DeepMind kostet Google Milliarden und taucht in keiner Umsatzzeile des Konzerns auf. Das Londoner Labor lieferte den Chemie-Nobelpreis 2024 und das Modell Gemini, doch abgerechnet wird an ganz anderer Stelle. Seit dem 5. August 2026 führt Gründer Demis Hassabis die Forschung nicht mehr als Chef, und genau dieser Rückzug verrät, worauf Google das Labor jetzt trimmt.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Den Wechsel an der Spitze meldete Google am 5. August 2026 als geordneten Übergang, nicht als Bruch. Der Gründer wird Chefwissenschaftler bei der Konzernmutter Alphabet, die Arbeit an Gemini übernimmt DeepMind-Technikchef Koray Kavukcuoglu und berichtet direkt an Konzernchef Sundar Pichai. Hinter der Personalie steckt eine wirtschaftliche Frage, die Google selten offen beantwortet: Was bringt das teuerste Forschungslabor der Techbranche, und wer bezahlt am Ende seine Rechnung?
Das Wichtigste in Kürze
- Kostenstelle statt Umsatzquelle: DeepMind erwirtschaftet keinen eigenen Marktumsatz, sondern rechnet Forschung als konzerninterne Dienstleistung an Alphabet ab, zuletzt rund 1,78 Milliarden Euro im Geschäftsjahr 2023.
- Gemini als Geldmaschine: Der eigentliche Ertrag entsteht dort, wo Google die Modelle verkauft, in der Google-Cloud mit 21,3 Milliarden Euro Quartalsumsatz und in der Werbung rund um die Suche.
- Reichweite als Hebel: Die Gemini-App zählte im zweiten Quartal 2026 über 950 Millionen monatliche Nutzer, samt der KI-Übersichten in der Suche erreicht Google rund 2,5 Milliarden Menschen im Monat.
- Wette auf Medikamente: Die DeepMind-Ausgründung Isomorphic Labs sammelte im Mai 2026 umgerechnet rund 1,8 Milliarden Euro ein und will die Forschung in bare Wirkstoffe verwandeln.
- Milliardenrechnung im Hintergrund: Für Rechenzentren und Chips plant Alphabet 2026 Investitionen von bis zu rund 176 Milliarden Euro, ein Großteil fließt in die Infrastruktur hinter DeepMind.
Kurzer Zwischenstopp am Rechenzentrum
1 In welchem Jahr gründeten drei Forscher DeepMind in London? Aufklappen ↓
Auflösung aufdecken ↓
2 Wie viel rechnete DeepMind 2023 als konzerninterne Forschungsleistung an Alphabet ab? Aufklappen ↓
Auflösung aufdecken ↓
3 Wofür erhielt Demis Hassabis 2024 den Nobelpreis für Chemie? Aufklappen ↓
Auflösung aufdecken ↓
4 Wie viele monatliche Nutzer meldete die Gemini-App zum zweiten Quartal 2026? Aufklappen ↓
Auflösung aufdecken ↓
5 Wer übernahm nach dem Rückzug von Hassabis die Verantwortung für die Gemini-Entwicklung? Aufklappen ↓
Auflösung aufdecken ↓
Wer steckt hinter DeepMind, und wie fing alles an?
DeepMind begann 2010 als kleines Londoner Start-up mit dem größenwahnsinnig klingenden Ziel, die Intelligenz selbst zu lösen. Die drei Gründer Demis Hassabis, Shane Legg und Mustafa Suleyman kannten sich aus dem akademischen Umfeld des University College London, wo Hassabis über die Neurowissenschaft des Gedächtnisses promoviert hatte. Ihr Pitch an Investoren war kein Produkt, sondern eine Behauptung: Ein tiefes Verständnis des menschlichen Gehirns ebnet den Weg zu einer allgemeinen künstlichen Intelligenz.
Hassabis brachte eine ungewöhnliche Biografie mit. Als Jugendlicher spielte er Schach auf Meisterniveau, später entwarf er Computerspiele, darunter das Wirtschaftssimulationsspiel Theme Park. Diese Mischung aus Spieltheorie und Hirnforschung prägte den frühen Kurs des Labors, das seine Fortschritte zunächst an Computerspielen maß und nicht an Marktzahlen. Frühe Geldgeber wie der Risikokapitalgeber Founders Fund und der Investor Peter Thiel finanzierten einen Betrieb, der jahrelang nichts verkaufte, sondern rechnete, forschte und Aufsehen erregte.
Der entscheidende Einschnitt kam 2014. Google übernahm DeepMind für einen damals kolportierten Preis von umgerechnet rund 430 Millionen Euro und ließ das Labor als eigenständige Einheit in London weiterarbeiten. Für Google war das kein Produktkauf, sondern ein Talentkauf: Der Konzern sicherte sich die weltweit dichteste Ansammlung von Forschern im Bereich des bestärkenden Lernens, bevor Facebook oder ein anderer Wettbewerber zugreifen konnte. Ein bemerkenswert hoher Preis für ein Unternehmen ohne nennenswerten Umsatz, der zeigt, wie früh Google den Wert reiner Forschung erkannte.
Bemerkenswert an der Übernahme war eine Nebenabrede, die viel über das Selbstverständnis der Gründer verrät. DeepMind bestand auf einem internen Ethikrat und der Zusage, dass die eigene Technik nicht für Waffensysteme genutzt wird. Ein solches Vetorecht handelt kaum ein Start-up aus, das nur schnell reich werden will. Aus dieser Frühphase stammt die Spannung, die das Labor bis heute prägt, zwischen wissenschaftlichem Anspruch und dem kommerziellen Zugriff des Mutterkonzerns. Genau diese Spannung entlädt sich im Jahr 2026, als Hassabis die operative Führung abgibt.
Die ersten Jahre spielten sich in einem unscheinbaren Büro nahe dem Londoner Bahnhof King’s Cross ab, weit entfernt vom Glanz des Silicon Valley. Diese Distanz war Programm, denn Hassabis wollte eine eigene Forschungskultur bauen, keine Außenstelle eines amerikanischen Konzerns. Bis heute sitzt der Kern von Google DeepMind in London, während die Vermarktung der Modelle längst von der kalifornischen Konzernzentrale gesteuert wird. Diese Doppelstruktur aus britischer Forschung und amerikanischem Vertrieb prägt das Unternehmen bis in die Führungsfrage des Jahres 2026 hinein.
