Von historischen Fotos zu interaktivem 3D: Gemini 4 Carbon rekonstruiert den Bau des Eiffelturms mit nur einer Eingabeaufforderung

Hinweis des Autors: Dieser Artikel geht von Googles Eiffelturm-Demo aus und erklärt, wie mehrere Agenten historische Bilder und technische Unterlagen zu einer interaktiven 3D-Ausstellung zusammenführen.

Begriffe auf einen Blick (to know)

• Agent (intelligenter Agent): Ein KI-Programm, das Werkzeuge aufrufen und Aufgaben ausführen kann. Es beantwortet nicht nur Fragen, sondern plant, führt aus und prüft Ergebnisse.
• Multi-Agent-Zusammenarbeit: Mehrere Agenten teilen sich Teilaufgaben auf und tauschen ihre Zwischenergebnisse aus.
• Antigravity: Googles KI-Entwicklungswerkzeug, in dem Gemini 4 Carbon bereits verfügbar ist.
• Swarm (/swarm): Eine Vorschaufunktion in Antigravity, mit der sich mehrere Agenten koordinieren lassen. Sie wurde am 10. November 2026 eingeführt.
• Konstruktionszeichnungen: Unterlagen, die ein technisches Design mit Grafiken und Maßen beschreiben. Sie sind die wichtigste geometrische Quelle für die 3D-Rekonstruktion.
• Three.js: Eine JavaScript-Bibliothek zum Aufbau von 3D-Szenen im Web, die direkt im Browser rendert und Interaktion ermöglicht.
• Gitterstruktur (Fachwerkstruktur): Eine tragende Konstruktion aus vielen zusammengesetzten Stäben. Der Eiffelturm ist ein typisches Beispiel für eine eiserne Gitterstruktur.

Google hat Gemini 4 Carbon am 10. November 2026 offiziell freigegeben und in der Ankündigung ein sehr anschauliches Beispiel gezeigt: Mehrere Carbon-Agenten verwandeln mithilfe der /swarm-Funktion von Antigravity historische Fotos und Konstruktionszeichnungen in eine interaktive 3D-Ausstellung auf Basis von Three.js, die den Bau des Eiffelturms zwischen 1887 und 1889 nachstellt. Gestartet wird die gesamte Aufgabe mit einer einzigen Eingabeaufforderung.

Das ist nicht einfach „eine KI, die mal eben einen Turm zeichnet“. Googles offizielle Ankündigung und der Antigravity-Blog gehen auf dieses Beispiel und den Swarm-Mechanismus ein. In diesem Artikel unterscheiden wir drei Arten von Informationen: historische Fakten, die Darstellung in Googles offizieller Demo und unsere eigenen Analysen und Schlussfolgerungen.

Kernnutzen: Nach der Lektüre wissen Sie, welche technischen Probleme die Demo tatsächlich löst, welche Rolle die einzelnen Agenten dabei spielen und wie Sie als Entwickler per API einen ähnlichen Workflow „von der Zeichnung zum 3D-Modell“ ausprobieren können.

Gemini 4 Carbon Eiffelturm-Demo: die wichtigsten Infos auf einen Blick

Zuerst die Fakten, die sich aus der offiziellen Google-Ankündigung bestätigen lassen. Die Tabelle enthält nur das, was Google ausdrücklich nennt. Details, die nicht veröffentlicht wurden, erkläre ich separat.

Wichtig: „Eine Eingabeaufforderung“ heißt nicht „einmal generiert“. Der Nutzer gibt den Befehl nur einmal ab. Das Zerlegen der Aufgabe, die parallele Bearbeitung und die Prüfung übernehmen danach mehrere Agenten innerhalb des Swarm-Frameworks. Genau das muss man verstehen, um das ganze Beispiel richtig einzuordnen.

Warum der Eiffelturm eine harte Prüfung für Gemini 4 Carbon ist

Wenn es nur darum ginge, ein Modell zu erzeugen, das „irgendwie nach Eiffelturm aussieht“, wäre diese Demo nichts Besonderes. Die eigentliche Schwierigkeit liegt darin, dass der Eiffelturm selbst ein datenreiches, strukturell komplexes Ingenieurprojekt ist. Die folgenden Angaben stammen aus dem historischen Archiv der offiziellen Eiffelturm-Website.

Auch der Bauzeitplan ist klar dokumentiert. Am 26. Januar 1887 begannen die Arbeiten offiziell, am 1. Juli desselben Jahres startete die Montage der Turmpfeiler. Am 1. April 1888 war die erste Plattform fertig, am 14. August die zweite. Am 31. März 1889 waren Turmspitze und Gesamtmontage abgeschlossen. Für eine Ausstellung, die den Bauprozess nachstellen soll, bilden diese Meilensteine das Gerüst der Zeitachse.

