Drei Großbuchstaben, die die KI-Welt elektrisieren: Hat Google RSI geknackt?
Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.
Es braucht derzeit offenbar nicht mehr als einen Tweet mit seltsamer Groß- und Kleinschreibung, um die halbe KI-Branche in Aufregung zu versetzen. Die als gut vernetzt geltende Leakerin Lyra postete kürzlich lediglich die Zeile „huge congRatulationS Indeed! @GoogleDeepMind“.
Die hervorgehobenen Buchstaben ergeben RSI: Recursive Self-Improvement, also rekursive Selbstverbesserung. Der Post sammelte binnen Stunden tausende Likes, X spülte das Thema in die Trends, und in Teilen der Szene galt die Sache als praktisch bestätigt: Google soll den Punkt erreicht haben, an dem seine KI-Systeme sich weitgehend selbst weiterentwickeln.
Bewiesen ist davon exakt nichts. Aber der Nährboden, auf den das Gerücht fiel, ist real, und genau das macht die Geschichte für Gründer:innen und Investor:innen relevant.
Was RSI überhaupt bedeutet
Rekursive Selbstverbesserung beschreibt den Zustand, in dem ein KI-System seinen eigenen Code, seine Trainingsverfahren und seine Architektur ohne nennenswerte menschliche Beteiligung optimiert. Aus jeder Verbesserung entsteht ein etwas besseres System, das die nächste Verbesserung schneller findet. Theoretisch entsteht daraus eine Schleife, die sich selbst beschleunigt. Für viele KI-Forscher:innen ist das der entscheidende Schwellenwert auf dem Weg zu AGI, weil ab diesem Punkt nicht mehr die Anzahl der Mitarbeiter:innen das Tempo bestimmt, sondern die verfügbare Rechenleistung.
Wichtig ist die Abgrenzung: AGI und RSI sind nicht dasselbe. Und ein Modell, das innerhalb eines von Menschen gebauten Rahmens einzelne Komponenten optimiert, ist noch lange kein System, das seine eigene Forschungsagenda neu entwirft. Genau diese Unterscheidung geht in der aktuellen Debatte gerade unter.
Warum das Gerücht überhaupt zündet
Google hat in den vergangenen Monaten selbst reichlich Brennstoff geliefert. Reuters berichtete im Spätsommer, dass Mitverantwortlicher Sergey Brin die KI-Ressourcen des Konzerns gezielt in Richtung selbstverbessernder Systeme umschichtet und Schlüsselpersonal dazu drängt, den Anschluss an die Frontier-Labs zurückzugewinnen. Brin steuert Gemini dem Vernehmen nach aus einer Google-Microkitchen heraus mit, also mit einer Hands-on-Präsenz, die man von einem Mitgründer im Ruhestand nicht erwarten würde. Rund tausend Forscher:innen sollen an entsprechenden Initiativen arbeiten.
Dazu kommt der personelle Umbau an der Spitze. Demis Hassabis gibt die operative Führung von DeepMind ab und will sich künftig auf die Gestaltung von AGI konzentrieren, während Chefwissenschaftler Jeff Dean das Haus verlässt. Trending Topics hat den Umbau bereits beschrieben: Erdbeben bei Google: Deepmind-CEO weg, Chefwissenschaftler gründet KI-Startup. Wer Signale sucht, findet hier reichlich.
Und schließlich redet Google offen über die Sache. Den auffällig schnellen Takt bei den kleineren Gemini-Flash-Modellen begründet der Konzern laut Fortune unter anderem mit „lang laufenden KI-Agenten-Schleifen, die die zugrunde liegenden Modelle rekursiv evaluieren und verfeinern“. Vier Flash-Modelle in gut hundert Tagen sind ein Tempo, das ohne Automatisierung schwer erklärbar ist.
Die andere Hälfte der Geschichte
Aber: Hat Google den Anschluss an die AI Labs verloren? Bei KI-Modellen ist man im Top-Bereich derzeit abgehängt. Das eigentliche Flaggschiff, Gemini 3.5 Pro, ist weiterhin nicht erschienen, obwohl Sundar Pichai es für den Sommer angekündigt hatte. Interne Prototypen sollen gegenüber den Flash-Versionen zu wenig Fortschritt gezeigt haben, um einen Launch zu rechtfertigen. Im Artificial Analysis Intelligence Index rangiert Googles bestes Modell derzeit abgeschlagen, während Anthropic und OpenAI die Spitze halten.
Ein Labor, das RSI geknackt hätte, dessen Topmodell aber seit Monaten in der Warteschleife hängt, ist ein Widerspruch. Möglich, dass es Google derzeit in der Diskussion um Ki-Sicehrheit zu heikel ist, große Fortschritte zu kommunizieren.
Inhaltlich bleibt der Leak dünn. Es gibt kein Modell, kein Paper, keinen Benchmark, kein Datum und keine Definition dessen, was „RSI erreicht“ konkret heißen soll. Analyst:innen wie jene von Zeniteq weisen darauf hin, dass der einzige halbwegs belastbare Beleg aus dem Umfeld von AlphaEvolve stammt: Das System verbesserte einen Kernel für Matrixmultiplikation um rund 23 Prozent, was die Gemini-Trainingszeit um etwa ein Prozent verkürzte. Beeindruckend als Ingenieursleistung, aber weit entfernt von einer sich selbst beschleunigenden Schleife. Google-Mitarbeiter:innen selbst dämpfen die Erwartungen und sprechen von einem noch langen Weg.
Bleibt die Frage nach dem Beweis…
Ein echter RSI-Nachweis müsste mehrere aufeinanderfolgende Verbesserungszyklen dokumentieren, in denen ein System seine eigene Forschungsarchitektur ohne menschliche Eingriffe umbaut, und zwar mit messbar steigender Rate. Nichts davon liegt öffentlich vor. Bis Google ein Modell zeigt, das diesen Anspruch einlöst, bleibt die Sache das, was sie ist: ein raffiniert platziertes Wortspiel, das die Nervosität einer ganzen Branche sichtbar gemacht hat.
