Meinung

Google hatte ChatGPT vor ChatGPT – und traute sich nicht

Warum der Erfinder der Transformer-Architektur zum zweiten Mal in derselben Falle sitzt. Es fing mit einer beiläufigen Beobachtung an: Wann kam eigentlich das letzte grosse Modell von Google? Nicht irgendein Feature-Update, nicht die dritte Variante eines Sparmodells – sondern ein neues Spitzenmodell.

TL;DR: Google entwickelte die Transformer-Architektur und besaß bereits vor ChatGPT vergleichbare KI-Chatbots wie LMChat, Meena und LaMDA. Aus Angst vor Reputationsrisiken und der Kannibalisierung des Suchgeschäfts zögerte Google jedoch bei der Veröffentlichung, was zu einer massiven Talentabwanderung und einem Rückstand im KI-Wettrennen führte.

Webdesigner Lörrach

Die Antwort: 19. Februar 2026. Gemini 3.1 Pro. Seitdem ist auf der obersten Stufe Funkstille. In derselben Zeit hat OpenAI GPT-5.6 mit drei Modellstufen ausgerollt – Sol, Terra und Luna. Anthropic hat mit Fable 5 und Mythos 5 eine komplett neue Leistungsklasse oberhalb von Opus eingeführt. Google dagegen hat im Juli gleich drei neue Modelle vorgestellt – und alle drei waren Flash-Varianten. Schneller, günstiger, effizienter. Das Pro-Modell, auf das die Branche wartete, fehlte.

Das ist keine Randnotiz. Das ist ein Muster. Und es ist nicht das erste Mal.

Der Ursprung: Google erfand die Technologie,
auf der die Konkurrenz gebaut ist

2017 veröffentlichten acht Google-Forscher ein Paper mit dem leicht frechen Titel Attention Is All You Need. Darin: die Transformer-Architektur. Das T in GPT steht für Transformer. Ohne dieses Paper gäbe es kein ChatGPT, kein Claude, kein Gemini.

Die acht Autoren bestanden darauf, als gleichberechtigte Beitragende genannt zu werden – die Reihenfolge der Namen wurde per Zufall bestimmt. Bis heute wurde die Arbeit über 250.000 Mal zitiert und zählt damit zu den zehn meistzitierten wissenschaftlichen Arbeiten dieses Jahrhunderts.

Google hatte die Technologie. Google hatte die Rechenleistung. Google hatte die Forscher. Und Google veröffentlichte nichts.

Der Beweis kam letzte Woche

Anfang August 2026 wurde eine alte Geschichte plötzlich sehr konkret. Thibault "Tibo" Sottiaux, heute bei OpenAI, früher bei Google, bestätigte auf X, dass Google intern bereits rund ein Jahr vor ChatGPT ein praktisch fertiges Konkurrenzprodukt hatte. Codename: LMChat, später umbenannt. Er war Teil des Teams.

Ausgelöst hatte die Diskussion ein Post des KI-Entwicklers Cheng Lou, der an ein altes Interview mit Google-Chefwissenschaftler Jeff Dean erinnerte: Google habe einen internen Chatbot gehabt, ihn aber nicht für nützlicher gehalten als eine gewöhnliche Google-Suche.

Das war keine Fehleinschätzung der Technik. Das war eine Fehleinschätzung des Marktes – und eine sehr bewusste Risikoabwägung.

Die Vorgeschichte dazu ist gut dokumentiert:

  • Meena (2020): Ein Dialogmodell, das intern als leistungsfähiger galt als alles öffentlich Verfügbare. Nie veröffentlicht. Die beiden Entwickler, Noam Shazeer und Daniel De Freitas, verliessen Google 2021 und gründeten Character.AI.

  • LaMDA (2021): Faktisch ein ChatGPT-Vorläufer. Google zeigte auf der I/O zwei kuratierte Demos. Mehr nicht.

  • Blake Lemoine (Sommer 2022): Der Google-Ingenieur, der öffentlich behauptete, LaMDA sei empfindungsfähig – und dafür entlassen wurde. Monate vor dem ChatGPT-Start.

Als ChatGPT im November 2022 erschien, brauchte es fünf Tage für eine Million Nutzer und zwei Monate für hundert Millionen. Google rief intern "Code Red" aus. Larry Page und Sergey Brin, seit 2019 aus dem operativen Geschäft raus, wurden zu Krisensitzungen geholt.

Auf die Frage von Mitarbeitenden in einem All-Hands, ob LaMDA nicht eine verpasste Chance gewesen sei, antworteten Sundar Pichai und Jeff Dean sinngemäss: Man habe vergleichbare Fähigkeiten gehabt, aber ein zu schnelles Vorgehen wäre ein erhebliches Reputationsrisiko gewesen – schlicht weil Google um ein Vielfaches grösser sei als OpenAI.

Gaurav Nemade, der erste Produktmanager des LaMDA-Projekts, formulierte es gegenüber Slate nüchterner: Google denke sehr intensiv darüber nach, was dem eigenen Ruf schaden könnte.

Das war rational.
Und genau das ist das Problem.

Es wäre zu einfach, das als Feigheit abzutun. Die Rechnung war korrekt:

Ein halluzinierender Chatbot mit Google-Logo war ein anderes Risiko als ein halluzinierender Chatbot eines damals weitgehend unbekannten Forschungslabors. OpenAI konnte "Research Preview" draufschreiben und Fehler als Charme verkaufen. Google konnte das nicht.

