Gemini API speichert Anfragen jetzt standardmäßig: Was Betriebe seit dem 26. Oktober prüfen sollten

Eine kleine Änderung mit großer Wirkung für alle, die Gemini in eigenen Automatisierungen einsetzen: Seit dem 26. Oktober 2026 speichert die Gemini API Anfragen bei neuen Projekten standardmäßig. Google hat das im Changelog der Gemini API unter dem 26. Oktober 2026 angekündigt und in der Dokumentation zu Logs und Datasets beschrieben.

Wenn Dein Betrieb Gemini über einen API-Schlüssel aus Google AI Studio nutzt, etwa in n8n, Make, Apps Script oder einer eigenen Anwendung, solltest Du diese Änderung kennen. In diesem Beitrag erklären wir, was gespeichert wird, wen es betrifft und welche Einstellungen Ihr jetzt prüfen solltet.

Was genau hat sich geändert?

Die Gemini API hat zwei Wege, Inhalte zu erzeugen: die klassische Generate Content API und die neuere Interactions API. Für beide gibt es eine Einstellung namens store. Steht sie auf true, werden Anfragen und Antworten als Logs im Projekt gespeichert.

• Interactions API: speichert Anfragen schon bisher standardmäßig, auch weil sie darüber den Gesprächszustand auf dem Server verwaltet.
• Generate Content API: speichert Anfragen jetzt standardmäßig für Projekte, die am oder nach dem 26. Oktober 2026 angelegt wurden.
• Bestehende Projekte: behalten ihre bisherige Einstellung. Laut Google ist das bei der Generate Content API aus, es sei denn, jemand hat die Speicherung vorher in AI Studio eingeschaltet.

Die Speicherung dieser Logs gibt es laut Dokumentation nur für Projekte im kostenpflichtigen Tarif der Gemini API.

Was wird gespeichert und wie lange?

In den Logs in Google AI Studio lassen sich laut Google die vollständige Eingabe, die Antwort von Gemini und der Kontext aus vorherigen Runden ansehen. Die Logs verfallen nach einer Standardfrist von 55 Tagen. Die Frist lässt sich pro Projekt auf 7, 14, 28 oder maximal 55 Tage einstellen.

Aus Logs lassen sich Datasets bilden, etwa um Testfälle zu sammeln oder Modelle zu vergleichen. Wichtig: Datasets verfallen nicht. Sie lassen sich als CSV, JSONL oder nach Google Sheets exportieren und auf Wunsch mit Google teilen, um die Entwicklung von Gemini zu unterstützen.

Nicht protokolliert werden laut Dokumentation derzeit unter anderem Imagen- und Veo-Modelle, Embedding-Modelle sowie Eingaben mit Videos, GIFs oder PDFs.

Abgrenzung: Logs im Projekt und Missbrauchserkennung

Die neuen Projekt-Logs sind nicht zu verwechseln mit der Speicherung zur Missbrauchserkennung. Laut den Nutzungsbedingungen der Gemini API verwendet Google bei kostenpflichtigen Diensten Eingaben und Antworten nicht, um Produkte zu verbessern, protokolliert sie aber für begrenzte Zeit, um Verstöße gegen die Nutzungsrichtlinien zu erkennen. Die Richtlinien zur Nutzung nennen dafür 55 Tage.

Bei kostenlosen Diensten, also etwa dem kostenlosen Kontingent oder der direkten Nutzung von AI Studio, nutzt Google die Inhalte laut den Bedingungen zur Verbesserung seiner Produkte, und Menschen können sie prüfen. Google rät ausdrücklich, dort keine sensiblen, vertraulichen oder personenbezogenen Daten einzugeben. Zudem dürfen Anwendungen für Nutzer im Europäischen Wirtschaftsraum, in der Schweiz und im Vereinigten Königreich nur mit kostenpflichtigen Diensten betrieben werden.

Die Änderung vom 26. Oktober betrifft also einen dritten Ort: Logs, die Du selbst im Projekt sehen, durchsuchen und exportieren kannst. Das ist praktisch, aber eben auch ein weiterer Ort, an dem Kundendaten liegen können.

Wen betrifft das im Mittelstand?

Betroffen sind vor allem Betriebe, die in letzter Zeit eine neue Automatisierung gebaut haben oder demnächst eine bauen. Typische Beispiele:

• Ein n8n-Workflow, der eingehende Anfragen mit Gemini klassifiziert und an die richtige Stelle weiterleitet.
• Eine Belegerkennung, die Daten aus Lieferscheinen ausliest. Wie das mit festen Formaten funktioniert, zeigt unser Beitrag zu strukturierten Ausgaben mit Gemini.
• Ein interner Assistent, der Fragen zu Handbüchern oder Arbeitsanweisungen beantwortet.

Wird für so ein Vorhaben ein neues Projekt in AI Studio oder Google Cloud angelegt, landen die Anfragen ab jetzt standardmäßig in den Logs. Darin stehen dann womöglich Namen, Adressen, Preise oder Inhalte von Kundenmails.

