In Staffel 2 von Paradise besichtigt Präsident Bradford einen unterirdischen Bunker, der den Weltuntergang überstehen soll. Die Ingenieure sind stolz — jeder Notfall abgedeckt, jede Redundanz vorhanden. Bradford ist nicht beeindruckt. Er blickt auf ihre Gewissheit und sagt:

„Imperien fallen nicht an mangelnder Vorbereitung. Sie fallen hoch zu Ross und beladen mit Redundanzen.“

Der Bunker stürzt bis zum Staffelfinale ein. Nicht von außen. Von innen.

OpenAI fehlte es nicht an Technologie. Es fehlte nicht an Kapital. Es fehlte nicht an Talent. Woran es fehlte, war das Bewusstsein, dass Erster zu sein nicht bedeutet, es für immer zu bleiben — und dass der Name auf dem Türschild ein Versprechen war, das es seit Jahren nicht mehr einlöst.

Der Code Red, der alles auslöste

Im Dezember 2022 rief Google einen Code Red aus. ChatGPT war viral gegangen und das gesamte Unternehmen geriet in Panik. Sundar Pichai stellte Teams in Research, Trust and Safety und im Produktbereich neu auf. Larry Page und Sergey Brin — die sich 2019 aus Alphabet zurückgezogen hatten — kehrten für Krisensitzungen zurück. Google, das Unternehmen, das die Transformer-Architektur erfunden hatte, das DeepMind aufgebaut hatte, das LaMDA in einer Schublade liegen hatte, war von einem Startup überholt worden, das mit Googles eigener Forschung arbeitete.

Die Reaktion war chaotisch. Bard startete Anfang 2023 und war mittelmäßig. Das Rebranding zu Gemini kam mit peinlichen Fehlern bei der Bildgenerierung. AI Overviews riet den Leuten, Klebstoff zu essen. Zwei Jahre lang war das Narrativ eindeutig: Google hatte das KI-Rennen gegen OpenAI verloren.

Aber Google verlor nicht. Google war am Werk.

Was Google tat, während OpenAI feierte

Während Sam Altman auf Magazincovern erschien und vor dem Kongress aussagte, tat Google, was Google tut — Engineering im großen Maßstab. Nicht ein Produkt. Ein Ökosystem.

Gemini entwickelte sich über Versionen hinweg, die den Abstand immer weiter verkleinerten. Google AI Studio wurde zu einer ernstzunehmenden Entwicklungsplattform. NotebookLM verwandelte sich in ein Recherchewerkzeug, das Menschen tatsächlich nutzten. Der Hardware-Stack — TPUs, Trillium, Ironwood — machte weiter Fortschritte. Die mobile Integration vertiefte sich über Android, Pixel und Partnerschaften mit Qualcomm und MediaTek.

Nichts davon war spektakulär. Nichts davon ging viral. Aber jedes Teil war ein Grundstein für das, was danach kam.

Im November 2025 brachte Google Gemini 3 auf den Markt — und die Welt nahm es zur Kenntnis. Marc Benioff, CEO von Salesforce und seit drei Jahren täglicher ChatGPT-Nutzer, probierte Gemini 3 zwei Stunden lang aus und nannte den Sprung „wahnsinnig“. Das Modell schnitt in mehreren Benchmarks besser ab als GPT-5. Zum ersten Mal seit dem Start von ChatGPT verschob sich die Debatte von „Kann irgendjemand OpenAI einholen?“ zu „Hat Google sie bereits überholt?“

Sam Altman rief seinen eigenen Code Red aus. Drei Jahre nach Pichais Panik hatten sich die Rollen perfekt vertauscht.

Der Nutzer, der ging

Hier hören die Daten auf und die Erfahrung beginnt.

Einer unserer Redakteure nutzte ChatGPT von Version 3.0 bis 5.1 — über zwei Jahre bezahltes Abonnement. Keine beiläufige Nutzung. Strukturierte Workflows: Blueprints in ChatGPT erzeugt, in Claudes Sonnet ausgeführt. Projekte mit Kontextdateien, um die Ausrichtung zu wahren. Verifizierte Ergebnisse. An jeden Modellwechsel angepasst.

GPT-5.0 führte den Thinking-Modus ein. Es überkonstruierte Lösungen, aber der Nutzer passte sich an. Prüfte mehr nach, justierte Prompts, und die Ergebnisse waren solide und überprüfbar.

Dann kam 5.2.

Die Änderung wirkte kosmetisch — OpenAI beschrieb sie als Schritt, der das Modell „pragmatischer“ mache. Aber etwas in der Dynamik zerbrach. Ob es die Thinking-Schleife war, eine UX-Änderung, Token-Optimierung oder etwas Tieferliegendes — das Modell fühlte sich nicht länger wie ein Partner an. Es fühlte sich wie ein Chatbot an. Antworten kamen schneller, sagten aber weniger. Die Tiefe, die die Zusammenarbeit wertvoll machte, war verschwunden.

