Google DeepMind (früher DeepMind Technologies) ist ein britisches Unternehmen, das sich auf die Programmierung einer künstlichen Intelligenz (KI) spezialisiert hat. DeepMind wurde im September 2010 gegründet und 2014 von Google übernommen. Im April 2023 wurde DeepMind mit der Alphabet-KI-Forschungsabteilung Google Brain zu Google DeepMind zusammengeführt.
Geschichte DeepMind Technologies war ein britisches Start-up, gegründet 2010 von Demis Hassabis, Shane Legg und Mustafa Suleyman.Google DeepMind Unternehmens Website. Zu den ersten Geldgebern gehörten die Venture-Capital-Unternehmen Horizons Ventures und Founders Fund sowie der Business Angel Scott Banister."DeepMind Technologies Investors" (abgerufen am 12. März 2015).
Am 26. Januar 2014 gab der US-Konzern Google bekannt, DeepMind Technologies übernommen und damit das ebenfalls daran interessierte Facebook ausgestochen zu haben – es war die bis dahin größte Übernahme des kalifornischen Unternehmens in Europa. Der Preis blieb geheim, Branchenkenner gingen von einem Kaufpreis von etwa 500 Millionen Dollar (365 Millionen Euro) aus."DeepMind: Google kauft Start-up für künstliche Intelligenz", Spiegel.de, 27. Januar 2014"Google Acquires Artificial Intelligence Startup DeepMind For More Than $500M", TechCrunch, abgerufen am 12. März 2015."Google buys UK artificial intelligence startup Deepmind for £400m", The Guardian, abgerufen am 12. März 2015. Mehrere Milliardäre hatten bereits in DeepMind investiert, darunter Elon Musk, CEO des privaten Raumfahrtunternehmens SpaceX und des Elektroautoherstellers Tesla, der PayPal-Gründer und ursprüngliche Facebook-Geldgeber Peter Thiel, der Skype-Mitgründer Jaan Tallinn sowie der Hongkonger Magnat Li Ka-shing von Horizon Ventures, einer der mächtigsten Männer Asiens.
Im Jahre 2014 erhielt DeepMind die Auszeichnung „Company of the Year“ vom Cambridge Computer Laboratory."Hall of Fame Awards: To celebrate the success of companies founded by Computer Laboratory graduates." von Cambridge University (abgerufen am 12. März 2015).
Nach Übernahme wurde das Unternehmen in Google DeepMind umfirmiert. Google setzte auch einen Ethikrat ein, der sicherstellen soll, dass die Technologie von DeepMind nicht missbraucht wird. Die Struktur des Ethikrates blieb unklar.
2015 veröffentlichte das Unternehmen die Ergebnisse eines Forschungsprojektes, bei der die Künstliche Intelligenz alte Atari-Spiele selbstständig erlernen sollte. Nach Angaben von Google DeepMind gelang es der KI, sowohl die Spielregeln zu erlernen als auch Erfolgstaktiken selbstständig zu entwickeln."Google KI DeepMind erlernt selbstständig alte Spieleklassiker", Bluemind.tv, 10. März 2015.
Im Dezember 2019 verließ Mitgründer Mustafa Suleyman DeepMind und wechselte zu Google.
Im Februar 2021 wurde das Unternehmen Isomorphic Labs als Spin-Off von DeepMind gegründet. Isomorphic Labs soll mithilfe der Modelle von AlphaFold zur Vorhersage der Proteinstruktur zur Medikamentenentwicklung beitragen. Selbsterklärtes Unternehmensziel ist es „alle Krankheiten zu heilen“ (solve all disease).
Im April 2023 wurde bekannt gegeben, dass das bisher unabhängige Unternehmen DeepMind und die KI-Forschungsabteilung von Google, Google Brain, zusammengelegt werden. Der Leiter von Google Brain, Jeff Dean, wurde zum Chief Scientist von Google befördert. Demis Hassabis übernahm die Leitung des neu geschaffenen Google DeepMind. Im August 2026 gab Hassabis die operative Leitung ab und wurde Chairman von Google DeepMind sowie Chief Scientist von Alphabet. Die operative Leitung übernahm Koray Kavukcuoglu.
