Googles eigene Prüfung findet das KI-Schwunrad nicht, das der Mitgründer für gestartet erklärt hat

Google hat diese Woche zwei Dokumente vorgelegt, die einander widersprechen – und nur eines von beiden beschreibt, was die Ausgaben von Alphabet▲+1.14% — Alphabet, up 1.14 percent today tatsächlich kaufen. Am 14. Oktober 2026 veröffentlichte Google DeepMind die erste interne Prüfung der Frage, ob KI die KI-Forschung beschleunigt↗ – versteckt im Sicherheitsbericht zum neuen Frontier-Modell Gemini 4 Argon. Das Ergebnis: keine Beschleunigung, die die Maschinen für sich verbuchen könnten ¹².

Einen Tag später sagte Google-Mitgründer Sergey Brin bei einer Diskussionsrunde, seine Forscher und ihre Modelle arbeiteten „Hand in Hand“ – und Google beginne, „auf dieses RSI-Laufband zu steigen↗“ ³⁴. Rekursive Selbstverbesserung (Recursive Self-Improvement, RSI) bezeichnet den Kreislauf, in dem KI mit daran baut, jene KI zu erschaffen, die sie ersetzt – wobei jede Generation schneller kommen soll als die vorige ³.

Die Prüfung findet eine gerade Linie, kein Schwunrad

Die Analyse unter Leitung von DeepMind-Forscher Haydn Belfield misst die Leistungsfähigkeit von Frontier-Modellen anhand eines General Capability Index: eine Zahl pro Modell, errechnet aus den Ergebnissen von 123 Modellen und 92 Benchmarks – so etwas wie ein IQ-Wert für KI ¹². Seit Ende 2024 steigt der Wert um etwa 0,1 Punkte pro Monat, eine bemerkenswert stetige Linie ². Bei DeepMinds öffentlichen Modellen lag der monatliche Zuwachs vor April 2026 bei 0,091 Punkten. Danach waren es 0,118 – die Prüfung fand keinen statistisch signifikanten Unterschied zwischen beiden Werten ¹.

Argon selbst liegt nur knapp über dem Trend. Das Team führt das auf gestiegene Rechenleistung und organisatorische Investitionen zurück, nicht auf eine Selbstbeschleunigung ¹². Wie Belfield es formulierte: „Es gibt derzeit keine signifikante Ende-zu-Ende-Beschleunigung der ML-Forschung und -entwicklung, weder KI-getrieben noch anders↗“ ². Ein Vorbehalt gilt allerdings in beide Richtungen: Die Zahlen beschreiben nur DeepMinds eigenes Labor, nicht das von OpenAIPVT$1.18T — OpenAI, private, latest valuation $1.18T oder AnthropicPVT$350B — Anthropic, private, latest valuation $350B ².

Die KI schreibt den Code – fast jede Änderung steuert noch ein Mensch

Das Schwunrad müsste in der Mitte der Kette greifen – genau dort kommt es nicht in Schwung. KI-Werkzeuge schreiben inzwischen mehr als drei Viertel des Produktionscodes bei DeepMind. Doch rund 88 Prozent der Code-Änderungen brauchen weiterhin einen Menschen, der die KI lenkt oder selbst Code schreibt, bevor irgendetwas ausgeliefert wird ¹². Der Anteil, den die KI von Ende zu Ende allein abschließt, stieg zwischen April und September lediglich von 7,5 auf 11,9 Prozent ².

Auf RE-Bench, einer internen Sammlung von 74 Machine-Learning-Engineering-Aufgaben, schloss der Argon-Agent rund die Hälfte ab ¹. Die Vorgängergeneration Gemini 3.7 Flash brachte es auf 27 Prozent. Beide Werte liegen weit unter den 90 Prozent, die DeepMind als Warnschwelle für eine vollständige Automatisierung ansieht ¹². Bei den 1.389 begutachteten Agentenläufen zeigt sich: Je größer die Aufgabe, desto seltener schloss das Modell sie allein ab ².

Eine Befragung von zwölf leitenden DeepMind-Forschern ergab: Die Automatisierung gelingt am ehesten bei präzise spezifizierten, überprüfbaren Ausführungsaufgaben – und am wenigsten bei offener Ideensuche und dem Gespür für Forschung mit langem Zeithorizont ¹². Knapp bleiben Verifikation, Begutachtung und das Urteil darüber, welche Idee Rechenleistung verdient.

Die Ausgaben setzen auf die Lesart des Gründers

Brin sagt, Google sei intern bereits einige Modelle vor Argon – und er erwarte, dass sich das Tempo nur noch beschleunigt ³⁴. Vihan Jain, RSI-Lead für Gemini bei DeepMind, schrieb in einem Posting, in der Post-Trainings-Phase – der Etappe, in der ein fertiges Basismodell anhand von Feedback und Daten verfeinert wird – habe sich die Nachfrage verschoben: Statt um reine Chips werde inzwischen um „Argon-Quote“ gebeten ³.

Diese These bewegt echtes Geld. Chipaktien verloren vor einem Monat fast 6 Prozent, als Anthropic-Chef Dario Amodei erklärte, die rekursive Selbstverbesserung beschleunige sich bereits ². Ein am Mittwoch veröffentlichter Bericht von Gladstone AI↗, einer Firma, die die US-Regierung in Fragen der KI-Politik berät, kam zum Ergebnis: Die meisten der befragten Forscher erwarten RSI innerhalb von drei bis zwölf Monaten ³⁵⁶. Alphabet gab im zweiten Quartal rund 45 Milliarden Dollar für Kapitalprojekte aus↗ – gemessen an einer Datenlage, in der jeder Punkt an Leistungsfähigkeit weiterhin von Chips und Menschen stammt ⁷.

Erst die Bücher lesen, dann das Schwunrad einpreisen

Nichts davon ist ein Argument gegen KI. Der Index steigt stetig, die Agenten sind real, und Argon, vorgestellt am 30. September, erledigt tatsächlich Engineering-Arbeiten mit langem Zeithorizont im gesamten Google-Konzern ²⁸. Es ist ein Argument dafür, Messung und Erzählung zu trennen: Nach DeepMinds eigenen Zahlen lässt sich jeder Punkt an Leistungsfähigkeit bislang auf Rechenleistung und Personal zurückführen – nicht auf Maschinen, die ihren eigenen Fortschritt verzinsen.

Zwei Zeilen in DeepMinds Büchern werden die Frage entscheiden: die monatliche Steigung des Fähigkeitsindex und der vollständig delegierte Anteil der Code-Änderungen. Eine Kurve, die sich ohne neue Rechenleistung versteilert, und Änderungen, die nicht mehr aufs Review warten – das wäre das Schwunrad, das greift. Bis dahin fällt der Wert dem zu, der die Review- und Vertrauensschicht zwischen dem baut, was KI schreibt, und dem, was ein Unternehmen ausliefert.