Aus den drei Gründern von 2010 blieb am Ende nur Hassabis im Konzern. Shane Legg wirkt weiter als Chefwissenschaftler im Hintergrund, Mustafa Suleyman verließ DeepMind bereits 2019 und führt heute die KI-Sparte eines direkten Wettbewerbers. Diese personelle Streuung ist ein früher Vorbote des Musters, das sich 2026 wiederholt: Die klügsten Köpfe der Branche sind ein knappes, hoch umworbenes Gut, das selten ein Leben lang an einer Adresse bleibt.
Wie wurde aus einem Londoner Labor Googles KI-Herz?
Aus einem Nischenlabor wurde Googles wichtigste Technologiequelle, weil DeepMind in zehn Jahren drei Durchbrüche lieferte, die vom Spielbrett bis ins Labor reichten. Der erste kam 2016, als das Programm AlphaGo den Weltklassespieler Lee Sedol im asiatischen Brettspiel Go schlug. Fachleute hatten diesen Sieg erst für das nächste Jahrzehnt erwartet, weil Go mehr mögliche Stellungen kennt, als das Universum Atome hat, und sich damit jeder stumpfen Durchrechnung entzieht.
Der Sieg gegen Lee Sedol wurde zum kulturellen Moment, nicht nur zum technischen. Millionen Menschen in Asien verfolgten die Partien live, und ein einzelner, für menschliche Spieler unverständlicher Zug des Programms ging als Beispiel für maschinelle Kreativität um die Welt. Für Google war der Auftritt unbezahlbare Werbung, denn der Auftritt verwandelte ein abstraktes Forschungslabor über Nacht in ein Symbol technologischer Führung.
Schon vor dem großen Ruhm zahlte sich der Zukauf für Google intern aus. 2016 setzte DeepMind seine Lernverfahren auf die Kühlung von Googles Rechenzentren an und senkte den dafür nötigen Energieaufwand nach Konzernangaben um rund 40 Prozent. Ein Labor, das eigentlich Grundlagenforschung betreibt, sparte damit unmittelbar Betriebskosten, lange bevor ein Sprachmodell auch nur geplant war. Diese frühe Anwendung zeigt das Grundmuster: DeepMinds Forschung fließt an vielen Stellen ins Geschäft, ohne je als eigene Umsatzzeile aufzutauchen.
Der zweite Durchbruch verwandelte die Schlagzeile in wissenschaftliches Gewicht. Mit AlphaFold sagte DeepMind ab 2020 die dreidimensionale Struktur von Proteinen voraus, ein Problem, an dem die Biologie ein halbes Jahrhundert gescheitert war. Die frei zugängliche AlphaFold-Datenbank enthält heute die Struktur von über 200 Millionen Proteinen, praktisch allen der Wissenschaft bekannten. Laut dem Nobelkomitee nutzten über zwei Millionen Forscher aus 190 Ländern das Werkzeug, bevor Hassabis und sein Kollege John Jumper dafür 2024 den Nobelpreis für Chemie erhielten, gemeinsam mit dem Biochemiker David Baker.
Der dritte Schritt war ein Machtwechsel im Konzern selbst. Im April 2023 legte Alphabet das Labor mit der konzerneigenen Forschungsgruppe Google Brain zusammen, seither firmiert alles als Google DeepMind unter Hassabis. Der Hintergrund war kein Zufall, sondern Panik: Der Start von ChatGPT hatte Google im Wettlauf um Sprachmodelle plötzlich alt aussehen lassen, und der Konzern bündelte seine besten Köpfe, um aufzuholen. Zwei getrennt geführte Elite-Teams wurden zu einer Einheit, deren einziger Auftrag lautete, Google wieder an die Spitze zu bringen.
Seither trägt ein Name, der vorher nur in Fachkreisen zählte, bis in jedes Google-Produkt hinein. Die Modellfamilie Gemini entsteht hier, ebenso die kleineren, schnelleren Varianten, die Google Anfang September 2026 mit Gemini 3.8 Flash nachschob. Wir halten fest: Aus einem Labor, das Spiele gewann, wurde die Fabrik, die Googles Antwort auf die Konkurrenz produziert, und aus einem Forscher-Idealismus wurde ein knallhartes Renditeversprechen an die Aktionäre.
Wie verdient Google mit DeepMind tatsächlich Geld?
Google verdient mit DeepMind keinen einzigen Euro direkt, denn das Labor verkauft nichts am Markt, sondern liefert die Modelle, die Google in Werbung, Cloud und Abos zu Geld macht. Diese Trennung ist der Kern des Geschäftsmodells und der Grund, warum kaum ein Wirtschaftsartikel die Frage sauber beantwortet. Die Marge von DeepMind steht nicht im Labor, sondern in den Geschäftszahlen des Mutterkonzerns.
Die einzige Umsatzzeile, die DeepMind selbst trägt, steht in einem britischen Handelsregister. Die DeepMind Technologies Limited weist ihre Erlöse als Vergütung für Forschungsleistungen aus, die sie anderen Alphabet-Gesellschaften in Rechnung stellt. Für 2023 nannte die bei Companies House hinterlegte Bilanz einen Umsatz von umgerechnet rund 1,78 Milliarden Euro, nach etwa 1,26 Milliarden Euro im Jahr davor, bei einem Jahresgewinn von umgerechnet rund 132 Millionen Euro. Diese Zahl ist eine Verrechnung, kein Marktumsatz: Alphabet bezahlt sein eigenes Labor dafür, dass dort geforscht wird.
Diese Konstruktion hat handfeste Gründe. Ein Konzern verrechnet Forschung intern, um Kosten sauber zwischen den Ländern zuzuordnen und Steuern korrekt abzugrenzen. Für Analysten bedeutet die Bauweise, dass sich der wahre Wert von DeepMind nicht aus einer Bilanzzeile ablesen lässt, sondern nur aus dem Beitrag zu Suche, Cloud und Abos schätzen lässt. Genau diese Unsichtbarkeit macht die Bewertung so strittig, denn ein Labor ohne eigene Gewinn-und-Verlust-Rechnung entzieht sich dem üblichen Maßstab der Rentabilität.
