Die Geschichte von Google AI
Von DeepMind und dem Transformer über AlphaFold bis Gemini 4 Argon — Forschung, Produkte und Kontroversen.
Die Chronik in Kapiteln
Rauten sind Schlüsselmomente. Ein Klick springt zur Stelle in der Zeitleiste; beim Scrollen läuft die Marke mit.
Köpfe
Die Menschen hinter DeepMind, Google Brain und Gemini. Porträts nur mit freier Lizenz; wo keine existiert, steht das Monogramm.
Demis Hassabis
Mitgründer DeepMind, seit August 2026 Chair von Google DeepMindGründete DeepMind 2010 in London und führte nach der Fusion mit Google Brain 2023 das gemeinsame Labor, aus dem Gemini kam. Für AlphaFold teilte er sich 2024 mit John Jumper und David Baker den Chemie-Nobelpreis.
Foto 2024: John Sears · CC BY-SA 4.0 · Wikimedia CommonsShane Legg
Mitgründer DeepMind, Chief AGI ScientistGründete DeepMind 2010 mit Hassabis und Suleyman und hat den Begriff der allgemeinen künstlichen Intelligenz mitgeprägt. Seit September 2026 ist er Direktor und Managing Editor des DeepMind Institute.
Mustafa Suleyman
Mitgründer DeepMind, seit 2024 CEO von Microsoft AIGründete DeepMind 2010 mit Hassabis und Legg und verantwortete dort die angewandte KI. Seit 2024 leitet er Microsoft AI und verbindet so die Google- mit der Microsoft-Chronik.
Foto 2024: Christopher Wilson · CC BY-SA 4.0 · Wikimedia Commons
Jeff Dean
Mitgründer Google Brain, Chief Scientist bis 2026Startete 2011 mit Greg Corrado und Andrew Ng das Projekt Google Brain, die zweite Wurzel von Googles KI neben DeepMind. Im August 2026 verließ er Google mit drei weiteren Forschern, um ein eigenes Unternehmen zu gründen.
Foto 2025: Cmichel67 · CC BY-SA 4.0 · Wikimedia Commons
Sundar Pichai
CEO von Google und AlphabetStellte 2016 die TPU vor und kündigte 2023 erst Bard, dann Gemini an. Im August 2026 machte er Kavukcuoglu zum Leiter von Google DeepMind.
Foto 2023: Photographer: Lukasz Kobus (European Commission) · CC BY 4.0 · Wikimedia CommonsKoray Kavukcuoglu
Leiter von Google DeepMind seit August 2026War zuvor CTO von Google DeepMind und führt das Labor seit August 2026 als Senior Vice President, direkt unter Pichai. Im September 2026 meldete er Gemini 4 im Post-Training.
Konfidenz-Kennzeichnung
- ✅ Faktum (belegt)
- 🟡 teilweise belegt
- 🔵 Interpretation
Kategorien
- Unternehmen
- Forschung
- Sicherheit
- Modell
- Produkt
- Kontroverse
Zeitleiste
Sechs Kapitel von DeepMind bis Gemini 4 Argon. Filtere nach Kategorie oder durchsuche alle Ereignisse; jeder Eintrag führt seine Quellen mit.
Ursprung: DeepMind, Brain & AlphaGo
Zwei Wurzeln, TensorFlow und der AlphaGo-Moment, der die Welt aufhorchen ließ.
Gründung von DeepMind in London
Demis Hassabis, Shane Legg und Mustafa Suleyman gründen DeepMind als KI-Startup in London mit dem Fernziel, Intelligenz zu „lösen“. Hassabis und Legg kannten sich von der Gatsby-Unit am UCL.
Google Brain entstehtDistBelief
Jeff Dean, Greg Corrado und Andrew Ng starten innerhalb von Google X das Deep-Learning-Projekt Google Brain und bauen DistBelief, den verteilten Vorläufer von TensorFlow.
„Cat Paper“: unüberwachtes Lernen im großen Maßstab
Ein Google-Brain-Netz aus 16.000 Prozessoren lernt aus 10 Mio. unbeschrifteten YouTube-Bildern eigenständig, Katzen zu erkennen.
DeepMind: DQN lernt Atari aus PixelnDQN
DeepMinds Deep Q-Network lernt Atari-Spiele direkt aus rohen Bildpunkten und schlägt in mehreren Spielen menschliche Experten. Mit dieser Arbeit etabliert sich Deep Reinforcement Learning als Forschungsfeld.
Google übernimmt DeepMind
Google kauft DeepMind für rund 400–650 Mio. USD; das Labor bleibt eigenständig in London.
DQN in Nature: menschliches SpielniveauDQN
„Human-level control through deep reinforcement learning“ zeigt, dass ein einziges Netz mit gleicher Architektur in 49 Atari-Spielen menschliches Niveau erreicht.
TensorFlow wird Open SourceTensorFlow
Google veröffentlicht TensorFlow, den Nachfolger von DistBelief, unter Apache-2.0. Die Bibliothek läuft auf CPU/GPU/TPU und wird zur weltweit meistgenutzten Deep-Learning-Plattform.
Der Moment, in dem die Welt zusah, wie eine Maschine Go-Intuition zeigte.
AlphaGo schlägt Lee Sedol 4:1AlphaGo
In Seoul besiegt AlphaGo den Go-Weltklassespieler Lee Sedol 4:1 vor insgesamt über 200 Mio. Zuschauern (Medienreichweite über alle Spiele), Jahre früher, als Fachleute erwartet hatten. Zug 37 in Partie 2 galt Experten als übermenschlich kreativ.
