Dieser Artikel wurde mit Künstlicher Intelligenz erstellt und redaktionell kuratiert.
Was wäre, wenn Ihr KI-Assistent nicht nur auf Anfragen reagiert, sondern eigenständig auf ein Ziel hinarbeitet – Woche für Woche, ohne dass Sie jeden Schritt neu definieren müssen? Genau das verspricht eine neue Funktion, die Google offenbar unbeabsichtigt kurz enthüllte: „Goal Scheduled Actions" für Gemini. Ein Feature-Flag-Versehen gewährte kurzzeitig Einblick in eine Fähigkeit, die Gemini von einem reaktiven Assistenten zu einem echten Langzeit-Agenten weiterentwickeln könnte.
Was steckt hinter dem Konzept – und was bedeutet das für Nutzer und Unternehmen, die KI-Automatisierung strategisch evaluieren?
Was sind „Goal Scheduled Actions"?
Anfang März 2026 tauchte in der Modellauswahl von Gemini für einige Nutzer eine neue Option auf – beschriftet als „Testing Mode for Goal-Based Scheduled Actions". Sie erschien neben den bekannten Modi Fast, Thinking und Pro, verschwand aber für die meisten Nutzer nach einem Seitenneuladen wieder. Mehrere Nutzer aus verschiedenen Regionen bestätigten die Sichtung unabhängig voneinander, bevor die Option verschwand – ein klares Indiz für eine unbeabsichtigte Freischaltung über einen internen Feature-Flag-Fehler. Google äußerte sich bislang nicht öffentlich dazu. Erste Berichte und Code-Analysen wurden u.a. von Testing Catalog dokumentiert.
Trotz der Kürze des Auftritts lieferten Code-Referenzen und Beobachtungen aus der Entwickler-Community wichtige Hinweise auf das Konzept: Nutzer sollen ein übergeordnetes Ziel definieren können – und Gemini arbeitet dann autonom und iterativ darauf hin, statt immer denselben Prompt zu wiederholen.
Der Unterschied zu bisherigen Scheduled Actions
Seit Juni 2025 bietet Gemini bereits „Scheduled Actions": Nutzer können Gemini anweisen, einen bestimmten Prompt zu festgelegten Zeitpunkten automatisch auszuführen – etwa täglich um 7 Uhr eine Zusammenfassung der wichtigsten E-Mails zu erstellen. Bis zu zehn solcher Aktionen lassen sich gleichzeitig planen; Ergebnisse kommen per Push-Benachrichtigung, im Chat oder direkt in Gmail an.
Goal Scheduled Actions gehen einen entscheidenden Schritt weiter: Statt den gleichen Befehl mechanisch zu wiederholen, bewertet Gemini den Output der letzten Ausführung und passt den nächsten Schritt dynamisch an. Das System arbeitet nicht in Schleifen – es entwickelt sich auf ein Ziel hin.
📋 Vergleich auf einen Blick
| Scheduled Actions (heute) | Goal Scheduled Actions (in Entwicklung) | |
|---|---|---|
| Logik | Fester Prompt, festes Intervall | Ziel definieren, KI wählt Schritte dynamisch |
| Anpassung | Keine – Task wiederholt sich identisch | Gemini wertet vorherigen Output aus und justiert |
| Beispiel | „Täglich: Fasse meine Mails zusammen" | „In 4 Wochen: Ich möchte Python-Grundlagen beherrschen" |
| Status | Verfügbar (Gemini Pro/Ultra) | Internes Testing, kein öffentlicher Zeitplan |
Verbindung zu LearnLM: Lernen als primärer Use Case
Sowohl Code-Analysen als auch strukturelle Hinweise in der Gemini-App deuten darauf hin, dass Goal Scheduled Actions eng mit LearnLM verknüpft sind – Googles KI-Initiative, die auf lernwissenschaftlichen Prinzipien aufbaut und bereits in Teile von Gemini integriert ist. Mehr zur LearnLM-Ankündigung von Google findet sich im offiziellen Blog. Der primäre Use Case scheint Lernziele zu sein: Ein Nutzer definiert, was er in einem bestimmten Zeitraum erreichen möchte, und Gemini erstellt eigenständig einen progressiven Lernpfad – inklusive Wissenstests, Ressourcenempfehlungen und angepassten nächsten Schritten.
Aus Beobachtungen der Gemini-App-Struktur geht hervor, dass Goal Scheduled Actions perspektivisch einen eigenen Tab erhalten sollen – gleichrangig neben „Gems" und „My Stuff". Google behandelt das Feature offenbar als eigenständige Produktfläche, nicht als versteckte Einstellung.
Praxisbeispiel: Data-Literacy-Lernpfad im Mittelstand
Um den praktischen Wert greifbar zu machen: Stellen Sie sich vor, ein mittelständisches Produktionsunternehmen aus dem Ruhrgebiet möchte seine Controlling-Abteilung (fünf Personen) binnen sechs Wochen mit grundlegenden Data-Literacy-Kompetenzen ausstatten – Pivot-Tabellen, KPI-Interpretation, Grundlagen der Datenvisualisierung.
