NotebookLM trägt seit dem 16. Juli 2026 offiziell einen neuen Namen: Gemini Notebook. Google hat die App in einem eigenen Blogbeitrag umbenannt und gleichzeitig tiefer in Workspace und Drive verankert. Wer die alte Oberfläche kennt, findet sich nach dem Login trotzdem schnell zurecht, denn Google hat den Kern des Produkts bewusst nicht angefasst. Diese Anleitung zeigt in 12 Schritten, wie du ein Konto einrichtest, Quellen hochlädst, Audio- und Video-Zusammenfassungen erzeugst und die Automatisierung per Google Apps Script anstößt. Am Ende steht ein komplettes Praxisprojekt, dazu Preistabellen, typische Fehler und eine Troubleshooting-Liste mit neun konkreten Problemen samt Lösung.
Die Zielgruppe des Tools hat sich seit dem Start 2023 deutlich erweitert. Ursprünglich als reines Rechercheexperiment für Studierende gedacht, nutzen inzwischen auch Entwicklerteams, Journalistinnen, Anwaltskanzleien und Produktteams NotebookLM, um große Mengen an Fachliteratur, internen Dokumentationen oder Interviewmitschnitten schnell auszuwerten. Wer schon mit RAG-Systemen oder eigenen LLM-Pipelines gearbeitet hat, wird das Grundprinzip sofort wiedererkennen, nur ohne eigenen Infrastrukturaufwand.
Was ist NotebookLM – und warum heißt es jetzt Gemini Notebook?
NotebookLM ist ein KI-gestützter Recherche-Assistent von Google, der ausschließlich mit den Dokumenten arbeitet, die du selbst hochlädst. Statt aus dem freien Web zu halluzinieren, beantwortet das Modell Fragen nur auf Basis deiner PDFs, Google Docs, Audiodateien oder Webseiten und liefert dazu Zitate mit exakter Fundstelle. Genau dieses Prinzip des source-grounded Antwortens hat das Tool seit dem Start 2023 von einem Nischenprodukt zu einem der meistgenutzten KI-Werkzeuge bei Google gemacht.
Der praktische Nutzen liegt vor allem darin, große, unübersichtliche Dokumentenmengen in eine navigierbare Wissensbasis zu verwandeln, ohne dass dafür Programmierkenntnisse nötig sind. Ein Vertriebsteam kann so zehn Wettbewerbsanalysen gleichzeitig auswerten, eine Redaktion kann Interviewmitschnitte durchsuchbar machen, und ein Entwicklerteam kann interne Architekturdokumente befragen, ohne jedes Dokument einzeln durchzuklicken.
Am 8. Juni 2026 hat Google die Engine unter der Haube ausgetauscht: NotebookLM läuft seither auf Gemini 3.5 in Kombination mit Antigravity, der agentischen Orchestrierungsschicht, die Google bei der I/O 2026 vorgestellt hatte. Laut dem offiziellen Blogpost “Do better research with NotebookLM” bringt das Update genauere Antworten und mehr Einblick in den Denkprozess des Modells. Vorher war die App im Spätjahr 2025 bereits von Gemini 2.5 Flash auf Gemini 3 umgestiegen, das Sommer-Update 2026 war also schon der zweite Modellwechsel innerhalb weniger Monate.
Die Umbenennung zu Gemini Notebook folgte gut fünf Wochen später. Google betont im Rebranding-Beitrag, dass es sich um “das gleiche eigenständige Produkt” handelt, das nun aber tiefer ins Google-Ökosystem eingebunden ist, inklusive eines dedizierten sicheren Cloud-Rechners pro Notizbuch für komplexere Auswertungen. Nach Angaben von Josh Woodward, Vizepräsident von Google Labs, hatte das Tool zum Zeitpunkt der Umbenennung mehr als 30 Millionen Nutzer und über 600.000 Organisationen erreicht. In dieser Anleitung verwenden wir aus Lesbarkeitsgründen weiter den Namen NotebookLM, meinen damit aber durchgehend die aktuelle Version Gemini Notebook.
Der erwähnte sichere Cloud-Rechner ist mehr als ein Marketingbegriff. Google beschreibt damit eine isolierte Recheneinheit, die pro Notizbuch bereitsteht, um rechenintensivere Auswertungen wie das gleichzeitige Durchsuchen vieler großer Quellen oder das Erzeugen mehrerer Studio-Formate hintereinander zuverlässiger abzuwickeln, ohne dass Nutzer selbst Server oder Kontingente verwalten müssen. Für Entwicklerteams, die sonst eigene Infrastruktur für Retrieval-Augmented-Generation aufsetzen, ersetzt das im Kleinen einen kompletten Betriebsaufwand, den man sonst selbst tragen müsste.
Voraussetzungen: Konto, Limits und unterstützte Dateiformate
Für den Einstieg brauchst du nur ein kostenloses Google-Konto und einen aktuellen Browser wie Chrome, Firefox oder Edge. Eine App gibt es aktuell nicht als eigenständige Installation, NotebookLM läuft vollständig im Browser unter notebooklm.google.com. Wichtiger als die Software sind die Limits, denn sie bestimmen, wie du ein Projekt strukturierst. Die Standard-Version ist kostenlos und laut der offiziellen Google-Hilfeseite auf 100 Notizbücher, 50 Quellen pro Notizbuch und 50 Chat-Anfragen pro Tag begrenzt.