Gitterstruktur und Windlastauslegung des Eiffelturms

Laut den offiziellen historischen Unterlagen stammt die ursprüngliche Entwurfsidee von den Ingenieuren Maurice Koechlin und Émile Nouguier. Der Architekt Stephen Sauvestre wirkte an der äußeren Gestaltung mit, und Gustave Eiffel trieb die endgültige Lösung voran. Der erste Entwurf sah vier Gitterpfeiler vor, die unten auseinanderstehen und sich nach oben hin allmählich annähern.

Die Krümmung der Pfeiler wurde mathematisch berechnet, um die Widerstandsfähigkeit der Konstruktion gegen Wind zu verbessern. Jedes Metallbauteil wurde in der Werkstatt vorgefertigt, eigens entworfen und berechnet, mit einer Zeichnungsgenauigkeit von einem Zehntelmillimeter. Den Turm nachzubauen heißt also nicht, einfach „Geometrien aufzustapeln“. Man muss die strengen Beziehungen zwischen Stäben, Kurven und Ebenen verstehen.

Wie Gemini 4 Carbon aus zweidimensionalem Archivmaterial eine dreidimensionale Struktur macht

Dieser Abschnitt ist meine eigene Analyse, denn Google hat die internen Schritte dieser Aufgabe nicht veröffentlicht. Rückschlüsse aus Eingabe und Ausgabe zeigen: Das Modell muss mindestens drei Hürden nehmen.

1. Historische Fotos verstehen: Baufotos entstehen aus unterschiedlichen Blickwinkeln und sind nur begrenzt scharf. Das Modell muss erkennen, bis zu welchem Geschoss gebaut wurde und in welchem Stadium sich die Turmstützen befinden, und jedes Foto einem Zeitpunkt auf der Zeitleiste zuordnen.
2. Geometrische Informationen aus den Plänen extrahieren: Technische Zeichnungen enthalten Ansichten, Schnitte, Maßangaben und mehr. Daraus muss das Modell Parameter wie die Neigung der Turmstützen, die Höhe der Plattformen und die Anordnung der Stäbe ablesen.
3. Räumliche Beziehungen ableiten und als rekonstruierbare Daten aufbereiten: Fotos und Pläne sind beide zweidimensional. Das Modell muss die Informationen aus mehreren Perspektiven aufeinander abstimmen, die Position der Bauteile im dreidimensionalen Raum ableiten und das Ergebnis als strukturierte Beschreibung aufbereiten, die sich als Grundlage für Modellierungscode eignet.

Laut Modellkarte unterstützt Gemini 4 Carbon Text, Bilder, Audio und Video als Eingabe, die Ausgabe erfolgt als Text, und das gesamte Kontextfenster umfasst 1.048.576 Token. Es liegt daher nahe, dass die Ausstellung als „Text“ in Form von Three.js-Code geliefert wird. Den 3D-Effekt erzeugt der Browser, indem er den Code ausführt. Das Modell gibt also nicht direkt eine 3D-Datei aus.

In derselben Ankündigung zeigt Google ein weiteres Beispiel zum Vergleich: Carbon verarbeitete 7 öffentlich zugängliche PDFs zur Stadtplanung, extrahierte daraus 206 technische Zeichnungsansichten und erzeugte nach 10 nächtlichen Iterationsrunden ein interaktives Three.js-Gebäudemodell mit rund 906.000 Dreiecksflächen. Beide Fälle folgen einer ähnlichen Idee: „heterogenes Material → räumliche Informationen → interaktives 3D“.

Wie mehrere Gemini-4-Carbon-Agenten gemeinsam die Eiffelturm-Ausstellung umsetzen

Google bestätigt, dass dieser Fall von mehreren Carbon-Agenten per /swarm gemeinsam umgesetzt wurde. Die konkrete Aufgabenverteilung für diese Aufgabe hat Google jedoch nicht offengelegt. Was im Folgenden steht, ist daher der allgemeine Swarm-Mechanismus, wie ihn der offizielle Antigravity-Blog beschreibt, und keine Aufzeichnung des konkreten Falls.

Laut Google verbrauchen Agenten im Leerlauf keine Token. Gleichzeitig weist Google darauf hin, dass die parallele Ausführung mehrerer Agenten den Gesamtverbrauch dennoch deutlich erhöht. Außerdem empfiehlt Google, Modelle nach Rolle zu vergeben: Architekturentwurf, Aufgabenkoordination und komplexe Audits übernimmt Carbon, während Routineimplementierung und parallele Dateiänderungen an schnellere, leichtere Modelle gehen.

