Gemini API Dateien: Nur relevante Seiten bezahlen
// kurz gesagt
Seit dem 18. November 2026 kannst du in der Gemini API festlegen, welcher Teil einer Datei verarbeitet wird: ein Seitenbereich, ein Tabellenblatt, ein Zellbereich oder ein Zeitintervall. Google rechnet laut Changelog nur diesen Teil ab. Word-, PowerPoint- und Excel-Dateien gehen direkt an die API, ohne Umweg über PDF. Wer eigene KI-Tools baut, kann damit die Kosten pro Anfrage deutlich drücken.
Wer mit der Gemini API einen Vertrag, eine Preisliste oder eine Besprechungsaufnahme auswertet, hat bisher oft die ganze Datei bezahlt, obwohl nur drei Seiten oder fünf Minuten zählten. Das ändert sich. Stand: November 2026.
Was passiert ist
Google hat am 18. November 2026 im Changelog der Gemini API einen Eintrag zu multimodaler Dateiverarbeitung und Slicing veröffentlicht. Zwei Dinge stehen darin:
- Word-, PowerPoint- und Excel-Dateien sowie OpenDocument-Dateien lassen sich direkt an die API übergeben.
- Dokumente, Tabellen, Videos und Audio lassen sich zuschneiden: nach Seitenbereich, Tabellenblatt, Zellbereich oder Zeitintervall. Dazu kommen Inhaltsebenen wie Seitenbilder, extrahierter Text, Formeln oder Video-Transkripte. Abgerechnet wird laut Eintrag nur der verarbeitete Anteil.
Ganz neu ist die Office-Unterstützung nicht. Ein Teil der Formate lief schon vorher, Anfang November kamen weitere dazu. Das steht im Beitrag zu PPT, ODP und ODS als Input für die Gemini API. Neu ist das Zuschneiden.
Welche Ausschnitte kannst du wählen?
Die Einstellungen stehen in einem Feld namens processing, das du an die Datei hängst. Die Doku zur Dokumentverarbeitung nennt die Optionen für Gemini 3 und Gemini 4 und neuer.
| Dateityp | Was du auswählst | Inhaltsebenen |
|---|---|---|
| PDF, Word, PowerPoint (Doku) | Startseite und Endseite | Seitenbild, extrahierter Text oder beides |
| Excel und andere Tabellen (Doku) | Tabellenblatt und Zellbereich, etwa A1:G40 | Werte, Formeln, gerendertes Bild des Blatts |
| Video (Doku) | Start- und Endzeit in Sekunden, Bildrate | Einzelbilder, Tonspur, Transkript mit Zeitstempeln |
| Audio (Doku) | Start- und Endzeit in Sekunden | keine weiteren Ebenen |
So sieht ein Seitenausschnitt in einer Anfrage aus, gekürzt nach dem Beispiel aus der Doku:
{
"type": "document",
"uri": "<deine-datei>",
"mime_type": "application/pdf",
"processing": {
"type": "static",
"page_options": {
"start_page": 3,
"end_page": 7,
"content_layers": ["page_image"]
}
}
}
Die Seitenzählung beginnt bei 1, Start- und Endseite zählen mit. Bei Tabellen wählst du das Blatt über seine Position. Lässt du die Angabe weg, bekommt das Modell alle Blätter, laut Doku bis 50.000 Zellen pro Blatt.
Das Modell erhält außerdem Seitenzahlen und Blattnamen der Datei. Damit kann es in einem späteren Schritt selbst einen engeren Bereich anfordern. Das funktioniert auch, wenn ein Tool die Datei liefert: Laut der Doku zu Function Calling können Tools zugeschnittene Inhalte über dieselben Felder zurückgeben. Für Agenten ist das der interessante Teil. Sie blättern dann gezielt, statt jedes Mal die ganze Datei zu laden.
Was es für dich bedeutet
Wie viel sparst du mit Gemini API Slicing?
Die Doku gibt an, wie viele Token eine Seite kostet. Bei Gemini 3 und Gemini 4 hängt das von der Auflösung ab (Quelle):
| Auflösung | Token pro Seite |
|---|---|
| niedrig | ca. 280 |
| mittel (Standard) | ca. 560 |
| hoch | ca. 1.120 |
Ein Rechenbeispiel von mir auf Basis dieser Werte: Ein Handbuch mit 200 Seiten ergibt in der Standardauflösung rund 112.000 Token an Seitenbildern. Brauchst du nur die Seiten 3 bis 7, sind es fünf Seiten und rund 2.800 Token. Mit Gemini 4 Hydrogen, das laut Preisliste 1,50 US-Dollar pro 1 Million Input-Token kostet, sinkt der Eingabepreis pro Anfrage damit von rund 17 Cent auf weniger als einen Cent. Bei einer einzelnen Anfrage ist das egal. Bei einem Tool, das dieselbe Datei hundertmal am Tag befragt, ist es der Unterschied zwischen einer spürbaren und einer vernachlässigbaren Rechnung.
Bei Ton ist die Rechnung noch einfacher. Audio kostet laut Doku 32 Token pro Sekunde, also etwa 1.920 Token pro Minute. Eine Stunde Aufnahme sind damit rund 115.000 Token, fünf Minuten daraus rund 9.600. Bei Video nennt die Doku je nach Medienauflösung rund 100 bis 300 Token pro Sekunde.
