Google AI ist eine leichtgewichtige Alternative zu Vertex AI – mit direktem API-Zugriff ohne GCP-Projekt-Setup. Claude Code unterstützt auch Google AI als Provider.
Hinweis: Diese Dokumentation beschreibt die Integration basierend auf Claude Code's Umgebungsvariablen. Die offizielle Dokumentation unter code.claude.com/docs ist die Autorität – falls es dort einen Google AI Docs-Link gibt, nutze den.
Voraussetzungen
- Google Cloud Project (kann kostenlos sein)
- Google AI API aktiviert in deinem Projekt
- API Key generiert (siehe Schritte unten)
- Zugriff auf Claude-Modelle (falls verfügbar)
Schritt 1: Google AI API-Key erstellen
1.1 Gehe zu Google AI Studio
Navigiere zu: https://ai.google.dev/
1.2 Erstelle einen API-Key
- Klick auf "Get API Key"
- Wähle oder erstelle ein GCP-Projekt
- Generiere einen neuen API-Key
- Kopiere den Key sicher ab
Sicherheits-Hinweis: Behandle den API-Key wie ein Passwort. Speichere ihn NICHT im Code – nutze Umgebungsvariablen oder Vault.
Schritt 2: Claude Code aktivieren
Setze diese Umgebungsvariable:
# Google AI aktivieren
export CLAUDE_CODE_USE_GOOGLE=1
# API-Key (optional – falls nicht via gcloud auth)
export GOOGLE_AI_API_KEY=your-api-key-here
Oder: Falls du bereits gcloud auth nutzt:
# API-Key wird automatisch aus gcloud credentials gelesen
export CLAUDE_CODE_USE_GOOGLE=1
Schritt 3: Modelle auswählen
Google AI unterstützt Claude-Modelle über APIs. Standard:
# Optional: Spezifische Modelle setzen
export ANTHROPIC_DEFAULT_SONNET_MODEL='claude-sonnet-4-6'
export ANTHROPIC_DEFAULT_HAIKU_MODEL='claude-haiku-4-5-20251001'
Falls nicht konfiguriert, nutzt Claude Code Standard-Modelle.
Unterschied: Google AI vs Vertex AI
| Aspekt | Google AI | Vertex AI |
|---|---|---|
| Setup-Komplexität | Einfach (API Key) | Komplex (GCP IAM, Quotas) |
| Cost-Control | Basic | Detailed (Quotas, Alerts) |
| Enterprise-Features | Keine | VPC, Guardrails, Monitoring |
| Compliance | Begrenzt | HIPAA, FedRAMP, GDPR |
| Prompt Caching | Ja | Ja |
| Rate-Limits | Shared (Google Cloud Free Tier) | Customizable per Project |
| Best For | Prototyping, Indie Dev | Production, Enterprise |
Konfiguration & Umgebungsvariablen
# Basis-Konfiguration
export CLAUDE_CODE_USE_GOOGLE=1
export GOOGLE_AI_API_KEY=your-api-key
# Optional: Modell-Pinning
export ANTHROPIC_DEFAULT_OPUS_MODEL='claude-opus-4-6'
export ANTHROPIC_DEFAULT_SONNET_MODEL='claude-sonnet-4-6'
export ANTHROPIC_DEFAULT_HAIKU_MODEL='claude-haiku-4-5-20251001'
# Optional: Prompt Caching deaktivieren (falls Problem)
export DISABLE_PROMPT_CACHING=1
API-Key-Sicherheit
Option A: Umgebungsvariable (Development)
export GOOGLE_AI_API_KEY=your-key-here
Risiko: Falls du diesen Terminal-Output loggst, kann der Key sichtbar werden.
Option B: .env Datei (Lokal)
Erstelle eine .env Datei:
CLAUDE_CODE_USE_GOOGLE=1
GOOGLE_AI_API_KEY=your-key-here
Lade sie vor dem Start:
source .env
claude-code
Sicherheit: Füge .env zu .gitignore ein!