Über fünf Partien in Seoul besiegte AlphaGo den Weltklassespieler Lee Sedol 4:1, verfolgt von insgesamt über 200 Millionen Menschen (Medienreichweite über alle Spiele). „Zug 37“ in Partie 2 galt Experten als übermenschlich kreativ. Der Sieg kam rund ein Jahrzehnt früher, als viele für möglich gehalten hatten.
Im Kapitel weiterlesen →Tensor Processing Unit (TPU) vorgestelltTPU v1
Auf der Google I/O kündigt Sundar Pichai die selbst entwickelte TPU an, einen KI-Beschleuniger, der bereits im Rechenzentrum lief, u. a. beim AlphaGo-Match.
WaveNet revolutioniert SprachsyntheseWaveNet
DeepMinds WaveNet erzeugt Audio Sample für Sample und klingt deutlich natürlicher als bisherige Text-to-Speech-Systeme; später im Google Assistant im Einsatz.
Neuronales Google Translate (GNMT)GNMT
Google stellt Translate auf ein neuronales Ende-zu-Ende-System mit Attention um; die Übersetzungsqualität nähert sich erstmals menschlichem Niveau.
Transformer & AlphaFold
Die Architektur, die alles veränderte – und der gelöste Proteinfaltungs-Code.
Die Architektur, die alles veränderte — und später OpenAI beflügelte.
„Attention Is All You Need“ — der TransformerTransformer
Acht Google-Forscher stellen die Transformer-Architektur vor, die allein auf Attention beruht. Sie wird zur Grundlage von BERT, GPT, Gemini & nahezu allen großen Modellen. Das Papier zählt heute zu den meistzitierten des Jahrhunderts.
Acht Google-Forscher zeigten, dass ein Modell allein mit „Attention“ – ohne Rekurrenz oder Faltung – Sprache verarbeiten kann. Die Transformer-Architektur wurde zur Grundlage von BERT, GPT, Claude und Gemini. Die Ironie: Google legte das Fundament, auf dem OpenAIs ChatGPT Google später unter Druck setzte.
Im Kapitel weiterlesen →AlphaGo Zero — Meisterschaft ohne MenschenwissenAlphaGo Zero
AlphaGo Zero lernt Go allein durch Selbstspiel, ohne menschliche Partien, und übertrifft alle Vorgänger.
AlphaZero meistert Schach, Shogi und GoAlphaZero
AlphaZero generalisiert das Selbstspiel-Prinzip und übertrifft nach wenigen Stunden die besten spezialisierten Programme in Schach, Shogi und Go.
BERT — bidirektionales SprachverständnisBERT
Googles BERT nutzt einen bidirektionalen Transformer, erreicht auf vielen NLP-Benchmarks Bestwerte und wird 2019 in die Google-Suche integriert.
AlphaFold gewinnt CASP13AlphaFold 1
DeepMinds AlphaFold gewinnt den Proteinfaltungs-Wettbewerb CASP13 mit großem Vorsprung. Damit deutet sich erstmals an, dass Deep Learning das 50 Jahre alte Faltungsproblem lösen könnte.
AlphaStar auf Grandmaster-Niveau (StarCraft II)AlphaStar
DeepMinds AlphaStar schlägt Top-Profis in StarCraft II und erreicht später Grandmaster. Das System lernt per Multi-Agenten-RL in einem komplexen Echtzeit-Strategiespiel.
AlphaFold 2 löst das Proteinfaltungs-ProblemAlphaFold 2
Bei CASP14 erreicht AlphaFold 2 experimentnahe Genauigkeit (GDT ~92); die Organisatoren erklären ein 50 Jahre altes Grundproblem der Biologie für gelöst.
Großmodelle & erste Risse
LaMDA, PaLM, Imagen, Gato – und die Lemoine-Debatte ums Bewusstsein.
LaMDA auf der Google I/O angekündigtLaMDA
Google stellt LaMDA vor, ein auf Dialog spezialisiertes Modell, und demonstriert es live in zwei Personas. Eine öffentliche Freigabe bleibt zunächst aus (Sicherheitsbedenken).
PaLM — 540-Milliarden-Parameter-ModellPaLM
Mit dem Pathways-System auf TPU-v4-Pods trainiert, erzielt PaLM (540 Mrd. Parameter) Spitzenwerte bei Few-Shot-Aufgaben und gehört zu den größten dichten Sprachmodellen seiner Zeit.
Gato — ein „generalist agent“Gato
DeepMinds Gato ist ein einziges Modell für über 600 Aufgaben (Atari, Bildunterschriften, Robotersteuerung, Chat) und entfacht die Debatte über den Weg zu allgemeiner Intelligenz.
Imagen — fotorealistische Text-zu-Bild-DiffusionImagen
Google Brains Imagen erzeugt fotorealistische Bilder aus Text und übertrifft DALL·E 2 auf COCO. Aus Missbrauchssorge wird es nicht öffentlich freigegeben.
Blake Lemoine: „LaMDA sei empfindungsfähig“LaMDA
Ein Google-Ingenieur behauptet öffentlich, LaMDA habe Bewusstsein. Google widerspricht, suspendiert und entlässt ihn später. Der Fall löst eine öffentliche Debatte über Anthropomorphisierung von KI aus.
AlphaFold-Datenbank: 200 Mio. Strukturen freiAlphaFold 2
DeepMind und EMBL-EBI stellen über 200 Millionen vorhergesagte Proteinstrukturen offen bereit und decken damit nahezu jedes katalogisierte Protein ab.
AlphaTensor findet schnellere MatrixmultiplikationAlphaTensor
Auf AlphaZero aufbauend entdeckt AlphaTensor neue, schnellere Algorithmen für die Matrixmultiplikation. Es ist das erste KI-System, das nachweislich neue korrekte Algorithmen findet.
