FAQ und Fehlerbehebung

Unterschiede zwischen der Verwendung von Gemini Developer API und Agent Platform Gemini API (formerly Vertex AI)

In der folgenden Tabelle sind wichtige Unterschiede zwischen den beiden Gemini API-Anbietern im Allgemeinen aufgeführt, unabhängig davon, wie Sie darauf zugreifen:

¹ Die beiden API-Anbieter haben unterschiedliche Pay-as-you-go-Preise (weitere Informationen finden Sie in der jeweiligen Dokumentation).

² Die Files API für Gemini Developer API wird nicht über die Firebase AI Logic-SDKs unterstützt.

In der folgenden Tabelle ist die Verfügbarkeit häufig nachgefragter Funktionen für die beiden „Gemini API“-Anbieter aufgeführt. Diese Tabelle gilt insbesondere bei der Verwendung der Firebase AI Logic-Client-SDKs.

Gemini Developer API und Agent Platform Gemini API (formerly Vertex AI) gleichzeitig verwenden

Sie können beide Gemini API-Anbieter in Ihrem Firebase-Projekt aktivieren und beide APIs in Ihrer App verwenden.

Wenn Sie in Ihrem Code zwischen API-Anbietern wechseln möchten, müssen Sie nur darauf achten, dass Sie den Backend-Dienst in Ihrem Code entsprechend festlegen.

Änderungen, die für das Rebranding von „Vertex AI“ zu „Agent Platform“ erforderlich sind

Mitte 2026 hat Google Cloud „Vertex AI“ in „Gemini Enterprise Agent Platform“ (oder „Agent Platform“) umbenannt. Im Firebase-Ökosystem bezeichnen wir diesen Dienst als „Agent Platform Gemini API“.

Für Google Cloud umfasste das Rebranding Folgendes: Es gab noch weitere Änderungen, die aber nicht für Firebase AI Logic gelten.

• Das Produkt wurde von „Vertex AI“ in „Gemini Enterprise Agent Platform“ (oder „Agent Platform“) umbenannt. Das umfasst auch neue URLs für die Google Cloud-Konsole und die Dokumentation.

• Der Anzeigename der API wurde von „Vertex AI API“ in „Agent Platform API“ geändert. Der Dienstname ist gleich geblieben: aiplatform.googleapis.com.

• Umbenennung von „Vertex AI Studio“ in „Agent Studio“

• Die Funktionen der zugrunde liegenden APIs oder unterstützten Modelle bleiben unverändert.

Für die Firebase AI Logic-SDKs haben wir dieses Rebranding berücksichtigt, indem wir die Initialisierungssyntax für den Backend-Dienst „Gemini API“ und den Standardspeicherort für den Zugriff auf das Modell aktualisiert haben, wenn diese neue Syntax verwendet wird.

• Neue Initialisierungssyntax für den Backend-Dienst „Gemini API“:

  Swift

  Ändern Sie vertexai zu agentPlatform.
  Verfügbar ab Firebase SDK für Apple-Plattformen v12.17.0.

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexai` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  let ai = FirebaseAI.firebaseAI(backend: .vertexai(location: "LOCATION"))
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  let ai = FirebaseAI.firebaseAI(backend: .agentPlatform(location: "LOCATION"))
  
  // ...
  

  Kotlin

  Ändern Sie vertexAI zu agentPlatform.
  Verfügbar ab Firebase AI Logic SDK für Android v17.15.0+ (Firebase Android BoM v34.17.0+).

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  val ai = Firebase.ai(backend = GenerativeBackend.vertexAI(location = "LOCATION"))
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  val ai = Firebase.ai(backend = GenerativeBackend.agentPlatform(location = "LOCATION"))
  
  // ...
  

  Java

  Ändern Sie vertexAI zu agentPlatform.
  Verfügbar ab Firebase AI Logic SDK für Android v17.15.0+ (Firebase Android BoM v34.17.0+).