Ein API-Schlüssel oder eine separate Installation ist nicht nötig, das unterscheidet den Einstieg deutlich von Open-Source-Alternativen wie einer eigenen RAG-Pipeline mit Vektordatenbank. Wer privat testet, meldet sich mit dem persönlichen Google-Konto an. Wer im Team arbeitet, sollte vorher klären, ob die Organisation ein reguläres Workspace-Konto oder ein Konto mit AI-Ultra- beziehungsweise AI-Expanded-Access nutzt, denn davon hängt ab, welche Funktionen und Freigabeoptionen tatsächlich sichtbar sind. Mobile Nutzung funktioniert über den Browser der Smartphones, eine native App für iOS oder Android bietet Google für NotebookLM bislang nicht an.
Jede einzelne Quelle darf laut Google bis zu 500.000 Wörter oder 200 MB umfassen, wenn du eine Datei lokal hochlädst. Damit passt selbst ein umfangreiches Fachbuch problemlos in eine einzige Quelle. Die unterstützten Formate sind auf der offiziellen Support-Seite detailliert aufgelistet und reichen deutlich weiter, als viele erwarten.
| Quellentyp | Unterstützte Formate | Besonderheit |
|---|---|---|
| Dokumente | PDF, DOCX, TXT, Markdown (.md), CSV, PPTX | Bis zu 500.000 Wörter pro Datei |
| Google Drive | Google Docs, Google Slides, Google Sheets | Slides bis 100 Folien, Sheets bis 100.000 Tokens |
| Audio | MP3, WAV, M4A und rund 20 weitere Formate | Wird automatisch transkribiert |
| Bilder | PNG, JPEG, WEBP, HEIC, TIFF und weitere | Diagramme werden nicht immer zuverlässig erkannt |
| Web und Video | Öffentliche Webseiten, YouTube-Links | YouTube benötigt verfügbare Untertitel |
| Sonstiges | ePub, eingefügter Text, Gemini-Chats | Gemini-Chats lassen sich direkt als Kontext übernehmen |
Diese Formatvielfalt ist der eigentliche Grund, warum sich NotebookLM für gemischte Rechercheprojekte eignet, etwa wenn ein Interview als Audiodatei, die dazugehörige Studie als PDF und ergänzende Notizen als Google Doc gemeinsam ausgewertet werden sollen.
Beispielausgabe: So sieht eine typische Antwort aus
Bevor es an die eigentlichen Schritte geht, lohnt ein Blick darauf, was NotebookLM am Ende tatsächlich ausgibt. Das folgende Beispiel zeigt eine typische Chat-Antwort, nachdem drei technische PDFs zu einem Sicherheitsstandard hochgeladen wurden.
Frage: Welche drei Kontrollen fordert der Standard für die
Schlüsselverwaltung?
Antwort: Der Standard verlangt erstens eine getrennte Aufbewahrung
von Schlüsseln und verschlüsselten Daten [1], zweitens eine
verpflichtende Rotation aller produktiven Schlüssel binnen 90
Tagen [2] und drittens ein protokolliertes Vier-Augen-Prinzip bei
jedem manuellen Schlüsselzugriff [1][3].
[1] sicherheitsstandard_kapitel4.pdf, Abschnitt 4.2
[2] sicherheitsstandard_kapitel4.pdf, Abschnitt 4.5
[3] audit_leitfaden.pdf, Seite 12Jede eckige Klammer ist klickbar und öffnet die Originalquelle an exakt der zitierten Stelle. Fehlt eine Information in den hochgeladenen Dokumenten, antwortet NotebookLM in der Regel mit einem Hinweis wie “Diese Information konnte in den bereitgestellten Quellen nicht gefunden werden”, statt eine plausible, aber unbelegte Antwort zu erfinden. Genau dieses Verhalten ist der Kern des source-grounded Ansatzes und der Hauptunterschied zu einem allgemeinen Chatbot ohne Quellenbindung.
Auch ein Audio Overview folgt einer erkennbaren Struktur. Der Ausschnitt unten zeigt den typischen Einstieg in eine automatisch generierte Dialog-Zusammenfassung zu denselben drei PDFs.
[00:00] Stimme A: Heute schauen wir uns an, wie robust die
Schlüsselverwaltung in diesem neuen Sicherheitsstandard eigentlich
ist. Es gibt da drei Kernanforderungen, die mir sofort aufgefallen
sind.
[00:12] Stimme B: Genau, und die erste ist ziemlich streng: Schlüssel
und verschlüsselte Daten müssen komplett getrennt aufbewahrt werden.
Das klingt banal, ist in der Praxis aber oft der Punkt, an dem
Audits scheitern.
[00:24] Stimme A: Und dazu kommt die 90-Tage-Rotationspflicht, die
zweite Anforderung aus Kapitel vier...Diese Struktur lässt sich über den Fokus-Prompt aus Schritt 5 gezielt verändern, etwa um die Tonalität ernster oder die Länge kürzer zu machen, ohne die inhaltliche Quellenbindung zu verlieren.
Schritt 1 bis 3: Konto vorbereiten, Notizbuch anlegen, Quellen hochladen
Schritt 1: Google-Konto öffnen und NotebookLM starten. Rufe notebooklm.google.com auf und melde dich mit deinem privaten Google-Konto oder einem von der IT-Abteilung freigegebenen Workspace-Konto an. In Unternehmen entscheidet die Google-Workspace-Verwaltung, ob Gemini Notebook für die Domain aktiv ist. Falls die Startseite leer bleibt oder eine Fehlermeldung erscheint, prüft ein Administrator den Zugriff über die Admin-Konsole.
Schritt 2: Erstes Notizbuch anlegen. Klicke auf “Neues Notizbuch” und vergib einen klaren Titel. Google generiert zwar automatisch einen Titelvorschlag aus den ersten Quellen, eine eigene Benennung nach Projekt und Datum erleichtert aber die spätere Suche, sobald mehrere Dutzend Notizbücher existieren. Jedes Notizbuch bekommt außerdem automatisch ein eigenes Symbol und eine Kurzfarbe zugewiesen, was bei vielen parallelen Projekten die visuelle Unterscheidung in der Übersicht erleichtert.