Im September 2026 gründeten Forscher von Google und Google DeepMind das DeepMind Institute (DMI), eine Plattform für interdisziplinäre Forschung, Zusammenarbeit und Diskussion über technische, gesellschaftliche und sicherheitsbezogene Fragen im Zusammenhang mit allgemeiner künstlicher Intelligenz (AGI).
Forschung Das offizielle Unternehmensziel von Google DeepMind ist, Intelligenz zu verstehen („Solve AGI“). Im Gegensatz zu anderen Künstlichen Intelligenzen wie beispielsweise Deep Blue von IBM hat Google DeepMind kein vordefiniertes Ziel und ist somit flexibler in der Anwendung für verschiedene Probleme.Playing Atari with Deep Reinforcement Learning, Google DeepMind unterscheidet sich ebenfalls in der grundsätzlichen Strukturierung der Künstlichen Intelligenz. Statt ausschließlich auf ein neuronales Netz zu setzen, erweiterte man die KI mit einem Kurzzeitspeicher, um somit die Fähigkeit eines künstlichen Gedächtnisses zu simulieren."Google DeepMind: Die künstliche Intelligenz" von Bluemind.tv (abgerufen am 12. März 2015) Die Entwickler von Google DeepMind bezeichnen die Künstliche Intelligenz deshalb auch als „neuronale Turingmaschine“ und nicht als neuronales Netz.Neural Turing Machines,
David Silver war bei DeepMind Leiter des Reinforcement-Learning-Teams und war maßgeblich an der Entwicklung von AlphaGo, AlphaZero und weiteren Reinforcement-Learning-Verfahren beteiligt.
AlphaGo
Bei DeepMind wurde AlphaGo entwickelt, ein Computerprogramm, das ausschließlich das Brettspiel Go spielt. Im Oktober 2015 besiegte es den mehrfachen Europameister Fan Hui. Es ist damit das erste Programm, das unter Turnierbedingungen einen professionellen Go-Spieler schlagen konnte. Zwischen dem 9. und 15. März 2016 trat AlphaGo gegen den südkoreanischen Profi Lee Sedol, 9. Dan, an. Das Programm gewann nach fünf Runden mit 4:1.
Im Jahre 2017 wurde eine verbesserte Version namens AlphaGo Zero veröffentlicht, welche AlphaGo 100 zu 0 schlug, wobei die Strategien von AlphaGo Zero autonom erstellt wurden. Die Lernphase dauerte nur drei Tage, wobei AlphaGo im Vergleich Monate dazu brauchte.
AlphaZero
AlphaZero ist eine im Dezember 2017 erstmals in einer Veröffentlichung beschriebene Verallgemeinerung des oben erwähnten AlphaGo Zero. AlphaZero lernte die Beherrschung der drei Brettspiele Shōgi, Schach und Go auf höchstem Niveau nur anhand der Spielregeln und durch intensives Spielen gegen sich selbst, ohne die Nutzung von Daten zum Vorgehen menschlicher Spieler.
DeepNash Die Software DeepNash spielt Stratego. Ihr gelang es im Jahr 2022, auf dem Niveau von menschlichen Spitzenspielern zu spielen. Gegen die besten menschlichen Spieler auf der Spieleplattform GravonGravon - Das Spielerparadies erreichte DeepNash eine Gewinnrate von 84 Prozent. DeepNash verwendet einen neuartigen Ansatz, der auf einer Kombination aus Spieltheorie und sogenanntem modellfreiem Deep Reinforcement Learning basiert. Die Software hat dafür etwa zehn Milliarden Mal gegen sich selbst gespielt und hatte das Ziel, ein so genanntes Nash-Gleichgewicht zu erreichen. Ein Spiel, das sich im Nash-Gleichgewicht befindet, verläuft stabil, denn das einseitige Abweichen von der Strategie würde einen Nachteil bedeuten.
Die Entwicklung einer spielstarken Stratego-Software ist eine enorme Herausforderung, weil die Anzahl der möglichen Spielzustände auch im Vergleich zu Schach, Go und Texas Hold’em außergewöhnlich ist. Weil die Komplexität des Spielbaums von Stratego so groß ist, ist es nicht möglich, eine Monte-Carlo-Baumsuche (englisch Monte Carlo tree search) zu verwenden.
