LONDON (IT BOLTWISE) – Google stärkt DeepMind offenbar personell mit dem San-Francisco-Startup Mechanize Inc. Laut öffentlichen Profilangaben übernimmt Mechanizes Co-Founder und Ex-CEO Tamay Besiroglu die Rolle eines Research Scientists im KI-Bereich von Google. Ziel ist vor allem „midtraining“ im Kontext besserer Chatbots und dabei besonders das Codieren. Entscheidend bleibt, wie schnell sich die Mechanize-Kompetenzen in realen Modell-Verbesserungen und Deployments niederschlagen.
Google versucht im KI-Wettbewerb derzeit nicht allein mit neuen Modell-Overhauls gegenzusteuern, sondern auch über gezielte Personalzugänge. Im Mittelpunkt steht dabei der Abschluss eines „talent deal“ mit dem Startup Mechanize Inc. Öffentliche Such- und Profilangaben deuten darauf hin, dass Tamay Besiroglu, der zuvor Co-Founder und Ex-CEO von Mechanize war, nun als Research Scientist im KI-Team von Google arbeitet – konkret in der DeepMind-Organisation. Für einen Technologiekonzern ist das mehr als ein Personal-Hopping: Solche Deals werden in der Praxis oft als schnellerer Hebel eingesetzt, um spezialisierte Expertise in laufende Forschungs- und Trainingsprogramme zu integrieren.
Technisch betrachtet rückt dabei ein Begriff in den Fokus, der in vielen Gesprächen über die Qualität von Chatbots bislang zu kurz kommt: „midtraining“. Damit ist eine Trainingsphase gemeint, die nicht beim reinen Vortraining (Pretraining) oder beim klassischen Feintuning nach dem Basismodell stehen bleibt, sondern zwischen diesen Schritten oder zusätzlich während des Produktiv-Iterierens liegt. In der Quelle wird „midtraining“ als Schlüsselprozess beschrieben, um die besten Chatbot-Ergebnisse zu erreichen. Gerade im Codier-Kontext ist das anspruchsvoll, weil Modelle nicht nur Syntax korrekt nachbauen müssen, sondern auch konsistente Logik, passende API-Nutzung und robuste Fehlerbehandlung liefern sollen. Mechanize soll genau an dieser Lücke ansetzen – die Technologie helfe Entwicklern und Unternehmen dabei, dass ihre KI-Modelle beim Programmieren besser werden.
Die Personalverschiebung wird zudem durch ein breiteres Team-Bild gestützt: Über ein Dutzend ehemaliger Mechanize-Mitarbeiter sollen laut Profilinformationen zu Google gewechselt sein, überwiegend für Maßnahmen rund um „midtraining“. Solche Bündelungen sind organisatorisch relevant, weil Trainingspipeline und Evaluations-Frameworks selten nur aus Code bestehen; sie benötigen auch Methodik, Daten-Governance, Debugging-Wissen und ein gutes Gespür dafür, welche Trainingssignale in welchen Settings funktionieren. Google wird damit in der Lage sein, bestehende Labor-Iterationen schneller in wiederholbare Experimente zu überführen – ein Punkt, an dem viele Teams im Alltag scheitern. Bemerkenswert ist auch, dass der Deal offenbar weniger als „klassische“ Akquisition gehandhabt wurde, sondern als Struktur, die typischerweise darauf zielt, antitrust-getriebene Prüfungen gegenüber einem vollständigen Unternehmenskauf zu minimieren.
Aus Marktsicht passt das in ein Muster, das in der Branche seit einigen Jahren mit zunehmender Geschwindigkeit beobachtet wird: Wer KI-Modelle wettbewerbsfähig halten will, braucht nicht nur Rechenleistung, sondern vor allem Know-how in Nischenbereichen wie Test-Strategien, Modellbewertung, Code-spezifischen Datensätzen und Feedback-Schleifen. In der Quelle wird beschrieben, dass Google in letzter Zeit Schwierigkeiten hatte, ein KI-Modell bereitzustellen, das als klar konkurrenzfähig wahrgenommen wird. Talentdeals werden in diesem Umfeld als pragmatischer Weg gesehen, um Kompetenzlücken schneller zu schließen. Ein früheres Beispiel in demselben Umfeld: Google habe im vergangenen Jahr die Talente eines AI-Coding-Startups übernommen, wobei der ehemalige CEO nun ein agentic-coding-Programm innerhalb von Google anführen soll. Diese Querverbindung zeigt, dass Google Mechanismen etabliert, um „Fähigkeiten“ zuzukaufen, ohne den schwerfälligeren Charakter einer vollständigen Übernahme annehmen zu müssen.