Schritt 3: Quellen hochladen. Über den Button “Quelle hinzufügen” lassen sich Dateien per Drag-and-drop ablegen, aus Google Drive einbinden oder als Web-Link einfügen. Bevor du größere Batches hochlädst, lohnt sich eine kurze Prüfung der Dateigröße, damit du nicht mitten im Upload am 200-MB-Limit scheiterst. Die Verarbeitung neuer Quellen dauert je nach Umfang wenige Sekunden bis knapp zwei Minuten, ein kleiner Fortschrittsbalken pro Quelle zeigt an, wann eine Datei chatbereit ist. Bei sehr vielen gleichzeitig hochgeladenen Dateien empfiehlt es sich, die Verarbeitung abzuwarten, bevor die ersten Fragen gestellt werden, da sonst nur die bereits fertig verarbeiteten Quellen in die Antwort einfließen.
# Vor dem Upload: Dateigrößen aller PDFs im Ordner prüfen
du -h ./recherche-quellen/*.pdf | sort -h
# Dateien über 200 MB herausfiltern, bevor NotebookLM sie ablehnt
find ./recherche-quellen -name "*.pdf" -size +200MEine bewährte Namenskonvention spart später Zeit: Datum, Projektkürzel und Quellentyp im Dateinamen sortieren die Quellen automatisch chronologisch, etwa 2026-09-14_projekt-x_interview.pdf. Bei 50 Quellen pro Notizbuch im kostenlosen Tarif macht sich diese Ordnung schnell bezahlt.
Schritt 4 bis 6: Chat, Audio Overview und Video Overview
Schritt 4: Im Chat-Panel Fragen stellen. Sobald mindestens eine Quelle verarbeitet ist, öffnet sich rechts das Chat-Fenster. Jede Antwort enthält nummerierte Zitate, ein Klick darauf springt direkt an die Fundstelle im Originaldokument. Das unterscheidet NotebookLM von einem klassischen Chatbot: Es beantwortet nichts, was nicht in den Quellen steht, und weist das auch explizit aus. Ein Beispiel für eine solche Antwort samt Zitaten findest du im Abschnitt weiter oben. Praktisch ist außerdem, dass sich einzelne Quellen im Chat gezielt an- oder abwählen lassen, etwa um eine Frage bewusst nur auf ein bestimmtes Dokument zu beziehen, statt alle 50 möglichen Quellen gleichzeitig einzubeziehen.
Schritt 5: Audio Overview erzeugen. Über den Reiter “Studio” lässt sich aus den Quellen ein gesprochener Podcast im Dialogformat generieren, bei dem zwei KI-Stimmen die Inhalte diskutieren. Seit dem Gemini-3.5-Update lässt sich der Fokus per Freitext-Prompt steuern, etwa um die Zusammenfassung auf ein bestimmtes Kapitel oder eine Zielgruppe zuzuschneiden.
Beispiel-Prompt für ein fokussiertes Audio Overview:
"Konzentriere dich ausschließlich auf die methodischen Schwächen
der Studie aus Quelle 2. Diskutiere die beiden Positionen wie ein
kritisches Fachgespräch zwischen einer Statistikerin und einem
Journalisten, maximal 8 Minuten Länge."Schritt 6: Video Overview generieren. Analog zum Audio Overview erstellt NotebookLM aus denselben Quellen eine animierte, dokumentarische Zusammenfassung mit Bildern, Diagrammen und Sprecherstimme. Im kostenlosen Tarif stehen dafür laut aktuellen Preisübersichten drei Video Overviews pro Tag zur Verfügung, im Plus-Tarif sind es sechs. Die Generierung dauert je nach Quellenmenge zwischen zwei und acht Minuten, während der Laufzeit lässt sich in einem anderen Browser-Tab problemlos weiterarbeiten, da der Prozess serverseitig bei Google läuft.
Schritt 7 bis 9: Mind Maps, Berichte und Deep Research
Schritt 7: Mind Map erstellen. Die Mind-Map-Funktion visualisiert die Kernthemen eines Notizbuchs als verzweigten Baum. Praktisch für Einstiegsrecherchen, weil sie in Sekunden zeigt, welche Unterthemen in den Quellen überhaupt vorkommen, bevor man sich in Details verliert. Jeder Ast lässt sich einzeln aufklappen und führt zu weiteren Unterästen, sodass auch bei umfangreichen Quellensammlungen mit vielen Dutzend Seiten eine grobe Struktur sichtbar wird, ohne alles einmal komplett gelesen zu haben.
Schritt 8: Bericht, Flashcards oder Quiz exportieren. Im Studio-Bereich lassen sich strukturierte Berichte, Lernkarten und Quizfragen direkt aus den Quellen generieren und als Google Doc exportieren. Jedes dieser Formate ist im kostenlosen Tarif auf 10 Generierungen pro Tag begrenzt, was für den Alltag der meisten Einzelnutzer ausreicht. Berichte lassen sich zusätzlich über einen Freitext-Prompt auf ein bestimmtes Format zuschneiden, etwa als Entscheidungsvorlage mit klarer Pro-Kontra-Struktur oder als chronologische Zeitleiste, wenn die Quellen einen Verlauf über mehrere Jahre abbilden. Flashcards und Quizze eignen sich besonders für Einarbeitungsphasen, etwa wenn neue Teammitglieder sich schnell in ein bestehendes Regelwerk einarbeiten müssen.