Nutzt Ihr Gemini dagegen über Google Cloud, im Rahmen der Gemini Enterprise Agent Platform, gelten dort eigene Einstellungen und Verträge. Dieser Beitrag bezieht sich auf die Gemini API über Google AI Studio.

Vorteile: warum Logs sinnvoll sein können

Gespeicherte Anfragen sind nicht per se schlecht. Sie helfen bei der Fehlersuche, wenn eine Automatisierung plötzlich falsche Ergebnisse liefert. Sie zeigen, wie Nutzer mit einem Assistenten tatsächlich umgehen. Und sie sind eine gute Grundlage für Testsätze, mit denen Ihr vor einem Modellwechsel prüft, ob die Qualität stimmt. Wie Ihr KI-Agenten im Betrieb insgesamt beobachtbar macht, beschreibt unser Beitrag zu Observability für KI-Agenten.

Entscheidend ist, dass die Speicherung eine bewusste Entscheidung ist und nicht einfach passiert.

Checkliste: Was Ihr jetzt prüfen solltet

1. Projekte erfassen: Welche Projekte mit Gemini-API-Schlüssel gibt es, wann wurden sie angelegt und welche Automatisierungen hängen daran?
2. Pro Projekt entscheiden: Braucht Ihr die Logs, etwa in der Entwicklungsphase? Oder verarbeitet das Projekt personenbezogene Daten, die nicht zusätzlich gespeichert werden sollen?
3. Einstellung setzen: In AI Studio lässt sich die Speicherung pro Projekt in den Einstellungen des Logs-Dashboards ein- und ausschalten, getrennt für Generate Content API und Interactions API. Alternativ setzt Ihr store pro Anfrage. Die Einstellung in der Anfrage hat Vorrang vor der Projekteinstellung. Laut Google braucht Ihr dafür bei der Generate Content API aktuelle SDK-Versionen, zum Beispiel google-genai ab 2.33.0 für Python oder @google/genai ab 2.31.0 für JavaScript.
4. No-Code-Werkzeuge beachten: Wenn Dein Werkzeug den Parameter store nicht anbietet, entscheidet die Projekteinstellung. Dann muss sie stimmen.
5. Frist verkürzen: Wenn Ihr Logs behaltet, prüft, ob 7 oder 14 Tage reichen. Weniger gespeicherte Daten heißt weniger Risiko.
6. Zugriff begrenzen: Wer Zugriff auf das Projekt hat, kann die Logs mit vollständigen Eingaben sehen. Haltet den Kreis klein und trennt Test und Betrieb in eigene Projekte.
7. Datasets bewusst nutzen: Da Datasets nicht verfallen, gehören personenbezogene Daten dort nur hinein, wenn es dafür einen klaren Grund gibt. Teilt keine Datasets mit Google, die Kundendaten enthalten.
8. Dokumentieren: Tragt die Speicherung in Euer Verzeichnis der Verarbeitungstätigkeiten und Euer Löschkonzept ein.

Und Gemini in Workspace?

Die Änderung betrifft nur die Gemini API. Für Gemini in Gmail, Docs oder Meet gelten die Einstellungen in der Workspace-Verwaltung. Dort gibt es seit dem 22. Oktober 2026 eine passende Neuerung: Google Vault kann Unterhaltungen mit Gemini in Workspace exportieren. Mehr dazu in unserem Beitrag Gemini-Unterhaltungen nachvollziehen mit Google Vault.

Einordnung für Eure KI-Strategie

Die Änderung zeigt, wie schnell sich Standards bei KI-Diensten verschieben. Was vor einem Monat galt, kann heute anders sein. Deshalb lohnt es sich, KI-Projekte nicht einmal aufzusetzen und dann zu vergessen, sondern sie regelmäßig zu prüfen: Kosten, Modellwahl, Datenflüsse und Einstellungen. Wie Ihr die Kostenseite im Griff behaltet, steht in KI-Kosten senken mit Modellwahl, Routing und Caching.

Wo Euer Betrieb bei Daten, Prozessen und Regeln für KI steht, könnt Ihr mit unserem AI Readiness Check für den Mittelstand in wenigen Minuten einschätzen. Hintergründe und eine strukturierte Vorgehensweise findet Ihr im Whitepaper AI Readiness 2026.

Fazit

Seit dem 26. Oktober 2026 speichert die Gemini API Anfragen bei neuen Projekten standardmäßig. Für die Fehlersuche ist das hilfreich, für den Datenschutz ist es ein weiterer Speicherort, den Ihr kennen und steuern müsst. Prüft Eure Projekte, entscheidet bewusst über Speicherung und Frist und haltet den Zugriff klein.

Du willst Eure Gemini-Automatisierungen einmal gemeinsam durchgehen? Buch Dir ein kostenloses Erstgespräch. Wir schauen auf Projekte, Einstellungen und Datenflüsse und sagen Dir ehrlich, wo Handlungsbedarf besteht.