Bard, die Fusion & Gemini
Der holprige Bard-Start, die Fusion zu Google DeepMind und Gemini 1.0.
Google kündigt Bard anBard
Als Antwort auf ChatGPT stellt Sundar Pichai den auf LaMDA basierenden Chatbot Bard vor, zunächst nur für ausgewählte Tester.
Ein einziger Faktenfehler — und 100 Milliarden Dollar lösen sich auf.
Bard-Demofehler kostet ~100 Mrd. USD BörsenwertBard
In einem Werbespot behauptet Bard fälschlich, das James-Webb-Teleskop habe das erste Exoplaneten-Foto gemacht. Die Alphabet-Aktie verliert ~7,7 %, rund 100 Mrd. USD Marktwert.
In einem Werbespot behauptete Bard fälschlich, das James-Webb-Teleskop habe das erste Foto eines Exoplaneten aufgenommen – das gelang anderen Teleskopen bereits 2004. Die Alphabet-Aktie fiel um rund 7,7 %, etwa 100 Mrd. USD Börsenwert. Der Fehltritt prägte das Bild, Google sei im KI-Rennen zurückgefallen.
Im Kapitel weiterlesen →Bard startet öffentlich (USA & UK)Bard
Google öffnet Bard über eine Warteliste für Nutzer in den USA und Großbritannien, weiterhin auf LaMDA-Basis und mit Hinweis auf mögliche Fehler.
Google Brain und DeepMind fusionieren
Alphabet vereint Brain und DeepMind zu „Google DeepMind“; Demis Hassabis wird CEO, Jeff Dean Chief Scientist. Ziel: den KI-Fortschritt im Wettlauf bündeln und beschleunigen.
PaLM 2 auf der Google I/OPaLM 2
PaLM 2 erscheint in vier Größen, beherrscht 100+ Sprachen und wird sofort in über 25 Produkte (u. a. Bard) integriert.
Gemini erstmals angekündigtGemini
Pichai kündigt Gemini als von Grund auf multimodales Nachfolgemodell von Google DeepMind an, das PaLM 2 ablösen soll.
Search Generative Experience (SGE)
Google bringt generative KI-Antworten testweise in die Suche (Search Labs). Daraus entstehen später die AI Overviews und der AI Mode.
AlphaDev findet schnellere SortieralgorithmenAlphaDev
DeepMinds AlphaDev entdeckt per RL schnellere Sortier-Routinen in Assembler; die Ergebnisse fließen in die C++-Standardbibliothek ein. Es ist die erste KI-Ergänzung der Bibliothek seit über einem Jahrzehnt.
Duet AI für Workspace verfügbarPaLM 2
Generative Funktionen ziehen in Gmail, Docs, Sheets, Slides & Meet ein. Duet AI wird später in „Gemini for Workspace“ umbenannt.
Gemini 1.0 (Ultra, Pro, Nano)Gemini 1.0
Google veröffentlicht Gemini 1.0 in drei Größen. Ultra erreicht als erstes Modell 90,0 % auf MMLU (über menschlichem Experten-Schnitt); Bard läuft fortan auf Gemini Pro.
Kontroverse um geschönte Gemini-DemoGemini 1.0
Das gefeierte Gemini-Demo-Video war nicht echtzeitlich: Google nutzte Standbilder und Textprompts. Das Unternehmen räumt die Inszenierung ein.
Gemini wächst — und stolpert
1M-Kontext, Gemma, AlphaFold 3, Nobelpreis – und zwei öffentliche Pannen.
Bard wird zu Gemini; Gemini Advanced startetGemini Ultra 1.0
Google benennt Bard in Gemini um und bündelt seine KI-Marke. Gemini Advanced (mit Ultra 1.0) startet als Abo im Google One AI Premium Plan.
Gemma — offene ModelleGemma
Google DeepMind veröffentlicht Gemma (2B/7B) als frei verfügbare, leichte offene Modelle auf Basis der Gemini-Forschung.
Gemini 1.5 Pro — 1-Mio.-Token-KontextGemini 1.5 Pro
Mit Mixture-of-Experts verarbeitet Gemini 1.5 Pro bis zu 1 Mio. Token, damals das längste Kontextfenster eines öffentlich verfügbaren Großmodells.
Gut gemeint, schlecht kalibriert: Wie ein Bias-Filter zum PR-Debakel wurde.
Gemini-Bildgenerierung pausiert nach KontroverseGemini
Nach historisch falschen, „übermäßig diversen“ Personenbildern (z. B. zu klar historischen Anfragen) pausiert Google die Funktion und entschuldigt sich. Der Schaden war vor allem ein Reputations- und Vertrauensverlust; anders als beim Bard-Demofehler 2023 gab es keinen nennenswerten Börseneinbruch.
Um Einseitigkeit zu vermeiden, war Gemini darauf getrimmt, vielfältige Personen zu zeigen – auch dort, wo der historische Kontext eindeutig war (etwa Soldaten von 1943 oder US-Gründerväter). Google pausierte die Personen-Bildgenerierung, entschuldigte sich und überarbeitete den Ansatz. Anders als beim Bard-Demofehler 2023 löste die Panne keinen nennenswerten Börseneinbruch aus; der Schaden war vor allem ein Reputationsverlust.
Im Kapitel weiterlesen →AlphaFold 3 — alle BiomoleküleAlphaFold 3
AlphaFold 3 (mit Isomorphic Labs) modelliert nicht nur Proteine, sondern auch DNA, RNA, Liganden und Ionen samt Wechselwirkungen.
I/O 2024: Project Astra, Veo, Imagen 3Gemini
Google zeigt den universellen Echtzeit-Assistenten Project Astra, das Videomodell Veo und den Bildgenerator Imagen 3, zunächst als Preview.
