Die Geschichte von Google AI & Gemini — Volltext

Vorbemerkung (Methodik)

Diese Chronik folgt dem wissenschaftlichen Anspruch des Projekts: Fakten werden belegt, Unsicherheit benannt, und Tatsachen werden von Deutung getrennt. Quellenpriorität: Primärquellen (blog.google, deepmind.google, research.google, arXiv, Nature) > seriöse Tech-/Wissenschaftspresse (The Verge, Reuters, CNBC, MIT Technology Review, Nature News) > Sekundärquellen (nur ergänzend).

Legende: ✅ Faktum (belegt) · 🟡 teilweise belegt (v. a. Sekundärquellen) · 🔵 Interpretation.

Ein roter Faden zieht sich durch diese Geschichte: Google brachte maschinelles Lernen früh in die Suche, erfand mit dem Transformer (2017) und mit DeepMinds Forschung zentrale Grundlagen der heutigen KI — wurde aber im Verbraucherrennen um Chatbots zunächst von OpenAI überholt. Die Aufholjagd von Bard zu Gemini, flankiert von Medizin-, Wetter- und Sicherheitsanwendungen, ist der Bogen dieser Chronik.

Teil I — Ursprung: DeepMind, Brain & AlphaGo

1.1 Zwei Wurzeln (2010–2014)

✅ Googles KI ruht auf zwei Säulen. DeepMind wurde 2010 in London von Demis Hassabis, Shane Legg und Mustafa Suleyman gegründet — mit dem Fernziel, „Intelligenz zu lösen“. Parallel entstand 2011 innerhalb von Google X das Team Google Brain (Jeff Dean, Greg Corrado, Andrew Ng), das mit DistBelief den verteilten Vorläufer von TensorFlow baute. 2014 übernahm Google das Start-up DeepMind Technologies (rund 400–650 Mio. USD); das Labor blieb eigenständig und fusionierte erst 2023 mit Google Brain zu Google DeepMind.

Quellen: Wikipedia – Google DeepMind · Wikipedia – Google Brain · TechCrunch – Google acquires DeepMind

1.2 Werkzeuge & der AlphaGo-Moment (2015–2016)

✅ 2015 stellte Google TensorFlow quelloffen — bald die meistgenutzte Deep-Learning-Bibliothek. Im selben Jahr wurde RankBrain öffentlich bekannt: ein Machine-Learning-System, das Suchanfragen semantisch interpretierte und KI direkt in Googles Kerngeschäft brachte. Im März 2016 schlug AlphaGo den Go-Weltklassespieler Lee Sedol 4:1 in Seoul, vor insgesamt über 200 Mio. Zuschauern über alle Spiele und Medienberichte hinweg — ein kultureller Wendepunkt, der zeigte, dass KI auch Intuition und Kreativität nachbilden kann. Im selben Jahr stellte Google die selbst entwickelte TPU vor.

Quellen: Google Blog – AlphaGo’s ultimate challenge · Wikipedia – AlphaGo vs Lee Sedol · Bloomberg – RankBrain

Teil II — Transformer & AlphaFold

2.1 Die Architektur, die alles veränderte (2017)

✅ Im Juni 2017 veröffentlichten acht Google-Forscher „Attention Is All You Need“ und damit die Transformer-Architektur. Sie wurde zur Grundlage von BERT, GPT, Gemini und nahezu allen großen Modellen.

🔵 Die Ironie der KI-Geschichte: Google erfand die Technologie, die später OpenAIs ChatGPT antrieb und Google selbst unter Zugzwang setzte.

Quellen: arXiv:1706.03762 · Wikipedia – Attention Is All You Need

2.2 Selbstspiel & Wissenschaft (2017–2020)

✅ AlphaGo Zero (2017) lernte Go allein durch Selbstspiel, AlphaZero generalisierte das Prinzip auf Schach und Shogi. Den größten wissenschaftlichen Durchbruch lieferte AlphaFold 2 (2020): Es sagte Proteinstrukturen mit experimentnaher Genauigkeit voraus — die CASP-Organisatoren erklärten ein 50 Jahre altes Grundproblem der Biologie für gelöst.

Quellen: Nature – Mastering Go without human knowledge · Wikipedia – AlphaFold

Teil III — Großmodelle & erste Risse

✅ Auf dem Transformer aufbauend folgten BERT (2018, bald in der Suche), LaMDA (2021, Dialog) und PaLM (2022, 540 Mrd. Parameter). DeepMind zeigte mit Gato (2022) einen „generalist agent“ für 600+ Aufgaben; Imagen brachte fotorealistische Text-zu-Bild-Diffusion. Die AlphaFold-Datenbank öffnete über 200 Mio. Proteinstrukturen.

