Gemini 3: Test-Prompts
Dieser Artikel beleuchtet, wie das neue Google-Modell Gemini 3 in realen Anwendungsszenarien getestet werden kann, um seine Leistungsfähigkeit über reine Benchmarks hinaus zu überprüfen. Google positioniert Gemini 3 als leistungsfähigstes Modell mit starker Begründungsfähigkeit, tiefer Multimodalität und Agenten-Fokus.
Quelle: Eigene Darstellung
Gemini 3 Überblick
Google beschreibt Gemini 3 als „most intelligent model yet“, das Reasoning, Multimodalität und Tool-Use vereint (blog.google). Es wurde für Lernen, Planen und Bauen entwickelt und soll anspruchsvolle Aufgaben mit tiefem Verständnis bearbeiten (deepmind.google). Die Pro-Variante ist das leistungsfähigste Reasoning-Modell der Gemini-Reihe und verarbeitet große Datenmengen aus Text, Audio, Bildern, Video, PDFs und Code-Repositories mit einem Kontextfenster von bis zu einer Million Tokens (Google Cloud Documentation).
Gemini 3 Pro nutzt standardmäßig „dynamic thinking“, um je nach Aufgabe mehr Rechenaufwand für schwierige Prompts zu investieren (ai.google.dev). Es ist direkt in den neuen AI Mode von Google Search integriert, um komplexe Suchanfragen mit mehrstufigem Reasoning zu beantworten (blog.google). Für Unternehmen steht Gemini 3 in Vertex AI und Google AI Studio bereit, inklusive Varianten für langes Kontextfenster und Agenten-Funktionen (Google Cloud).
Eine unabhängige Auswertung von Benchmarks durch Vellum zeigt, dass Gemini 3 Pro insbesondere bei Reasoning-, Mathematik-, multimodalen und agentischen Tests gegenüber Gemini 2.5 deutlich zulegt (vellum.ai). Datastudios hebt die verbesserten Fähigkeiten bei multimodalem Verständnis, langem Kontext und Integration über die Google-Plattformen hervor (datastudios.org).
Testen von Reasoning-Fähigkeiten
Gemini 3 soll komplexe Probleme Schritt für Schritt durchdenken und Nuancen in Sprache, Kontext und Daten erkennen (deepmind.google). Die Produktseiten betonen „state-of-the-art reasoning“ und tiefere, nuancierte Antworten (blog.google). Zum Testen eignen sich Aufgaben, die mehrere Teilprobleme verbinden, wie Planung mit Nebenbedingungen oder Entscheidungen mit Vor- und Nachteilen.
Szenario: Projektplanung mit widersprüchlichen Vorgaben
Dieses Szenario testet die Fähigkeit von Gemini 3, Prioritäten zu setzen, Annahmen transparent zu machen und Alternativen vorzuschlagen.
You are helping me plan a software project with conflicting constraints.
Context:
- I have 6 weeks of development time.
- I am alone as the only developer.
- The client wants: a public landing page, a simple logged-in dashboard, and one AI-based feature.
- Budget is limited, so infrastructure must stay simple.
Task:
1. Identify all implicit assumptions in this request.
2. Propose three realistic project scopes (from minimal to ambitious) that fit into 6 weeks for a single developer.
3. For each scope, explain trade-offs in terms of risk, technical debt, and user impact.
4. At the end, recommend ONE scope and justify it step by step.Szenario: Konfliktlösung im Team
Dieser Prompt prüft, wie gut das Modell soziale Dynamik analysiert, ohne in Floskeln zu verfallen.
Act as an experienced engineering manager.
Input:
Two senior developers disagree:
- Dev A wants to rewrite a legacy PHP backend to Node.js.
- Dev B wants to keep PHP and refactor step by step.
- The team has 4 developers total, with mixed experience.
- There is a hard deadline in 8 months.
Task:
1. List the real risks of a full rewrite versus incremental refactoring.
2. Suggest a concrete decision framework to choose between both options.
3. Draft a short message to the team that explains the chosen path in a neutral, constructive tone.
4. Highlight where you are uncertain and what data the team should collect next.Solche Prompts zeigen, ob Gemini 3 systematisch vorgeht, Unsicherheiten benennt und praktikable Entscheidungen vorschlägt (blog.google).