AI Overviews in der Suche — und PannenGemini
KI-Zusammenfassungen über den Suchergebnissen starten in den USA und sorgen mit absurden Ratschlägen (Kleber auf Pizza) rasch für Spott; Google bessert nach.
AlphaProof & AlphaGeometry 2: IMO-SilberAlphaProof / AlphaGeometry 2
DeepMinds Systeme lösen vier von sechs Aufgaben der Mathematik-Olympiade 2024: Silbermedaillen-Niveau, nur einen Punkt unter Gold.
Erstmals führt KI-Arbeit direkt zu einem Nobelpreis.
Nobelpreis Chemie für AlphaFoldAlphaFold 2
Demis Hassabis und John Jumper erhalten (mit David Baker) den Chemie-Nobelpreis 2024 für AlphaFold. Zum ersten Mal führt damit ein KI-System direkt zu einem Nobelpreis.
Die Königlich Schwedische Akademie verlieh den Chemie-Nobelpreis 2024 an Demis Hassabis und John Jumper (Google DeepMind) für AlphaFold 2 sowie an David Baker für Proteindesign. Über zwei Millionen Forschende nutzten AlphaFold bereits – das erste Mal, dass KI-Arbeit direkt mit einem Nobelpreis ausgezeichnet wurde.
Im Kapitel weiterlesen →Gemini 2.0 Flash — die „agentische Ära“Gemini 2.0 Flash
Google stellt Gemini 2.0 Flash vor (native Bild-/Audioausgabe, Tool-Use) und ruft die „agentische Ära“ aus: Modelle, die mehrere Schritte vorausplanen und handeln.
Project Mariner — Agent im BrowserGemini 2.0
DeepMinds Forschungsprototyp Mariner steuert den Chrome-Browser autonom (Formulare, Suche, Einkauf) und erreicht 83,5 % im WebVoyager-Benchmark.
Reasoning, Agenten, Gemini 3 & 4
Thinking-Modelle, IMO-Gold, der Sprung an die Spitze mit Gemini 3, der Führungswechsel zu Kavukcuoglu und Gemini 4 Argon.
Gemini 2.0 Flash wird Standard + CanvasGemini 2.0 Flash
Gemini 2.0 Flash (inkl. „Flash Thinking“ mit sichtbarem Reasoning) wird Standard in der Gemini-App; das Canvas-Feature bringt kollaboratives Schreiben und Coding.
AI Co-Scientist — Mehragenten-ForschungspartnerCo-Scientist
Ein Mehragenten-System auf Gemini 2.0 generiert und verfeinert wissenschaftliche Hypothesen; es schlägt u. a. neue Wirkstoffkandidaten und Resistenz-Mechanismen vor.
Gemini 2.5 Pro — erstes offizielles „Thinking Model“Gemini 2.5 Pro
Gemini 2.5 Pro denkt vor der Antwort strukturiert nach und führt mehrere Reasoning-Benchmarks an; verfügbar über AI Studio und Gemini Advanced.
AI Mode in der Google-SucheGemini 2.0
Google rüstet AI Overviews auf Gemini 2.0 auf und startet einen experimentellen „AI Mode“, einen dialogorientierten Suchmodus für komplexe, mehrstufige Fragen.
AlphaEvolve — Coding-Agent entdeckt AlgorithmenAlphaEvolve
AlphaEvolve kombiniert Gemini Flash und Pro, optimiert Googles Rechenzentren und Trainings-Kernel und verbessert sogar Strassens Matrixmultiplikations-Rekord von 1969.
I/O 2025: Veo 3 (mit Audio), Imagen 4, AI UltraVeo 3 / Imagen 4
Veo 3 erzeugt erstmals Video samt Ton in einem Schritt; dazu Imagen 4 und das Premium-Abo „Google AI Ultra“ (249,99 USD/Monat) mit Deep Think und Mariner.
Gemini 2.5 FlashGemini 2.5 Flash
Gemini 2.5 Flash verbindet Reasoning mit der Geschwindigkeit der Flash-Reihe; im Juni folgt die allgemeine Verfügbarkeit auf Vertex AI. Es treibt u. a. den AI Mode an.
Gemini Deep Think erreicht IMO-GoldGemini Deep Think
Eine Deep-Think-Version von Gemini erzielt bei der Mathematik-Olympiade 2025 Goldmedaillen-Niveau (35/42) unter regulären Bedingungen, ein Jahr nach Silber.
Antitrust-Urteil: Remedies, aber kein Zwangsverkauf
Richter Mehta verbietet Google exklusive Such-Deals und ordnet Daten-Teilung an, lehnt aber eine Abspaltung von Chrome/Android ab. Google darf weiter (nicht-exklusiv) für Vorinstallation zahlen; beide Seiten kündigen Berufung an.
Die Aufholjagd gelingt — und löst bei OpenAI angeblich „Code Red“ aus.
Gemini 3 — Flaggschiff mit Day-one in der SucheGemini 3 Pro / Deep Think
Gemini 3 Pro führt Bestenlisten an (1501 Elo auf LMArena, 91,9 % GPQA Diamond) und kommt mit Deep-Think-Modus; erstmals integriert Google ein Modell vom ersten Tag an in den Such-AI-Mode. Dazu: die Agentenplattform Google Antigravity.
Gemini 3 Pro führte Bestenlisten an (1501 Elo auf LMArena) und wurde erstmals am ersten Tag direkt in die Google-Suche integriert; dazu kamen ein Deep-Think-Modus und die Agentenplattform Antigravity. Berichten zufolge löste der Sprung bei OpenAI einen internen „Code Red“ aus – Googles Aufholjagd vom Bard-Debakel zur Spitze war vollzogen.