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.vertexAI("LOCATION"));
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.agentPlatform("LOCATION"));
  
  // ...
  

  Web

  Ändern Sie VertexAIBackend zu AgentPlatformBackend.
  Verfügbar ab Firebase JS SDK v12.17.0.

  VORHER

  import { getAI, getGenerativeModel, VertexAIBackend } from "firebase/ai";
  
  // ...
  
  // Initialize FirebaseApp
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `VertexAIBackend` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  const ai = getAI(firebaseApp, { backend: new VertexAIBackend('LOCATION') });
  
  // ...
  

  NACH

  import { getAI, getGenerativeModel, AgentPlatformBackend } from "firebase/ai";
  
  // ...
  
  // Initialize FirebaseApp
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `AgentPlatformBackend` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  const ai = getAI(firebaseApp, { backend: new AgentPlatformBackend('LOCATION') });
  
  // ...
  

  Dart

  Ändern Sie vertexAI zu agentPlatform.
  Verfügbar ab Firebase AI Logic-Plug-in für Flutter v3.15.0+ (Firebase Flutter BoM v4.18.0+).

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  final ai = await FirebaseAI.vertexAI(location: 'LOCATION');
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  final ai = await FirebaseAI.agentPlatform(location: 'LOCATION');
  
  // ...
  

  Einheit

  Ändern Sie VertexAI zu AgentPlatform.
  Verfügbar ab Firebase SDK für Unity v13.15.0.

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `VertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.VertexAI(location: "LOCATION"));
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
  // For the `AgentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.AgentPlatform(location: "LOCATION"));
  
  // ...
  

• Neuer standardmäßiger Standort für den Zugriff auf das Modell bei Verwendung der neuen Initialisierungssyntax:

  Wenn Sie die neue Initialisierungssyntax für die Agent Platform verwenden, wird der Speicherort standardmäßig auf global festgelegt.

  Diese Änderung wurde vorgenommen, weil fast alle Gemini-Modelle in global unterstützt werden und Google Cloud den Speicherort us-central1 für neue Versionen der meisten Gemini-Modelle nicht mehr unterstützt.

Für Swift-Apps: Erforderliche Änderungen für die Migration von FirebaseAI zu FirebaseAILogic

Ab Firebase SDK v12.5.0 wird Firebase AI Logic für Apps auf Apple-Plattformen jetzt über das Modul FirebaseAILogic verteilt. Wir haben diese Änderung so vorgenommen, dass sie nicht abwärtsinkompatibel ist.

Warum haben wir diese Änderung vorgenommen?

Wir haben diesen Dienst früher über das Modul FirebaseAI bereitgestellt. Wir mussten sie jedoch aus folgenden Gründen in FirebaseAILogic umbenennen:

• Vermeiden Sie Namenskonflikte zwischen Modul und Klasse, die Probleme in binären Verteilungen verursachen.

• Ermöglichen Sie uns, Swift-Makros für die Entwicklung zukünftiger Funktionen zu verwenden.

Was Sie tun sollten, wenn Sie ein Upgrade auf Version 12.5.0 oder höher durchführen

Die Änderung des Modulnamens zu FirebaseAILogic ist in Firebase 12 nicht kritisch und abwärtskompatibel. In Firebase 13 wird dieses alte Modul jedoch entfernt. Stellen Sie Ihre Abhängigkeiten und Importe um, bevor Sie auf Firebase 13 aktualisieren.

Es sind keine Änderungen erforderlich, aber wir empfehlen Ihnen Folgendes:

1. Wählen Sie bei der Auswahl von Swift PM-Abhängigkeiten FirebaseAILogic anstelle von FirebaseAI aus.

2. Ändern Sie die Importanweisungen in FirebaseAILogic (anstatt FirebaseAI).