Schritt 9: Deep Research für aktuelle Web-Quellen nutzen. Anders als die klassische Quellenverwaltung sucht Deep Research eigenständig im offenen Web nach passenden Ergänzungen und schlägt sie zur Aufnahme ins Notizbuch vor. Das ist der klarste Schritt hin zu einem agentischen Werkzeug, wie es ein aktueller Produkttest von AI Central Resources beschreibt. Im Free-Tarif stehen zehn Deep-Research-Läufe pro Monat zur Verfügung. Die vorgeschlagenen Quellen werden nicht automatisch übernommen, sondern zunächst als Liste angezeigt, aus der man einzeln auswählt, welche Treffer tatsächlich ins Notizbuch aufgenommen werden. Das verhindert, dass sich fragwürdige oder irrelevante Web-Funde ungeprüft in die Quellenbasis mischen.
Beispiel-Prompt für Deep Research:
"Suche aktuelle, unabhängige Quellen zu den regulatorischen Folgen
der neuen KI-Verordnung für mittelständische Softwarefirmen in
Deutschland. Bevorzuge Primärquellen wie Gesetzestexte und
Stellungnahmen von Branchenverbänden, keine Meinungsblogs."Schritt 10 bis 12: Teilen, Automatisierung und Rollout im Unternehmen
Schritt 10: Notizbuch teilen. Über “Teilen” lässt sich ein Notizbuch für einzelne Google-Konten oder eine ganze Domain freigeben, inklusive Lese- oder Bearbeitungsrechten. Für Teams empfiehlt sich ein gemeinsamer Drive-Ordner als Quellenablage, damit alle Beteiligten automatisch dieselbe Version sehen. Bearbeitungsrechte erlauben es eingeladenen Personen, eigene Quellen zu ergänzen und selbst Audio- oder Video-Zusammenfassungen zu erzeugen, Leserechte beschränken den Zugriff auf das Chat-Fenster und bereits erzeugte Inhalte.
Schritt 11: Quellenablage mit Apps Script automatisieren. NotebookLM selbst bietet keine öffentliche Consumer-API zum Scripten von Notizbüchern, wohl aber lässt sich die Vorbereitung der Quellen in Drive automatisieren. Das folgende Apps-Script-Snippet sortiert neu hochgeladene Dateien aus einem Sammelordner automatisch in projektbezogene Unterordner, die du dann in NotebookLM verknüpfst.
function sortiereQuellenNachProjekt() {
var sammelordner = DriveApp.getFolderById('DEINE_ORDNER_ID');
var dateien = sammelordner.getFiles();
while (dateien.hasNext()) {
var datei = dateien.next();
var name = datei.getName();
var projektkuerzel = name.split('_')[1]; // z.B. "projekt-x"
if (projektkuerzel) {
var zielordner = getOrCreateFolder(projektkuerzel);
datei.moveTo(zielordner);
}
}
}
function getOrCreateFolder(name) {
var ordner = DriveApp.getFoldersByName(name);
return ordner.hasNext() ? ordner.next() : DriveApp.createFolder(name);
}Schritt 12: Rollout in Google Workspace prüfen. In Unternehmen entscheidet die IT-Administration über die Freigabe. Laut dem offiziellen Google-Workspace-Update vom 16. Juli 2026 rollte Gemini Notebook zunächst an Domains mit AI Ultra Access und AI Expanded Access aus, mit gestaffeltem Rollout über Rapid- und Scheduled-Release-Kanäle. Administratoren prüfen den Status über die Admin-Konsole oder die Directory API. Domains im Scheduled-Release-Kanal erhalten neue Funktionen grundsätzlich später als Rapid-Release-Domains, was bei internen Rollout-Plänen und Schulungsterminen berücksichtigt werden sollte, damit nicht alle Teammitglieder zum gleichen Zeitpunkt denselben Funktionsstand erwarten.
# Nutzerstatus für ein Google-Workspace-Konto abfragen
# (Admin SDK Directory API, OAuth-Token vorausgesetzt)
curl -s -X GET \
"https://admin.googleapis.com/admin/directory/v1/users/USER_EMAIL" \
-H "Authorization: Bearer $ACCESS_TOKEN" \
-H "Content-Type: application/json"Praxisprojekt: Vom PDF-Stapel zum fertigen Studienpaket
Damit die Theorie greifbar wird, hier ein durchgängiges Beispiel, das alle bisherigen Schritte in einem realistischen Ablauf zusammenführt: Ein Entwicklerteam bereitet sich auf ein internes Review zu einem neuen Sicherheitsstandard vor und hat dafür sieben PDFs, ein aufgezeichnetes Experten-Interview als MP3 und drei relevante Webseiten gesammelt. Ziel ist es, innerhalb eines Arbeitstages von den Rohdaten zu einem präsentationsreifen Ergebnis zu kommen, ohne dass jedes Teammitglied vorher alle Quellen einzeln gelesen haben muss.
- Alle Dateien werden nach dem Namensschema aus Schritt 3 umbenannt und in einen gemeinsamen Drive-Ordner gelegt.
- Ein neues Notizbuch “Sicherheitsstandard-Review-2026” wird angelegt, alle elf Quellen werden hochgeladen und verarbeitet.
- Im Chat werden zunächst offene Verständnisfragen geklärt, etwa zu Fachbegriffen, die in mehreren Quellen unterschiedlich definiert sind.
- Eine Mind Map verschafft dem Team einen Überblick über die Kernthemen, bevor die Agenda für das Review-Meeting geschrieben wird.
- Ein Audio Overview mit dem Fokus-Prompt aus Schritt 5 dient als 12-minütiges Pendler-Briefing für Teammitglieder, die die Quellen noch nicht gelesen haben.
- Ein strukturierter Bericht mit den zehn wichtigsten Handlungsempfehlungen wird als Google Doc exportiert und im Review verteilt.