Im Kapitel weiterlesen →OpenAI ruft „Code Red“ nach Gemini 3 ausGemini 3
Berichten zufolge erklärt Sam Altman intern „Code Red“, weil Gemini 3 OpenAI in mehreren Benchmarks übertrifft. Gemini meldet zu diesem Zeitpunkt ~650 Mio. monatliche App-Nutzer.
Gemini 3 FlashGemini 3 Flash
Kurz nach Gemini 3 Pro bringt Google das schnelle, günstige Gemini 3 Flash. Es liefert frontier-nahe Leistung bei hohem Tempo und ist für Agenten und Alltagsaufgaben in App, Suche und API ausgelegt.
Gemini 3.1 Pro — großer Reasoning-SprungGemini 3.1 Pro
Gemini 3.1 Pro (erstes „.1“-Update der Reihe) verdoppelt das Reasoning gegenüber 3 Pro: auf ARC-AGI-2 springt es von 31,1 % auf 77,1 %, bei gleichem Preis.
I/O 2026: Gemini 3.5 Flash & Gemini OmniGemini 3.5 Flash / Omni
Gemini 3.5 Flash verbindet Frontier-Intelligenz mit Agenten-Tempo (4× schneller) und übertrifft 3.1 Pro bei Coding/Agentik; dazu das video-multimodale Gemini Omni und Android-XR-Brillen. Gemini 3.5 Pro war zu diesem Zeitpunkt offiziell angekündigt, aber noch nicht veröffentlicht.
Das für Juni versprochene Flaggschiff bleibt aus — Monate Verzögerung, Aktie −4 %.
Gemini 3.5 Pro verzögert sichGemini 3.5 Pro
Bloomberg berichtet, der Rollout von Gemini 3.5 Pro liege Monate hinter dem Plan; die Alphabet-Aktie fällt am Tag des Berichts um rund 4 %. Das auf der I/O 2026 für „den nächsten Monat“ versprochene Flaggschiff verpasst Juni, Mitte Juli und Anfang August — Google nennt keinen neuen Termin.
Gemini 3.5 Pro war auf der I/O 2026 (19. Mai) offiziell angekündigt worden — mit dem Versprechen einer Veröffentlichung „im nächsten Monat“. Mitte Juli berichtete Bloomberg, der Rollout liege Monate zurück; die Alphabet-Aktie gab an dem Tag rund 4 % nach. Google/DeepMind führen 3.5 Pro weiter als „coming soon“ — ohne Modell-ID, Preise oder Datum. Unabhängige Beobachter notierten Ende August drei verpasste Zeitfenster (Juni, Mitte Juli, Anfang August). Faktum: verspätet und ohne Termin; Deutungen über Gründe (Safety-Tests, Compute, Qualitätslatte) bleiben Spekulation.
Im Kapitel weiterlesen →Drei Flash-Modelle an einem Tag — die Workhorse-Flotte trägt die Kadenz, während Pro wartet.
Gemini 3.6 Flash, 3.5 Flash-Lite & 3.5 Flash CyberGemini 3.6 Flash u. a.
Google veröffentlicht drei Flash-Modelle: 3.6 Flash ($1,50/$7,50 pro Mio. Tokens, ~17 % weniger Ausgabetokens als 3.5 Flash, Computer Use eingebaut), das ultragünstige 3.5 Flash-Lite ($0,30/$2,50) und das restringierte 3.5 Flash Cyber für Sicherheitsanwendungen.
Der Dreier-Release trug die Gemini-Kadenz, während 3.5 Pro fehlte: 3.6 Flash wurde sofort das Standard-Workhorse-Modell (Long-Context-Retrieval, Coding und Computer Use deutlich besser bei gleichem Eingabepreis), Flash-Lite öffnete den On-device-/Massenmarkt, Flash Cyber adressierte Defensive-Security unter Restriktionen. Wenige Wochen zuvor (18. Juni) hatte Google die Gemini CLI zugunsten der Antigravity CLI abgekündigt — der Agenten-Stack konsolidiert sich um Antigravity.
Pichai: „Viel größeres“ Basis-Modell in Training
In einem Interview sagt Sundar Pichai, Google trainiere ein „deutlich größeres“ Basis-Modell der nächsten Generation — gelesen als Hinweis auf die Gemini-4-Linie, ohne Termin oder Details.
Der Gründer rückt in den Vorsitz, der bisherige CTO übernimmt Gemini, und Jeff Dean geht.
Führungswechsel: Hassabis wird Chair, Kavukcuoglu führt Google DeepMind
Sundar Pichai kündigt per Memo an: Demis Hassabis wird Chair von Google DeepMind und Chief Scientist von Alphabet; Koray Kavukcuoglu, bisher CTO, führt das Labor als Senior Vice President und berichtet direkt an Pichai. Am selben Tag verlässt Chief Scientist Jeff Dean Google mit drei weiteren Forschern, um ein eigenes Unternehmen zu gründen.
Kavukcuoglu verantwortet die Gemini-Modelle, die Frontier-Forschung sowie Gemini-App und Entwicklerteams; die Modellentwicklung hatte er schon seit etwa einem Jahr faktisch geleitet. Hassabis will sich auf langfristige Strategie, Wissenschaft und Isomorphic Labs konzentrieren und bleibt Vorgesetzter von Shane Legg; einige Safety-Teams berichten künftig an Kent Walker. Der Umbau folgt auf eine Abgangswelle: John Jumper (AlphaFold, Nobelpreis) ging Anfang 2026 zu Anthropic, Noam Shazeer zu OpenAI. Die Alphabet-Aktie fiel am Tag der Nachricht Berichten zufolge um bis zu 5 %.