Welche versteckten Erlösströme laufen mit?
Der sichtbare Ertrag entsteht in zwei Sparten von Alphabet, die von DeepMinds Modellen leben. Die erste ist die Werbung rund um die Google-Suche. Konzernchef Sundar Pichai bezifferte die Werbeerlöse im zweiten Quartal 2026 auf umgerechnet rund 70 Milliarden Euro, und die KI-Übersichten, die Gemini oben in die Suchergebnisse schreibt, sind längst Teil dieser Maschine. Die zweite Sparte ist die Google-Cloud, deren Umsatz im selben Quartal um 82 Prozent auf umgerechnet rund 21,3 Milliarden Euro sprang.
Daneben laufen leisere Ströme mit, die selten Schlagzeilen machen. Über die Plattform Vertex AI verkauft Google den Zugang zu Gemini pro verarbeiteter Texteinheit an Entwickler, ein klassisches Geschäft nach Verbrauch. Hinzu kommt das Lizenzieren von Fähigkeiten in Google Workspace, wo Gemini in Gmail, Docs und Tabellen eingebaut ist und den Preis der Bürosoftware für Unternehmen erhöht. Selbst die synthetischen Stimmen des Google-Assistenten gehen auf DeepMind-Forschung zurück, konkret auf das Sprachsyntheseverfahren WaveNet. Jede dieser Quellen wäre ohne das Labor nicht denkbar, doch keine trägt den Namen DeepMind in der Bilanz.
Ein eigener, langfristiger Strom fließt über die Medikamentenforschung. Die 2021 aus AlphaFold entstandene Ausgründung Isomorphic Labs entwirft mit KI neue Wirkstoffe und arbeitet dafür mit Pharmakonzernen wie Novartis und Eli Lilly zusammen. Der Ertrag ist noch Zukunftsmusik, doch das Modell dahinter ist glasklar: Aus Grundlagenforschung, die als Nebenprodukt einen Nobelpreis abwarf, soll ein Geschäft mit patentierten Molekülen werden. Google sitzt damit an einem Hebel, den kein anderer KI-Konzern in dieser Tiefe besitzt.
Wie machen Daten und Algorithmen aus DeepMind Geld?
Die eigentliche Erlösbasis eines digitalen Geschäftsmodells sind Daten, und hier sitzt Google auf einem Schatz, den kein Wettbewerber besitzt. Gemini trainiert auf einem Fundus, der aus Jahrzehnten Suche, YouTube, Karten und Android stammt. Diese Datenbasis speist die Modelle, die anschließend die Werbung präziser machen und die Suche länger im eigenen Ökosystem halten.
Der Kreislauf ist elegant und für Außenstehende kaum sichtbar. Nutzer stellen Fragen an Gemini, das Modell antwortet, und aus den Interaktionen lernt Google, welche Formulierungen ziehen und welche Anzeigen passen. Die KI-Übersichten in der Suche halten Nutzer auf der Google-Seite, statt sie auf fremde Websites weiterzuleiten, was den Werbeplatz wertvoller macht. Aus Sicht der Bilanz taucht dieser Datenwert nirgends als Position auf, er steckt unsichtbar in der Marge der Werbung.
Genau diese Verschmelzung von Datenschatz und Modellqualität ist der Grund, warum reine Modellanbieter dauerhaft im Nachteil bleiben. Ein Wettbewerber kann ein ebenso gutes Modell bauen, doch ihm fehlt der tägliche Strom aus Milliarden Suchanfragen, der Googles System nachschärft. Der Datenkreislauf ist die stille Burgmauer des Geschäfts, und DeepMind ist der Baumeister, der sie immer höher zieht.
Wo sitzen die Margen und die Quersubventionen?
Die dickste Marge liefert die Cloud, und genau sie subventioniert das teure Labor mit. Der operative Gewinn der Google-Cloud kletterte im zweiten Quartal 2026 auf umgerechnet rund 7,6 Milliarden Euro, nach etwa 2,4 Milliarden Euro ein Jahr zuvor. Diese Sparte war lange ein Zuschussgeschäft und wirft heute genug ab, um einen Teil der Forschungskosten zu decken.
Das Verbraucherabo Google AI Plus, in Deutschland seit Anfang 2026 für 7,99 Euro im Monat zu haben, ist dagegen ein klassischer Lockvogel. Der Preis deckt die Rechenkosten hinter einer intensiven Gemini-Nutzung kaum, das Abo dient der Bindung und der Gewöhnung. Google leistet sich diesen Verlustführer, weil die eigentliche Ernte woanders reift, in der Werbung und im Cloud-Geschäft mit Unternehmen.
Die Margen zwischen den Sparten liegen weit auseinander. Das Werbegeschäft rund um die Suche gilt als das profitabelste Standbein des Konzerns, mit Renditen, von denen die junge Cloud-Sparte lange nur träumte. Erst die KI-Nachfrage hob die Cloud aus der Verlustzone in Gewinne im Milliardenbereich. DeepMind sitzt genau an der Nahtstelle, denn seine Modelle machen die margenstarke Werbung noch klebriger und verwandeln zugleich die Cloud in ein Wachstumsgeschäft, das Investoren begeistert.
In den vergangenen fünf Jahren verschob sich das Modell spürbar. Aus einem Labor, das Grundlagenforschung betrieb, wurde eine Produktschmiede, deren Ausstoß Google so schnell wie möglich in bezahlte Dienste gießt. Neue Erlösquellen wie Vertex AI und die Gemini-Abos kamen hinzu, während der reine Forschungsanteil an Sichtbarkeit verlor. Der Rückzug von Hassabis aus der operativen Führung ist das deutlichste Signal dieser Verschiebung, denn an seine Stelle rückt mit Kavukcuoglu ein Techniker, dessen Auftrag die schnelle Auslieferung marktreifer Modelle ist.
Wie groß ist die Marktmacht von DeepMind wirklich?