Erforderliche APIs und wie Sie sie aktivieren

Wenn Sie die Firebase AI Logic-SDKs mit der Agent Platform Gemini API (formerly Vertex AI) verwenden möchten, müssen in Ihrem Projekt die folgenden beiden APIs aktiviert sein:

• Agent Platform API (aiplatform.googleapis.com)
• Firebase AI Logic API (firebasevertexai.googleapis.com)

Sie haben dazu folgende Möglichkeiten:

• Option 1 (empfohlen): Aktivieren Sie die APIs mit wenigen Klicks in der Firebase-Konsole:

  1. Rufen Sie in der Firebase Console die Seite KI-Dienste > Firebase AI Logic auf.

  2. Klicken Sie auf Jetzt starten.

  3. Wählen Sie aus, um mit Agent Platform Gemini API (formerly Vertex AI) zu beginnen.

     Dadurch wird ein geführter Workflow gestartet, mit dem Sie die beiden APIs aktivieren können. Firebase stellt außerdem ein von Google verwaltetes Dienstkonto (P4SA) für die Autorisierung der Verwendung von Gemini API bereit und fügt die Firebase AI Logic API der Zulassungsliste für Ihren Firebase-API-Schlüssel hinzu.

• Option 2 (manuell; nicht empfohlen): Aktivieren Sie die APIs in der Google Cloud-Konsole:

  1. Klicken Sie oben in diesem FAQ-Eintrag auf die einzelnen API-Links und dann auf der Seite der jeweiligen API auf Aktivieren.

  2. Fügen Sie die Firebase AI Logic API der Zulassungsliste Ihres Firebase API-Schlüssels hinzu.

APIs in einem Firebase-Projekt deaktivieren

Für Firebase AI Logic versuchen wir, die Einrichtung Ihres Firebase-Projekts für die Verwendung Ihres ausgewählten Gemini API-Anbieters so einfach wie möglich zu gestalten. Dazu gehört auch das Aktivieren der erforderlichen APIs in Ihrem Firebase-Projekt während bestimmter Abläufe, z. B. des geführten Workflows in der Firebase-Konsole.

Wenn Sie Firebase AI Logic oder einen der Gemini API-Anbieter nicht verwenden möchten, können Sie die zugehörigen APIs in Ihrem Firebase-Projekt deaktivieren.

Erforderliche Berechtigungen für die Verwendung von Firebase AI Logic

Unterstützte Modelle bei Verwendung von Firebase AI Logic

Liste der unterstützten Modelle Wir fügen den SDKs regelmäßig neue Funktionen hinzu. Sehen Sie daher in diesen FAQs nach Updates (sowie in Versionshinweisen, Blogs und Beiträgen in sozialen Medien).

• Firebase AI Logic unterstützt die folgenden Modelle:

  • Gemini Developer API

    • Die meisten Gemini-Foundation Models

  • Agent Platform Gemini API (formerly Vertex AI)

    • Die meisten Gemini-Foundation Models

• Firebase AI Logic unterstützt die folgenden Modelle(unabhängig vom ausgewählten Gemini API-Anbieter) nicht:

  • Feinabgestimmte Modelle

  • Einbettungsmodelle, Veo-Modelle, Lyria-Modelle, Robotikmodelle, Modelle für die Computernutzung, Gemini-Omni-Modelle oder Gemini-Flash-Cyber-Modelle

Eingestellte oder deaktivierte (eingezogene) Modelle – Liste und Ersatzmodelle

Lesen Sie sich die Häufig gestellten Fragen zu den erforderlichen Änderungen bei der Einstellung von Modellen durch.

Gemini 2.5Stabile Modelle – Abschaltungsdatum und Ersatzmodelle

• Gemini 2.5 Pro, Gemini 2.5 Flash und Gemini 2.5 Flash‑Lite

  gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite
gemini-2.5-flash-image (auch „Nano Banana“)

  • Bei den Modellen für die allgemeine Nutzung hängt das Datum für die Abschaltung vom gewählten Gemini API-Anbieter ab:

    • Gemini Developer API (Google AI): 16. Oktober 2026
    • Agent Platform Gemini API (formerly Vertex AI): 20. Oktober 2026

  • Für das Modell zur Bildgenerierung (Nano Banana) ist das Datum für die Abschaltung unabhängig von Ihrem gewählten Gemini API-Anbieter dasselbe: 2. Oktober 2026.