Diese Arbeitsteilung ergibt für die Rekonstruktion aus technischen Unterlagen viel Sinn. Der Coordinator braucht tiefes Schlussfolgern, um zu verstehen, welche Unterlagen zu welcher Bauphase gehören. Wiederkehrende Arbeiten wie das massenhafte Erzeugen von Stäben oder das Zusammensetzen der Szene brauchen dagegen nicht bei jedem Schritt das teuerste Modell. Die Prüfung dient als Qualitätsversicherung, denn bei dreidimensionalen Strukturen, die ein einzelnes Modell am Stück erzeugt, driften die Proportionen leicht ab.

Wie Sie mit der Gemini 4 Carbon API eine ähnliche Aufgabe „Zeichnung zu 3D“ ausprobieren

Das /swarm von Antigravity ist eine Funktion innerhalb des Produkts, die Entwickler nicht über einen einzelnen API-Parameter direkt nachbauen können. Mit der API lässt sich aber ein vereinfachter Ablauf aufsetzen, mit dem Sie die Kette „Bild lesen → Parameter extrahieren → Three.js generieren“ selbst erleben können. Die offizielle Modell-ID lautet gemini-4-carbon.

Minimalbeispiel: Carbon analysiert ein Baustellenfoto

import base64
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Einheitliche OpenAI-kompatible Schnittstelle
)

with open("eiffel_1888.jpg", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="gemini-4-carbon",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "判断照片中铁塔建到了哪一层，估算塔柱倾角与平台高度比例，输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}}
    ]}]
)
print(resp.choices[0].message.content)

import base64
import json
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)
MODEL = "gemini-4-carbon"


def encode(path: str) -> str:
    with open(path, "rb") as f:
        return base64.b64encode(f.read()).decode()


def ask(content, system: str = "") -> str:
    messages = []
    if system:
        messages.append({"role": "system", "content": system})
    messages.append({"role": "user", "content": content})
    resp = client.chat.completions.create(model=MODEL, messages=messages)
    return resp.choices[0].message.content


def worker_extract(path: str) -> str:
    """Paralleler Worker: extrahiert Strukturparameter aus einem einzelnen Foto oder einer Zeichnung"""
    return ask([
        {"type": "text", "text": "提取该资料中的结构信息：所属施工阶段、塔柱倾角、平台高度比例、可见杆件排布，只输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encode(path)}"}}
    ], system="你是结构工程资料分析员，数据不确定时标注 uncertain，不要编造。")


def builder(merged: str) -> str:
    """Builder: erzeugt aus den zusammengeführten Parametern eine Three.js-Seite"""
    return ask(
        "根据以下结构参数，生成单文件 HTML，使用 Three.js 构建四根格构塔柱与两层平台，"
        "并提供 1887—1889 时间轴滑块按阶段显示结构：\n" + merged
    )


def verifier(merged: str, html: str) -> str:
    """Verifier: prüft, ob Code und Parameter übereinstimmen"""
    return ask(
        "检查下列 Three.js 代码是否与结构参数一致，列出比例错误、阶段错误和无法运行的代码：\n"
        f"参数：{merged}\n代码：{html}"
    )


sources = ["photo_1887.jpg", "photo_1888.jpg", "drawing_elevation.jpg"]

with ThreadPoolExecutor(max_workers=3) as pool:
    results = list(pool.map(worker_extract, sources))

merged = json.dumps(results, ensure_ascii=False)
html = builder(merged)
report = verifier(merged, html)

with open("eiffel_exhibit.html", "w", encoding="utf-8") as f:
    f.write(html)
print(report)

Dieser Code ist eine vereinfachte Umsetzung, die den Swarm-Ansatz mit der normalen API nachbildet – es handelt sich nicht um Googles interne Lösung. Zwei Punkte sollten Sie beachten: Carbon ignoriert Sampling-Parameter wie temperature und top_p, und wenn Sie thinking_budget übergeben, erhalten Sie HTTP 400. Die Standardstufe für das Reasoning ist MEDIUM; höhere Stufen verbrauchen mehr Token und antworten langsamer.

🚀 Schnellstart-Tipp: Bei solchen Experimenten mit mehreren Bildern und Arbeitsschritten lohnt es sich, die Wirkung der Eingabeaufforderung zuerst an einer kleinen Stichprobe zu prüfen. Über APIYI (apiyi.com) erhalten Sie ein kostenloses Testkontingent. Mit einem einzigen API-Schlüssel können Sie zwischen Modellen wie Gemini, Claude und OpenAI wechseln. So lässt sich die Arbeitsteilung „leichtes Modell für die Massenextraktion, starkes Reasoning-Modell für Planung und Verifikation“ direkt im Code umsetzen.