DeepMinds Macht misst sich nicht am eigenen Umsatz, sondern an der Verteilung, denn kein Konkurrent bringt seine Modelle so mühelos vor so viele Menschen wie Google. Die Gemini-App zählte im zweiten Quartal 2026 über 950 Millionen monatliche Nutzer, und samt der KI-Übersichten in der Suche erreicht Google nach eigenen Angaben rund 2,5 Milliarden Menschen im Monat. Diese Reichweite ist der Graben, den ein reiner Modellanbieter kaum überwinden kann.
Die ernsthaften Herausforderer heißen OpenAI und Anthropic. Beide bauen exzellente Modelle, doch beiden fehlt die Milliardenverteilung über Suche, Android und Chrome, die Google praktisch geschenkt bekommt. Wie ein spezialisierter Wettbewerber ohne diese Reichweite überlebt, zeigt der Blick auf das Geschäftsmodell von OpenAI, das seine Nutzer teuer über eine einzelne App gewinnen muss. Google hingegen schaltet Gemini einfach in Produkte frei, die Menschen ohnehin täglich öffnen, und spart sich damit den teuersten Posten der Konkurrenz, die Kundengewinnung.
Im Unternehmensgeschäft ist der Vorsprung ähnlich groß. Pichai berichtete, dass rund 90 Prozent der 100 größten US-Konzerne die Gemini-Werkzeuge in irgendeiner Form nutzen, und der Auftragsbestand der Cloud stieg auf umgerechnet rund 441 Milliarden Euro. Diese Zahl ist ein Berg an bereits zugesagten Aufträgen, den Google über Jahre abarbeitet, und er verschafft dem Konzern eine Planungssicherheit, von der Wettbewerber nur träumen.
Diese Bindung wirkt wie ein sich selbst verstärkender Kreislauf. Je mehr Konzerne Gemini in ihre Abläufe einbauen, desto mehr Entwickler lernen die Werkzeuge, desto mehr Partner bauen darauf auf. Ein solcher Netzwerkeffekt ist der teuerste Graben der digitalen Wirtschaft, weil er sich nicht kaufen, sondern nur über Jahre aufbauen lässt, und Google hält diesen Vorsprung bereits in der Hand.
Die Wechselkosten sind der stille Verbündete dieser Zahlen. Ein Unternehmen, das seine Datenpipelines einmal auf Vertex AI aufgebaut hat, wandert nicht leichtfertig zu einem anderen Anbieter ab, weil der Umbau Zeit, Geld und Risiko bedeutet. Ein Kartellrisiko wächst mit dieser Bündelung, denn Regulierer in Brüssel und Washington beobachten genau, wie Google eigene Modelle in eigene Marktführer-Produkte drückt. Die Marktmacht speist sich also aus drei Quellen zugleich: Reichweite, Datenschatz und die Trägheit gebundener Kunden.
Wer ist bei DeepMind eigentlich das Produkt?
Bei DeepMind zahlt der Nutzer selten mit Geld, sondern mit Aufmerksamkeit und Daten, die Google in Werbewert verwandelt. Der Großteil der 950 Millionen Gemini-Nutzer bezahlt keinen Cent für die App. Sie liefern stattdessen Fragen, Rückmeldungen und Verweildauer, aus denen Google lernt und sein Werbegeschäft schärft. In der Sprache der Plattformökonomie sind diese Nutzer weniger Kunden als Rohstoff.
Eine zweite Gruppe trägt die Wertschöpfung fast unsichtbar: die Forscher selbst. DeepMind beschäftigt mehrere tausend hochspezialisierte Wissenschaftler und Ingenieure, deren Gehälter und Rechenzeit den Löwenanteil der Kosten ausmachen. Ihr Wissen fließt in Modelle, die Google monetarisiert, während der einzelne Forscher am Markterfolg nur mittelbar beteiligt ist. Der Abgang von Chefwissenschaftler Jeff Dean im August 2026 zeigt, wie beweglich dieser Rohstoff Talent ist, denn ein einzelner Wechsel kann Wissen mitnehmen, das Jahre gekostet hat.
Zwischen diesen Gruppen steht eine wachsende Schar von Entwicklern, die auf Vertex AI eigene Anwendungen bauen. Sie sind Kunde und Baustein zugleich, denn jede App, die auf Gemini läuft, bindet weitere Nutzer an Googles Ökosystem und liefert neue Daten zurück. Für Google ist diese Gruppe der ideale Multiplikator, weil fremde Firmen die Entwicklungsarbeit und das Marktrisiko tragen, während der Konzern an jeder verarbeiteten Anfrage mitverdient.
Die dritte Gruppe sind die zahlenden Kunden im Hintergrund, die Entwickler und Unternehmen auf Vertex AI und in der Cloud. Diese Gruppe bezahlt tatsächlich, pro verarbeiteter Texteinheit oder im festen Vertrag, und finanziert damit die kostenlosen Angebote für die breite Masse mit. Aus Sicht eines deutschen Mittelständlers, der Gemini in seine Software einbaut, ist das eine faire, aber folgenreiche Rolle: Er wird zum Zahler, während der Endnutzer gratis bleibt und Google an beiden Enden verdient.
Diese Dreiteilung erklärt, warum DeepMind für Google so wertvoll ist. Die kostenlosen Nutzer liefern Daten und Reichweite, die Forscher liefern die Technik, und die Geschäftskunden liefern das Bargeld. Kein Teilnehmer sieht das ganze Bild, und genau in dieser Aufteilung liegt die Eleganz des Modells. Der eigentliche Gewinn entsteht aus der Verschaltung, nicht aus einem einzelnen Produkt.
Was kostet Googles KI wirklich, und wer trägt die Kosten?
Der Listenpreis eines Gemini-Abos verrät wenig über die wahren Kosten, denn die teure Rechnung zahlt der Konzern im Hintergrund und holt sie sich über Werbung und Cloud zurück. Für Verbraucher beginnt die Preistreppe bei 7,99 Euro im Monat für Google AI Plus und steigt über ein mittleres Pro-Abo bis zu einem Spitzenpaket, das ein Vielfaches kostet und Zugriff auf die stärksten Modelle samt großem Speicher bietet. Für Entwickler gilt eine andere Logik: Sie zahlen pro verarbeiteter Texteinheit über Vertex AI, je nach Modell und Menge.