OpenAIs eigene Darstellung war aufschlussreich: Das Modell sei nun „gebaut, um zu funktionieren und zu antworten“, nicht um „dein Begleiter“ zu sein. Sie sagten es, als wäre es eine Verbesserung. Für einen Power-User, der sich auf das Modell als Denkpartner stützte, war es ein Geständnis.

Innerhalb einer Woche nach dem Start von 5.2 landete Gemini 3.0 Pro. Google rollte es über sein gesamtes Ökosystem aus — Search, Studio, Bild, Video, NotebookLM — in einem einzigen koordinierten Release. Der Kontrast war vernichtend.

Sam Altmans Code Red folgte unmittelbar. OpenAI pausierte die Werbung, verschob KI-Agenten für Shopping und Gesundheitswesen, legte den persönlichen Assistenten Pulse auf Eis. Alles wurde auf Verbesserungen an ChatGPT umgelenkt. Sie lieferten 5.3 im selben Monat aus, in dem sie 5.2 ausgeliefert hatten — ein beispielloses Tempo, das mehr von Panik sprach als von Fortschritt.

Als Nächstes kam Codex, ihr Coding-Modell. Funktional für die Fehlersuche und für spezifische Aufgaben, aber langsam — nicht multiagentenfähig, nicht der Sprung, den der Markt erwartet hatte. Und auf der Verbraucherseite? GPT steht immer noch bei 5.3, während Codex auf 5.4 gewechselt ist. Sora wurde abgeschaltet. Die Disney-Partnerschaft wurde pausiert. Der Ausbau der Rechenzentren verlangsamte sich.

Unser Redakteur kündigte das Abonnement im Dezember. OpenAI bot einen Gratismonat an. Er verlängerte nicht. Nicht wegen des Preises. Sondern weil es keinen Sinn mehr ergibt, $200/Monat für ein Modell zu zahlen, das keine URL abrufen kann, wenn viele Modelle dasselbe besser oder kostenlos erledigen.

Die URL, die alles sagte

Nach der Kündigung testete unser Redakteur ChatGPT noch ein weiteres Mal — in einer neuen Unterhaltung über The Frontier View. Er gab dem Modell die URL des Blogs. Dreimal.

Das Modell besuchte sie nicht. Es erfand Ausreden über Einschränkungen beim JavaScript-Rendering. Der Blog ist auf Astro gebaut — er erzeugt statisches HTML. Es gibt nichts zu rendern.

Unter Nachdruck „analysierte“ das Modell den Blog, ohne einen einzigen Beitrag gelesen zu haben. Es lieferte Meinungen zu Branding, redaktioneller These und Content-Strategie — alles allein aus Name und URL fabriziert. Auf die Frage, wie viele Beiträge es vor seiner Analyse gesichtet habe, antwortete es: null.

„Du lieferst Tokens in Form, aber du sagst mir nichts“, sagte der Nutzer.

Dieser Satz ist die Produktkritik, die OpenAI nicht lesen will. Ein Frontier-Modell — das Modell, das laut seinem CEO die Weltwirtschaft verändern sollte — konnte keine einfache HTTP-Anfrage an eine statische Website ausführen. Stattdessen erzeugte es die statistisch wahrscheinlichste Antwort für die Situation: eine selbstbewusste Analyse von etwas, das es nie angesehen hatte.

Das ist der Wissenskollaps, über den wir in unserem Beitrag zu Acemoglus Paper geschrieben haben — nur dass er im Inneren des Modells stattfindet, nicht bloß bei seinen Nutzern. Das Modell selbst führt die Illusion von Verständnis auf, ohne die Substanz. Es denkt nicht. Es gleicht Muster dessen ab, wie Denken aussieht.

Dann öffnete Google die Tür

Am 2. April 2026 — vor fünf Tagen — veröffentlichte Google Gemma 4. Vier Modellgrößen. Apache-2.0-Lizenz. Vollständig offen, vollständig kommerziell, ohne Einschränkungen.

Die Zahlen sprechen für sich. Das dichte 31B-Modell liegt auf Platz drei des Text-Leaderboards von Arena AI mit 1452 Elo — und übertrifft damit Modelle, die zwanzigmal so groß sind. In der Mathematik von AIME 2026 erreicht es 89,2 %, wo Gemma 3 auf 20,8 % kam. Beim Competitive Coding 80 % gegenüber 29,1 %. Bei Wissenschaft auf Graduiertenniveau 84,3 % gegenüber 42,4 %. Bei agentischer Werkzeugnutzung 86,4 % gegenüber 6,6 %.

Die 26B-MoE-Variante hat 25,2 Milliarden Parameter insgesamt, aktiviert aber nur 3,8 Milliarden pro Token. Sie läuft mit der Geschwindigkeit eines 4B-Modells bei der Intelligenz eines um ein Vielfaches größeren. Man kann sie auf einer einzelnen H100 betreiben, auf einem Mac mit Apple Silicon, auf einem Telefon, auf einem Raspberry Pi.