- Nach dem Meeting ergänzt Deep Research zwei neue, seither veröffentlichte Stellungnahmen automatisch als weitere Quellen.
Der gesamte Durchlauf von der Rohdatei bis zum fertigen Bericht dauert in der Praxis rund 45 bis 60 Minuten, der Großteil davon entfällt auf das Lesen und Prüfen der generierten Inhalte, nicht auf die technische Bedienung. Wer dasselbe Projekt regelmäßig wiederholt, etwa als monatliches Update zu einem laufenden Standardisierungsprozess, kann den Drive-Ordner aus Schritt 11 dauerhaft als Quelle verknüpft lassen und muss beim nächsten Durchlauf nur noch neue Dateien einspielen, statt das Notizbuch komplett neu aufzusetzen. Das spart bei wiederkehrenden Reviews deutlich Zeit gegenüber einem kompletten Neuanfang jedes Mal.
NotebookLM Free vs. Plus: Preise und Limits im Vergleich
Für die meisten Einzelnutzer reicht der kostenlose Standard-Tarif aus. Wer regelmäßig größere Teams oder mehrere Projekte parallel betreut, stößt an die täglichen Limits für Audio- und Video-Generierung schneller als erwartet. Google AI Plus, das NotebookLM Plus enthält, ist in den USA für 4,99 US-Dollar pro Monat buchbar. Einen offiziell bestätigten Eurotarif für Deutschland nennt Google in seinen aktuellen Produktmitteilungen nicht, der tatsächliche Preis erscheint erst lokalisiert im Google-Konto beim Checkout.
Bemerkenswert ist, wie stark sich die Struktur der Limits seit dem ursprünglichen Start 2023 verändert hat. Damals gab es nur eine einzige kostenlose Stufe mit deutlich engeren Grenzen und ganz ohne die heutigen Studio-Formate wie Video Overview oder Mind Maps. Die heutige Staffelung in vier Stufen spiegelt vor allem wider, wie unterschiedlich Nutzergruppen das Tool einsetzen, von der gelegentlichen Recherche bis zur täglichen Analyse hunderter Dokumente in großen Organisationen.
| Limit | Free (Standard) | Plus (Google AI Plus) |
|---|---|---|
| Notizbücher | 100 | 200 |
| Quellen pro Notizbuch | 50 | 100 |
| Chat-Anfragen pro Tag | 50 | 200 |
| Audio Overviews pro Tag | 3 | 6 |
| Video Overviews pro Tag | 3 | 6 |
| Berichte, Flashcards, Quizze, Mind Maps pro Tag | je 10 | je 20 |
| Deep-Research-Läufe pro Monat | 10 | höher, nicht exakt beziffert |
| Preis pro Monat | 0 $ | 4,99 $ (USA, Bestandteil von Google AI Plus) |
Oberhalb von Plus positioniert Google die Tarife Pro und Ultra mit noch einmal deutlich höheren Kontingenten. Mehrere unabhängige Preis-Tracker wie NotebookLM Pricing Guide beziffern Pro auf rund 300 Quellen pro Notizbuch, Ultra je nach Speichervariante auf 500 bis 600 Quellen und bis zu 200 Audio Overviews am Tag. Eine offizielle, tabellarische Bestätigung dieser genauen Zahlen veröffentlicht Google bislang nicht, weshalb sie hier bewusst als Richtwert und nicht als bestätigte Herstellerangabe gekennzeichnet sind.
Für die Praxis heißt das: Einzelpersonen und kleine Teams kommen mit dem kostenlosen Tarif meist erstaunlich weit, solange sie die täglichen Kontingente kennen und Projekte entsprechend planen. Ein Upgrade auf Plus lohnt sich vor allem dann, wenn regelmäßig mehrere Audio- oder Video-Zusammenfassungen am selben Tag gebraucht werden, etwa in Redaktionen oder Beratungsteams mit engem Taktzeitplan. Pro und Ultra richten sich dagegen an Nutzer mit sehr umfangreichen Quellensammlungen, etwa in der akademischen Forschung oder bei mehrjährigen Rechtsverfahren mit hunderten Dokumenten.
NotebookLM vs. ChatGPT Projekte vs. Claude Projects
Alle drei großen KI-Anbieter haben inzwischen eine Variante von quellengebundenen Arbeitsbereichen im Programm, die Herangehensweisen unterscheiden sich aber deutlich. NotebookLM ist von Grund auf für das Zitieren aus eigenen Dokumenten gebaut und zeigt bei jeder Antwort die exakte Fundstelle. ChatGPT-Projekte bündeln Dateien und Chatverläufe in einem Arbeitsbereich, sind aber primär als allgemeiner Assistent konzipiert und weniger strikt auf Quellentreue ausgelegt. Claude Projects wiederum punktet mit einem großen Kontextfenster und eignet sich gut für Code- und Textanalyse über viele Dateien hinweg, bietet aber keine vergleichbaren Audio- oder Video-Zusammenfassungen.
| Kriterium | NotebookLM | ChatGPT Projekte | Claude Projects |
|---|---|---|---|
| Zitate mit Fundstelle | Ja, standardmäßig | Eingeschränkt | Eingeschränkt |
| Audio-Zusammenfassung | Ja (Audio Overview) | Nein | Nein |
| Video-Zusammenfassung | Ja (Video Overview) | Nein | Nein |
| Eigenständige Websuche für neue Quellen | Ja (Deep Research) | Ja (Web-Browsing) | Eingeschränkt |
| Kostenloser Einstieg | Ja, mit festen Tageslimits | Ja, mit Nachrichtenlimit | Ja, mit Nachrichtenlimit |
Für Teams, die vor allem strikt quellenbasiert arbeiten müssen, etwa in der Rechtsrecherche oder wissenschaftlichen Auswertung, bleibt NotebookLM aktuell das spezialisiertere Werkzeug. Wer dagegen einen einzigen Assistenten für Code, Text und Recherche gleichzeitig sucht, ist mit ChatGPT oder Claude oft besser bedient. In der Praxis schließen sich die Werkzeuge nicht gegenseitig aus: Viele Teams nutzen NotebookLM gezielt für die Auswertung fester Quellensammlungen und greifen für offene Aufgaben wie Textentwürfe oder Code-Reviews parallel auf ein zweites Werkzeug zurück, statt sich auf einen einzigen Anbieter festzulegen.