Mit Goal Scheduled Actions würde ein Nutzer Gemini einmalig das Ziel formulieren: „Ich möchte in sechs Wochen Data-Literacy-Grundlagen für den Controlling-Alltag beherrschen." Gemini würde daraufhin wöchentlich eigenständig tätig werden: in Woche 1 Lernmaterial zu Datenbegriffen und Excel-Grundlagen kuratieren, in Woche 2 ein kurzes Wissensquiz generieren und auf Basis der Antworten den Schwierigkeitsgrad für Woche 3 anpassen. Wer beim Thema Datenvisualisierung schneller vorankommt als erwartet, bekommt vertiefende Inhalte – kein starrer Kursplan, sondern ein adaptiver Lernpartner.
Genau das unterscheidet Goal Scheduled Actions von klassischen E-Learning-Plattformen: keine Einheitskurse, sondern ein iterativer, zielorientierter Prozess – gesteuert von der KI, kontrolliert vom Menschen.
Schritt in Richtung persistenter KI-Agent
Die strategische Bedeutung geht über den Lernkontext hinaus. Google entwickelt Gemini seit Monaten von einem konversationellen Assistenten zu einer agentischen Plattform weiter – einem System, das nicht nur antwortet, sondern über Zeit hinweg eigenständig handelt. Scheduled Actions waren ein erster Schritt; Goal Scheduled Actions wären die logische Weiterentwicklung: Gemini als persistenter persönlicher Agent, der Ziele versteht, Fortschritt bewertet und selbst entscheidet, was als nächstes zu tun ist.
Ob sich das Konzept nur auf Lernziele beschränkt oder künftig auch für Projektmeilensteine, Fitness-Tracking oder strategische Geschäftsziele adaptiert wird, ist derzeit offen. Hinweise auf einen genauen Veröffentlichungszeitplan liegen nicht vor.
Einschätzung für Unternehmen im DACH-Raum
Für Entscheider und IT-Verantwortliche, die KI-Automatisierung strategisch bewerten, ist das Signal relevant – auch wenn das Feature noch nicht offiziell verfügbar ist. Es zeigt, in welche Richtung Google mit Gemini steuert: weg vom reaktiven Tool, hin zu einem autonomen System, das über Wochen oder Monate hinweg Ziele verfolgt.
⚠️ Hinweis für Unternehmen
Agentische KI-Systeme, die eigenständig über Zeit handeln, stellen neue Anforderungen an Governance und Datenschutz. Sobald Gemini auf Arbeitsdaten oder Geschäftsprozesse zugreift und autonome Schritte ausführt, sind Datenschutzbeauftragte und IT-Sicherheit frühzeitig einzubeziehen. Im DACH-Raum gelten dabei DSGVO-Anforderungen und – abhängig vom Einsatzszenario – Implikationen aus dem EU AI Act für Hochrisiko-Anwendungen.
Für Weiterbildungsverantwortliche, HR-Teams und Wissensarbeiter bietet die Richtung konkrete Potenziale: Ein KI-Assistent, der eigenständig einen Qualifizierungsplan umsetzt, regelmäßig den Fortschritt bewertet und den nächsten sinnvollen Lernschritt vorschlägt, könnte klassische E-Learning-Plattformen in bestimmten Szenarien ergänzen oder ersetzen. Voraussetzung bleibt jedoch, dass die Integration in Unternehmensumgebungen mit klaren Zugriffsrechten und Datenschutzgarantien erfolgt.
Wer bereits mit agentischen KI-Systemen und zugehörigen Sicherheitsarchitekturen vertraut ist, findet weiterführende Einblicke in unserem Artikel zu Perplexity Comet als KI-nativem Browser sowie zu Azure AI Foundry für eigene KI-Agenten.
Fazit
„Goal Scheduled Actions" ist noch kein verfügbares Produkt – aber ein klares Signal. Google entwickelt Gemini in Richtung persistenter KI-Agent: ein System, das nicht wartet, bis es angesprochen wird, sondern proaktiv auf ein definiertes Ziel hinarbeitet. Die Verbindung zu LearnLM macht Lernszenarien zum wahrscheinlichsten ersten Einsatzfeld; langfristig dürften weitere Domänen folgen.
Für Unternehmen gilt: Den Trend beobachten, Governance-Strukturen für agentische KI frühzeitig aufbauen – und nicht warten, bis das Feature produktiv ist, um über Richtlinien nachzudenken.
→ Jetzt informiert bleiben: Abonnieren Sie den AI-Fabrik-Newsletter, um über neue Entwicklungen bei Gemini und agentischer KI auf dem Laufenden zu bleiben.