Im Kapitel weiterlesen →Drei Wochen nach 3.6: halber Einführungspreis, Index-Spitze der Flash-Linie.
Gemini 3.7 Flash — das beste verfügbare Google-ModellGemini 3.7 Flash
Google nennt 3.7 Flash „unser intelligentestes Workhorse-Modell für Coding und Agenten“: unabhängiger KI-Index 56 (high), Einführungspreis $0,75/$3,75 pro Mio. Tokens bis 31. Dezember 2026 (danach Verdopplung). Da 3.5 Pro weiter aussteht, ist 3.7 Flash faktisch Googles Spitzenmodell.
3.7 Flash erschien nur drei Wochen nach 3.6 Flash — die Flash-Linie ist derzeit Googles Geschwindigkeits-Schiene: drei Denkstufen (low/medium/high), 1M Kontext, Text/Bild/Audio/Video. Mit unabhängigem KI-Index 56 liegt es über Gemini 3.1 Pro (48) und gilt als das beste aktuell verfügbare Google-Modell — während die Pro-Spitze weiter auf 3.5 Pro wartet. Der Einführungspreis gilt bis zum 31. Dezember 2026 und verdoppelt sich danach.
Im Kapitel weiterlesen →Produktwelle Sommer 2026: Gemini Live, Studenten-Pläne, Video
Über den Sommer rollt Google Produkt-Updates aus: schnellere Gemini-Modelle und Robotik (Juli), dazu Produktivitäts-Tools in Gemini Live, kostenlose AI-Pläne für Studierende und erweiterte Videogenerierung (August).
Dritter Flash-Release in sechs Wochen, gleicher Preis wie 3.7, dazu ein Sicherheitsmodell nur für geprüfte Verteidiger.
Gemini 3.8 Flash und 3.8 Flash CyberGemini 3.8 Flash
Google veröffentlicht 3.8 Flash als „intelligentestes Workhorse-Modell“ zum unveränderten Einführungspreis von $0,75/$3,75 pro Mio. Tokens (bis 31. Dezember 2026, danach $1,50/$7,50); auf HLE-Verified erreicht es 54,9 %. 3.8 Flash Cyber findet und patcht Schwachstellen und geht ausschließlich an das neue Fairwind-Programm für Behörden, Infrastrukturbetreiber und Software-Maintainer.
Laut Google produzierte 3.8 Flash Cyber beim Chrome-Security-Team 2,6-mal so viele korrekte Patches wie die besten kommerziellen Modelle; die Cyber-Ausbildung habe auch die Coding-Gewinne des allgemeinen Modells getrieben. 3.8 Flash ist in AI Studio, Antigravity, Android Studio, Gemini Enterprise und der Gemini-App (Pro/Ultra) verfügbar und löst 3.5 Flash ab. Im September wuchs die 3.8-Familie weiter: 3.8 Live und 3.8 Live Extended Thinking (Audio-zu-Audio, allgemein verfügbar seit 15. September), 3.8 Flash TTS mit Stimmdesign und über 150 Stimmen (22. September) und 3.8 Live mit Live Avatar für Gemini Enterprise (24. September). Seit dem 18. September beschränkt Google den Zugang zu den 2.5-Modellen auf Bestandsnutzer.
Zweites Kartellverfahren, zweites Mal kein Verkauf, dafür ein Monitor mit Zugriff auf den Quellcode.
Ad-Tech-Urteil: keine Zerschlagung, sechs Jahre unter Aufsicht
Richterin Leonie Brinkema (Eastern District of Virginia) lehnt die vom Justizministerium geforderte Abtrennung der Anzeigenbörse AdX ab und verordnet Verhaltensauflagen: AdX muss gleichberechtigt in fremde Publisher-Adserver bieten, Echtzeit-Gebotsdaten teilen und sich an Prebid anbinden; ein Monitor samt Technical Committee überwacht sechs Jahre lang, weltweit.
Brinkema hatte Google im April 2025 wegen Monopolisierung von Publisher-Adserver und Anzeigenbörse verurteilt. Den zweiseitigen Beschluss vom 2. September ergänzte am 16. September die 106-seitige Begründung: Die Richterin schreibt von einem „Mangel an Vertrauen, dass Google einer Anordnung dieses Gerichts nachkommt“, hält Verhaltensauflagen aber für ausreichend, um die Märkte zu öffnen. Die Laufzeit von sechs Jahren entspricht Googles Vorschlag; das Justizministerium wollte 15. Google kündigte Berufung gegen die Haftungsentscheidung an. Im Suchverfahren (Urteil Mehta, September 2025) liegen die Berufungen beider Seiten beim D.C. Circuit.
Wetter in 5-km-Auflösung, neun Milliarden DNA-Varianten, ein Wasserzeichen für Proteine.
Forschung im September: WeatherNext 3, AlphaGenome Atlas, SynthID BioWeatherNext 3 · AlphaGenome Atlas
DeepMind stellt WeatherNext 3 vor (4. September): stündliche Vorhersagen auf einem 5-km-Raster statt 25 km, bis zu 50 % genauere Niederschlagsprognosen, eingebaut in Suche, Gemini-App und Maps. Der AlphaGenome Atlas (8. September) katalogisiert die vorhergesagten Effekte aller rund 9 Milliarden Einzelbuchstaben-Mutationen des menschlichen Genoms, frei für nichtkommerzielle Forschung. SynthID Bio (30. September) wasserzeichnet KI-entworfene Proteine.
