Die Geschichte von Google AI
Von DeepMind und dem Transformer über AlphaFold bis Gemini 3.5 — Forschung, Produkte und Kontroversen.
Konfidenz-Kennzeichnung
- ✅ Faktum (belegt)
- 🟡 teilweise belegt
- 🔵 Interpretation
Kategorien
- Unternehmen
- Forschung
- Sicherheit
- Modell
- Produkt
- Kontroverse
Zeitleiste
Sechs Kapitel von DeepMind bis Gemini 3. 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
Thinking-Modelle, IMO-Gold und der Sprung an die Spitze mit Gemini 3.
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.
Acht ausführliche Teile mit Quellenkritik, Datierung und Einordnung — auf einer eigenen, ruhigen Leseseite.