Gemini 4 Carbon: Interaktive 3D-Ausstellung im Vergleich zu klassischen Darstellungsformen

Three.js bringt dreidimensionale Szenen direkt in den Browser. Besucher müssen keine Software installieren: Sie können die Perspektive drehen, Details heranzoomen oder die Zeitleiste verschieben, um den Baufortschritt in verschiedenen Jahren zu sehen. Die folgende Tabelle vergleicht gängige Formen, historische Materialien zu präsentieren.

Der größte Wert der interaktiven Ausstellung liegt in ihrer Nachvollziehbarkeit. Da es sich im Kern um Code handelt, entspricht jede Plattform und jedes Turmsegment lesbaren Parametern. Stellt sich später eine Abweichung von den Bauplänen heraus, lässt sich gezielt nachbessern, statt alles neu aufzubauen. Genau darauf beruht auch der Nutzen des Verifikations-Agents.

Auswirkungen der Gemini-4-Carbon-Demo zum Eiffelturm

Vorab eine Einschränkung: Dieses Beispiel stammt von Google selbst und wurde nicht unabhängig von Dritten überprüft. Es zeigt, was Carbon zusammen mit Swarm leisten kann. Daraus lässt sich aber nicht pauschal ableiten, dass sich jedes beliebige Bauwerk anhand von Unterlagen zuverlässig rekonstruieren lässt.

Auswirkungen auf Entwickler

• Vom einzelnen Aufruf zur Orchestrierung: Hinter einer einzigen Eingabeaufforderung steckt die Arbeitsteilung mehrerer Agenten. Entwickler müssen sich deshalb stärker mit Aufgabenzerlegung, dem Format von Zwischenergebnissen und Prüfmechanismen befassen.
• Kosten pro Aufgabe statt pro Einheit rechnen: Zum Start kostet Carbon 2 US-Dollar pro Million Eingabe-Token und 10 US-Dollar pro Million Ausgabe-Token. Ab dem 1. Dezember verdoppeln sich die Preise. Denk-Token zählen zur Ausgabe, und parallel laufende Agenten treiben den Verbrauch zusätzlich nach oben.
• Mischbetrieb mehrerer Modelle wird realistischer: Google empfiehlt, Carbon nur für Planung, Koordination und Prüfung einzusetzen und die Massenverarbeitung an leichtgewichtige Modelle abzugeben. Das ist entscheidend, um die Kosten im Griff zu behalten.

Auswirkungen auf die Branche

• Digitalisierung historischer Gebäude: Viele Bauwerke existieren nur noch auf Fotos und in Plänen. Sie lassen sich mit geringerem Aufwand in interaktive Modelle überführen, die Forschende miteinander vergleichen können.
• Rekonstruktion technischer Unterlagen: Sowohl das Beispiel mit dem Stadtplanungs-PDF als auch die Eiffelturm-Demo weisen in dieselbe Richtung: räumliche Informationen aus heterogenen Dokumenten zu extrahieren.
• Digitale Ausstellungen und Bildung: Museen und Lehrkräfte können abstrakte Zahlen wie „5.300 Zeichnungen, 2,5 Millionen Nieten“ in eine Szene verwandeln, in der Schülerinnen und Schüler die Zeitleiste verschieben und den Bau Schritt für Schritt nachverfolgen.

Man sollte aber auch die Grenzen sehen. /swarm ist derzeit noch eine Preview-Funktion. Laut Model Card kann Carbon halluzinieren, und bei hohen Reasoning-Stufen können die Antworten langsam ausfallen oder sogar in einen Timeout laufen. In Ingenieursszenarien, in denen es auf strenge Genauigkeit ankommt, sollten Fachleute KI-Rekonstruktionen deshalb weiterhin prüfen.

