Demis Hassabis

Sir Demis Hassabis (* 27. Juli 1976 in London) ist ein britischer Informatiker, Neurowissenschaftler und ehemaliger Schachprofi und Spielentwickler, der als Mit-Gründer und CEO von DeepMind Technologies sowie als CEO von Google DeepMind (seit April 2023) eine der einflussreichsten Personen der zeitgenössischen KI-Forschung ist.

2024 wurde er gemeinsam mit John Jumper und David Baker mit dem Chemie-Nobelpreis ausgezeichnet – für die Entwicklung des Proteinstruktur-Vorhersagesystems AlphaFold, das ein über fünfzigjähriges Grundproblem der Strukturbiologie gelöst hat.

Hassabis verfolgt seit der Gründung von DeepMind im September 2010 mit Shane Legg und Mustafa Suleyman das ausdrückliche Ziel, „Artificial General Intelligence” (AGI) zu entwickeln. Dabei will er zugleich konkrete wissenschaftliche Probleme lösen – eine Programmatik, die in der Sekundärliteratur als eigenständige Variante der AGI-Forschung diskutiert wird.

Zusammenfassung

Demis Hassabis verbindet in seinem wissenschaftlichen und kommerziellen Werk drei methodische Stränge: erstens Reinforcement Learning und die spieltheoretisch motivierte Erforschung autonomer Agenten (AlphaGo, AlphaZero, MuZero); zweitens Deep Learning angewandt auf konkrete wissenschaftliche Probleme (AlphaFold, GraphCast, AlphaProof).

Drittens kommt die seit 2023 unter dem Dach Google DeepMind zusammengeführte Frontier-Sprachmodellentwicklung (Gemini-Familie) hinzu.

Seine biografische Trajektorie ist ungewöhnlich: Schachprofi mit Internationaler-Meister-Norm im Alter von 13 Jahren, kommerziell erfolgreicher Spieleentwickler bei Bullfrog (Theme Park, 1994) und Lionhead Studios sowie als Gründer von Elixir Studios (1998–2005). Anschließend folgte eine Promotion in Kognitions-Neurowissenschaft am University College London (2009) bei Eleanor Maguire mit Arbeiten zum hippocampalen Gedächtnis.

Die seit 2010 verfolgte DeepMind-Programmatik ist eng mit dieser neurowissenschaftlichen Prägung verbunden – Hassabis hat das Verhältnis von Neurowissenschaft und KI-Forschung in mehreren Programmschriften (Hassabis u. a. 2017, Neuron; Reverse-engineering the brain-Diskussion) explizit thematisiert.

Anders als die meisten in den TESCREAL-Einträgen behandelten Akteure positioniert sich Hassabis öffentlich vorsichtig: Er bekennt sich zum AGI-Ziel, betont aber zugleich Sicherheits- und Verantwortungsfragen. Er hat sich mehrfach für staatliche Regulierung ausgesprochen und das Statement des Center for AI Safety zu existenziellen KI-Risiken (Mai 2023) unterzeichnet.

Biografie

Frühe Jahre und Schach (1976–1994)

Demis Hassabis wurde 1976 in London als Sohn eines griechisch-zypriotischen Vaters und einer chinesisch-singapurischen Mutter geboren. Er begann im Alter von vier Jahren Schach zu spielen und erreichte im Alter von 13 Jahren die ELO-Wertung 2300, was ihn zu einem der stärksten Junior-Schachspieler seiner Altersgruppe machte. Mit 16 schloss er die Schule zwei Jahre früher ab.

Computerspiel-Industrie (1994–1998)

Im Alter von 17 Jahren begann Hassabis bei Bullfrog Productions unter Peter Molyneux zu arbeiten. Er war Mit-Designer und Lead-Programmer des Spiels Theme Park (1994), das sich weltweit über 15 Millionen Mal verkaufte. Anschließend arbeitete er bei Lionhead Studios an Black & White (2001).