Wie gehst du bei großen Dateien vor?
Google beschreibt in der Doku ein Vorgehen in zwei Schritten, das ich für sinnvoll halte:
- Dokumente: Zuerst die Datei nur als extrahierten Text durchsuchen. Danach die Seiten mit Diagrammen gezielt als Bild in hoher Auflösung anfordern (Quelle).
- Videos: Zuerst nur das Transkript anfragen, um die passenden Zeitstempel günstig zu finden. Danach das Zeitfenster mit Einzelbildern und höherer Bildrate analysieren (Quelle).
Für Tabellen heißt das: Wenn dein Tool nur die Umsätze aus einem Blatt braucht, schick nicht die ganze Arbeitsmappe. Was mit KI und Tabellen sonst geht, steht im Ratgeber Excel mit KI.
Wo sind die Grenzen?
- Limits gelten für die ganze Datei. Laut Doku sind bis 50 MB pro Datei erlaubt, bis 1.000 Seiten pro PDF und bis 2.000 Seiten oder Folien pro Office-Datei. Das gilt auch, wenn du nur einen Ausschnitt sendest.
- Fehler bei falschen Angaben. Eine Startseite von 0 oder kleiner führt laut Doku zum Fehler
400 INVALID_ARGUMENT, ebenso ein Blattindex von 0 oder kleiner oder über der Zahl der Blätter. Eine Startseite hinter dem Dateiende liefert dagegen keinen Fehler, sondern einen leeren Ausschnitt. Eine Endseite hinter dem Dateiende kürzt die API auf die letzte Seite (Quelle). Bei Video und Audio gibt es einen Fehler, wenn die Startzeit hinter dem Ende der Datei liegt (Video, Audio). - Beispiele nur für die Interactions API. Alle Beispiele in den verlinkten Abschnitten nutzen die Interactions API. Ob die Felder in der älteren GenerateContent API genauso funktionieren, sagen diese Abschnitte nicht. Teste das, bevor du ein bestehendes Tool umbaust.
- Nur für Entwickler. Das ist eine Funktion der API. In der Gemini-App ändert sich dadurch nichts.
Lohnt sich der Umbau?
Wenn du ein eigenes Tool betreibst, das regelmäßig lange PDFs, große Tabellen oder Aufnahmen verarbeitet: ja, prüf es. Der Aufwand ist klein, weil nur ein Feld pro Datei dazukommt. Nutzt du KI nur im Chat, betrifft dich die Änderung nicht direkt. Sie zeigt aber, wohin sich die Kosten bewegen: Abgerechnet wird, was das Modell wirklich liest. Welches Modell dazu passt, hängt von der Aufgabe ab. Am selben Tag hat Google auch Gemini 4 Neon allgemein verfügbar gemacht (Changelog).
Quellen
- Changelog der Gemini API, Eintrag vom 18. November 2026
- Doku: Dokumentverarbeitung anpassen
- Doku: Office-Dokumente
- Doku: Videoverarbeitung anpassen
- Doku: Audio-Intervalle
- Doku: Dateiausschnitte in Function Responses
- Preise der Gemini API
Häufige Fragen
Was ist Slicing in der Gemini API?
Slicing heißt: Du schickst eine Datei an die Gemini API und gibst an, welcher Ausschnitt verarbeitet werden soll. Bei Dokumenten ist das ein Seitenbereich, bei Tabellen ein Blatt oder Zellbereich, bei Video und Audio ein Zeitintervall. Laut Google werden nur die Token für diesen Ausschnitt berechnet.
Kann die Gemini API Excel-Dateien direkt lesen?
Ja. Die Doku führt XLSX, XLS und ODS als unterstützte Tabellenformate auf. Über die Optionen für Tabellen wählst du ein einzelnes Blatt und einen Zellbereich in A1-Notation, zum Beispiel A1:G40, und legst fest, ob das Modell Werte, Formeln oder ein gerendertes Bild des Blatts bekommt.
Wie senke ich die Kosten bei großen PDFs in der Gemini API?
Gib einen Seitenbereich mit Start- und Endseite an und wähle eine passende Auflösung. Google empfiehlt bei großen Dokumenten, zuerst nur den extrahierten Text zu durchsuchen und danach gezielt die Seiten mit Diagrammen als Bild in hoher Auflösung anzufordern.
Gelten die Dateilimits auch, wenn ich nur einen Ausschnitt sende?
Ja. Laut Doku gelten die Grenzen für Dateigröße und Seitenzahl für die gesamte Datei, auch wenn du nur wenige Seiten verarbeiten lässt. Eine zu große Datei musst du also weiterhin vorher teilen.
Mit welchen Modellen funktioniert das Zuschneiden von Dateien?
Die Doku zur Dokumentverarbeitung nennt die Optionen für Gemini 3 und Gemini 4 und neuer. Die Beispiele von Google nutzen die Interactions API mit Gemini 4 Hydrogen.
Du willst das selbst ausprobieren?
Im KI-Tutoring baust du mit mir an deinem eigenen Projekt. Allein oder in einer kleinen Gruppe, 100 % online.
15 Minuten kennenlernen