeuge mit deutlich höheren Werten einher als der Einsatz einfacher Werkzeuge. Die Vorausplanung erhöhte den Mittelwert gegenüber der GRA-Konfiguration ohne Planung um 10,5 Punkte. Das sind Ergebnisse für diesen Benchmark und diese Modellkonfiguration, keine allgemeine Leistungszusage.
Die Kostenschätzung betrifft die Modellinferenz
Für eine GeoExpertQueries-Abfrage schätzt der Bericht die Modellinferenz mit GRA und Gemini 3.8 Flash auf 0,199 US-Dollar; mit Gemini 3.1 Pro sind es 0,688 US-Dollar. In dieser Schätzung liegt Flash rund 71 Prozent unter Pro. Die Werte beziehen sich auf die Modellinferenz. Externe Daten- und Rechendienste, darunter Earth Engine, sind nicht eingerechnet; die Zahlen bilden daher kein Gesamtbudget für einen Einsatz ab.
Ein separater Entwicklerweg mit ADK
Am 18. Juni 2026 kündigte Google Earth Open-Source-Referenzagenten auf Basis des Agent Development Kit (ADK) für nachhaltige Beschaffung und Waldmonitoring an. Die Beispiele nutzen Google Earth Engine und Gemini und bilden einen eigenen Ansatz für Entwickler, getrennt vom begrenzten Early Access zu GRA. Google Earth beschreibt die ADK-Beispiele.