Studium und eigene Spielefirma (1995–2005)

Parallel und nach seiner Industrietätigkeit studierte Hassabis Informatik am Queens’ College der University of Cambridge und schloss 1997 mit Auszeichnung ab. 1998 gründete er die eigene Spielefirma Elixir Studios in London, die mehrere Spiele veröffentlichte, darunter Republic: The Revolution (2003) und Evil Genius (2004). Elixir Studios wurde 2005 nach finanziellen Schwierigkeiten geschlossen.

Neurowissenschaftliche Promotion (2005–2009)

Nach der Schließung von Elixir Studios begann Hassabis eine Promotion in Cognitive Neuroscience am Gatsby Computational Neuroscience Unit des University College London (UCL) bei Eleanor Maguire. Seine Doktorarbeit untersuchte die Rolle des Hippocampus bei episodischem Gedächtnis und imaginativer Konstruktion.

Eine Arbeit aus dieser Zeit (Hassabis u. a. 2007, PNAS) wurde von der Zeitschrift Science als eine der zehn wissenschaftlichen Durchbrüche des Jahres 2007 anerkannt. Postdoktoral arbeitete Hassabis am Gatsby Computational Neuroscience Unit sowie am MIT und Harvard.

Gründung von DeepMind (2010–2014)

Im September 2010 gründete Hassabis gemeinsam mit Shane Legg (der den Begriff Artificial General Intelligence geprägt hatte) und Mustafa Suleyman DeepMind Technologies in London. Erste Finanzierungen kamen unter anderem von Peter Thiel, Founders Fund, Horizons Ventures und Elon Musk.

Die ursprüngliche Programmatik des Unternehmens war im Sinne einer neurowissenschaftlich inspirierten AGI-Forschung formuliert: Lernen sollte primär durch Reinforcement Learning und Studium biologischer Intelligenzformen erfolgen.

Google-Übernahme (2014)

Im Januar 2014 wurde DeepMind von Google für einen in der Sekundärliteratur typischerweise mit etwa 400 bis 650 Millionen US-Dollar bezifferten Betrag übernommen. Eine bemerkenswerte Vertragsbedingung war die Einrichtung eines unabhängigen AI Ethics Board, das die Forschung beaufsichtigen sollte. Das Unternehmen behielt seinen Sitz in London und operierte weitgehend eigenständig.

AlphaGo, AlphaZero und MuZero (2015–2020)

Im März 2016 besiegte das von DeepMind entwickelte Programm AlphaGo den südkoreanischen Großmeister Lee Sedol im Go-Spiel mit 4 zu 1. Das Ereignis wurde weltweit als Meilenstein der KI-Forschung wahrgenommen, weil Go aufgrund seines exponentiell größeren Suchraums lange als für klassische Suchverfahren unzugänglich galt.

2017 folgte AlphaGo Zero, das ohne menschliche Trainingsdaten allein durch Selbstspiel übermenschliches Niveau erreichte; AlphaZero (Silver u. a. 2018, Science) generalisierte das Verfahren auf Schach und Shogi. MuZero (Schrittwieser u. a. 2020, Nature) lernte ohne explizite Kenntnis der Spielregeln.

AlphaFold (2018–2024)

Im Dezember 2018 gewann DeepMind mit der ersten AlphaFold-Version den CASP13-Wettbewerb zur Vorhersage von Proteinstrukturen mit substantiellem Abstand. Im November 2020 erzielte AlphaFold 2 (Jumper u. a. 2021, Nature) bei CASP14 eine durchschnittliche Genauigkeit, die der Auflösung experimenteller Methoden nahekam – ein in der Strukturbiologie seit über fünfzig Jahren offenes Problem wurde damit als praktisch gelöst betrachtet.

2021 publizierte DeepMind die Strukturvorhersagen für nahezu alle menschlichen Proteine in einer öffentlichen Datenbank; bis 2024 enthielt die AlphaFold Protein Structure Database über 200 Millionen Strukturen. AlphaFold 3 (Mai 2024) erweiterte das Verfahren auf Komplexe aus Proteinen mit DNA, RNA und kleinen Molekülen.

Isomorphic Labs (2021)

Im November 2021 gründete Hassabis als Spin-off von DeepMind das Unternehmen Isomorphic Labs mit Sitz in London, das KI-gestützte Arzneimittelentwicklung verfolgt. Hassabis ist gleichzeitig CEO beider Unternehmen.