✅ Zwei Brücken zu Gemini sind besonders wichtig: Mit Pathways (2021) formulierte Google die Vision einer Architektur, die viele Aufgaben, Modalitäten und Wissensformen in einem flexibleren System bündelt. Mit Med-PaLM (2022/2023) zeigte Google, wie große Sprachmodelle in hochspezialisierten Domänen wie Medizin eingesetzt und evaluiert werden können; Med-PaLM wurde als erstes KI-System beschrieben, das die Bestehensgrenze bei USMLE-artigen medizinischen Fragen überschritt.

🟡 Erste Risse zeigten sich in der Lemoine-Kontroverse (Juni 2022): Ein Google-Ingenieur behauptete öffentlich, LaMDA sei empfindungsfähig — Google widersprach und entließ ihn. Die Episode wurde zum Sinnbild für die anthropomorphisierende Wirkung von Chatbots.

🔵 Auffällig: Google hatte starke Modelle, hielt sie aber großteils zurück — aus Sorge um Ruf und Sicherheit. Diese Zurückhaltung sollte sich 2023 rächen.

Quellen: arXiv:1810.04805 – BERT · DeepMind – A Generalist Agent · Google Blog – Pathways · Google Research – Med-PaLM · Washington Post – LaMDA sentience claim

Teil IV — Bard, die Fusion & der Start von Gemini (2023)

4.1 Der holprige Start von Bard

✅ Nach dem ChatGPT-Schock kündigte Google am 6. Februar 2023 Bard an. Schon zwei Tage später unterlief Bard in einem Werbespot ein Faktenfehler zum James-Webb-Teleskop — die Alphabet-Aktie verlor rund 100 Mrd. USD Börsenwert. Der öffentliche Start folgte am 21. März.

4.2 Bündelung der Kräfte

✅ Am 20. April 2023 fusionierten Google Brain und DeepMind zu Google DeepMind unter CEO Demis Hassabis. Auf der I/O folgten PaLM 2 und die erste Vorankündigung von Gemini; das eigentliche Modell Gemini 1.0 wurde erst am 6. Dezember 2023 veröffentlicht.

4.3 Angewandte KI jenseits des Chatbots

✅ 2023 zeigte Google, dass der Gemini-Wettlauf nicht nur aus Chatbots bestand: Med-PaLM 2 erreichte Expertenniveau auf medizinischen Frage-Antwort-Benchmarks; SynthID startete als Wasserzeichen- und Erkennungssystem für KI-generierte Bilder; GraphCast sagte Wetterlagen bis zu zehn Tage voraus und übertraf in vielen Benchmarks klassische HRES-Vorhersagen.

Quellen: Google Cloud – Med-PaLM 2 · DeepMind – SynthID · DeepMind – GraphCast

4.4 Gemini 1.0 — und eine geschönte Demo

✅ Am 6. Dezember 2023 erschien Gemini 1.0 (Ultra/Pro/Nano); Ultra übertraf als erstes Modell den menschlichen Experten-Schnitt auf MMLU. 🟡 Doch das gefeierte Demo-Video war nicht echtzeitlich — Google räumte die Inszenierung ein, ein Dämpfer für den Launch.

Quellen: CNN – Google loses $100 billion · DeepMind – Announcing Google DeepMind · Google Blog – Introducing Gemini · TechCrunch – Gemini demo faked

Teil V — Gemini wächst — und stolpert (2024)

✅ 2024 wurde Bard in Gemini umbenannt; Gemini 1.5 Pro brachte ein 1-Mio.-Token-Kontextfenster, Gemma offene Modelle. Wissenschaftlich glänzte Google mit AlphaFold 3, IMO-Silber (kombiniertes System aus AlphaProof und AlphaGeometry 2) und schließlich dem Chemie-Nobelpreis 2024, dessen eine Hälfte an David Baker (computational protein design) und dessen andere Hälfte an Demis Hassabis und John Jumper für AlphaFold ging — das erste Mal, dass ein KI-System direkt zu einem wissenschaftlichen Nobelpreis führte. Produktseitig machten NotebookLM Audio Overviews KI-gestützte Wissensarbeit sichtbar, indem Quellen in gesprächsartige Audiozusammenfassungen verwandelt wurden. Zum Jahresende läutete Gemini 2.0 Flash die „agentische Ära“ ein (mit Project Mariner).