  Andere „Nano Banana“-Modelle und alle stabilen Gemini Live API-Modelle der Version 2.5 sind nicht betroffen.

Ersatz: Migrieren Sie zu einem der neuen Gemini 3.x-Modelle (z. B. gemini-3.8-flash oder gemini-3.1-flash-image).

ImagenStabile Modelle – Abschaltungsdatum und Ersatzmodelle

• Alle Imagen-Modelle werden frühestens am 17. August 2026 eingestellt. Das ursprüngliche Datum war der 30. Juni 2026.

Ersatz: Migrieren Sie Ihre Apps zur Verwendung von Gemini-Bildmodellen („Nano Banana“-Modelle).

Gemini 2.0Stabile Modelle – Abschaltungsdatum und Ersatzmodelle

• Gemini 2.0 Flash und Gemini 2.0 Flash‑Lite:

  gemini-2.0-flash-001 (und sein automatisch aktualisierter Alias gemini-2.0-flash)
  gemini-2.0-flash-lite-001 (und sein automatisch aktualisierter Aliasgemini-2.0-flash-lite)

  • 6. Februar 2026: Diese Modelle sind nicht mehr für Projekte verfügbar, in denen sie zuvor nicht verwendet wurden.

  • 31. März 2026: Diese Modelle werden eingestellt.

  Stabile Gemini Live API 2.0-Modelle sind davon nicht betroffen.

Ersatz: Migrieren Sie zu einem der neuen Gemini 3.x-Modelle (z. B. gemini-3.1-flash-lite).

Stabile Gemini 1.5- und 1.0-Modelle – Einstellungsdaten und Ersatzmodelle

• Gemini 1.5 Pro-Modelle:

  • gemini-1.5-pro-002 (und gemini-1.5-pro): 24. September 2025
  • gemini-1.5-pro-001: 24. Mai 2025

• Gemini 1.5 Flash-Modelle:

  • gemini-1.5-flash-002 (und gemini-1.5-flash): 24. September 2025
  • gemini-1.5-flash-001: 24. Mai 2025

• Gemini 1.0 Pro Vision-Modelle: 21. April 2025 (ursprünglich geplant für den 9. April 2025)

• Gemini 1.0 Pro-Modelle: 21. April 2025 (ursprünglich geplant für den 9. April 2025)

Ersatz: Migrieren Sie zu einem der neuen Gemini 3.x-Modelle (z. B. gemini-3.1-flash-lite).

Erforderliche Änderungen, wenn Modelle eingestellt oder heruntergefahren (ausgemustert) werden

Wenn Google eine stabile Modellversion veröffentlicht, bemühen wir uns, dafür zu sorgen, dass sie mindestens 12 Monate lang verfügbar ist, bevor wir das Modell einstellen. Beachten Sie jedoch, dass für Agent Platform Gemini API (formerly Vertex AI) einige stabile Modelle nur kurzfristig verfügbar sind. Das bedeutet, dass sie möglicherweise schon 45 Tage nach der Veröffentlichung eines Ersatzmodells eingestellt werden.

Wo finde ich das Datum der Einstellung eines Modells?

So können Sie das Datum der Einstellung eines Modells herausfinden:

• Zum Zeitpunkt der Veröffentlichung: Das voraussichtliche Datum der Einstellung der einzelnen Modelle wird an mehreren Stellen in der Gemini API-Anbieterdokumentation sowie in der Firebase-Dokumentation aufgeführt (siehe die Seite Unterstützte Modelle).

