MOUNTAIN VIEW, CALIFORNIA / LONDON (IT BOLTWISE) – Google besetzt die Führungsspitze bei DeepMind neu: Koray Kavukcuoglu übernimmt als Vorsitz-Nachfolger, während Demis Hassabis in den Vorsitz wechselt. Die Personalentscheidung richtet den Fokus stärker auf die „Frontier“-Leistung bei Gemini, inklusive LLM-Verbesserungen und Entwickler-Werkzeugen. In der Außendarstellung der KI-Strategie stehen damit weniger Grundlagenprojekte im Labor als schnellere Produktzyklen. Gleichzeitig bleibt unklar, ob Google die Kernlücke besonders bei Codieraufgaben innerhalb eines stabilen Release-Takts schließen kann.
Mit der Umstrukturierung an der DeepMind-Spitze reagiert Google auf ein Problem, das in der KI-Branche zunehmend wie ein Messinstrument funktioniert: Wer beim Frontier-Tempo nicht mithalten kann, verliert nicht nur in Benchmarks, sondern auch bei Entwickler-Workflows, die sich um die „besten verfügbaren Modelle“ gruppieren. Koray Kavukcuoglu wechselt dabei in eine Rolle, die laut Bericht unmittelbar auf die Lücke zu OpenAI und zur Claude-Modellreihe von Anthropic abzielt. DeepMind war zuletzt immer dann als Motor sichtbar, wenn neue Fähigkeiten in die Breite drangen; nun soll die Organisation stärker die Teile liefern, die in der Praxis zählen, also Modellqualität, Codierfähigkeit und die Werkzeuge, mit denen Teams KI in eigene Produkte integrieren.
Technisch spannend ist, wie die Verantwortlichkeiten zugeschnitten werden: Kavukcuoglu soll unter der Geschäftsführung von Google-CEO Sundar Pichai die Entwicklung der Gemini-Modelle sowie die „Frontier AI“-Forschung verantworten. Zusätzlich fallen ihm die Gemini-App und die Entwicklerteams zu. Dieses „Vom Modell bis zum Produktteam“-Zuschnitt ist weniger klassische Labororganisation als Produkt- und Plattformsteuerung. In der Praxis bedeutet das, dass Entscheidungen über Trainingsziele, Datenpipelines, Evaluationsprotokolle und die Frage, welche Modellvarianten zuerst nach außen gehen, näher an der Roadmap für Entwickleraktionen liegen. Genau dort entstehen oft die Timing-Nachteile: Nicht jede Laborfortschrittskurve übersetzt sich automatisch in die nächste öffentlich verfügbare Modellgeneration.
Als Kontext wird im Bericht die Entwicklung seit den großen Meilensteinen genannt: OpenAI setzte 2022 mit ChatGPT den Takt, danach folgte bei Google die Gemini-Welle. Besonders relevant ist laut den zitierten Einschätzungen, dass Gemini 3 im November 2025 den „Frontier“-Status spürbar nach vorn geschoben habe, während 2026 die extern sichtbaren Releases nicht im gleichen Rhythmus umkämpfende Fortschritte bei den vordersten Fähigkeiten gezeigt hätten. Der Fokus blieb damit offenbar stärker auf monetarisierbaren Anwendungsfeldern wie Search und Multi-Modalität, während Codieren als „klarer Killer-Use-Case“ stärker zu den Wettbewerbern gezogen wurde. Für Unternehmen ist das mehr als eine Modelldebatte: Coding-Assistenz ist häufig der schnellste Einstieg, um ROI-relevante Produktivitätsgewinne in Softwareteams zu messen, etwa über Zeitersparnis bei Boilerplate, schnellere Iterationen oder die Automatisierung von Tests und Refactorings.