Fusion zu Google DeepMind und Gemini (2023–2026)

Am 20. April 2023 kündigte Google die Fusion von Google Brain und DeepMind zu Google DeepMind an; Hassabis übernahm die Rolle des CEO der neuen Einheit. Unter seiner Leitung entstand die Gemini-Modellfamilie (Gemini 1.0 Dezember 2023, Gemini 1.5 Februar 2024, Gemini 2.0 Dezember 2024, Gemini 2.5 März 2025 mit Reasoning-Modus), die in der Frontier-Sprachmodell-Konkurrenz zu OpenAI und Anthropic positioniert ist.

Nobelpreis und Knighthood (2024)

Am 9. Oktober 2024 wurden Hassabis, John Jumper (DeepMind) und David Baker (University of Washington) mit dem Nobelpreis für Chemie 2024 ausgezeichnet. Die Königlich Schwedische Akademie der Wissenschaften begründete die Auszeichnung mit der durch AlphaFold ermöglichten Proteinstruktur-Vorhersage. Im Dezember 2024 wurde Hassabis zum Knight Bachelor erhoben. 2017 war er bereits zum Commander of the Order of the British Empire (CBE) ernannt worden.

UKtech50 und DeepMind-Forschungslabor UK (2025–2026)

Im Dezember 2025 kündigte die britische Regierung eine Partnerschaft mit Google DeepMind zur Eröffnung des ersten „automated research lab” im Vereinigten Königreich an. 2026 gewann Hassabis zum dritten Mal (nach 2019 und 2025) den UKtech50-Award als einflussreichste Person der britischen Tech-Branche.

Wissenschaftliches Werk

Neurowissenschaftliche Frühphase

Hassabis’ neurowissenschaftliche Arbeiten (Hassabis u. a. 2007, PNAS; Hassabis/Maguire 2007, Trends in Cognitive Sciences) untersuchten die Rolle des Hippocampus bei der konstruktiven Imagination – der Fähigkeit, neue Szenarien zu konstruieren, die nicht aus dem Gedächtnis abgerufen werden. Diese Forschungslinie verband Gedächtnis-, Vorstellungs- und Planungsforschung und prägte die spätere DeepMind-Programmatik.

Programmatische Schriften

Hassabis u. a. (2017, Neuroscience-Inspired Artificial Intelligence, Neuron 95) plädieren für eine engere Verbindung von Neurowissenschaft und KI-Forschung. Diese programmatische Position ist von Stuart Russells und Yann LeCuns Arbeiten unterscheidbar und prägt die DeepMind-spezifische Mischung aus Reinforcement Learning, modellbasiertem Lernen und neuronaler Architektur-Forschung.

AlphaGo-Trilogie und AlphaZero

AlphaGo (Silver u. a. 2016, Nature), AlphaGo Zero (Silver u. a. 2017, Nature), AlphaZero (Silver u. a. 2018, Science) und MuZero (Schrittwieser u. a. 2020, Nature) sind eine Folge zunehmend allgemeiner Reinforcement-Learning-Systeme. Die Reihe wurde in der Sekundärliteratur als Modell für die spätere Reasoning-Models-Generation diskutiert.

AlphaFold und AlphaFold 3

AlphaFold (Senior u. a. 2020, Nature) und AlphaFold 2 (Jumper u. a. 2021, Nature, DOI: 10.1038/s41586-021-03819-2) gehören zu den am häufigsten zitierten Arbeiten der jüngeren Naturwissenschaft. AlphaFold 3 (Abramson u. a. 2024, Nature, DOI: 10.1038/s41586-024-07487-w) erweiterte das Verfahren auf molekulare Komplexe.

Position zu AGI, Sicherheit und Regulierung

Hassabis hat sich seit Gründung von DeepMind explizit zum Ziel der Entwicklung von Artificial General Intelligence bekannt; in Interviews definiert er AGI typischerweise als ein System, das die meisten kognitiven Aufgaben mindestens auf menschlichem Durchschnittsniveau leisten kann.