Häufige Fragen (FAQ)

Gemini 4 Carbon Eiffelturm-Demo: Die wichtigsten Erkenntnisse (Key Takeaways)

• Worum es im Kern geht: Mehrere Carbon-Agenten verwandeln historische Fotos und Konstruktionszeichnungen in eine interaktive Three.js-Ausstellung.
• Ein Prompt ist nicht gleich eine einzelne Generierung: Dahinter steckt die Aufgabenzerlegung und parallele Zusammenarbeit eines Swarms.
• Die technische Hürde ist real: 18.038 Bauteile, 5.300 Zeichnungen und extrem hohe Anforderungen an die Strukturgenauigkeit.
• Geliefert wird Code: Carbon gibt Text aus, die Ausstellung liegt als anpassbarer Three.js-Code vor.
• Die Kosten müssen ganzheitlich betrachtet werden: Parallel laufende Multi-Agenten-Systeme treiben den Verbrauch nach oben; wer Modelle je nach Rolle mischt, fährt günstiger.
• Die Grenzen klar benennen: Eine offizielle Demo sagt nichts über die allgemeine Leistung aus, und Swarm ist weiterhin eine Preview-Funktion.
• So gelingt der Einstieg: Über die einheitliche Schnittstelle von APIYI (apiyi.com) lassen sich das Lesen von Bildern und der Modellierungsablauf mit einer kleinen Stichprobe testen.

Fazit

Die Eiffelturm-Demo von Gemini 4 Carbon hat drei zentrale Highlights:

1. Der Input sind heterogene historische Materialien: Fotos und Konstruktionszeichnungen müssen verstanden, aufeinander abgestimmt und in räumliche Parameter übersetzt werden.
2. Der Prozess ist eine Zusammenarbeit mehrerer Agenten: Ein Prompt startet den Swarm, und Koordination, Ausführung und Verifikation teilen sich die Arbeit.
3. Das Ergebnis ist eine interaktive 3D-Ausstellung: Dank Three.js lässt sich der Bau von 1887 bis 1889 frei im Browser erkunden.

Für Entwickler lohnt sich vor allem das Orchestrierungsprinzip: Ein tief denkendes Reasoning-Modell plant, leichtgewichtige Modelle führen aus, und ein Verifikationsschritt fängt Fehler ab. Am besten spielen Sie den Ablauf zuerst mit einer kleinen Materialmenge über APIYI (apiyi.com) durch und entscheiden erst dann, ob sich größere Multi-Agenten-Aufgaben lohnen.

📚 Referenzen

1. Offizielle Google-Ankündigung: Gemini 4 Carbon is now available: Eiffelturm-Beispiel und Informationen zum Release von /swarm
2. Link: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

3. Hinweis: Originalbeschreibung des Beispiels, Verfügbarkeit und Preisänderungen

4. Offizieller Google-Antigravity-Blog: Gemini 4 Carbon in Google Antigravity

5. Link: antigravity.google/blog/gemini-4-carbon-in-google-antigravity/

6. Hinweis: Koordination des Swarms, parallele Arbeit, adversariale Verifikation und der Message-Board-Mechanismus

7. Gemini 4 Carbon Model Card: Modellkarte von Google DeepMind

8. Link: deepmind.google/models/model-cards/gemini-4-carbon/

9. Hinweis: Ein- und Ausgabemodalitäten, Kontextumfang und bekannte Einschränkungen

10. Entwicklerhandbuch zu Gemini 4 Carbon: Google-Cloud-Dokumentation

11. Link: docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-carbon

12. Hinweis: Thinking Level, Parameterlimits und Erläuterungen zur Long Decoding

13. Offizielle historische Unterlagen zum Eiffelturm: La tour Eiffel

14. Link: toureiffel.paris/en/the-monument/history
15. Hinweis: Anzahl der Bauteile, Anzahl der Zeichnungen, Bauzeitplan und Hintergründe zur Tragwerksplanung

Autor: APIYI-Technikteam
Fachaustausch: Haben Sie Fragen zur Multi-Agent-Orchestrierung oder zur multimodalen 3D-Generierung? Melden Sie sich gern über die Startseite von APIYI (apiyi.com) bei uns.

Weiterführende Artikel

• Modelle Three.js schreiben lassen statt direkt 3D-Dateien zu erzeugen: 5 Erkenntnisse aus dem Workflow mit einer Code-Zwischenschicht: Am Beispiel von Qwen3.5-4B-GLB-3D-Coder zerlegen Sie den Code-Zwischenschicht-Workflow „Text→Three.js→GLB“ und geben praktische Schritte für lokale Bereitstellung, Cloud-Anbindung und Godot-Validierung an.
• Gemini 4 Carbon: Analyse der Veröffentlichung – mit 59 Punkten vor Opus 5.5, 15 von 17 Disziplinen gewonnen, aber nicht aufrufbar: Gemini 4 Carbon führt den Intelligenzindex von Artificial Analysis mit 59 Punkten an und gewinnt 15 von 17 offiziellen Vergleichen, hat aber weder API-Modell-ID noch Freigabeplan; der Artikel erklärt die Bewertung und fehlende Verfügbarkeit sowie gemini-4-argon als Alternative für Entwickler in China.