WeatherNext 3 verarbeitet live geostationäre Satellitendaten statt mit sechs Stunden Verzug und lernt direkt aus Stationsmessungen; die Daten stehen in BigQuery und Earth Engine. Der Atlas umfasst mehr als ein Petabyte, rund 30-mal die AlphaFold-Datenbank, und ist über Webportal, API und als Antigravity-Skill zugänglich; Genomik-Leiter Žiga Avsec warnt, die Vorhersagen seien kein Ersatz für Experimente und träfen bei manchen Variantenklassen (Enhancer) schlechter. SynthID Bio bettet eine unsichtbare Signatur in den biologischen Code ein, ohne die Proteinfunktion zu verändern (laut Google in Tests).
Der Gemini-Hersteller lässt seine Ingenieure mit dem Konkurrenzmodell programmieren, innerhalb von Antigravity.
Google öffnet Claude Opus 5 für alle eigenen Entwickler
Laut Business Insider dürfen Google-Ingenieure konzernweit Anthropics Claude Opus 5 für interne Coding-Aufgaben nutzen, allerdings nur als Modelloption in der eigenen Plattform Antigravity und mit persönlichen Kontingenten. Ein Google-Sprecher bestätigt: Gemini bleibe „primäres und grundlegendes Modell“, Drittmodelle stünden „für spezialisierte Anwendungsfälle“ bereit.
Bislang waren Claude Code und OpenAIs Codex für die meisten Mitarbeiter gesperrt; Ausnahmen galten für DeepMind-Teams und priorisierte Projekte. Als Grund nennen die Berichte Unzufriedenheit der Entwickler mit Geminis Coding-Leistung, auch nach 3.8 Flash. Google ist zugleich Investor bei Anthropic. Der Vorgang ist über mehrere Medien belegt, die sich auf Business Insider und den Sprecher stützen; der Originalbericht selbst liegt hinter einer Bezahlschranke.
Legg, Hassabis und Manyika gründen eine Publikationsplattform, ausdrücklich nicht als „offizielle Google-Sicht“.
DeepMind Institute: Denkfabrik für die AGI-Debatte
Google DeepMind startet das DeepMind Institute, eine Plattform für Forschung und Debatte zu einer Welt mit AGI. Direktoren sind Mitgründer Shane Legg (Chief AGI Scientist, zugleich Managing Editor), Demis Hassabis (Chair) und James Manyika; die vier Startaufsätze behandeln Wirtschaftspolitik für AGI, die Transparenz von Modell-Reasoning, Prinzipien für menschliches Gedeihen und einen Rahmen für Frontier-KI.
Das Institut definiert AGI als System mit allen kognitiven Fähigkeiten des menschlichen Gehirns und erwartet, dass heutige Lücken „bald geschlossen“ werden; als aktuelle Risiken nennt es Cybersicherheit, Biorisiken und einen möglichen Kontrollverlust bei selbstverbessernden Systemen. Hassabis schlägt in seinem Essay eine US-geführte Standardisierungsstelle für Frontier-KI vor; Rohin Shah und Anca Dragan argumentieren für lesbare Gedankenketten. Legg sagte der Financial Times, Dario Amodeis Ruf nach langsameren Veröffentlichungen sei es wert, erwogen zu werden.
Im Kapitel weiterlesen →Gemini wird Betriebssystem-Kern: fünf Laptops, eine Windows-App und ein neuer Agenten-Build.
Googlebooks mit Googlebook OS, Gemini für Windows, Antigravity-Agent 09-2026
Google stellt fünf Googlebooks von Acer, Asus, Dell, HP und Lenovo vor (ab 899 $, Verkauf ab 4. Oktober); Googlebook OS verbindet Android, ChromeOS-Fundament, Linux-Umgebung und Gemini-Funktionen wie Magic Pointer und Rambler. Zuvor kam die Gemini-Desktop-App für Windows 10/11 (10. September, Alt+Leertaste, Agent „Spark“), und die Gemini API erhielt den Antigravity Agent 09-2026 (17. September).
Der neue Agenten-Build ersetzt die Mai-Version (Abschaltung 5. Oktober), arbeitet mit Prompt-Caching, Code-Suche und Zeilenbereichs-Edits in einer isolierten Linux-Sandbox mit 1 Mio. Token Kontext. Antigravity selbst erscheint am 30. September als Android-App im Play Store, vorerst nur für Googlebook OS; dort lassen sich auch Claude Code und OpenAIs Codex installieren. Weitere Produktschritte im Monat: Connected Apps im Chat (23. September) und „Skills“ als Nachfolger der Gems (30. September; Gems werden ab 2027 abgeschaltet). Zum Googlebook gehören zwölf Monate Google AI Pro.
Erstmals sagt Google offen, dass das Flaggschiff des Sommers übersprungen wird.
Kavukcuoglu: Gemini 4 im Post-Training, 3.5 Pro bleibt aus
Auf dem AI-Agenda-Live-Gipfel von The Information erklärt DeepMind-Chef Koray Kavukcuoglu, Gemini 4 sei im Post-Training (Sicherheitstests, Guardrails) und solle „so schnell wie möglich“ in einer frühen Version erscheinen, deutlich vor Jahresende; intern treibe es bereits Antigravity an. Zu Gemini 3.5 Pro sagt er, das Team habe „einen Schritt zurück“ gemacht und die Flash-Modelle priorisiert; das Modell erschien nie.
Schon am 10. August hatte SemiAnalysis berichtet, 3.5 Pro sei eingestellt und die Ressourcen flössen in Gemini 4; Googles Logan Kilpatrick nannte die Analyse „oberflächlich“, bestätigte aber, dass das Pre-Training von Gemini 4 auf TPU-Clustern laufe. Fortune zählte Mitte August drei verpasste Termine und ordnete Googles bestes verfügbares Modell (damals 3.6 Flash) in den Benchmarks hinter Anthropic, OpenAI, xAI, Meta und mindestens ein chinesisches Labor ein. Die I/O-Zusage „nächsten Monat“ vom 19. Mai blieb unerfüllt; eine förmliche Einstellung hat Google bis heute nicht erklärt.
