Plötzlicher Stopp, Gemini 3.5 Pro kommt nur schwer voran, Google fällt in die Enttäuschungsfalle

Erst gestern war die gesamte KI-Szene noch in Hochstimmung versetzt.

Von allen Seiten brachten Enthüllungen hervor: Googles ultimative Waffe – Gemini 3.5 Pro mit dem Codenamen „Cappuccino“ wird innerhalb von 48 Stunden offiziell vorgestellt!

Mit einem riesigen Kontextfenster von 2 Millionen und einem brandneuen Denkmodus namens „Deep Thinking“ soll es laut internen Bewertungen bereits GPT-5.6 Sol und Claude Fable 5 übertreffen.

Offensichtlich handelt es sich hier um ein Schwergewichtsprodukt, das die KI-Landschaft umwälzen wird.

Alle fieberten aufgeregt dem Countdown entgegen, bereit, Geschichte zu schreiben.

Doch als man am nächsten Morgen aufwachte, hatte sich die Situation schlagartig geändert.

Eine exklusive Meldung von Bloomberg warf einen Eimer kaltes Wasser in die Begeisterung aller: Die Veröffentlichung von Gemini 3.5 Pro wurde verschoben – und zwar nicht nur um ein paar Tage, sondern um mehrere Monate!

Die für die Geschichte vorgesehene Veröffentlichung wurde von Google selbst auf Eis gelegt.

Aus welchem Grund genau?

48 Stunden der Euphorie und die Notbremse

Erst gestern waren die sozialen Medien noch voller Leaks zu Gemini 3.5 Pro.

Codename: Cappuccino.

Extrem langer Kontext: 2 Millionen Token.

Deep Thinking: Der neue „Deep Think“-Modus hebt die Fähigkeiten in Mathematik, Programmierung und logischem Schließen auf ein nie dagewesenes Niveau.

Vollständige Evolution: Die Fähigkeiten zur Codeerstellung, für Arbeitsabläufe von Agenten, im Frontend-UI-Design und zur Generierung von SVG-Grafiken wurden erheblich verbessert.

Insider prognostizierten, dass dies Googles „ultimative Waffe“ für die Gegenoffensive gegen OpenAI und Anthropic sein würde.

Die Reaktion war überwältigend. Alle erwarteten den sagenumwobenen Veröffentlichungstermin am 17. Juli.

Doch am frühen Morgen desselben Tages sorgte ein Bericht eines Bloomberg-Journalisten für schlagartige Enttäuschung.

Laut Insiderinformationen liegt die Entwicklung von Gemini 3.5 Pro bereits seit Monaten im Rückstand. Das Kernproblem liegt darin, dass das Modell in Schlüsselfähigkeiten – insbesondere bei der KI-Programmierung – die strengen internen Standards nicht erfüllt.

Erst Ende vergangenen Monats hat Google die Trainingsdaten eilig aktualisiert, um im letzten Anlauf die Programmierfähigkeiten zu verbessern – doch das Ergebnis war „enttäuschend“.

Diese vier Worte markierten das Ende der 48-stündigen Euphorie.

Die Google-Aktie fiel unmittelbar nach der Nachricht und verzeichnete zeitweise einen Rückgang von 4,43 %.

Während die neuen Modelle von OpenAI und Meta bei den Programmierfähigkeiten rasant voranschreiten, hat die schwierige Geburt von Gemini 3.5 Pro zu einer starken Verunsicherung bei Google geführt.

Ingenieure, KI-Forscher und Führungskräfte sind zutiefst frustriert – sie fürchten zunehmend, dass Google seine ohnehin nicht starke Wettbewerbsbarriere verliert.

Googles „Tacitus-Falle“: Warum kann das gesamte Unternehmen nicht die stärkste KI entwickeln?

Warum scheitert die mit Spannung erwartete „Königswaffe“?

Der Bericht enthüllt die tiefgreifenden internen Probleme bei Google – ein Sinnbild für ein riesiges Imperium im Zeitalter des Wandels.

Ein innovationstempo, das von der Bürokratie „ausgebremst“ wird

Der Bericht erwähnt ein entscheidendes Detail: Google hat eine komplexe Hierarchie und zahlreiche Interessengruppen.

Für die Veröffentlichung eines Modells müssen die Anforderungen riesiger Produktlinien wie Suche, Maps und YouTube berücksichtigt werden.

Dieses Entscheidungsmuster, das alles unter einen Hut bringen will, führt zu verstreuten Ressourcen und langsamen Entscheidungen.

Ein ehemaliger Mitarbeiter drückte es bildhaft aus: „Zu versuchen, die Führung jeder Abteilung in die gleiche Richtung zu bringen, ist wie der Versuch, das gesamte Meer zum Kochen zu bringen.“

Das Ergebnis sind häufige Änderungen von Anweisungen, mehrfache Doppeltearbeit in verschiedenen Abteilungen und das Fehlen einer gemeinsamen Kraftanstrengung.

Während OpenAI und Anthropic mit dem Tempo von Startups voranschreiten, kommt Googles „großer Dampfer“ bei der internen Koordination zum Stillstand.

Ein Nutzer kommentierte pointiert: „Google muss seine aufgeblähte Bürokratie abbauen, um in diesem Bereich Fortschritte zu machen.“

Die Waterloo der KI-Programmierung: Die „Reinblütigen“-Mentalität der Ingenieure und der Hunger nach Rechenleistung

Doch warum ausgerechnet die Programmierfähigkeiten versagen? Dahinter verbirgt sich ein tieferer Widerspruch bei Google.

Einerseits verfügt Google über die weltweit beste Ingenieurskultur – die jedoch eine Art „Reinblütigen“-Mentalität hervorgebracht hat.