• Wenn das Datum der Einstellung näher rückt:

  • Google sendet E‑Mails an die entsprechenden Projektmitglieder.
  • Wir veröffentlichen Erinnerungen an bevorstehende Abschaltungen auf verschiedenen Kanälen:
    • Versionshinweise (Beispiel)
    • Banner auf Seitenebene, die Seite mit unterstützten Modellen und die Häufig gestellte Fragen zu eingestellten und abgeschalteten Modellen

Was kann ich tun, wenn das von mir verwendete Modell bald eingestellt wird?

1. Suchen Sie ein geeignetes derzeit unterstütztes Modell und seinen Modellnamen.

   Empfohlene Ersatzmodelle finden Sie auch in den FAQs zu eingestellten und außer Betrieb genommenen Modellen.

2. Aktualisieren Sie den von Ihrer App verwendeten Modellnamen vor dem Datum der Einstellung. Andernfalls schlagen alle Anfragen an dieses Modell mit einem 404-Fehler fehl.

   • Sie legen den Modellnamen bei der Initialisierung fest, wenn Sie eine GenerativeModel-, LiveModel- oder ImagenModel-Instanz erstellen. Lesen Sie sich die wichtige Empfehlung unten zur Verwendung von Firebase Remote Config oder Server-Promptvorlagen durch.

   • Wenn Sie Firebase AI Logic verwenden, müssen Sie in der Regel keinen Code ändern, der das Modell aufruft.

     Beachten Sie, dass für die neuesten Gemini 3.x-Modelle mehrere Parameter nicht unterstützt werden, insbesondere Temperatur, Top-K, Top-P, Häufigkeits- und Anwesenheitsstrafe sowie die Anzahl der Kandidaten.

3. Testen Sie Ihre App, um sicherzustellen, dass die Antworten weiterhin wie erwartet ausfallen.

Ratenlimit pro Nutzer festlegen

Standardmäßig legt Firebase AI Logic das Anfragelimit pro Nutzer auf 100 Anfragen pro Minute fest.

Wenn Sie das Ratenlimit pro Nutzer anpassen möchten, müssen Sie die Kontingenteinstellungen für die Firebase AI Logic API anpassen.

Weitere Informationen zum Firebase AI Logic-API-Kontingent Auf dieser Seite erfahren Sie auch, wie Sie Ihr Kontingent aufrufen und bearbeiten können.

Latenz und hohe Tokennutzung reduzieren

Wenn Sie eine hohe Latenz oder eine hohe Token-Nutzung feststellen, liegt das wahrscheinlich an der Konfiguration der Denkebene für das von Ihnen verwendete Modell.

Gemini 3 und spätere Modelle verwenden immer einen internen „Denkprozess“, der ihre Fähigkeiten zur Argumentation und mehrstufigen Planung erheblich verbessert. Dadurch sind sie sehr effektiv für komplexe Aufgaben wie Programmierung, fortgeschrittene Mathematik und Datenanalyse.

Je nach Aufgabe sind jedoch nicht immer höhere Denkebenen erforderlich. Sie können das Modell so konfigurieren, dass es eine niedrigere Denkebene verwendet. Eine niedrigere Denkebene kann die Latenz und die Token-Nutzung reduzieren. Um zu entscheiden, wie viel Denkfähigkeit ein Modell benötigt, sehen Sie sich den Vergleich der Schwierigkeitsgrade von Aufgaben an.

Bei den meisten Modellen ab Gemini 3 ist die Standard-Denkebene auf HIGH festgelegt.

Anforderungen an den MIME-Typ für multimodale Anfragen (z. B. für Bild-, PDF-, Video- und Audioeingabe)

In jeder multimodalen Anfrage müssen Sie immer Folgendes angeben:

• Die mimeType der Datei. Unten finden Sie eine Ausnahme.

• Die Datei. Sie können die Datei entweder als Inline-Daten oder über ihre URL bereitstellen.

Informationen zu unterstützten Eingabedateitypen, zum Angeben des MIME-Typs und zu den beiden Optionen zum Bereitstellen der Datei finden Sie unter Unterstützte Eingabedateien und Anforderungen.