🟡 Doch 2024 brachte auch zwei Pannen: Die Gemini-Bildgenerierung erzeugte historisch falsche, „übermäßig diverse“ Personenbilder und wurde pausiert; die neuen AI Overviews in der Suche gaben teils absurde Ratschläge („Kleber auf Pizza“).

Quellen: Google Blog – Gemini 1.5 · Nobelprize.org – Chemistry 2024 · Google Blog – NotebookLM Audio Overviews · Google Blog – Gemini 2.0 · CNBC – image generator paused

Teil VI — Reasoning, Agenten & Gemini 3 (2025–2026)

✅ 2025 stellte Google auf Reasoning um: Gemini 2.5 Pro (März) war das erste offizielle „Thinking Model“, 2.5 Flash folgte auf der I/O zusammen mit Veo 3 (Video samt Ton). Wissenschaftlich lieferte AlphaEvolve (14. Mai 2025) neue Algorithmen, und Gemini Deep Think holte IMO-Gold.

✅ Der Wendepunkt im Wettlauf kam am 18. November 2025 mit Gemini 3: Es führte die Bestenlisten an und wurde am ersten Tag in den AI Mode der Google-Suche integriert. Am 17. Dezember 2025 folgte Gemini 3 Flash als schnelleres, günstigeres Modell der Gemini-3-Familie für Gemini-App, AI Mode und Entwicklerplattformen. Berichten zufolge löste Gemini 3 bei OpenAI einen internen „Code Red“ aus. 2026 setzte Google mit Gemini 3.1 Pro (großer Reasoning-Sprung) und Gemini 3.5 Flash (I/O 2026, offiziell verfügbar) die schnelle Kadenz fort; Gemini 3.5 Pro war zum Stand dieser Chronik noch angekündigt, aber nicht als veröffentlicht belegt.

Quellen: Google Blog – Gemini 2.5 · Google Blog – A new era with Gemini 3 · Google Blog – Gemini 3 in Search · Google Blog – Gemini 3 Flash · Google Blog – Gemini 3.1 Pro · Google Blog – Gemini 3.5 · Google Blog – Gemini App I/O 2026 · Fortune – Altman declares Code Red

Teil VII — Kontroversen, Recht & Sicherheit

🔵 Googles KI-Weg war von wiederkehrenden Spannungen begleitet: Project Maven (2018) und die anschließenden Google AI Principles machten die Frage sichtbar, welche militärischen und sicherheitskritischen KI-Anwendungen ein Unternehmen ablehnen sollte. Es folgten die Lemoine-Debatte (2022) über maschinelles Bewusstsein, der Bard-Demofehler (Feb 2023, ~100 Mrd. USD Börsenverlust an einem Tag) und die Bildgenerierungs-Kontroverse (Feb 2024), die vor allem Reputation und Vertrauen beschädigte — beide Episoden warfen Fragen nach Sorgfalt und Bias auf.

✅ Hinzu kam der Kartellrechtsstreit: Im September 2025 verbot Richter Mehta exklusive Such-Deals und ordnete Daten-Teilung an, lehnte aber eine Zerschlagung (Chrome/Android) ab. Beide Seiten kündigten Berufung an.

Quellen: Google Blog – AI Principles · Google Cloud – AI Principles & Maven · TechCrunch – Google avoids breakup · NPR – Google keeps Chrome

Teil VIII — Einordnung (Interpretation)

🔵 Googles KI-Geschichte ist die eines Pioniers, der seinen Vorsprung fast verspielte, ihn aber zurückeroberte. Aus DeepMind und Google Brain kamen die größten Grundlagen der modernen KI — der Transformer, AlphaGo und AlphaFold. Im Verbraucherrennen ab 2022 wirkte Google zunächst überrumpelt (Bard-Debakel, geschönte Gemini-Demo), drehte das Bild aber mit der Fusion zu Google DeepMind, der Reasoning-Wende und schließlich Gemini 3 — gekrönt vom Nobelpreis** für AlphaFold.

🔵 Bemerkenswert ist die Breite: Googles KI ist nicht nur eine Chatbot-Geschichte. Sie reicht von der Suche (RankBrain, AI Overviews, AI Mode) über die Medizin (Med-PaLM), die Wettervorhersage (GraphCast) und Sicherheit/Governance (AI Principles nach Project Maven, SynthID-Wasserzeichen) bis zur Wissensarbeit (NotebookLM, Audio Overviews). Die offene Frage bleibt, ob Google Forschung, Produkt und Sicherheit dauerhaft in Einklang bringt.

Quellenverzeichnis

Momentaufnahme zum 4. Juni 2026; bei neuen Releases fortzuschreiben.