Elf Android-Funktionen für ChatGPT und Co., Suchdaten für Rivalen: Google nennt es ein Datenschutzrisiko.
Google klagt in Luxemburg gegen die DMA-Auflagen für Android und Suchdaten
Google reicht beim EU-Gericht zwei Klagen gegen die Kommissionsbeschlüsse vom 16. Juli 2026 ein. Diese verlangen, bis August 2027 elf Android-Funktionen (Mikrofon, Kamera, Bildschirminhalt, Wake-Word) für konkurrierende KI-Assistenten wie ChatGPT und Perplexity so zu öffnen wie für Gemini, und ab Januar 2027 anonymisierte Such- und Klickdaten mit Suchmaschinen und KI-Chatbots zu teilen.
Googles Wettbewerbsdirektor Oliver Bethell spricht von „irreversiblem Schaden für die Privatsphäre“ und geschwächter Android-Sicherheit; die Kommission verweist auf mit Datenschutzexperten entwickelte Anonymisierung und ein Verweigerungsrecht gegenüber riskanten Empfängern. DuckDuckGo stellt sich hinter die EU: Die Klage kaufe Google Zeit, kein anderes Ergebnis. Die Klagen haben keine aufschiebende Wirkung; ohne Eilentscheid gelten die Fristen 2027.
Nach dem ausgefallenen 3.5 Pro springt Google direkt zu Gemini 4, mit Elementnamen und 1 Mio. Ausgabetokens.
Gemini 4 Argon: neues Frontier-Modell, zunächst nur für Cyber-VerteidigerGemini 4 Argon
Kavukcuoglu stellt Gemini 4 Argon vor, „unsere nächste Ära der Frontier-Intelligenz“ für lange, mehrstufige Arbeitsabläufe in Software-Engineering, Wissensarbeit und Cyberabwehr. Das Ausgabelimit steigt von 64.000 auf 1 Mio. Tokens; Einführungspreis $2/$10 pro Mio. Tokens (regulär $4/$20). Laut Google erreicht Argon 77,9 % auf DeepSWE v1.1 (Claude Opus 5.5: 74,2 %, GPT-6 Astra: 74,1 %), 68 % auf CWE-bench v1 und 91,7 % auf LVBench. Zugang erhalten zunächst nur Cyber-Partner im Fairwind-Programm.
Der Rollout an Entwickler, Unternehmen und AI-Ultra-Abonnenten soll folgen, sobald die Schutzmaßnahmen gestärkt sind, inklusive eines freiwilligen Vorab-Prüfprozesses mit der US-Regierung. Google nennt die Überwachung interner Aktivierungen und der Gedankenkette mit Abbruch bei Fehlverhalten, adversariales Training gegen Prompt-Injection und gehärtete Sandboxes. Partner wie Wiz nutzen Argon in „Scan for Good“ für kritische Infrastruktur; in Tests fand das Modell eine schwere, bislang unentdeckte Schwachstelle in weltweit genutzter Gesundheitssoftware. Argon tritt an die Stelle des nie erschienenen 3.5 Pro und begründet eine neue Namensgebung. Gegen GPT-6 Astra, Claude Fable 5.1 und Claude Opus 5.5 ist das Bild gemischt: Nach einer Auswertung der Google-Tabelle führt Argon in 13 von 19 Zeilen, liegt auf FrontierSWE v2 und Terminal-Bench 4.0 aber hinten.
Acht ausführliche Teile mit Quellenkritik, Datierung und Einordnung — auf einer eigenen, ruhigen Leseseite.
Bildnachweise
- Demis Hassabis (Nobelwoche, Stockholm, 2024): Foto: John Sears · CC BY-SA 4.0 · Wikimedia Commons · bearbeitet: Ausschnitt, Graustufen, verkleinert
- Mustafa Suleyman (Porträt, 2024): Foto: Christopher Wilson · CC BY-SA 4.0 · Wikimedia Commons · bearbeitet: Ausschnitt, Graustufen, verkleinert
- Jeff Dean (Porträt, 2025): Foto: Cmichel67 · CC BY-SA 4.0 · Wikimedia Commons · bearbeitet: Ausschnitt, Graustufen, verkleinert
- Sundar Pichai (Besuch bei der EU-Kommission, Brüssel, 2023): Foto: Photographer: Lukasz Kobus (European Commission) · CC BY 4.0 · Wikimedia Commons · bearbeitet: Ausschnitt, Graustufen, verkleinert
- AlphaGo schlägt Lee Sedol: Abbildung: Axd · CC BY-SA 4.0 · Wikimedia Commons · bearbeitet: verkleinert
- Tensor Processing Unit (TPU) vorgestellt: Foto: Norman P. Jouppi, George Kurian, Sheng Li, Peter Ma, Rahul Nagarajan, Lifeng Nai, Nishant Patil, Suvinay Subramanian, Andy Swing, Brian Towles, Cliff Young, Xiang Zhou, Zongwei Zhou, and David Patterson · CC BY 4.0 · Wikimedia Commons · bearbeitet: verkleinert
- AlphaFold 2 löst das Proteinfaltungs-Problem: Abbildung: John Jumper et al · CC BY 4.0 · Wikimedia Commons · bearbeitet: verkleinert
- Nobelpreis Chemie für AlphaFold: Foto: Jay Dixit · CC BY-SA 4.0 · Wikimedia Commons · bearbeitet: verkleinert
Alle Bilder stammen von Wikimedia Commons und stehen unter den genannten freien Lizenzen. Die Einfärbung der Porträts entsteht nur in der Darstellung.