Ausnahme: MIME-Typ in die Anfrage aufnehmen

Eine Ausnahme von der Angabe des MIME-Typs sind Inline-Bildeingaben für Anfragen von nativen Android- und Apple-Plattform-Apps.

Die Firebase AI Logic-SDKs für Android- und Apple-Plattformen bieten eine vereinfachte und plattformfreundliche Möglichkeit, Bilder in Anfragen zu verarbeiten. Alle Bilder (unabhängig vom Format) werden clientseitig in JPEG mit 80% Qualität konvertiert, bevor sie an den Server gesendet werden. Das bedeutet, dass wenn Sie Bilder als Inline-Daten über die SDKs für Android- und Apple-Plattformen bereitstellen, Sie den MIME-Typ in der Anfrage nicht angeben müssen.

Diese vereinfachte Verarbeitung wird in der Firebase AI Logic-Dokumentation in den Beispielen für das Senden von base64-codierten Bildern in Anfragen gezeigt.

Hier finden Sie einige zusätzliche plattformspezifische Informationen zu dieser Funktion:

• Android:

  • Sie können die vereinfachte Verarbeitung von plattformnativen Bildtypen (Bitmap) in multimodalen Prompts nutzen, die Bilder als Inline-Daten enthalten (Beispiel).

  • Wenn Sie mehr Kontrolle über Bildformate und ‑konvertierungen haben möchten, können Sie die Bilder als InlineDataPart bereitstellen und den spezifischen MIME-Typ angeben. Beispiel:

    content { inlineData(/* PNG as byte array */, "image/png") }

• Für Apple-Plattformen:

  • Sie können die vereinfachte Verarbeitung von plattformnativen Bildtypen (UIImage, NSImage, CIImage und CGImage) in multimodalen Prompts nutzen, die Bilder als Inline-Daten enthalten (Beispiel).

  • Wenn Sie mehr Kontrolle über Bildformate und ‑konvertierungen haben möchten, können Sie die Bilder als InlineDataPart bereitstellen und den spezifischen MIME-Typ angeben. Beispiel:

    InlineDataPart(data: Data(/* PNG Data */), mimeType: "image/png")

Erweiterte Funktionen, die bei Verwendung von Firebase AI Logic noch nicht verfügbar sind: Fundierung mit der Google Bildersuche, Feinabstimmung eines Modells, Generierung von Einbettungen und semantisches Abrufen

Die folgenden Funktionen werden von verschiedenen Modellen und API-Anbietern unterstützt, sind aber nicht verfügbar, wenn Sie Firebase AI Logic verwenden:

• Fundierung mit der Google Bildersuche
• Modell abstimmen
• Erstellung von Einbettungen
• Semantisches Abrufen

Wenn Sie diese als Feature Requests hinzufügen oder für einen vorhandenen Feature Request abstimmen möchten, besuchen Sie Firebase UserVoice.

Namensänderung von „Vertex AI in Firebase“ zu „Firebase AI Logic“

Anfang 2024 haben wir eine Reihe von Firebase-Client-SDKs eingeführt, die die Agent Platform Gemini API (formerly Vertex AI) sowie ein Firebase-Proxy-Gateway verwenden können, um die API vor Missbrauch zu schützen und die Integration mit anderen Firebase-Produkten zu ermöglichen. Wir haben unser Produkt „Vertex AI in Firebase“ genannt. Dieser Produktname beschrieb die damals verfügbaren Anwendungsfälle unseres Produkts genau.

Seitdem haben wir die Funktionen unseres Produkts jedoch erweitert. Seit Mai 2025 bieten wir beispielsweise Unterstützung für Gemini Developer API, einschließlich der Möglichkeit, Gemini Developer API durch unsere Integration mit Firebase App Check vor Missbrauch zu schützen.