AlphaStar Im Januar 2019 wurde AlphaStar vorgestellt, ein KI-Programm, das das Echtzeit-Strategiespiel StarCraft II spielt. Wie AlphaGo handelt es sich dabei um ein künstliches neuronales Netz, das zunächst menschliche Spieler imitierte und dann mit Reinforcement Learning trainiert wurde. In zwei Sätzen zu je fünf Spielen gegen die professionellen Spieler Dario „TLO“ Wünsch und Grzegorz „MaNa“ Komincz gewann AlphaStar jedes Spiel. Die Anzahl der Aktionen pro Minute wurde auf ein für Menschen übliches Maß beschränkt. Im Gegensatz zu menschlichen Spielern hat AlphaStar jederzeit einen vollständigen Überblick über die sichtbaren Teile der Karte, fokussiert sich aber dennoch immer nur auf einzelne Bereiche. Ein bei der Vorstellung live übertragenes Spiel konnte MaNa für sich entscheiden. Besondere Stärken von AlphaStar waren Micromanagement und Multitasking. Im letzten Spiel wurde sie durch ungewöhnliche Aktionen des menschlichen Spielers aus dem Tritt gebracht. Eine Weiterentwicklung trat ab Juli 2019 anonym in Ranglisten gegen echte Spieler an und erreichte in allen 3 „Rassen“ die höchste Liga.
AlphaTensor Im Oktober 2022 veröffentlichte DeepMind AlphaTensor, das ähnlich wie AlphaGo Techniken des bestärkenden Lernens nutzte, um neuartige Algorithmen für die Matrixmultiplikation zu finden.Matthew Hudson: DeepMind AI invents faster algorithms to solve tough maths puzzles In: Nature 5. Oktober 2022, doi:10.1038/d41586-022-03166-w. Abgerufen am 4. Juni 2025 (englisch) Im speziellen Fall der Multiplikation zweier 4×4-Matrizen mit ganzzahligen Einträgen, bei denen nur die Geradheit oder Ungeradheit der Einträge berücksichtigt wurde, fand AlphaTensor einen Algorithmus, der nur 47 verschiedene Multiplikationen benötigte; das bisher optimale Verfahren, bekannt seit 1969, war der allgemeinere Strassen-Algorithmus, der 49 Multiplikationen verwendete.Ben Brubaker: AI Reveals New Possibilities in Matrix Multiplication In: Quantamagazine 23. November 2022, abgerufen am 4. Juni 2025 (englisch)
AlphaEvolve Das im Mai 2025 von Google DeepMind vorgestellte AlphaEvolve ist ein KI-Agent, welcher als Programmierwerkzeug optimiert wurde.Will Douglas Heaven: Google DeepMind’s new AI agent cracks real-world problems MIT Technology Review, 14. Mai 2025, abgerufen am 4. Juni 2025 (englisch) Aufgaben, welche als Algorithmen formuliert werden können und als Eingabe dienen, werden autonom durch AlphaEvolve anhand von vorausdefinierten Bewertungskriterien iterativ verbessert. Die bei diesem Optimierungsprozess verwendeten Large Language Models (LLMs) wie Gemini erzeugen bei jedem Optimierungsschritt Varianten des vorherigen Algorithmus, von welchen der jeweils messbar Beste auf dem Weg zu einer optimalen Lösung weiterverfolgt wird.Ryan Whitwam: Google DeepMind creates super-advanced AI that can invent new algorithms Ars Technica, 14. Mai 2025, abgerufen am 4. Juni 2025 (englisch) Im Gegensatz zu bestimmten anderem KI-Modellen wird kein Reinforcement learning from human feedback verwendet, sondern ein evolutionäres Bewertungsframework eingesetzt. Im Gegensatz zu beispielsweise AlphaTensor ist dieses generative Modell in der Lage, Aufgaben in unterschiedlichen Bereichen zu lösen.Gina Genkina: New AI Model Advances the “Kissing Problem” and More. AlphaEvolve made several mathematical discoveries and practical optimizations In: IEEE Spectrum 14. Mai 2025. Abgerufen am 4. Juni 2025 (englisch) So wurden Aufgaben bei mehrdimensionalen Matrixmultiplikationen, Effizienzsteigerungen bei der Planung von Rechneranlagen und beim Entwurf von integrierten Schaltungen erfolgreich gelöst.Michael Nuñez: Meet AlphaEvolve, the Google AI that writes its own code—and just saved millions in computing costs VentureBeat, 14. Mai 2025, abgerufen am 4. Juni 2025 (englisch)
AlphaFold