Ein konkretes Beispiel macht die Entwicklerlogik greifbar. Ruft eine Firma über Vertex AI ein großes Gemini-Modell auf, zahlt sie getrennt für die eingespeiste Frage und die erzeugte Antwort, jeweils pro Textbaustein und in winzigen Centbruchteilen. Bei einzelnen Anfragen wirkt das billig, bei Millionen automatisierter Vorgänge summieren sich die Bruchteile zu ernsten Beträgen. Diese Abrechnung nach Verbrauch ist für Google das eigentliche Skalengeschäft, weil jeder zusätzliche Kunde kaum Mehrkosten verursacht, aber verlässlich Umsatz nachlegt.
Die eigentliche Kostenlast liegt in der Infrastruktur. Alphabet hob seine Investitionsplanung für 2026 auf umgerechnet bis zu rund 176 Milliarden Euro an, für Rechenzentren, Netzwerke und Chips. Ein erheblicher Teil davon fließt in die Rechenkraft hinter DeepMind, denn ein einziges Training eines Spitzenmodells verschlingt Energie und Hardware in gewaltigem Umfang. Google baut viele dieser Chips als eigene Tensor-Prozessoren, kauft aber weiter Grafikprozessoren zu, deren Marktführer im Geschäftsmodell von Nvidia sichtbar wird.
Diese Investitionen sind eine Wette mit ungewissem Ausgang. Konzernchef Pichai nannte als seine größte Sorge nicht die Konkurrenz, sondern die Rechenkapazität, also Strom, Fläche und Lieferketten für Chips. Ein Konzern, der Milliarden in Hardware steckt, deren Auslastung von einer weiter steigenden Nachfrage abhängt, geht ein reales Risiko ein. Die Kosten von heute rechtfertigen sich nur, wenn die Erträge von morgen tatsächlich kommen.
Die Frage, wer diese Kosten am Ende trägt, lässt sich klar beantworten. Die folgende Tabelle zeigt, was der Nutzer sieht und wohin das Geld wirklich fließt.
| Kostenbestandteil | Wer zahlt sichtbar | Wer trägt die Last real |
|---|---|---|
| Verbraucherabo ab 7,99 Euro im Monat | Abonnent | deckt Rechenkosten nur teilweise, Rest quersubventioniert |
| Gemini in der Suche | niemand direkt | Werbekunden über höhere Anzeigenpreise |
| Vertex AI pro Texteinheit | Entwickler und Unternehmen | am Ende deren Endkunden |
| Rechenzentren und Chips | Alphabet aus dem Cashflow | Aktionäre über verschobene Gewinne |
| Strom und Wasser der Rechenzentren | Alphabet | teils die Standortregionen und Netze |
Auffällig ist die Richtung der Preise. Nach oben passt Google die Abopreise und Anzeigentarife zügig an, nach unten bewegt sich selten etwas. Diese Einbahnstraße ist typisch für einen Anbieter mit starker Marktstellung, dem die Kundschaft kaum ausweicht, und sie ist der eigentliche Grund, warum sich das teure Labor über die Zeit rechnen soll.
Wer profitiert an DeepMind, und wer zahlt drauf?
Am stärksten profitieren die Aktionäre von Alphabet und eine kleine Spitze aus Führung und Schlüsselforschern, während Verlage, Wettbewerber und Standortregionen die Kosten spüren. Für die Anteilseigner rechnet sich das Modell: Der Konzernumsatz stieg im zweiten Quartal 2026 um 24 Prozent auf umgerechnet rund 103 Milliarden Euro, die operative Marge lag bei 34 Prozent. DeepMind liefert dazu den Rohstoff, ohne selbst als Kostenblock in der Werbebilanz aufzutauchen.
Auf der Verliererseite stehen zuerst die Verlage und Website-Betreiber. Die KI-Übersichten beantworten viele Fragen direkt in der Suche, sodass Nutzer seltener auf die Originalquellen klicken. Wer sein Geschäft auf Google-Verkehr gebaut hat, sieht diese Klicks schrumpfen, während Google die Aufmerksamkeit im eigenen Ökosystem hält. Der Mechanismus gleicht dem Plattform-Fluch: Einmal auf die Reichweite angewiesen, akzeptieren Betroffene schlechtere Konditionen, weil die Alternative fehlt.
Die folgende Übersicht ordnet Gewinner und Verlierer des Modells.
| Beteiligte | Rolle im Modell | Bilanz |
|---|---|---|
| Alphabet-Aktionäre | tragen das Risiko, kassieren die Marge | Gewinner, solange die Wette aufgeht |
| Spitzenforscher | bauen die Modelle, sind hoch umworben | Gewinner mit Verhandlungsmacht |
| Geschäftskunden | bezahlen Cloud und Vertex AI | gemischt, Nutzen gegen Abhängigkeit |
| Verlage und Website-Betreiber | verlieren Klicks an KI-Übersichten | Verlierer beim Traffic |
| Standortregionen | stellen Strom, Wasser und Fläche | Verlierer bei der Lastenverteilung |
DeepMind ist das teuerste Nichtprodukt der Techbranche. Google bezahlt ein Labor dafür, Nobelpreise und Modelle zu liefern, und kassiert die Rechnung zwei Türen weiter in der Werbung, wo kein Kunde je das Wort DeepMind liest.
— Michael Dobler, Herausgeber Dr. Web
Eine dritte Gruppe zahlt indirekt, die Regionen, in denen Google seine Rechenzentren baut. Sie stellen Fläche, Strom und Wasser bereit, oft mit Steuervorteilen, während der wirtschaftliche Ertrag zentral bei Alphabet anfällt. Für die deutsche Wirtschaft bedeutet die Rechnung gemischte Vorzeichen, denn dieselbe Technik, die Mittelständlern Werkzeuge liefert, verschärft zugleich ihre Abhängigkeit von einem einzigen amerikanischen Konzern. Der Nutzen und der Preis liegen hier eng beieinander, und wer nur den Nutzen sieht, unterschätzt die Rechnung.
Wie politisch ist DeepMind?
