Googles Mitgründer sagt, das Unternehmen schlage den Weg der rekursiven Selbstverbesserung ein. Googles eigener Sicherheitsbericht, der in derselben Woche veröffentlicht wurde, hält fest, dass sich die Beschleunigung nicht nachweisen lasse. Beide Aussagen kommen aus demselben Haus – eine ungewöhnlich offene Form der Uneinigkeit.
Was Brin tatsächlich gesagt hat
Bei einer Gesprächsrunde über Gemini 4 Argon, das Flaggschiffmodell, das Google diese Woche öffentlich zugänglich gemacht hat, sagte Sergey Brin, das Unternehmen beginne, sich in Richtung rekursiver Selbstverbesserung zu bewegen. Seiner Darstellung zufolge helfen Gemini-Modelle bereits dabei, ihre nächste Version zu entwickeln, und die Ingenieure arbeiten Hand in Hand mit dem Modell.
Als Beleg führte er die Flash-Modelle an, die vor Argon veröffentlicht wurden. Er ergänzte, bis das Video des Gesprächs online gehe, werde Google bereits ein paar Modelle weiter sein. Google veröffentlichte das Video am vergangenen Mittwoch, und ein Wirtschaftsmagazin griff es auf. Brin arbeitet übrigens seit seiner Rückkehr zu Google an Gemini.
Das ist eine gewagte Behauptung, vorgetragen mit der entspannten Selbstsicherheit von jemandem, der die Sicherheitsunterlagen nicht ausfüllen muss. Diese Aufgabe fällt DeepMind zu.
Was der Sicherheitsbericht sagt
Parallel zum Start veröffentlichte Google DeepMind einen Bericht zu Sicherheit und Absicherung von Argon. Sein zentraler Befund ist nahezu das Gegenteil einer Siegesrunde. Er stellt keine nennenswerte Beschleunigung der KI-Forschung über den gesamten Prozess hinweg fest und stuft das Risiko, dass KI die KI-Forschung beschleunigt, vorerst als gering ein.
Die Bewertung stützt sich zum Teil auf eine Befragung von 12 hochrangigen Führungskräften und Fachleuten. Das ist eine kleine Stichprobe, allerdings handelt es sich vermutlich um den Personenkreis, der am besten darüber Bescheid weiß, was im Labor geschieht.
Die Zahlen hinter der Zurückhaltung
Der Bericht behauptet nicht, dass KI wenig leistet. Er sagt vielmehr, dass viel zu tippen nicht dasselbe ist wie Forschung zu beschleunigen.
| Kennzahl | Wert |
|---|---|
| Anteil des von KI geschriebenen lauffähigen Codes bei DeepMind | Mehr als 75 % |
| Vollständig an einen Agenten delegierte Pull Requests, April | 7,5 % |
| Vollständig an einen Agenten delegierte Pull Requests, September | 11,9 % |
| Änderungen, die weiterhin menschliche Nachbearbeitung erfordern | Etwa 88 % |
| Aufgaben in DeepMinds internem Test, die Argon löst | Etwa die Hälfte |
Agenten schreiben bereits den Großteil des Codes und beheben einen großen Teil der Fehler. Ein Mensch prüft weiterhin jede Änderung vor der Veröffentlichung, und weiterhin sind es Menschen, die Forschungsrichtungen festlegen, Experimente entwerfen und herausfinden, warum ein Trainingslauf schiefgegangen ist.
Die Maschine übernimmt also den Großteil der Tipparbeit, während die Menschen weiterhin die Entscheidungen treffen. Das ist eine echte Veränderung der Arbeitsweise. Von einem Labor, das sich selbst betreibt, ist das aber noch weit entfernt.
Der Verbesserungsindex – und warum er nichts klärt
DeepMind verfolgt einen internen Index zur Verbesserung von Gemini, der auf 92 Tests basiert. Seit dem 1. April 2026 steigt er schneller als zuvor: um 0,118 Punkte pro Monat gegenüber zuvor 0,091. Dem Bericht zufolge ist der Unterschied statistisch nicht signifikant.