Die häufigsten Fehler beim Einstieg
- Zu viele Quellen auf einmal hochladen. Wer alle 50 Slots sofort mit unsortierten Dateien füllt, bekommt unscharfe Antworten, weil das Modell zwischen zu vielen thematisch losen Dokumenten abwägen muss. Besser: Notizbücher nach klar abgegrenzten Fragestellungen aufteilen, statt ein einziges Sammelbecken für ein ganzes Projektjahr anzulegen.
- Tageslimits ignorieren und mittendrin abbrechen. Wer erst nach dem dritten Audio Overview merkt, dass das Tageslimit erreicht ist, verliert Zeit. Die Limits aus der Preistabelle vorher einplanen spart Frust im Team-Alltag, besonders kurz vor einem Meeting, wenn die Zusammenfassung noch schnell fertig werden soll.
- Scans ohne Texterkennung hochladen. Reine Bild-PDFs ohne OCR-Schicht liefern der KI keinen durchsuchbaren Text. Vor dem Upload lohnt eine schnelle OCR-Prüfung, etwa mit einem lokalen Tool wie ocrmypdf, sonst bleibt der Chat bei Fragen zu diesem Dokument auffällig einsilbig.
- Generierte Berichte ungeprüft weiterverwenden. Auch bei striktem Quellenbezug bleiben Zusammenfassungen Interpretationen. Zitate im Bericht sollten stichprobenartig mit der Originalquelle abgeglichen werden, bevor sie in offizielle Dokumente wandern, denn ein falsch zugeordnetes Zitat fällt sonst erst beim externen Review auf.
- Freigaben zu großzügig vergeben. Ein für die ganze Domain freigegebenes Notizbuch mit sensiblen internen Dokumenten ist ein häufiger Konfigurationsfehler. Freigaben sollten grundsätzlich auf einzelne Gruppen oder Personen begrenzt werden, auch wenn die domainweite Option im Freigabe-Dialog bequemer wirkt.
- Den Modellwechsel im Juni 2026 übersehen. Wer alte Screenshots oder Tutorials aus der Zeit vor Gemini 3.5 befolgt, wundert sich über veränderte Antwortqualität und neue Buttons im Studio-Bereich. Die Oberfläche hat sich seit dem Update spürbar erweitert, ältere Anleitungen aus 2025 bilden den aktuellen Funktionsumfang nicht mehr vollständig ab.
Fortgeschrittene Tipps für den produktiven Alltag
Wer NotebookLM über den reinen Einstieg hinaus produktiv nutzen will, profitiert von ein paar Kniffen, die im Standard-Onboarding selten auftauchen. Erstens: Gemini-Chats lassen sich direkt als Quelle in ein Notizbuch übernehmen, wodurch sich Recherche-Vorarbeit aus einem normalen Gemini-Gespräch nahtlos weiterverwenden lässt, ohne Inhalte manuell zu kopieren.
Zweitens lohnt sich eine feste Namenskonvention für Notizbücher selbst, nicht nur für Quellen, etwa nach dem Schema Projekt-Kunde-Jahr. Bei 100 möglichen Notizbüchern im Free-Tarif wird die Suche sonst schnell unübersichtlich. Drittens hilft es, Audio Overviews gezielt für unterschiedliche Zielgruppen mit jeweils eigenem Fokus-Prompt zu erzeugen, etwa eine technische Version für das Entwicklerteam und eine vereinfachte Version für das Management, statt eine einzige generische Zusammenfassung für alle zu verwenden.
Viertens sollte man Mind Maps als Ausgangspunkt für Folgefragen nutzen: Ein Klick auf einen Ast der Karte formuliert automatisch eine passende Chat-Frage dazu, was schneller geht, als eigene Fragen zu tippen. Fünftens gilt für Deep Research: Je präziser der Suchauftrag formuliert ist, inklusive Ausschlusskriterien wie “keine Meinungsblogs”, desto brauchbarer sind die vorgeschlagenen neuen Quellen.
Sechstens lohnt sich ein Blick auf die Zitier-Funktion, wenn ein Bericht später in einem anderen Dokument weiterverwendet werden soll: Jede Fußnote lässt sich einzeln kopieren, inklusive Quellenverweis, was manuelles Nachschlagen im Original erspart. Siebtens gilt für größere Teams: Ein zentrales “Vorlagen-Notizbuch” mit den immer gleichen Ausgangsquellen, etwa Styleguides oder Unternehmensrichtlinien, lässt sich duplizieren und dient als Startpunkt für neue Projekte, statt jedes Mal von null anzufangen. Achtens hilft ein regelmäßiger Blick in die Kontoeinstellungen, um den aktuellen Stand der Tageslimits einzusehen, bevor ein wichtiger Termin ansteht, denn die Anzeige aktualisiert sich in Echtzeit und verhindert böse Überraschungen kurz vor einer Präsentation.