DeepMind ist hochpolitisch, weil seine Modelle Regulierung, Datenschutz und die Energiepolitik ganzer Regionen berühren. In Europa fällt Gemini unter die KI-Verordnung der EU, die für besonders leistungsfähige Modelle Transparenz- und Sicherheitspflichten vorschreibt. Google muss dokumentieren, womit trainiert wurde und welche Risiken bestehen, ein Aufwand, der kleinere Anbieter härter trifft als einen Konzern mit eigener Rechtsabteilung.
Der zweite politische Hebel liegt im Kartellrecht. Die EU-Kommission und die US-Wettbewerbsbehörde prüfen seit Jahren, wie Google seine Marktmacht in Suche und Werbung nutzt, und die Bündelung von Gemini in genau diese Produkte gießt neues Öl ins Feuer. Regulierer fürchten, dass ein dominanter Anbieter seine KI so tief in Standarddienste einbaut, dass Wettbewerber keine faire Chance mehr bekommen. Ein US-Gericht hatte Google bereits eine unrechtmäßige Monopolstellung in der Suche attestiert, und jede neue Verzahnung von Modell und Marktmacht schärft diesen Streit.
Hinzu kommt die Steuerfrage. Alphabet gehört wie die gesamte Techbranche zu den Konzernen, die ihre Gewinne über internationale Strukturen dorthin lenken, wo die Steuerlast niedrig ausfällt. Zugleich zählt das Unternehmen zu den größten Ausgabern für Lobbyarbeit in Washington und Brüssel, wo über die Regeln für künstliche Intelligenz entschieden wird. Diese Einflussarbeit ist kein Beiwerk, sondern Teil des Geschäftsmodells, weil jede Vorschrift über Haftung, Training und Datennutzung direkt auf die Erlöse von morgen durchschlägt.
Für Deutschland ist diese Gemengelage besonders heikel. Die Bundesregierung wirbt einerseits um Rechenzentren und KI-Investitionen, fürchtet andererseits die Abhängigkeit von amerikanischen Anbietern. Jede Ansiedlung eines Google-Rechenzentrums bringt Arbeitsplätze und Steuern, bindet aber zugleich kritische Infrastruktur an einen Konzern, dessen Entscheidungen in Kalifornien fallen. Diese Zwickmühle zwischen Standortvorteil und Souveränität zieht sich durch die gesamte europäische Digitalpolitik.
Der dritte Konflikt ist physisch und lokal. Rechenzentren verbrauchen Strom und Wasser, und der Investitionsplan von bis zu rund 176 Milliarden Euro bedeutet neue Standorte, neue Leitungen und neue Aushandlungen mit Kommunen. In manchen Regionen konkurriert ein Rechenzentrum um dieselbe Energie, die Haushalte und Industrie brauchen, was den Bau schnell zum politischen Thema macht.
Bemerkenswert ist die Rollenteilung im Konzern. Während Kavukcuoglu die Modelle näher an den Markt rückt, verlagert Hassabis seine Arbeit auf Sicherheitsfragen und die gesellschaftlichen Folgen einer allgemeinen KI. Diese Aufteilung ist auch Öffentlichkeitsarbeit, denn sie hält dem kommerziellen Druck ein wissenschaftliches Gewissen entgegen und liefert Google im Gespräch mit Regulierern ein glaubwürdiges Gesicht. Ob dieses Gewissen im Zweifel den Ausschlag gibt oder nur gut aussieht, wird die Zukunft zeigen.
Was könnte DeepMind zu Fall bringen?
Die größten Risiken sind der Abfluss von Talent, der Preiskampf mit den Rivalen OpenAI und Anthropic sowie die Frage, ob sich die gewaltigen Investitionen je auszahlen. Der Rückzug von Hassabis aus der operativen Führung und der Abgang von Jeff Dean im August 2026 zeigen, wie schnell Schlüsselköpfe wechseln. Ein Labor, dessen Wert an wenigen hundert Spitzenforschern hängt, ist verwundbar, sobald ein Wettbewerber oder eine eigene Ausgründung lockt.
Der zweite Angriff kommt von der Konkurrenz. Google schob Anfang September 2026 das Modell Gemini 3.8 Flash nach, ausdrücklich um den Rückstand beim Programmieren zu verkleinern, ein Eingeständnis, dass die Rivalen in einzelnen Disziplinen vorn liegen. Wie ernst der Wettbewerb um die besten Modelle ist, zeigt das Geschäftsmodell von Anthropic, dessen Systeme in vielen Programmieraufgaben als Maßstab gelten. Verliert Google diesen Wettlauf dauerhaft, bröckelt der Grund für die Milliardeninvestitionen.
Ein weiteres Risiko liegt in der Sicherheit der Modelle selbst. Je tiefer Gemini in Suche, Behörden und Unternehmen eindringt, desto größer wird der Schaden, den ein Fehler, ein Missbrauch oder eine manipulierte Antwort anrichten kann. Genau auf dieses Feld verlagert Hassabis nun seine Arbeit, und der Schritt ist doppeldeutig, denn er schützt die Gesellschaft und zugleich das Geschäft. Ein einziger großer Vertrauensbruch könnte die Nachfrage schneller einbrechen lassen als jeder Konkurrent.
Das dritte Risiko ist finanzieller Natur. Investitionen von bis zu rund 176 Milliarden Euro in einem einzigen Jahr sind eine Wette darauf, dass die KI-Nachfrage weiter explodiert. Bricht diese Nachfrage ein oder reicht die Rechenkraft der Wettbewerber ebenfalls aus, steht Alphabet auf teuren, halb ausgelasteten Rechenzentren. Manche Analysten warnen bereits vor einer Blase, in der zu viele Konzerne gleichzeitig zu viel Kapazität aufbauen, deren Auslastung die Realität nicht einholt.