Daher entspricht der Name „Vertex AI in Firebase“ nicht mehr dem erweiterten Umfang unseres Produkts. Daher spiegelt ein neuer Name – Firebase AI Logic – besser unser sich entwickelndes Feature-Set wider und ermöglicht es uns, unser Angebot in Zukunft weiter auszubauen.

Im Migrationsleitfaden erfahren Sie, wie Sie alle neuen Funktionen von Firebase AI Logic nutzen können und optional mit der Verwendung von Gemini Developer API beginnen.

Datennutzung zum Trainieren von Modellen

Weitere Informationen finden Sie unter Data Governance und verantwortungsbewusste Anwendung von KI.

App Check-Maßnahmen für alle Versionen einer App erforderlich

App Check muss für alle Versionen Ihrer App, die Firebase AI Logic verwenden, erzwungen werden.

Es ist wichtig, dass App Check so früh wie möglich erzwungen wird, insbesondere bevor Sie Ihre App in einem öffentlich verfügbaren Quellcode-Verwaltungssystem speichern, Ihre App freigeben oder Ihre App öffentlich verfügbar machen.

Wenn Sie App Check sofort in die Codebasis Ihrer App implementieren, können alle Versionen Ihrer App gültige App Check-Tokens senden. Eine Anfrage, bei der kein gültiges Token gesendet wird, gilt als nicht bestätigt und wird blockiert, wenn App Check erzwungen wird.

Wenn Sie bereits eine Version Ihrer App für Endnutzer veröffentlicht haben, in der App Check nicht implementiert ist, finden Sie in den FAQs Informationen dazu, wie Sie App Check für eine bereits veröffentlichte App implementieren und erzwingen können.

App Check für eine bereits veröffentlichte App implementieren und durchsetzen

Bei App-Versionen, in denen App Check nicht implementiert ist, enthalten Anfragen an Firebase AI Logic aus diesen Versionen keine gültigen App Check-Tokens und gelten als nicht bestätigt. Diese Anfragen werden blockiert, wenn App Check für Firebase AI Logic erzwungen wird.

Die folgende Anleitung hilft Ihnen bei der Migration Ihrer App, damit Sie App Check so erzwingen können, dass Dienstunterbrechungen für eine bereits veröffentlichte App ohne App Check vermieden werden.

1. Implementieren Sie so schnell wie möglich einen Attestierungsanbieter für die Produktion in Ihrer App.

   • Apple-Plattformen: DeviceCheck oder App Attest> oder reCAPTCHA Enterprise
   • Android: Play Integrity oder reCAPTCHA Enterprise
   • Web: reCAPTCHA Enterprise
   • Flutter: Unterstützt alle oben genannten Anbieter, einschließlich reCAPTCHA Enterprise.
   • Unity: Unterstützt alle oben genannten Anbieter (Unterstützung für reCAPTCHA Enterprise ist demnächst verfügbar)
   App Check

2. Überwachen Sie die Anfragen Ihrer App, um zu entscheiden, wann es sicher ist, App Check zu erzwingen.

   Wenn beispielsweise fast alle aktuellen Anfragen von bestätigten Clients stammen, sollten Sie App Check erzwingen.

3. App Check für Firebase AI Logic erzwingen:

4. Für die lokale Entwicklung, wenn App Check erzwungen wird, können Sie den App Check-Debug-Anbieter einrichten und App Check weiterhin für Firebase AI Logic erzwingen.

Sicherheitsupgrades (Mitte 2026) für Gemini Developer API und Firebase AI Logic

Bisher wurde für die Autorisierung der Verwendung der Gemini Developer API (generativelanguage.googleapis.com) auf Standard-Gemini-API-Schlüssel zurückgegriffen. Wenn Sie Firebase AI Logic aktiviert und die Gemini Developer API ausgewählt haben, wurde von Firebase ein Gemini-API-Schlüssel für Sie erstellt, der auf die Gemini Developer API beschränkt war.Gemini Developer API Dieser Schlüssel wurde Gemini Developer API key (auto created by Firebase) genannt.

