LONDON (IT BOLTWISE) – Der KI-Entwickler Mirendil baut seine Forschung zu selbstverbessernder Künstlicher Intelligenz (recursive self-improvement) mit einem Multi-Year-Deal mit Google Cloud aus. Das Paket soll laut Unternehmensangaben eine Größenordnung von mehr als 100 Millionen US-Dollar erreichen und stellt Rechenkapazität für Training und laufende Experimente bereit. Mirendil bekommt sowohl Zugriff auf Googles TPUs als auch auf NVIDIA-GPUs sowie auf gemanagte Trainings-Cluster. Damit will das Startup seine KI so skalieren, dass sie perspektivisch wie ein komplettes Frontier-Lab kontinuierlich weiterlernt.
Mirendil geht beim Ausbau seiner Forschung einen pragmatischen Weg: Statt ausschließlich in neue Modellarchitekturen zu investieren, sichert sich das Startup laut den vorliegenden Angaben vor allem Rechenzugang, um den Trainings- und Iterationszyklus für selbstverbessernde Künstliche Intelligenz zuverlässig durchlaufen zu können. Im Zentrum steht ein mehrjähriges Cloud-Commitment mit Google Cloud, das auf „Compute Capacity“ für die eigene KI-Forschung abzielt. Der Deal soll auf eine Summe von mehr als 100 Millionen US-Dollar hinauslaufen und damit deutlich über typische Einzelflächen- oder Pilotbudgets vieler frühen KI-Startups hinausreichen. Für die Branche ist das weniger überraschend als vielmehr die Kombination: Große Cloud-Anbieter suchen gezielt nach Wachstumshebeln, Startups wiederum benötigen sofort nutzbare Rechenressourcen, um Training nicht nur zu starten, sondern vor allem wiederholt und in kontrollierten Experimenten zu fahren.
Technisch relevant ist dabei vor allem die heterogene Hardwarebasis. Mirendil erhält Zugriff auf Googles TPUs und zugleich auf NVIDIA-GPUs; ergänzt wird das durch gemanagte Trainings-Cluster, die typischerweise Betrieb, Skalierung und Teile des Lifecycles von Trainingsjobs abfedern. Für ein Labor, das iterativ arbeitet, zählt nicht nur die rohe Rechenleistung, sondern wie gut sich Workloads zwischen Beschleunigern verlagern lassen. Genau hier wird in der Beschreibung ein weiterer Punkt betont: Training selbstverbessernder Systeme erfordert enorme Rechenkapazität, und es wird zunehmend zu einer Aufgabe, „die passenden Workloads der passenden Hardware“ zuzuordnen. Wenn eine Trainingspipeline unterschiedliche Arten von Beschleunigern unterstützt, kann ein Team Modellvarianten, Datenpipelines und Optimierungsstrategien schneller testen, statt auf einen einzigen Chip-Typ festgenagelt zu sein.
Historisch lässt sich das in die Entwicklung der KI-Infrastruktur einordnen: Seit sich große Sprach- und Bildmodelle von experimentellen Prototypen hin zu wiederholbaren, geschäftskritischen Workflows entwickeln, hat sich auch das Infrastrukturdenken verschoben. Früher reichte oft ein Batch-Setup auf einer festen GPU-Instanz; heute geht es um orchestrierte Systeme, die mehrere Komponenten zusammenbringen – von Datenaufbereitung und Training über Checkpointing bis zu Monitoring und Wiederholbarkeit. In der Google-nahe beschriebenen Perspektive wird deshalb auch nicht nur „Chip-Level-Performance“ als Ziel genannt, sondern das Orchestrieren ganzer Systeme, um physische Skalierungsgrenzen zu durchbrechen. Für Mirendil bedeutet das im Kern: Die Software- und Systems-Schicht soll so gestaltet sein, dass Kunden mit der jeweiligen Hardware effizient trainieren und aus dem Setup mehr herausholen, als es isoliert „pro Chip“ möglich wäre.