Troubleshooting: Häufige Probleme und Lösungen
Die meisten Probleme beim täglichen Einsatz lassen sich auf eine von drei Ursachen zurückführen: ein erreichtes Tageslimit, ein nicht unterstütztes Dateiformat oder eine fehlende Freigabe. Die folgende Tabelle deckt die neun häufigsten Fälle ab, die in Foren, Support-Anfragen und eigenen Tests immer wieder auftauchen.
| Problem | Wahrscheinliche Ursache | Lösung |
|---|---|---|
| Upload einer Datei schlägt fehl | Datei über 200 MB oder nicht unterstütztes Format | Dateigröße mit du -h prüfen, notfalls komprimieren oder aufteilen |
| Chat antwortet “Nicht in den Quellen gefunden” | Information steht tatsächlich nicht in den hochgeladenen Dokumenten | Fehlende Quelle ergänzen oder über Deep Research suchen lassen |
| Audio Overview bricht ohne Fehlermeldung ab | Tageslimit für den gebuchten Tarif erreicht | Bis zum nächsten Tag warten oder auf Plus upgraden |
| PDF wird verarbeitet, liefert aber keine brauchbaren Antworten | Gescanntes Dokument ohne OCR-Textschicht | Vor dem Upload mit einem OCR-Tool in durchsuchbaren Text umwandeln |
| Notizbuch für Kollegen nicht sichtbar | Freigabe fehlt oder falsches Google-Konto verwendet | Freigabe-Einstellungen prüfen und richtige Konto-Adresse eintragen |
| Gemini Notebook taucht im Workspace-Konto nicht auf | Domain hat noch keinen Rollout oder falsche Lizenz | Administrator prüft AI-Ultra- oder AI-Expanded-Access in der Admin-Konsole |
| YouTube-Quelle wird abgelehnt | Video hat keine verfügbaren Untertitel | Alternative Quelle mit Transkript verwenden, etwa die Audiodatei selbst |
| Mind Map bleibt sehr generisch | Zu wenige oder zu allgemeine Quellen im Notizbuch | Spezifischere, thematisch enger gefasste Quellen ergänzen |
| Apps-Script-Automatisierung läuft nicht | Fehlende Freigabe für den Zielordner in Drive | Skript-Ausführungsberechtigung und Ordner-ID erneut prüfen |
Bleibt ein Problem nach diesen Schritten bestehen, hilft in der Regel ein Blick in die offizielle NotebookLM-Hilfe von Google, die auch Statusmeldungen zu bekannten, vorübergehenden Störungen führt. Viele der oben genannten Fälle lassen sich zudem vermeiden, wenn man die Checkliste am Ende dieser Anleitung vor dem ersten größeren Projekt einmal komplett durchgeht, statt Probleme erst im laufenden Betrieb zu entdecken.
Grenzen von NotebookLM, die man vorher kennen sollte
So nützlich das Werkzeug ist, es hat klare Grenzen. Diagramme und komplexe Tabellen innerhalb eines PDFs werden nicht immer zuverlässig interpretiert, gerade bei mehrspaltigen Layouts oder handschriftlichen Anmerkungen kann die Texterkennung an ihre Grenzen stoßen. Eine öffentlich dokumentierte Consumer-API für eigene Integrationen fehlt weiterhin, wer NotebookLM in eine bestehende Softwarelandschaft einbinden will, bleibt auf Workarounds über Google Drive angewiesen. Zudem bleibt das Tool ein reiner Recherche- und Zusammenfassungsassistent, es schreibt keinen eigenständigen Code und ersetzt keine dedizierten Entwicklerwerkzeuge.
Auch die Aktualität der Quellen bleibt in der Verantwortung der Nutzer. Deep Research hilft zwar dabei, neue Web-Quellen zu finden, ersetzt aber keine systematische Marktbeobachtung. Wer auf tagesaktuelle Informationen angewiesen ist, etwa bei sich schnell ändernden gesetzlichen Vorgaben, sollte Notizbücher regelmäßig manuell aktualisieren, statt sich allein auf die automatische Vorschlagsfunktion zu verlassen.
Bei mehrsprachigen Quellensammlungen zeigt sich außerdem, dass die Antwortqualität je nach Sprachkombination schwankt. Deutsche Quellen mit englischen Fachbegriffen werden in der Regel zuverlässig verarbeitet, bei seltener vertretenen Sprachen oder starken Dialektformen in Audioquellen kann die automatische Transkription ungenauer ausfallen als bei Standarddeutsch oder Englisch. Ein kurzer Testlauf mit einer repräsentativen Beispielquelle vor dem großen Rollout deckt solche Schwächen frühzeitig auf.
Datenschutz und Sicherheit im Unternehmenseinsatz
Wer sensible Dokumente hochlädt, sollte vorher klären, welche Google-Kontoart tatsächlich verwendet wird. Ein privates Google-Konto und ein von der IT verwaltetes Workspace-Konto unterliegen unterschiedlichen Datenverarbeitungsbedingungen. Für Unternehmen mit AI Ultra Access oder AI Expanded Access, wie sie der offizielle Workspace-Rollout vom Juli 2026 beschreibt, greifen die vertraglichen Datenschutzregelungen der Workspace-Vereinbarung, nicht die Bedingungen für Privatnutzer.
Vor der Einführung im Team empfiehlt sich ein kurzer Abgleich mit der eigenen Rechtsabteilung oder dem Datenschutzbeauftragten, besonders wenn personenbezogene Daten aus Bewerbungen, Verträgen oder Kundenunterlagen Teil der Quellen werden sollen. Grundsätzlich gilt: Freigaben so eng wie möglich setzen, Notizbücher mit sensiblen Inhalten niemals domainweit freigeben, und regelmäßig prüfen, welche Konten überhaupt Zugriff auf ein Notizbuch haben.