Quelle: YouTube
Multimodale Tests
Gemini 3 ist nativ multimodal und verarbeitet Text, Bilder, Audio, Video und PDF-Dokumente in einem gemeinsamen Kontext (Google Cloud Documentation). Die Modellfamilie wird als multimodale Suite beschrieben, die Informationen über verschiedene Medien verknüpfen kann (deepmind.google). Tests sollten reale Szenarien umfassen, wie Screenshots von Dashboards oder eingescannten Verträgen.
Szenario: Screenshot eines Analytics-Dashboards
Dieses Szenario testet die Fähigkeit des Modells, visuelle Daten zu interpretieren und Handlungsempfehlungen abzuleiten.
I just uploaded a screenshot of a web analytics dashboard.
Task:
1. Describe in plain language what this dashboard tells me about the last 30 days.
2. Identify three metrics that should worry me and explain why.
3. Suggest three specific experiments I can run in the next 2 weeks to improve these metrics.
4. Propose a simple weekly reporting template I can reuse with my team.Szenario: PDF eines Projektvertrags mit Risiken
Hier wird die Fähigkeit geprüft, komplexe Dokumente zu analysieren und Risiken zu identifizieren.
You are a project consultant.
I uploaded a PDF contract for a software project between an agency and a client.
Task:
1. Extract all clauses that create delivery or scope risks for the agency.
2. Summarize each risky clause in one sentence and rate its risk (low/medium/high) with a short justification.
3. Suggest concrete, realistic alternative wording for the 3 riskiest clauses that keeps the spirit of the agreement but reduces risk.
4. Propose 5 questions the agency should ask the client before signing.Solche Tests nutzen die Fähigkeit von Gemini 3, lange, gemischte Dokumente im Kontext zu verstehen, wie sie in den Enterprise-Dokumentationen beschrieben wird (Google Cloud).
Coding und Agenten-Funktionen
Google positioniert Gemini 3 Pro als starkes Modell für agentisches Coding, Frontend-Erstellung und die Arbeit in IDEs (Google Cloud). Die DeepMind-Seite hebt „vibe coding“ für schnelle Frontend-Entwicklung hervor (deepmind.google). Gemini 3 Pro Preview arbeitet mit Open-Source-Frameworks wie LangChain zusammen, um komplexe AI-Agenten aufzubauen (developers.googleblog.com). Tests sollten reale Repositories und klare Ziele umfassen.
Szenario: Refactoring eines Legacy-Repos
Dieses Szenario prüft die Fähigkeit des Modells, eine Refactoring-Roadmap zu erstellen und Risiken zu minimieren.
You are acting as a senior software engineer inside my existing C# and PHP monolith.
Context:
- I will paste you files and directory listings from the repository.
- The system is a small CRM with ad-hoc features added over 7 years.
- There are no tests.
Task for the first message:
1. Ask me for exactly the information you need (directory listing, config files, etc.) to form a first architecture map.
2. Propose a concrete 4-week refactoring roadmap that:
- reduces the biggest risks,
- introduces tests in the most critical areas,
- does NOT require a full rewrite.
3. For each week, define success criteria that I can objectively check in Git.Szenario: Agentischer Helfer beim Frontend-Prototyping
Hier wird die Fähigkeit getestet, responsive Landing Pages zu entwerfen und technische Hinweise zu geben.
You are my front-end engineering partner.
Goal:
I want a responsive landing page for a cardiology clinic with:
- hero section,
- three service sections,
- testimonials,
- contact form.
Task:
1. Ask any clarifying questions you need about branding, tone, and target audience.
2. Generate a first HTML+CSS prototype that uses semantic HTML and is framework-agnostic.
3. Explain, in comments inside the code, where I should later integrate analytics, consent management, and form handling.
4. Suggest three A/B test ideas for the hero section copy and layout.
Quelle: workspace.google.com
Gemini kann detaillierte Testpläne und -szenarien generieren, wie hier eine Tabelle für User Acceptance Tests.
Ein Praxisvideo, in dem Gemini 3 Pro als Coding-Agent genutzt wird, ist unter youtube.com verfügbar.