Viele traditionelle Ingenieure glauben, dass „jeder wichtige Code von Hand geschrieben werden sollte“. Dieses Misstrauen gegenüber KI-generiertem Code hat sie daran gehindert, Gemini für die Entwicklungsunterstützung zu nutzen, aus Angst vor der Offenlegung von proprietärem Code in den Trainingsdaten.

Als Google endlich die Bedeutung der KI-Programmierung erkannte und beschloss, den Einsatz von KI zum Schreiben von Code verbindlich vorzuschreiben, tauchte ein neues Problem auf – nicht genug Rechenleistung.

Der Bericht weist darauf hin, dass Ingenieure bei der Nutzung interner KI-Tools immer wieder an Grenzen der Rechenkapazität stoßen.

Das ironischste Detail des gesamten Berichts lautet: In einem Unternehmen, das in diesem Jahr voraussichtlich 180 bis 190 Milliarden US-Dollar an Kapitalausgaben tätigen wird, haben die eigenen Ingenieure keinen Zugriff auf GPUs!

Daten von der Wall Street zeigen, dass Google im ersten Quartal dieses Jahres Kapitalausgaben in Höhe von 35,7 Milliarden US-Dollar getätigt hat – mehr als das Doppelte im Vergleich zum Vorjahreszeitraum. So viel Geld wurde für Chips und Rechenzentren investiert – und was ist das Ergebnis?

Angesichts dieses Durcheinanders versucht Google nun, das Schlimmste zu verhindern.

Der leitende KI-Architekt vereinheitlicht die KI-Programmierwerkzeuge aller Abteilungen unter der zugrunde liegenden Architektur von Google Antigravity und hat innerhalb von DeepMind ein spezialisiertes Team für KI-Programmierung gegründet – doch es ist bereits zu spät.

Interner Wettlauf und der Teufelskreis des Talentabflusses

Google ist sich des Problems nicht unbewusst. Es verfügt über Spitzenforschungsinstitute wie Google DeepMind, den Cloud-Bereich Google Cloud und das Android-Team – ja sogar mehrere interne Gruppen, die sich der KI-Programmierung widmen.

Doch dieser „Wettlauf“-Mechanismus führt auch zu internen Reibungsverlusten.

Verschiedene Teams arbeiten isoliert voneinander, ihre Produkte überschneiden sich und die Strategie schwankt. Noch schlimmer: Diese Verwirrung und Frustration führt direkt zum Abfluss von Spitzenkräften.

Dem Bericht zufolge wechseln zahlreiche Forscher enttäuscht über Googles Rückstand zu Anthropic und OpenAI.

So entsteht ein schrecklicher Kreislauf: Bürokratie führt zu Ineffizienz → Ineffizienz führt zu rückständigen Produkten → rückständige Produkte führen zum Abfluss von Talenten → der Abfluss von Talenten verschärft den technologischen Rückstand.

Die Verspätung von Gemini 3.5 Pro ist die unvermeidliche Folge dieses Kreislaufs.

Die gesamte Industrie schlägt Alarm: Die Giganten geraten gemeinsam in die „Falle der Enttäuschung bei den nächsten Großmodellen“

Ethan Mollick von der Wharton School stellte bei der Weiterverbreitung des Berichts eine beunruhigende These auf –

Dies ist keineswegs nur die Tragödie von Google allein, sondern eine „zyklische technologische Winterphase“, die das gesamte Silicon Valley durchlebt.

Mollick wies scharf darauf hin, dass die aktuellen Rückschläge von Google die Schwächen widerspiegeln, die zuvor Meta Llama 4 und xAI Grok 4 erlebt haben.

Er nannte dieses Phänomen die „Falle der Enttäuschung bei den nächsten Großmodellen“.

Die tatsächliche Leistungssteigerung der nächsten Generation von Modellen, die mit riesigen Summen an Kapital und Rechenleistung trainiert wurden, bleibt weit hinter den Erwartungen zurück – und die Marktposition gerät dadurch deutlich ins Wanken.

Früher vertraute die Branche auf das Scaling Law. Wenn jedoch das Modell eine bestimmte Größe erreicht, verliert die „Gewaltästhetik“ des bloßen Anhäufens von Rechenleistung und Daten ihre Wirkung.

Datenengpass: Hochwertige menschliche Textdaten sind fast vollständig „ausgeschöpft“, und die Wirkung synthetischer Daten muss sich noch beweisen.

Algorithmenengpass: Die aktuelle Transformer-Architektur und ihre Varianten nähern sich möglicherweise ihrer Leistungsgrenze. Sinkende Renditen: Für minimale Leistungssteigerungen sind exponentiell steigende Kosten für die Rechenleistung erforderlich.

In diesem Spiel der Giganten ist bisher nur OpenAI mit Orion/GPT-4.5 dieser Falle entkommen, ohne größere Rückschläge zu erleiden.

Es ist sicher, dass mit dem Annähern der Modellgrößen an physikalische und technische Grenzen die Iterationsschwierigkeiten für Spitzenmodelle drastisch zunehmen.

Die Verspätung von Gemini 3.5 Pro macht allen klar –

Wir befinden uns in einer Plateauphase. Die rasante Entwicklung, bei der „ein KI-Tag einem menschlichen Jahr entspricht“, neigt sich dem Ende zu.

Für die gesamte Branche könnte dies eine gute Nachricht sein. Wenn der Lärm verebbt, werden die Menschen wirklich darüber nachdenken, welchen Wert KI eigentlich hat.

Was Google betrifft: Die Zeit und die Geduld des Marktes für das Unternehmen sind möglicherweise wirklich knapp.

Referenzen:

https://x.com/Mr_Salio/status/207736089707741624811

https://x.com/emollick/status/207784902115088