Für deutsche und europäische Organisationen kommt ein weiterer Punkt hinzu: Bevor personenbezogene Daten aus Kunden- oder Personalunterlagen in ein Notizbuch wandern, lohnt sich die Prüfung, ob eine Auftragsverarbeitungsvereinbarung mit Google für die konkrete Nutzung greift und ob interne Richtlinien zur KI-Nutzung solche Datenkategorien überhaupt zulassen. Diese Abstimmung kostet am Anfang etwas Zeit, verhindert aber nachträgliche Konflikte mit dem Datenschutzbeauftragten, wenn ein Projekt bereits läuft.
Ein einfacher Praxis-Test hilft bei der Einschätzung: Würde man dasselbe Dokument auch einem externen Dienstleister ohne gesonderten Vertrag anvertrauen? Fällt die Antwort mit Nein aus, gehört das Dokument vermutlich auch nicht ungeprüft in ein Notizbuch, sondern zunächst auf den Prüfstand der internen Richtlinien. Dieser einfache Abgleich verhindert die meisten Datenschutz-Zwischenfälle, bevor sie überhaupt entstehen.
Checkliste für den ersten produktiven Einsatz
Vor dem ersten größeren Projekt lohnt sich ein kurzer Realitätscheck anhand der wichtigsten Punkte aus dieser Anleitung. Die folgende Liste fasst zusammen, was vor dem produktiven Einsatz geklärt sein sollte, damit das erste Projekt nicht an einer vermeidbaren Kleinigkeit scheitert.
- Kontoart geklärt: privates Google-Konto oder Workspace-Konto mit passendem Zugriffslevel.
- Quellen vorab nach Namenskonvention sortiert und auf Dateigröße geprüft.
- Tageslimits für Chat, Audio Overview und Video Overview eingeplant, bevor ein Team-Termin davon abhängt.
- Freigaben so eng wie möglich gesetzt, keine domainweiten Freigaben für sensible Notizbücher.
- Bei personenbezogenen Daten: Rücksprache mit Rechtsabteilung oder Datenschutzbeauftragtem gehalten.
- Bei wiederkehrenden Projekten: gemeinsamer Drive-Ordner als dauerhafte Quellenablage eingerichtet.
Häufig gestellte Fragen
Ist NotebookLM dasselbe wie Gemini Notebook?
Ja. Google hat das Produkt am 16. Juli 2026 umbenannt, die Kernfunktionen sind laut eigener Aussage unverändert geblieben, ergänzt um eine tiefere Workspace-Integration und den bereits erwähnten sicheren Cloud-Rechner pro Notizbuch. Bestehende Notizbücher, Freigaben und Quellen bleiben nach der Umbenennung unverändert erhalten.
Kostet NotebookLM etwas?
Die Standard-Version ist kostenlos nutzbar, inklusive 100 Notizbücher und 50 Quellen pro Notizbuch. Höhere Limits gibt es über Google AI Plus, das in den USA 4,99 US-Dollar im Monat kostet.
Welches KI-Modell steckt aktuell in NotebookLM?
Seit dem 8. Juni 2026 läuft NotebookLM auf Gemini 3.5 in Kombination mit Antigravity, Googles agentischer Orchestrierungsschicht.
Wie viele Quellen kann ein Notizbuch enthalten?
Im kostenlosen Tarif bis zu 50 Quellen, im Plus-Tarif bis zu 100. Jede einzelne Quelle darf bis zu 500.000 Wörter oder 200 MB umfassen.
Gibt es eine offizielle API für NotebookLM?
Eine öffentliche Consumer-API zum direkten Scripten von Notizbüchern bietet Google aktuell nicht. Automatisierbar ist aber die Vorbereitung der Quellen in Google Drive, etwa über Apps Script wie im Beispiel aus Schritt 11 dieser Anleitung. Entwickler, die tiefere Integrationen brauchen, sollten stattdessen prüfen, ob eine direkte Anbindung an die Gemini API für ihren Anwendungsfall die passendere Lösung ist.
Kann NotebookLM auch ohne Internetverbindung genutzt werden?
Nein. NotebookLM läuft vollständig als Web-Anwendung und verarbeitet Quellen serverseitig bei Google, eine Offline-Nutzung ist nicht vorgesehen. Wer eine lokale, vollständig offline lauffähige Alternative sucht, muss auf ein separates Open-Source-Werkzeug mit eigener Infrastruktur ausweichen.
Was ist der Unterschied zwischen Audio Overview und Video Overview?
Audio Overview erzeugt eine gesprochene Dialog-Zusammenfassung im Podcast-Stil, Video Overview ergänzt dieselbe Zusammenfassung um animierte Bilder und Diagramme aus den Quellen.
Eignet sich NotebookLM für juristische oder medizinische Recherche?
Das strikte Zitieren aus eigenen Quellen macht das Tool grundsätzlich geeignet für solche Fachbereiche, ersetzt aber keine fachliche Prüfung. Generierte Berichte sollten immer gegen die Originalquelle gegengelesen werden, bevor sie in verbindliche Dokumente einfließen.
Was passiert mit hochgeladenen Dokumenten nach dem Löschen eines Notizbuchs?
Beim Löschen eines Notizbuchs entfernt Google auch die darin gespeicherten Quellenverweise. Liegt eine Datei zusätzlich in Google Drive, bleibt sie dort unabhängig vom Notizbuch bestehen, bis sie separat gelöscht wird.
Lohnt sich der Umstieg von einer eigenen RAG-Pipeline auf NotebookLM?
Für Teams ohne eigenes Infrastrukturteam oft ja, da Hosting, Vektordatenbank und Modellauswahl entfallen. Wer bereits eine produktive, individuell angepasste Pipeline betreibt, etwa mit eigener Chunking-Strategie oder speziellen Zugriffsregeln, verliert bei einem Umstieg dagegen an Kontrolle über Details wie Retrieval-Parameter oder Modellwahl.