Finanziell bleibt der aktuelle Mechanize-Deal in der Darstellung ohne veröffentlichte Details zu den finalen Konditionen. Vorangegangene Berichte nennen allerdings Verhandlungsspannen von über 1,5 Mrd. US-Dollar für Technik und Talent, wobei die tatsächlichen Vertragsbedingungen nicht offengelegt wurden. Das ist für Entscheider besonders relevant, weil solche Summen im Kontext der KI-Ökonomie stark wirken: Sie signalisieren nicht nur Budgetbereitschaft, sondern auch, dass Geschwindigkeit im Aufbau spezialisierter Kompetenzen als strategischer Wettbewerbsvorteil betrachtet wird. Mechanize selbst hatte zuvor laut eigener Darstellung eine Finanzierungsrunde über 9,1 Mio. US-Dollar bei einer Bewertung von 500 Mio. US-Dollar gemeldet; zuvor habe Besiroglu zudem mit Epoch AI ein Unternehmen mit Fokus auf das Testen von KI-Modellen mitgegründet. Für Google heißt das: Man holt nicht „nur“ ein Team, sondern potenziell methodische Erfahrung aus einem Umfeld, das offenbar stark auf Qualitätsmessung ausgerichtet war.
Für Unternehmen, die KI-Modelle einsetzen oder eigene KI-Workflows betreiben, ist die eigentliche Folgefrage: Was ändert sich im Alltag, wenn Google Mechanize-Technologie und -Know-how in DeepMind-Trainingsläufe integriert? Besonders bei KI, die beim Programmieren unterstützen soll, entscheidet oft die Kombination aus Trainings- und Evaluationslogik darüber, ob „funktioniert auf dem Papier“ zu „funktioniert im Repository“ wird. Wenn Mechanize-Technologie hilft, KI-Modelle beim Codieren zu verbessern, dann liegt der Hebel typischerweise in besseren Testverfahren, zielgerichteteren Trainingssignalen und engerer Schleife zwischen Fehleranalyse und Modellanpassung. Genau dort ist „midtraining“ als Prozessstufe strategisch: Es kann die Lücke zwischen generischer Sprachkompetenz und problemlösungsorientierter Programmierfähigkeit schließen.
Offene Punkte bleiben trotzdem. Weder Google noch Besiroglu wollten in der Quelle kommentieren, und die finalen Deal-Konditionen sind nicht veröffentlicht. Für die Branche ist das aber eher normal: Talentintegration und Modellverbesserungen brauchen Zeit, bevor sie messbar und öffentlich kommunizierbar werden. Unabhängig davon dürfte der Schritt die interne Dynamik bei Codier- und Chatbot-Qualität erhöhen, denn Personal mit Fokus auf Testen und Modellverbesserung bringt oft genau die Mechanik mit, um Iterationen schneller zu validieren. Beobachter werden daher vor allem darauf achten, ob sich die Verbesserungen aus dem „midtraining“-Kontext zeitnah in konkreten Modell-Updates widerspiegeln und ob Google damit die als Wettbewerbsnachteil beschriebene Lücke bei wettbewerbsfähigen KI-Modellen spürbar reduziert.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Google holt Mechanize-Teams zu DeepMind: KI-Training soll beim Codieren gewinnen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Google holt Mechanize-Teams zu DeepMind: KI-Training soll beim Codieren gewinnen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Google holt Mechanize-Teams zu DeepMind: KI-Training soll beim Codieren gewinnen« bei Google Deutschland suchen, bei Bing oder Google News!