Ab Mitte 2026 wird die Gemini Developer API auf eine sicherere Alternative namens Autorisierungsschlüssel (im Wesentlichen Dienstkonten) umgestellt. Firebase AI Logic wurde gleichzeitig aktualisiert. Anstelle eines standardmäßigen Gemini-API-Schlüssels übernimmt Firebase AI Logic jetzt die Autorisierung für die Gemini Developer API über ein von Google verwaltetes Dienstkonto (P4SA), das wir automatisch für Sie bereitstellen:
Firebase AI Logic Service Agent (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Sowohl bei bestehenden als auch bei neuen Projekten müssen Sie nichts weiter tun, um diese Sicherheitsupgrades ab Mitte 2026 zu nutzen, wenn Sie über Firebase AI Logic auf Gemini Developer API zugreifen.

Gemini-API-Schlüssel zu einem Autorisierungsschlüssel (Auth-Schlüssel) migrieren

Sowohl für bestehende als auch für neue Projekte gilt: Wenn Sie über Firebase AI Logic auf die Gemini Developer API zugreifen, sind keine Maßnahmen erforderlich, um die Sicherheitsupgrades ab Mitte 2026 zu nutzen (einschließlich der Migration zu einem Autorisierungsschlüssel).

Im Namen unserer Entwickler nimmt Firebase AI Logic automatisch alle erforderlichen Sicherheitsänderungen vor, um die Umstellung von Gemini Developer API auf „Autorisierungsschlüssel“ zu berücksichtigen.

Ab Mitte 2026 stellt Firebase AI Logic keine Standard-Gemini-API-Schlüssel mehr bereit und verwendet sie auch nicht mehr. Stattdessen übernimmt Firebase AI Logic jetzt die Autorisierung für Gemini Developer API über ein von Google verwaltetes Dienstkonto (P4SA), das wir automatisch für Sie in Ihrem Firebase-Projekt bereitstellen:
Firebase AI Logic Service Agent (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Aufgrund dieser Änderung können Sie alle API-Schlüssel mit dem Namen Gemini Developer API key (auto created by Firebase) überprüfen und löschen. Sie können diesen Schlüssel in der Google Cloud-Konsole löschen. Beachten Sie Folgendes bevor Sie den Schlüssel löschen:

• Dieser Gemini-API-Schlüssel wurde von Firebase ausschließlich für die Verwendung mit Firebase AI Logic erstellt und kann daher gefahrlos gelöscht werden. Bevor Sie diesen Schlüssel löschen, sollten Sie jedoch prüfen, ob Sie ihn versehentlich mit anderen Tools verwendet haben, die Zugriff auf Gemini Developer API ermöglichen, z. B. die GenAI-Server-SDKs oder Genkit. So prüfen Sie die Nutzung:
  1. Rufen Sie in der Google Cloud Console die Seite für Gemini Developer API auf und klicken Sie dann auf Verwalten.
  2. Wählen Sie auf dem Tab Messwerte im Drop-down-Menü Anmeldedaten den Schlüssel mit dem Namen Gemini Developer API key (auto created by Firebase) aus.
  3. Wenn in den angezeigten Diagrammen seit Anfang Juli 2026 keine Nutzung mehr zu sehen ist (als Firebase AI Logic die Verwendung dieser API-Schlüssel eingestellt hat), können Sie den Schlüssel gefahrlos löschen.
     Wenn in den Diagrammen jedoch eine Nutzung angezeigt wird, verwenden Sie den Schlüssel mit einem anderen Tool. In diesem Fall sollten Sie den Schlüssel umbenennen, damit klar ist, dass er mit diesem Tool und nicht mit Firebase AI Logic verwendet wird.
• Achten Sie darauf, dass Sie keinen anderen API-Schlüssel löschen, dessen Name das Segment (auto created by Firebase) enthält.