In zeitlichen Prognosen war Hassabis öffentlich moderater als andere Frontier-Akteure: Er hat AGI mehrfach als möglicherweise innerhalb der nächsten 5 bis 10 Jahre bezeichnet, mit hoher Unsicherheit.

Auf der Sicherheitsseite hat Hassabis zentrale Positionen vertreten. Im Mai 2023 unterzeichnete er – gemeinsam mit Sam Altman, Dario Amodei, Geoffrey Hinton und Hunderten weiterer Akteure – das Statement on AI Risk des Center for AI Safety. Es enthält einen einzigen Satz: dass die Minderung des Aussterberisikos durch KI eine globale Priorität neben Pandemien und nuklearen Konflikten sein solle.

Hassabis hat sich mehrfach für internationale Regulierung ausgesprochen und im November 2023 am ersten AI Safety Summit in Bletchley Park teilgenommen.

Im Vergleich zu Ilya Sutskever und Dario Amodei ist Hassabis’ Sicherheitsrhetorik weniger eschatologisch formuliert; er betont häufiger die wissenschaftlichen und gesellschaftlichen Nutzungspotentiale (Medizin, Materialforschung, Klima) und positioniert Sicherheitsforschung als integrale, nicht als gegensätzliche Komponente zur Fähigkeitsentwicklung.

Am 14. Juli 2026 veröffentlichte Hassabis ein persönliches Manifest mit dem Titel „A Framework for Frontier AI and the Dawning of a New Age”. In einem Interview mit Axios forderte er eine US-geführte globale KI-Aufsichtsbehörde nach dem Vorbild der FINRA, die operativ „noch vor Jahresende” arbeitsfähig sein solle.

Sein Vorschlag umfasst freiwilliges Pre-Release-Sharing neuer Modelle (bis zu 30 Tage vor Veröffentlichung), verbindliche Sicherheitstests für Cyber-, Bio- und Deception-Risiken sowie ein mehrheitlich unabhängig besetztes Aufsichtsgremium.

Jüngste Maßnahmen der Trump-Administration gegen Anthropic-Modelle bezeichnete Hassabis als „Weckruf” (wake-up call).

Einordnung

Hassabis steht in mehreren Debatten an zentraler Stelle:

AGI-Diskussion: Hassabis ist neben Sam Altman, Dario Amodei und Ilya Sutskever einer der einflussreichsten Frontier-Akteure, die das AGI-Ziel als operatives Forschungsziel formulieren. Anders als bei Yudkowsky, Bostrom oder dem MIRI-Umfeld ist sein AGI-Begriff pragmatisch-operativ, nicht philosophisch fundiert.

TESCREAL-Anschluss: Hassabis hat sich öffentlich nicht explizit zum TESCREAL-Cluster (Gebru/Torres 2024) bekannt.

Methodisch und institutionell teilt DeepMind aber wichtige Annahmen des Cluster-Komplexes – die Möglichkeit und Wünschbarkeit der AGI-Entwicklung, die Bedeutung von KI-Sicherheitsforschung, die Verbindung zu Investoren mit TESCREAL-Affinitäten (Thiel, Musk). Sein methodischer Stil ist eher der einer empirisch-technischen Forschungsleitung als der einer philosophisch-eschatologischen Bewegung.

Spielebasierte KI-Tradition: AlphaGo und AlphaZero bilden eine eigenständige Linie zwischen klassischer Spieltheorie, Reinforcement Learning und Deep Learning, die zur Reasoning-Models-Tradition beigetragen hat.

Wissenschaftliche KI-Anwendung: Mit AlphaFold etablierte Hassabis einen Gegenpol zur reinen Sprachmodell-Forschung – KI als Werkzeug konkreter naturwissenschaftlicher Problemlösung. Diese Programmatik steht im Kontrast zur primär kommunikativ-textuellen Frontier-Forschung der LLM-Anbieter.

Institutionelle Linie: Hassabis steht an der Nahtstelle zwischen Google und dem übrigen Frontier-Lab-Feld – OpenAI, Anthropic, Meta, Mistral und DeepSeek.