Drei Szenarien sind für die nächsten fünf Jahre realistisch. Im ersten zementiert Google seine Führung, und DeepMind wird zur Gelddruckmaschine, die jeden investierten Euro vielfach zurückzahlt. Im zweiten schmilzt der Vorsprung, und das Labor bleibt ein prestigeträchtiges, aber teures Zuschussgeschäft, das die Aktionäre mit Blick auf den Nobelpreis dulden. Im dritten zwingt eine Regulierung Google, die enge Bündelung von Modell und Marktmacht zu lockern, womit ein Teil des heutigen Erlösmodells wegbräche. Welches Szenario eintritt, hängt weniger an der Technik als an Wettbewerb, Politik und dem Durchhaltevermögen der Investoren.
Was bedeutet DeepMind für deutsche Unternehmer und Verbraucher?
Für deutsche Unternehmen ist DeepMind zugleich Werkzeugkasten und Abhängigkeit, denn Gemini senkt Kosten und bindet zugleich an einen einzigen amerikanischen Anbieter. Der praktische Nutzen liegt auf der Hand. Über die Google-Cloud und Vertex AI lassen sich Modelle einbauen, für die ein Mittelständler nie eigene Forschung leisten könnte. Ein Onlinehändler, der seine Produktbeschreibungen automatisiert, oder eine Kanzlei, die Verträge vorprüft, greift auf dieselbe Technik zu, die aus dem Londoner Labor stammt.
Der Preis dieser Bequemlichkeit ist die Bindung. Ein Unternehmen, das seine Abläufe auf Gemini aufsetzt, macht sich von Googles Preisen, Modellwechseln und Verfügbarkeiten abhängig, und die Erfahrung zeigt, dass Preise bei starker Marktstellung eher steigen als fallen. Europäische Alternativen wie das französische Mistral oder das deutsche Aleph Alpha existieren, bleiben aber in Reichweite und Ökosystem hinter Google zurück. Für die DSGVO gilt: Google bietet europäische Rechenzentren und Vertragsklauseln an, die Verantwortung für den datenschutzkonformen Einsatz bleibt jedoch beim Unternehmen.
Für Verbraucher stellt sich die Rechnung anders, aber nicht harmloser. Ein Mensch, der täglich die Google-Suche nutzt, bezahlt die KI längst mit, ohne je ein Abo abzuschließen, nämlich über die Werbung und die Daten, die jede Anfrage hinterlässt. Der spürbare Gewinn sind schnellere Antworten und bequemere Werkzeuge, der stille Preis ist eine wachsende Konzentration von Wissen und Macht bei einem einzigen Anbieter.
Drei Szenarien für die kommenden zwölf Monate lassen sich abstecken. Im optimistischen Fall drückt der Wettbewerb zwischen Google, OpenAI und Anthropic die Preise für Unternehmen, und deutsche Firmen profitieren von günstigen, leistungsstarken Modellen. Im realistischen Fall bleibt Gemini der bequeme Standard, die Abhängigkeit wächst, und die Kosten steigen moderat. Im pessimistischen Fall zwingt eine Regulierung oder ein Preissprung Unternehmen zum Umbau ihrer Systeme, mit Aufwand, der besonders kleine Betriebe trifft.
Unser Rat für deutsche Entscheider lautet, Gemini dort zu nutzen, wo das Werkzeug Zeit spart, aber die eigenen Daten und Schnittstellen so zu halten, dass ein Anbieterwechsel möglich bleibt. Konkret heißt das, Daten in eigenen Formaten zu sichern, Modelle über eine austauschbare Schnittstelle anzubinden und mindestens einen zweiten Anbieter zu testen. So bleibt der Nutzen der DeepMind-Technik erhalten, ohne dass die Abhängigkeit zur Falle wird. Diese Balance sichert den Fortschritt, ohne das eigene Unternehmen dem Anbieter auszuliefern.
Glossar: 12 wichtige Fachbegriffe zum DeepMind-Geschäftsmodell
AGI (Artificial General Intelligence)
AGI bezeichnet eine allgemeine künstliche Intelligenz, die Aufgaben auf menschlichem Niveau über viele Bereiche hinweg lösen kann. DeepMind nennt dieses Ziel seit der Gründung als Mission. Bis heute existiert keine AGI, der Begriff bleibt eine Richtungsangabe, kein Produkt.
AlphaFold
AlphaFold ist ein von DeepMind entwickeltes KI-System, das die dreidimensionale Struktur von Proteinen vorhersagt. Die zugehörige Datenbank umfasst über 200 Millionen Strukturen. Für diese Arbeit erhielten Demis Hassabis und John Jumper 2024 den Nobelpreis für Chemie.
Bestärkendes Lernen
Bestärkendes Lernen ist ein Trainingsverfahren, bei dem ein System durch Belohnung und Bestrafung lernt, statt aus festen Beispielen. DeepMind wurde mit dieser Methode bekannt, etwa als AlphaGo sich selbst das Brettspiel Go beibrachte und Weltklassespieler schlug.
Capex (Investitionsausgaben)
Capex steht für Investitionen in langlebige Anlagen wie Rechenzentren, Server und Chips. Alphabet plant für 2026 Capex von umgerechnet bis zu rund 176 Milliarden Euro. Ein großer Teil finanziert die Rechenkraft, die DeepMind für das Training seiner Modelle braucht.
Gemini
Gemini ist die Modellfamilie, die Google DeepMind entwickelt und in Produkte wie Suche, Cloud und Workspace einbaut. Sie umfasst große Modelle und schlanke Flash-Varianten. Gemini ist der wichtigste kommerzielle Kanal, über den DeepMinds Forschung Geld einbringt.
Intra-group-Verrechnung
Intra-group-Verrechnung beschreibt Umsätze zwischen Gesellschaften desselben Konzerns. DeepMind rechnet seine Forschung als Dienstleistung an Alphabet ab, zuletzt umgerechnet rund 1,78 Milliarden Euro. Diese Summe ist kein Marktumsatz, sondern eine interne Vergütung ohne fremden Kunden.
Isomorphic Labs
Isomorphic Labs ist die 2021 aus AlphaFold hervorgegangene Ausgründung, die KI für die Medikamentenentwicklung nutzt. Im Mai 2026 sammelte sie umgerechnet rund 1,8 Milliarden Euro ein. Demis Hassabis führt das Unternehmen weiter, das erste klinische Studien für Ende 2026 anpeilt.