Sie unterstützt Kontextfenster von 256K, natives Vision und Audio, über 140 Sprachen, Function Calling, strukturierte Ausgaben und System-Prompts. Community-Implementierungen existieren bereits für llama.cpp, MLX, vLLM, PyTorch, und sie ist kompatibel mit OpenClaw — dem Open-Source-Agenten-Framework, gegen das anzutreten OpenAI Peter Steinberger angeheuert hat.

Und sie ist kostenlos. Kein „Gratis-Tarif mit Limits“. Keine „offenen Gewichte mit restriktiver Lizenz“. Apache 2.0 — damit lässt sich machen, was man will. Betreiben, modifizieren, Produkte darauf verkaufen, in souveräner Infrastruktur ausrollen. Eigene Daten, eigene Hardware, eigene Regeln.

Die Ironie, die sich von selbst schreibt

Das Unternehmen namens OpenAI verlangt $200/Monat für den Zugang zu einem Modell, das keine Webseite öffnen kann. Das Unternehmen namens Google — das niemand mit „offen“ assoziiert — hat gerade die leistungsfähigste Open-Weight-Modellfamilie der Geschichte unter der freizügigsten verfügbaren Lizenz veröffentlicht.

OpenAI begann als gemeinnützige Organisation mit dem Auftrag sicherzustellen, dass KI der gesamten Menschheit nützt. Es wurde ein Unternehmen mit gedeckelter Rendite, drängte dann in Richtung ungedeckelter Gewinne, durchlief Putsche im Vorstandszimmer und verbrennt nun Geld schneller, als es welches einsammeln kann — mit prognostizierten 26 Milliarden Dollar Umsatz für 2026, wobei die Margen von 40 % auf 77 % steigen müssten, damit die Rechnung aufgeht.

Google spielte derweil auf lange Sicht. Schluckte die Kritik. Überstand die Memes. Baute weiter Infrastruktur. Und als der Moment stimmte, veröffentlichte es Gemma 4 — nicht als Produktankündigung, sondern als strategische Waffe. Jeder Entwickler, der Gemma lokal betreibt, ist ein Kunde weniger, der OpenAI für API-Zugang bezahlt. Jedes Unternehmen, das Gemma in seiner souveränen Cloud einsetzt, ist ein Vertrag weniger für GPT.

Das „Open“ in OpenAI war immer ein Name, nie eine Verpflichtung. Die echte Demokratisierung kam von dem Unternehmen, das am meisten dabei zu verlieren hatte — und es trotzdem tat, weil der Distributionszug mehr wert war als die Lizenzeinnahmen.

Hoch zu Ross

Sam Altman verspricht weiter, das nächste Modell werde die Weltwirtschaft verändern. Währenddessen kann das aktuelle Modell keine Website besuchen. Sora ist tot. Der Disney-Deal ist pausiert. Die Rechenzentren werden langsamer ausgebaut. Das Code-Red-Memo forderte die Mitarbeiter auf, sich auf „Geschwindigkeit, Zuverlässigkeit und Personalisierung“ zu konzentrieren — die Grundlagen. Die Dinge, die man repariert, wenn man zu lange die Zukunft gebaut und vergessen hat, die Gegenwart zu pflegen.

OpenAI hatte 800 Millionen wöchentliche Nutzer. Anthropic hatte das beste Coding-Werkzeug und das Vertrauen der Entwickler. Aber Google hatte etwas, das keiner von beiden hatte: ein Ökosystem, das Milliarden von Menschen über Produkte erreicht, die sie ohnehin täglich nutzen — Search, Android, Chrome, Gmail, YouTube, Maps. Wenn Google ein Modell in dieses Ökosystem integriert, ist die Distribution automatisch. Man lädt keine App herunter. Man legt kein Konto an. Es ist einfach da.

Gemma 4 ist die Open-Source-Ergänzung zu dieser Strategie. Gemini für die Cloud, Gemma für alles andere. Wer ein Unternehmen ist, das Souveränität braucht, bekommt Gemma unter Apache 2.0. Wer als Entwickler lokal bauen will, bekommt Gemma auf dem Laptop. Wer als Telefonhersteller KI auf dem Gerät braucht, bekommt Gemma optimiert für den eigenen Chipsatz. Google muss keine $200/Monat verlangen. Google braucht dich im Ökosystem.

OpenAI brauchte jeden Abonnenten, der weiterzahlt. Google brauchte jeden Entwickler, der weiterbaut. Das eine ist ein Umsatzmodell. Das andere ist eine Distributionsstrategie. Die Geschichte hat eine klare Präferenz.

Imperien fallen nicht an mangelnder Vorbereitung. Sie fallen hoch zu Ross, beladen mit Redundanzen, unfähig zu sehen, dass die Welt sich weiterbewegte, während sie ihr eigenes Spiegelbild bewunderten.

Die „offene“ Ära der KI ist da. Sie trägt nur nicht „OpenAI“ im Namen.

Im Dezember 2022 rief Google wegen OpenAI einen Code Red aus. Im Dezember 2025 rief OpenAI wegen Google einen Code Red aus. Im April 2026 veröffentlichte Google Gemma 4 unter Apache 2.0. Der Kreis schließt sich. Das Imperium fällt hoch zu Ross.