Und dann ist da das Geschäftsmodell. Google verdient sein Geld mit Suchanzeigen. Jede Antwort, die ein Chatbot direkt liefert, ist ein Klick weniger auf ein Werbeergebnis. OpenAI und Anthropic haben dieses Problem nicht – sie können ohne Rücksicht auf ein bestehendes Milliardengeschäft optimieren. Google muss die eigene Cash Cow mit angezogener Handbremse ersetzen.

Das ist das Innovator's Dilemma in Reinform: Das rationale Verhalten des Marktführers ist genau das Verhalten, das ihn den Markt kostet.

Die Rechnung kam in Raten

Alle acht Autoren des Transformer-Papers haben Google inzwischen verlassen. Sie sind heute bei oder hinter Cohere, Character.AI, Essential AI, Sakana AI, Inceptive, OpenAI und NEAR Protocol.

Noam Shazeer war 2024 zurückgekehrt, um an Gemini zu arbeiten. Im Juni 2026 verkündete er auf X, dass er zu OpenAI wechselt. Zwei Tage später gab John Jumper – Chemie-Nobelpreisträger 2024 und Kopf des AlphaFold-Teams – seinen Abgang von Google DeepMind bekannt, Richtung Anthropic.

Die Alphabet-Aktie verlor daraufhin über sieben Prozent.

Man kann die Entwicklung der letzten neun Jahre als eine einzige, sehr teure Talentabwanderung lesen. Und die interessante Frage ist nicht, warum sie gegangen sind – sondern warum sie bei einem Unternehmen mit unbegrenzten Ressourcen nicht bleiben konnten.

Google Ki

Und heute?
Dasselbe Muster,
andere Kulisse

Zurück zu 2026. Googles Fokus liegt erkennbar auf Effizienz statt auf Benchmarks. Axios brachte es auf den Punkt: Das Rennen habe sich verlagert – weg von der Frage, wer die besten Werte hat, hin zur Frage, wer das beste Modell zum tiefsten Preis liefert.

Und da ist Google stark. Gemini 3.6 Flash verbraucht laut Google bis zu 17 Prozent weniger Output-Token als der Vorgänger. Für Massenaufgaben – Übersetzungen, Dokumentenverarbeitung, Klassifizierung – ist das betriebswirtschaftlich der wichtigere Fortschritt als jedes neue Spitzenmodell.

Es gibt sogar ein sachliches Argument dafür: Google bedient Milliarden Nutzer. Ein Frontier-Modell an alle auszurollen ist eine andere Rechnung als ein Pro-Abo für ein paar Millionen zahlende Kunden. Der Effizienzfokus ist nicht zwingend Schwäche, sondern die einzige Ökonomie, die bei diesem Volumen funktioniert.

Nur: Es ist eben auch wieder dieselbe Bewegung wie 2021. Die Technologie ist da. Die Zurückhaltung ist eine Geschäftsentscheidung. Und die Aufmerksamkeit – die Erzählung darüber, wer gerade führt – geht woanders hin.

Das Gegenargument, das man ernst nehmen muss

Google abzuschreiben wäre voreilig. Das Unternehmen hat eigene TPUs, eigene Rechenzentren, DeepMind, und eine Distribution über Android, Chrome, Workspace und die Suche, die kein Wettbewerber annähernd erreicht. Aus dieser Position kann man sich Verspätung leisten.

Google galt Ende 2022 schon einmal als abgehängt und ist heute wieder einer der drei relevanten Anbieter. Ein halbes Jahr ohne Pro-Release kann genauso gut bedeuten, dass etwas Grösseres in Arbeit ist.

Und der Rest des Jahres war alles andere als leer: Gemini Omni auf der I/O im Mai, Gemini in Chrome, eine macOS-App, Antigravity als agentenbasierte Entwicklungsplattform, neue Robotik-Modelle. Google baut gerade nicht das beste Modell, sondern die breiteste Ebene – KI als Betriebssystem quer durch alle eigenen Produkte.

Das ist eine legitime Strategie. Sie erzeugt nur deutlich weniger Lärm.

Was ich daraus mitnehme

Drei Dinge, praktisch:

1. Für Volumenaufgaben ist Google gerade die erste Wahl. Wenn du grosse Mengen Text klassifizierst, übersetzt oder verarbeitest, ist der Preis pro Token relevanter als der letzte Benchmark-Punkt.

2. Für anspruchsvolles Reasoning ist Google momentan zweite Wahl. Wer komplexe Code-Aufgaben, mehrstufige Recherche oder anspruchsvolle Analysen fährt, findet die stärkeren Modelle derzeit bei OpenAI und Anthropic.

3. Das eigentliche Muster hat wenig mit KI zu tun. Wer ein funktionierendes Geschäftsmodell verteidigt, veröffentlicht die Technologie nicht, die es kannibalisiert. Das war 2021 so und es ist 2026 nicht anders. Es ist das älteste Muster der Techbranche – nur diesmal weiss Google es und ist trotzdem gefangen.

Vielleicht ist "den Anschluss verpassen" auch die falsche Formulierung. Google verpasst nichts. Google entscheidet sich – wieder – bewusst gegen den schnellen Weg. Der Unterschied ist nur: Beim ersten Mal kannte niemand die Kosten dieser Entscheidung.

Jetzt kennt sie jeder.

Quellen

Zur aktuellen Modellsituation

Zur Vorgeschichte: LMChat, Meena, LaMDA

Zum Transformer-Paper und der Talentabwanderung

Stand: 8. August 2026. Modellversionen, Preise und Verfügbarkeiten in diesem Bereich ändern sich schnell – die genannten Daten beziehen sich auf den Stand zum Zeitpunkt der Veröffentlichung.

Newsletter abonnieren

Gelegentliche Updates zu Projekten, Design-Themen und neuen Arbeiten. Doppelte Bestätigung. Jederzeit abbestellbar.