KI-Übersichten
KI-Übersichten sind die von Gemini erzeugten Antwortkästen oben in der Google-Suche. Sie beantworten Fragen direkt und halten Nutzer auf der Google-Seite. Für Website-Betreiber bedeutet das weniger Klicks, für Google einen wertvolleren Werbeplatz.
Marktmacht
Marktmacht bezeichnet die Fähigkeit eines Anbieters, Preise und Bedingungen unabhängig vom Wettbewerb zu setzen. Google verdankt seine Marktmacht bei KI weniger den Modellen als der Verteilung über Suche, Android und Cloud, die Wettbewerbern das Gleichziehen erschwert.
Quersubventionierung
Quersubventionierung liegt vor, wenn eine profitable Sparte eine defizitäre finanziert. Bei Google trägt das Cloud- und Werbegeschäft das kostspielige Labor DeepMind sowie günstige Verbraucherabos. Der Verlust an einer Stelle ist eingeplant, weil der Gewinn an anderer Stelle größer ausfällt.
Vertex AI
Vertex AI ist die Cloud-Plattform, über die Google Unternehmen und Entwicklern den Zugang zu Gemini verkauft, meist nach verarbeiteter Textmenge. Diese Plattform ist einer der wenigen Orte, an denen DeepMinds Modelle direkt und messbar Umsatz erzeugen.
Wechselkosten
Wechselkosten sind der Aufwand, den ein Kunde für den Umstieg zu einem anderen Anbieter tragen müsste. Ein Kunde, der seine Systeme auf Vertex AI aufbaut, muss bei einem Wechsel Schnittstellen und Abläufe umbauen. Diese Hürde bindet Kunden und stärkt Googles Preissetzungsmacht.
FAQ: Wie verdient Google mit DeepMind sein Geld?
Verdient DeepMind eigenes Geld?
DeepMind erzielt keinen eigenen Marktumsatz, sondern rechnet Forschung als konzerninterne Dienstleistung an Alphabet ab, zuletzt umgerechnet rund 1,78 Milliarden Euro im Jahr 2023. Der eigentliche Ertrag entsteht dort, wo Google die Modelle verkauft: in der Werbung rund um die Suche und im Cloud-Geschäft.
Wie viel hat Google für DeepMind bezahlt?
Google übernahm DeepMind 2014 für einen kolportierten Preis von umgerechnet rund 430 Millionen Euro. Das Labor blieb als eigenständige Einheit in London bestehen. Für Google war die Übernahme vor allem ein Talentkauf, um die führenden KI-Forscher vor der Konkurrenz zu sichern.
Warum ist Demis Hassabis als DeepMind-Chef zurückgetreten?
Hassabis gab die operative Führung am 5. August 2026 ab und wurde Chefwissenschaftler bei Alphabet. Die Gemini-Entwicklung übernahm Technikchef Koray Kavukcuoglu, der direkt an Sundar Pichai berichtet. Der Schritt gilt als Teil einer Umstrukturierung, mit der Google gegenüber OpenAI und Anthropic aufholen will.
Was ist der Unterschied zwischen DeepMind und Gemini?
DeepMind ist das Forschungslabor von Alphabet, Gemini ist die dort entwickelte Modellfamilie. DeepMind baut die Technik, Google verkauft sie über Produkte wie Suche, Cloud und Workspace. Gemini ist damit der wichtigste kommerzielle Kanal, über den DeepMinds Forschung Geld einbringt.
Ist DeepMind für Google profitabel?
DeepMind selbst ist ein Kostenblock, der über eine interne Verrechnung finanziert wird. Ob sich das Labor rechnet, entscheidet sich in den Sparten, die seine Modelle nutzen. Die Google-Cloud erzielte im zweiten Quartal 2026 einen operativen Gewinn von umgerechnet rund 7,6 Milliarden Euro und trägt einen Teil der Forschungskosten mit.
Können deutsche Unternehmen DeepMind-Technik nutzen?
Ja, deutsche Unternehmen greifen über die Google-Cloud und Vertex AI auf die Modellfamilie Gemini zu, meist nach verarbeiteter Textmenge abgerechnet. Google bietet europäische Rechenzentren und Vertragsklauseln für die DSGVO an. Die Verantwortung für den datenschutzkonformen Einsatz bleibt jedoch beim Unternehmen.
Quellen
Alphabet Inc. | Alphabet Announces Second Quarter 2026 Results | https://abc.xyz/investor/ | besucht am 02.09.2026
Time | Google DeepMind Reshuffles After CEO Demis Hassabis Steps Aside | https://time.com/article/2026/08/06/google-deepmind-ai-demis-hassabis/ | besucht am 02.09.2026
Fortune | Demis Hassabis steps down from Google DeepMind CEO role amid a major AI leadership shake-up | https://fortune.com/2026/08/05/demis-hassabis-steps-down-google-deepmind-ai-shakeup/ | besucht am 02.09.2026
Companies House | DeepMind Technologies Limited, filing history and accounts | https://find-and-update.company-information.service.gov.uk/company/07386350 | besucht am 02.09.2026
NobelPrize.org | The Nobel Prize in Chemistry 2024, press release | https://www.nobelprize.org/prizes/chemistry/2024/press-release/ | besucht am 02.09.2026
Forbes | Isomorphic Labs 2.1 Billion Fundraise Is The Biggest Bet Yet On AI Drug Discovery | https://www.forbes.com/sites/amyfeldman/2026/05/13/isomorphic-labs-21-billion-fundraise-is-the-biggest-bet-yet-on-ai-drug-discovery/ | besucht am 02.09.2026
The Motley Fool | Sundar Pichai Says Alphabet AI Overviews Now Reach 2.5 Billion Monthly Users | https://www.fool.com/investing/2026/09/01/sundar-pichai-says-alphabets-ai-overviews-now-reac/ | besucht am 02.09.2026
Britannica | Google DeepMind, History, Innovations and Controversies | https://www.britannica.com/topic/Google-DeepMind | besucht am 02.09.2026
Europäische Zentralbank | Euro foreign exchange reference rates, US-Dollar und britisches Pfund | https://www.ecb.europa.eu/stats/policy_and_exchange_rates/euro_reference_exchange_rates/html/index.en.html | besucht am 02.09.2026