Quelle: YouTube
Lange Kontexte und Dokumentenanalyse
Die Vertex-AI-Dokumentation hebt hervor, dass Gemini 3 Pro Varianten mit sehr langem Kontextfenster bietet, die große Dokumente, Codebasen und multimodale Daten verarbeiten können (Google Cloud Documentation). Datastudios beschreibt, wie diese Langkontext-Varianten für die Analyse umfangreicher Dokumentensammlungen genutzt werden können (datastudios.org). Tests sind sinnvoll, wenn die Aufgabe den langen Kontext wirklich benötigt, wie ganze Wissensbasen oder Requirements-Sammlungen.
Szenario: Produktdokumentation + Tickets zusammenführen
Dieses Szenario testet die Fähigkeit, große Mengen an Textdaten zu verarbeiten und daraus einen mentalen Produktmodell zu erstellen.
You are acting as a product architect.
Input:
- I will paste the current product requirements document (about 80 pages).
- I will then paste a dump of 50 recent Jira tickets and 30 user feedback excerpts.
Task:
1. Build a concise mental model of the product: core user types, main flows, technical constraints.
2. Identify contradictions between the official requirements and what users actually report.
3. Suggest a prioritized list of 10 changes (features or fixes) that would have the highest impact in the next 3 months.
4. For each change, reference which parts of the requirements and which tickets/feedback you used.Szenario: Diplomarbeit oder technischer Bericht prüfen lassen
Hier wird die Fähigkeit geprüft, lange Texte zu analysieren, Argumente zu extrahieren und Verbesserungsvorschläge zu machen.
You are an experienced thesis reviewer in business informatics.
I will paste my full thesis chapter by chapter.
Task:
1. For each chapter, extract the core argument in 3–5 sentences.
2. Point out weak spots in logic, missing literature connections, or inconsistent terminology.
3. Suggest concrete improvements and examples, but keep my original writing style as much as possible.
4. At the end, propose a one-page summary that I could adapt into a presentation.Solche Prompts nutzen die Fähigkeit, sehr lange Texte konsistent im Blick zu behalten, was Google für die Enterprise-Varianten von Gemini 3 hervorhebt (Google Cloud).
Bildgenerierung mit Nano Banana Pro
Für Bildgenerierung setzt Google auf Nano Banana Pro, offiziell als „Gemini 3 Pro Image“ beschrieben (deepmind.google). Nano Banana Pro wird als State-of-the-Art-Bildmodell vorgestellt, das auf Gemini 3 Pro aufbaut und sich für Infografiken, Diagramme und realistische Kompositionen eignet (blog.google). Es kann über Google AI Studio, Vertex AI und weitere Plattformen angesprochen werden, um Studio-Qualität bei Bildgenerierung und -bearbeitung zu erreichen (blog.google). Sinnvolle Tests verbinden Text, Daten und Visualisierung.
Szenario: Infografik aus Metriken generieren
Dieses Szenario testet die Fähigkeit, aus Metriken visuelle Konzepte zu entwickeln und detaillierte Bildprompts zu erstellen.
You are my visual communication partner.
Context:
I will give you key metrics from a cardiology clinic website (traffic sources, conversion rates, and demographic data).
Task:
1. Propose three different infographic concepts that would help a non-technical doctor understand the situation.
2. For the concept you consider best, write a detailed image prompt for Nano Banana Pro that includes:
- layout,
- color scheme,
- labels and text (in German),
- how to visualize uncertainty or missing data.
3. Suggest a short caption that I can use next to the infographic on the website.Ein Beispiel für die Integration von Nano Banana Pro in professionelle Workflows findet sich in der Zusammenarbeit mit Adobe Firefly und Photoshop (adobe.com).
Gemini 3 bündelt Entwicklungen wie starkes Reasoning, multimodales Verständnis, lange Kontexte und agentisches Coding in enger Integration mit Google-Werkzeugen (blog.google). Anspruchsvolle, mehrstufige Aufgaben und große Datenmengen sind die eigentlichen Stärken (deepmind.google). Tests sollten Gemini 3 gezielt mit realistischen Szenarien konfrontieren: komplexe Planungen, echte Repositories, lange Vertrags- oder Dokumentensammlungen, gemischte Medien sowie Bildworkflows mit Nano Banana Pro (vellum.ai).
So zeigt sich im Alltag, ob das Modell für den eigenen Stack und die eigenen Prozesse einen Vorsprung bringt. Ein Vergleich mit anderen aktuellen Modellen in unabhängigen Video-Reviews ist unter youtube.com oder youtube.com möglich.