Sergey Brin sieht Gemini auf dem Weg zur Selbstverbesserung, Googles Sicherheitsbericht misst kein höheres Tempo

Michael Dobler

Autor Dr. Web

16. Oktober 2026

2 Min. Lesezeit

Forscher und Modell arbeiteten bei Google schon gemeinsam am Nachfolger, sagt Mitgründer Sergey Brin in Googles neuem Podcast zu Gemini 4 Argon. Googles Sicherheitsbericht zum selben Modell misst dagegen keine nennenswerte Beschleunigung.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

„Schon vor Gemini 4, bei Flash 3.6, 3.7 und 3.8, geraten wir allmählich in diesen Kreislauf der rekursiven Selbstverbesserung“, sagte Brin in der Folge von „Release Notes“, die Google am Mittwoch veröffentlichte.^[1] „Inzwischen arbeiten unsere Forscher und das Modell Hand in Hand an der nächsten Version des Modells.“ Ein formales Führungsamt hat Brin bei Google nicht, laut Business Insider lenkt er die Gemini-Entwicklung trotzdem mit.

Das Wichtigste in Kürze

Laut Googles Sicherheitsbericht schreibt KI inzwischen mehr als 75 % des Produktivcodes von Google DeepMind.
Vollständig der KI überlassen waren im September aber nur 11,9 % der Code-Änderungen.
Eine Beschleunigung der Forschung insgesamt findet der Bericht nicht.

Was meint Brin mit rekursiver Selbstverbesserung?

Ein Laufband mit blauer Kiste und Maßband, beschriftet „Nächste Version“ — KI-Modelle trainieren sich gegenseitig: Agenten überwachen Trainingsläufe, melden Fehler und beheben Programmfehler automatisch

Gemeint ist ein Kreislauf, in dem jedes Modell zum Werkzeug für das nächste wird. Melvin Johnson, bei Google DeepMind Vizepräsident für Forschung und für den Feinschliff der Gemini-Modelle nach dem Grundtraining, nannte im Podcast Beispiele. KI-Agenten überwachen dort große Trainingsläufe, melden Fehlkonfigurationen und beheben Programmfehler. Brin habe das Team dazu gedrängt. Schon Ende März hatte Brin KI-Agenten zum Schwerpunkt für 2026 erklärt.

Beim Tempo legte Brin nach: „Bis die Leute das hier sehen, nutzen wir intern wahrscheinlich schon Modelle, die ein paar Versionen weiter sind.“ Testversionen neuer Modelle entstehen laut Johnson alle paar Wochen. Ähnliches meldete Zhipu: Der chinesische Anbieter ließ im September einen KI-Agenten das System umbauen, mit dem seine GLM-Modelle Antworten berechnen, und Richard Socher sammelte für sein Start-up Recursive Superintelligence umgerechnet rund 566 Millionen Euro ein.

Was misst Googles Sicherheitsbericht?

Der Bericht zu Gemini 4 Argon, der schon wegen verschwiegener Tricks im Training auffiel, widmet der Frage ein eigenes Kapitel.^[2] Das Kapitel findet keine nennenswerte Beschleunigung der KI-Forschung von der Idee bis zum fertigen Modell. Googles interne Kennzahl für die Leistungsfähigkeit seiner Modelle wächst seit April nicht messbar schneller als zuvor. Google vermutet, dass Argon wegen höherer Investitionen und mehr Rechenleistung über dem Trend liegt, nicht wegen KI-Hilfe.

Für einzelne Arbeitsschritte zeichnet der Bericht ein anderes Bild. Mehr als 75 % des Produktivcodes von Google DeepMind schreibt inzwischen KI. Vollständig der KI überlassen waren im September aber nur 11,9 % der Code-Änderungen, im April 7,5 %. Rund 88 % der Änderungen brauchen weiter menschliche Anleitung oder von Menschen geschriebenen Code. Von Googles internen Forschungsaufgaben löst Argon etwa die Hälfte, für eine volle Automatisierung müsste das Modell fast alle schaffen. Das Risiko stuft Google deshalb als gering ein.

Brins Kreislauf und Googles Messung

Was der Mitgründer im Podcast sagt und was der Sicherheitsbericht zu Gemini 4 Argon misst

Im Podcast vom 14. Oktober 2026

Sergey Brin

Hand in Hand

Forscher und Modell arbeiten laut Brin gemeinsam an der nächsten Gemini-Version.

Melvin Johnson

alle paar Wochen

So oft entstehen laut Johnson Testversionen neuer Modelle.

Im Sicherheitsbericht von Google DeepMind

Produktivcode

mehr als 75 %

So viel des Produktivcodes bei Google DeepMind schreibt inzwischen KI.

Ganz der KI überlassen

11,9 %

Anteil der Code-Änderungen im September 2026, im April waren es 7,5 %.

Mit Menschen

rund 88 %

der Code-Änderungen brauchen weiter menschliche Anleitung oder von Menschen geschriebenen Code.

Leistungskennzahl

rund 0,1 Punkte

Zuwachs im Monat, seit April 2026 nicht messbar schneller.

Interne Forschungsaufgaben

etwa die Hälfte

löst Argon, für eine volle Automatisierung wären fast alle nötig.

Brin misst das Tempo an neuen Modellen, Googles Sicherheitsteam an den Fähigkeiten. Für Kunden zählt die zweite Messung.
Markus Seyfferth, Chefredakteur Dr. Web

Was bedeutet der schnellere Takt für Unternehmen in Europa?

Für Anwender zählt vor allem, wie oft neue Modelle kommen. Ein Modellname mit der Endung „latest“ verweist in der Gemini-API laut Google bei jeder neuen Version automatisch auf das neue Modell.^[3] Nur Änderungen, nach denen bestehende Anwendungen nicht mehr laufen, kündigt Google zwei Wochen vorher per E-Mail an.

Anbieter großer Modelle mit systemischem Risiko müssen nach der KI-Verordnung solche Risiken bewerten und mindern.^[4] Google ordnet die Automatisierung der eigenen Forschung im Bericht dem Risiko des Kontrollverlusts zu. Setzt Ihr Unternehmen Gemini über die API ein, sollten Sie:

in Anwendungen eine feste Modellversion eintragen statt eines „latest“-Namens und jeden Wechsel mit eigenen Testfällen prüfen,
Tempo-Versprechen der Anbieter an deren Sicherheitsberichten messen, bevor Sie Budgets danach ausrichten.