Google selbst betont, es sei falsch, vom Wettbewerb abzulenken, und verweist darauf, dass der Weg zu „Intelligence“ erst dann abgeschlossen ist, wenn „alles andere“ mitgeliefert wird. Gleichzeitig nennt die Darstellung mehrere Fronten: Agenten, Coding, Robotik und World Models. Diese Breite ist strategisch nachvollziehbar, weil moderne KI-Systeme zunehmend als Stack aus Modell, Orchestrierung und Kontextverwaltung betrachtet werden. Trotzdem argumentieren einige Analysten im Bericht, dass Google im Coding-Zuschnitt lange „zurückgefallen“ sei, weil die Prioritäten nicht früh genug auf das trafen, was Entwickler als erstes als nützliches „Must-have“ identifizieren. Besonders kritisch wird dabei die Behauptung, dass es an einer schnellen, messbar besseren Codierkompetenz in den öffentlich zugänglichen Versionen gefehlt habe, während andere Anbieter diese Fähigkeit weiter ausbauten und damit die Messlatte hochzogen.
Die Personalie wird deshalb auch als Signal an die interne Entwicklungslogik gelesen. Laut den Einschätzungen im Bericht soll Kavukcuoglu den Fokus von tieferen Forschungsanstrengungen hin zu „Execution“ verschieben: schnellere Releases, mehr Experimentierfrequenz und eine stärkere Ausrichtung auf eine Produkt- und Implementierungs-Roadmap. Solche Entscheidungen wirken sich typischerweise direkt auf die Release-Architektur aus, also auf die Frage, wie viele Varianten parallel gepflegt werden (Pro/Flash-ähnliche Profile), wie eng Evaluationsläufe mit Produktanforderungen gekoppelt sind und welche Qualitätsziele zuerst optimiert werden. Dazu passt auch der Hinweis, dass intern ein Team („Code Strike“) gegründet worden sei, um die Codierfähigkeiten zu stärken und damit eine wichtige Lücke für die Entwicklung Richtung AGI zu schließen.
Für die Markt- und Ökosystemseite liefert der Bericht zusätzliche Hinweise: Alphabet-Aktien reagieren in solchen Phasen häufig sensibel auf Erwartungen an Modellqualität und Release-Timing, und es wird beschrieben, dass zuvor eine Verschiebung einzelner Modellversionen im Raum stand. Gleichzeitig steht Google finanziell nicht am Rand, denn die Monetarisierung über Enterprise-Angebote und die Einbindung in bestehende Nutzerpfade werden als stabil dargestellt. Wenn nahezu 90% der Fortune-100-Unternehmen Gemini Enterprise nutzen, verändert das den Charakter des Wettbewerbs: Google muss nicht nur ein „besseres Modell“ liefern, sondern ein zuverlässiges Produktpaket, das im Unternehmensbetrieb konsistent Ergebnisse ausspielt. Genau in dieser Verzahnung aus Modell, App und Developer-Teams könnte Kavukcuoglu einen Hebel sehen, der bei reinen Labororganisationen weniger stark ausgeprägt ist.
Offen bleibt jedoch, wie schnell sich ein Fokuswechsel in messbare Qualität übersetzt. Der Bericht nennt als praktische Herausforderung, dass Kavukcuoglu die Codier- und Pretraining-Expertise möglicherweise neu aufbauen muss, falls wichtige Wissensbereiche zuvor abgezogen wurden. Für Entscheider heißt das: Beim Rollout von Gemini-basierten Workflows werden sie weiterhin prüfen müssen, ob Verbesserungen bei Codieraufgaben nicht nur „einmalig“ auftreten, sondern sich in einer planbaren Release-Kadenz verstetigen. Der strategische Kern dieser Personalentscheidung ist damit klar: Google versucht, den Frontier-Rückstand nicht über weitere Multi-Modal-Experimente zu überdecken, sondern über die Fähigkeiten zu schließen, die Entwickler heute am schnellsten in produktive Softwarearbeit umsetzen können.
💳 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: Neuer DeepMind-Chef soll KI-Performance-Lücke zu OpenAI schließen" 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: Neuer DeepMind-Chef soll KI-Performance-Lücke zu OpenAI schließen" 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: Neuer DeepMind-Chef soll KI-Performance-Lücke zu OpenAI schließen« bei Google Deutschland suchen, bei Bing oder Google News!