Argon selbst liegt über der Trendlinie. Das Unternehmen erklärt das mit höheren Investitionen und mehr Rechenleistung, nicht damit, dass KI die KI-Entwicklung beschleunigt. Das ist eine plausible Erklärung – und zugleich eine bequeme, denn für Außenstehende lässt sie sich nur schwer von der Alternative unterscheiden.
Die Schwungrad-Perspektive
Vihan Jain, der bei Google DeepMind die Arbeit an RSI und KI für die Wissenschaft leitet, schrieb auf X, das Modell sei in seine eigene Weiterentwicklung eingebunden. Sein Beispiel war aufschlussreich. Wenn das für das Post-Training zuständige Team nicht mehr nach reiner Chipkapazität fragt, sondern nach einem Kontingent für Argon, schaltet das RSI-Schwungrad einen Gang höher.
Das ist ein konkreteres Bild als Brins – und ein bescheideneres. Es beschreibt eine Veränderung darin, wie interne Teams Ressourcen anfordern, keinen gemessenen Sprung beim Forschungstempo. Ob dieser Wandel ins Gewicht fällt, hängt davon ab, was das Kontingent ermöglicht, und die bisherige Antwort des Berichts lautet, dass er sich noch nicht in den Ergebnissen niedergeschlagen hat.
Externe Einschätzungen und der politische Zeitplan
Ein diese Woche von Gladstone AI veröffentlichter Bericht basiert auf einer Befragung von Fachleuten bei Anthropic, OpenAI und Google DeepMind. Sie erwarten, dass die vollständige rekursive Selbstverbesserung in 3 bis 12 Monaten beginnt. Sie sagen außerdem, dass sie früher einsetzen könnte, wenn staatliche Eingriffe den Prozess nicht verlangsamen.
Politisch tut sich bereits etwas. Im vergangenen Monat kündigte der US-Abgeordnete Ro Khanna einen Gesetzentwurf an, der sich selbst verbessernde KI verbieten soll. OpenAI seinerseits forderte die Vereinigten Staaten auf, bei der Entwicklung globaler Standards in diesem Bereich die Führung zu übernehmen.
Wie sich die Diskrepanz einordnen lässt
Es gibt drei Möglichkeiten, Brins Aussagen mit dem Bericht seines eigenen Unternehmens in Einklang zu bringen.
- Unterschiedliche Definitionen. Brin beschreibt möglicherweise im weiteren Sinne, wie Modelle zu ihren Nachfolgern beitragen, während der Bericht die Beschleunigung des gesamten Forschungsprozesses misst.
- Unterschiedliche Zeitpunkte. Der Bericht berücksichtigt Daten bis September. Brin sagt, das Unternehmen sei bereits ein paar Modelle über Argon hinaus.
- Unterschiedliche Zielgruppen. Bei einer Gesprächsrunde zählt Ehrgeiz, bei einem Sicherheitsbericht zählen belastbare Zahlen.
Das Quellenmaterial sagt nicht, welche Erklärung die richtige ist, und es wäre unklug, sich ohne diese Grundlage auf eine festzulegen. Es zeigt jedoch, dass die ranghöchste Stimme des Labors und sein offiziellstes Dokument dasselbe System in sehr unterschiedlichen Tonlagen beschreiben.
Worauf man achten sollte
Die messbaren Signale sind recht klar. Wenn der Anteil der ausschließlich von Agenten bearbeiteten Pull Requests ausgehend von 11,9 % weiter steigt, wenn der Anteil von 88 %, der menschliche Nachbearbeitung erfordert, schrumpft und wenn sich der Verbesserungsindex statistisch signifikant von seinem bisherigen Trend absetzt, muss die Einstufung des Risikos als gering überprüft werden. Bis dahin hat Google der Öffentlichkeit beides mitgeteilt: dass sich das Schwungrad dreht und dass bislang niemand eine höhere Drehzahl messen kann.