Markt- und Wettbewerbsdynamik spielen in dieser Konstellation ebenfalls eine Rolle. Laut der vorliegenden Einordnung spiegeln der Deal und seine Laufzeit zwei gleichzeitige Trends: Cloud-Anbieter werben um Startups mit großen Infrastrukturzusagen, und KI-Unternehmen versuchen ihrerseits, möglichst früh an Compute-„Kontingente“ zu kommen, um beim Skalieren nicht auszubremsen. Dass Mirendil in der Seed-Phase zuletzt mit einer Bewertung im Bereich von 1 Milliarde US-Dollar beschrieben wurde und nun eine Größenordnung von mehr als 100 Millionen US-Dollar für Rechenzugang in Aussicht gestellt wird, zeigt, wie stark Infrastruktur mittlerweile als Wachstumsfaktor bewertet wird. Zugleich wird die Idee eines strategischen Gegenseite betont: Google erhält einen Partner, der an „frontier“ gerichteter, rekursiver Selbstverbesserung arbeitet – eine Technologie, die später potenziell als Angebot für Enterprise-Kunden in die Breite gebracht werden könnte.
Inhaltlich geht es Mirendil um ein Konzept, das in der Szene unter dem Begriff „recursive self-improvement“ diskutiert wird: Ein KI-System soll sich über iterative Schleifen selbst weiterentwickeln, indem es Wissen und Leistung Schritt für Schritt verbessert. In der Beschreibung wird das als Ansatz verstanden, der nicht nur einzelne Modellversionen optimiert, sondern ganze Forschungsprozesse automatisieren könnte – mit Relevanz für Bereiche wie Medizin, Biologie und Materialwissenschaften. Die Argumentation folgt dabei einem lernlogischen Vergleich: So wie menschliche Wissenschaftler neue Domänen erschließen, Wissen anhäufen und sich mit der Zeit verbessern, soll die KI über wiederholte Forschungs- und Lernzyklen an Leistungsgrenzen heranrücken. Das Team verknüpft diese Vision auch mit konkreten Zielbereichen wie der Forschung zu Alzheimer, also mit Domänen, in denen erfolgreiche Experimente nicht nur aus einem einzigen Training resultieren, sondern aus vielen iterativen Hypothesen- und Testschleifen.
Für Unternehmen, die solche Ansätze verfolgen oder als Nutzer von KI-Plattformen planen, ist der praktische Effekt vor allem ein anderer als bei klassischen Modell-Rollouts: Entscheidend wird die Fähigkeit, Trainingsjobs unter realen Budget- und Zeitrestriktionen zu orchestrieren. Wenn Workloads zwischen TPUs und NVIDIA-GPUs verschoben werden können, sinkt das Risiko, dass ein einzelner Hardwaretyp einen Engpass darstellt oder Kosten überproportional steigen. Genau deshalb wird in der Beschreibung die Flexibilität der Chip-Landschaft als Hebel genannt, der nicht nur Mirendil, sondern später auch Kunden betreffen soll, die die selbst entwickelten Systeme einsetzen. Damit rückt das Thema MLOps-nahe Infrastruktur stärker in den Vordergrund: Nicht nur das Modell, sondern auch die wiederholbare Ausführung, die effiziente Zuordnung von Ressourcen und die Systemintegration bestimmen, wie schnell ein Forschungsvorhaben von der Idee zur iterativen Verbesserung kommt.
💳 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 "Mirendil sichert sich 100-Millionen-plus Rechenkapazität bei Google Cloud für KI-Forschung" 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 "Mirendil sichert sich 100-Millionen-plus Rechenkapazität bei Google Cloud für KI-Forschung" 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: »Mirendil sichert sich 100-Millionen-plus Rechenkapazität bei Google Cloud für KI-Forschung« bei Google Deutschland suchen, bei Bing oder Google News!