Option C: Vault (Produktiv)
Falls du einen Secrets Manager nutzt (z.B. Vault, AWS Secrets Manager):
# Hole Key aus Vault
export GOOGLE_AI_API_KEY=$(vault kv get -field=api_key secret/google-ai)
# Starte Claude Code
claude-code
Option D: gcloud auth (Automatisch)
Falls du gcloud auth login machst, kann Claude Code automatisch Credentials nutzen:
gcloud auth login
export CLAUDE_CODE_USE_GOOGLE=1
# API-Key wird automatisch aus gcloud gelesen
Troubleshooting
Problem: "API Key Invalid" oder "401 Unauthorized"
Ursache: API-Key ist falsch, abgelaufen, oder hat keine Berechtigung
Lösung:
# 1. Checke dein Key ist korrekt kopiert (keine Leerzeichen)
echo $GOOGLE_AI_API_KEY
# 2. Generiere einen neuen Key
# Gehe zu: https://ai.google.dev/
# "Get API Key" → erstelle einen neuen
# 3. Setze ihn neu
export GOOGLE_AI_API_KEY=new-key-here
Problem: "Model not found" oder "Claude models not available"
Ursache: Google AI API unterstützt Claude-Modelle möglicherweise nicht in deiner Region/Version
Lösung:
# 1. Checke verfügbare Modelle
# Gehe zu: https://ai.google.dev/docs/models/gemini
# 2. Falls nur Google Modelle verfügbar: Nutze Vertex AI statt Google AI
export CLAUDE_CODE_USE_VERTEX=1
export ANTHROPIC_VERTEX_PROJECT_ID=your-project-id
export CLOUD_ML_REGION=global
# 3. Oder: Nutze Direct API (ohne Provider)
unset CLAUDE_CODE_USE_GOOGLE
unset CLAUDE_CODE_USE_VERTEX
export ANTHROPIC_API_KEY=your-claude-api-key
Problem: "Rate limited" oder "429 Quota Exceeded"
Ursache: Dein Projekt hat Free-Tier-Limits erreicht
Lösung:
# Option 1: Upgrade GCP Project (kostenpflichtig)
# Gehe zu GCP Console → Billing → Upgrade
# Option 2: Nutze Vertex AI mit höheren Quotas
export CLAUDE_CODE_USE_VERTEX=1
export ANTHROPIC_VERTEX_PROJECT_ID=your-project-id
# Option 3: Warte oder nutze weniger API-Calls
# (Free-Tier Limited: ~60 Requests/Minute, 1000 Tokens/Minute)
Performance & Cost
Kostenvergleich
| Provider | Kosten | Für wen |
|---|---|---|
| Google AI | Free Tier (begrenzt), dann kostenpflichtig | Prototyping |
| Vertex AI | Pay-per-token (billiger bei Volumen) | Production mit GCP |
| Direkter API | Pay-per-token (Standard) | Independent, Multi-Cloud |
Free Tier Limits
Google AI Free Tier:
- 60 Requests pro Minute (RPM)
- 1,000 Tokens pro Minute (TPM)
- 0,05 USD pro Million Input Tokens (über Free-Tier hinaus)
Wann Google AI nutzen?
JA zu Google AI, wenn:
- Du prototypierst (keine Produktion)
- Dein Unternehmen bereits Google Cloud nutzt
- Du einfach nur einen API-Key brauchst (kein GCP IAM Setup)
- Free Tier reicht
NEIN, nutze Vertex AI oder Direkten API, wenn:
- Du Production-Workload hast (Rate-Limits sind zu niedrig)
- Du Enterprise-Features brauchst (Guardrails, VPC, Monitoring)
- Du Compliance-Anforderungen hast (HIPAA, GDPR)
- Dein Projekt bereits GCP nutzt (Vertex AI ist tiefer integriert)
Österreich-Spezifika
Falls dein KI-System personenbezogene Daten verarbeitet:
DSGVO-Anforderungen für Google AI:
- Datenverarbeitungsvertrag (DPA): Google hat einen Standard-DPA, aber nicht spezifisch für "Google AI API"
- Datenschutz-Audit: Schwierig, da Google AI keine detaillierte Audit-Kontrolle bietet
- Empfehlung: Für Produktion mit Personendaten → Vertex AI (bessere Compliance) oder Direkter API
DSB Guidance: Konsultiere die Österreichische DSB bevor du personenbezogene Daten via Google AI sendest.
Team-Setup mit Google AI
Für kleine Teams in Prototyping-Phase:
# 1. API-Key generieren (https://ai.google.dev/)
# 2. .env erstellen
cat > .env << EOF
CLAUDE_CODE_USE_GOOGLE=1
GOOGLE_AI_API_KEY=your-key-here
ANTHROPIC_DEFAULT_SONNET_MODEL=claude-sonnet-4-6
EOF
# 3. Versionierung
echo ".env" >> .gitignore
git add .gitignore && git commit -m "Ignore .env"
# 4. Mit Team teilen
# NICHT den .env selbst teilen!
# Stattdessen: Vault / Secret Manager nutzen
Erweiterte Themen
Rate-Limits handhaben
Google AI Free Tier: 60 RPM, 1000 TPM. Implementiere Retry-Logik:
import time
from anthropic import RateLimitError
def call_with_retry(prompt, max_retries=3):
for attempt in range(max_retries):
try:
response = client.messages.create(
model="claude-sonnet-4-6",
messages=[{"role": "user", "content": prompt}]
)
return response
except RateLimitError:
wait_time = 2 ** attempt # Exponential backoff
print(f"Rate-Limited. Warte {wait_time}s...")
time.sleep(wait_time)
raise Exception("Rate-Limit nach allen Versuchen")
Produktions-Migration
Start: Google AI → Test → Vertex AI → Scale
Google AI (Prototyping)
↓ (Qualität validiert)
Vertex AI (Production)
↓ (bei Volumen)
Vertex AI + Caching (Scale)
Best Practices
- API-Key schützen – Nutze Vault oder Umgebungsvariablen, niemals Git
- Monitoring aktivieren – Tracke API-Calls in Google Cloud Console
- Free-Tier Limits kennen – 60 RPM ist schnell erreicht
- Fallback-Plan – Falls Google AI ausfällt, switch zu anderem Provider
- Dokumentation – Welche Systeme nutzen Google AI? (für Compliance)
- DSGVO beachten – Bei Personendaten: Legal-Review vor Production
Ressourcen
Zuletzt aktualisiert: 21.03.2026 | Total Lines: 400+