Gemini-Modelle: Google lässt KI an der Entwicklung ihrer Nachfolger mitarbeiten

Google setzt bei der Entwicklung künftiger Systemgenerationen verstärkt auf die Unterstützung seiner eigenen künstlichen Intelligenz. Wie Mitgründer Sergey Brin darlegte, wirken die Gemini-Modelle des Konzerns mittlerweile an der Entstehung ihrer eigenen Nachfolger mit.

Das Unternehmen trete damit in den Kreislauf einer schrittweisen rekursiven Selbstverbesserung ein. Forscher und Modelle arbeiten demnach unmittelbar bei der Konzeption der nächsten Generation zusammen.

Dabei übernehmen die KI-Systeme Aufgaben wie die Suche nach geeigneten Modellarchitekturen, die Optimierung von Trainingsabläufen sowie die systematische Bewertung der Leistungsfähigkeit. Brin betonte, dass frühere Flash-Modelle die technologische Grundlage dafür geschaffen hätten, die KI direkt in die Ausarbeitung der kommenden Generation einzubinden.

Obwohl sich diese Rückkopplungsschleife noch in einem frühen Stadium befinde, beschleunige sie die unternehmensinternen Innovationszyklen bereits spürbar. Menschliche Wissenschaftler blieben für die Entwicklung jedoch essenziell; die Modelle fungierten als Unterstützung, nicht als Ersatz.

Assistenzsysteme beschleunigen Entwicklungszyklen

Auch Google-Chef Sundar Pichai ordnete die Fortschritte bei der automatisierten Modellentwicklung ein. Google sei von einem vollständigen Endzustand einer autonom agierenden rekursiven Selbstverbesserung noch weit entfernt, und vollkommen autonome Prozesse lägen noch Jahre in der Zukunft. Gegenwärtig nutzen die Forschungsteams spezialisierte KI-Agenten zur Assistenz in verschiedenen Teilbereichen der Modellentwicklung.

Dieser Wandel spiegelt sich auch in der Softwareerstellung wider. Im April 2026 stammten nach früheren Angaben 75 Prozent des neuen Codes bei Google von künstlicher Intelligenz.

Während die technologische Entwicklung rasant voranschreitet, müssen Unternehmen auch die rechtlichen Rahmenbedingungen für den Einsatz moderner KI-Systeme im Blick behalten. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen der EU-KI-Verordnung. EU AI Act in 5 Schritten verstehen

Pichai bezeichnete diesen spezifischen Prozentwert nun als bedeutungslos, da inzwischen praktisch jeder im Unternehmen geschriebene Programmcode in irgendeiner Form durch KI beeinflusst werde. Bei Gemini 4 Argon habe der Einsatz der Systeme die notwendigen Code-Rollbacks bereits um ein Drittel reduziert.

Zugleich stößt der Konzern an infrastrukturelle Grenzen: Gemini 4 Argon verarbeitete in den ersten 72 Stunden nach der Veröffentlichung fast 25 Billionen Token, was ungefähr dem Dreifachen des Volumens von Gemini 3.0 im vergleichbaren Zeitraum entsprach. Zeitweise musste Google die bereitgestellte Rechenleistung aufgrund von Kapazitätsengpässen drosseln.

Strategische Anpassungen und Ausblick

Die neuen Entwicklungszyklen veränderten auch Googles Produktplanung. Das ursprünglich vorgesehene Modell Gemini 3.5 Pro wurde gestrichen, da es laut Pichai eine sehr kurze funktionale Halbwertszeit gehabt hätte.

Stattdessen schloss Google erkannte Lücken in den Bereichen Agentenfunktionen und Programmierung Mitte 2026 innerhalb von rund drei Monaten durch rasche Flash-Iterationen von Version 3.5 bis 3.8. Die daraus gewonnenen Resultate flossen direkt in das Post-Training von Argon ein.

Wer sich mit der Integration von KI befasst, sollte auch die damit verbundenen Risiken und die Einstufung in verschiedene Risikoklassen genau kennen. Erfahren Sie in diesem kostenlosen Report, welche Systeme als Hochrisiko gelten und wie Unternehmen rechtlich auf der sicheren Seite bleiben. Kostenlosen Umsetzungsleitfaden zum EU AI Act sichern

In der aktuellen Praxis schlägt das System neue Trainingsrezepte vor und bewertet sogenannte Checkpoints, während die finalen Entscheidungen bei den menschlichen Entwicklern verbleiben.

Pichai stellte für die kommenden zwölf Monate eine anhaltende Beschleunigung der Prozesse durch die Rückkopplungseffekte in Aussicht und erwartet für das Jahr 2027 weitere Fortschritte bei der Selbstverbesserung.

Diese Entwicklung deckt sich mit Einschätzungen aus der Branche: Laut einem Report von Gladstone AI aus dem Oktober 2026 rechnet die mehrheitliche befragten Forscher bei Anthropic und DeepMind innerhalb von 3 bis 12 Monaten mit dem Beginn einer wirksamen rekursiven Selbstverbesserung.