Kontroversen und Kritik

Substantielle Kritik betrifft mehrere Aspekte:

Verhältnis zu Google und Ethikgremium: Das 2014 vertraglich zugesicherte unabhängige Ethics Board wurde nie öffentlich konstituiert; seine genaue Zusammensetzung und Funktionsweise sind nie öffentlich dokumentiert worden. Diese Intransparenz ist in der Sekundärliteratur kritisch diskutiert worden.

Suleyman-Konflikt: Mit-Gründer Mustafa Suleyman verließ DeepMind 2019 nach Berichten über interne Konflikte. Über die genauen Vorgänge wurden in der Sekundärliteratur unterschiedliche Darstellungen publiziert. Suleyman gründete später Inflection AI (2022) und wurde Anfang 2024 Microsoft AI CEO.

NHS-Datenschutz-Kontroverse (2017): Eine 2015 von DeepMind-Tochter Streams mit dem Royal Free London NHS Foundation Trust eingegangene Datenkooperation wurde 2017 vom Information Commissioner’s Office als datenschutzwidrig befunden. Patientendaten von 1,6 Millionen Personen waren ohne hinreichende rechtliche Grundlage übermittelt worden (ICO 2017).

AGI-Rhetorik: Wie bei anderen Frontier-Lab-CEOs wird Hassabis’ öffentliche Kommunikation zu AGI-Zeithorizonten in der Sekundärliteratur (insbesondere durch Bender, Mitchell, Marcus) als unzureichend belegt kritisiert. Konkrete AGI-Vorhersagen lassen sich aus aktueller Forschung nicht zuverlässig ableiten.

Marktkonzentration: Die Fusion zu Google DeepMind (April 2023) hat in der Sekundärliteratur Fragen zur Marktkonzentration der Frontier-KI-Forschung aufgeworfen.

Quellenangaben

Abramson, Josh u. a., 2024. Accurate Structure Prediction of Biomolecular Interactions with AlphaFold 3. In: Nature 630 (8016), S. 493–500. DOI: 10.1038/s41586-024-07487-w.
Axios, 2026. Google’s Hassabis Calls for New US-Led Global AI Watchdog. axios.com, 14. Juli 2026.
Center for AI Safety, 2023. Statement on AI Risk. safe.ai, 30. Mai 2023.
CNBC, 2026. Google DeepMind Chief Calls for U.S. to Lead AI Standards Body. cnbc.com, 14. Juli 2026.
Computer Weekly, 2026. UKtech50 2026 Winner: Demis Hassabis, Co-Founder and CEO, DeepMind. computerweekly.com, 2026.
Gebru, Timnit / Torres, Émile P., 2024. The TESCREAL Bundle: Eugenics and the Promise of Utopia through Artificial General Intelligence. In: First Monday 29 (4). DOI: 10.5210/fm.v29i4.13636.
Google, 2023. Announcing Google DeepMind. Blogpost, 20. April 2023.
Hassabis, Demis / Kumaran, Dharshan / Vann, Seralynne D. / Maguire, Eleanor A., 2007. Patients with Hippocampal Amnesia Cannot Imagine New Experiences. In: Proceedings of the National Academy of Sciences 104 (5), S. 1726–1731. DOI: 10.1073/pnas.0610561104.
Hassabis, Demis / Maguire, Eleanor A., 2007. Deconstructing Episodic Memory with Construction. In: Trends in Cognitive Sciences 11 (7), S. 299–306. DOI: 10.1016/j.tics.2007.05.001.
Hassabis, Demis / Kumaran, Dharshan / Summerfield, Christopher / Botvinick, Matthew, 2017. Neuroscience-Inspired Artificial Intelligence. In: Neuron 95 (2), S. 245–258. DOI: 10.1016/j.neuron.2017.06.011.
Information Commissioner’s Office (UK), 2017. Royal Free – Google DeepMind trial failed to comply with data protection law. ICO-Pressemitteilung, 3. Juli 2017.
Jumper, John / Evans, Richard / Pritzel, Alexander u. a., 2021. Highly Accurate Protein Structure Prediction with AlphaFold. In: Nature 596 (7873), S. 583–589. DOI: 10.1038/s41586-021-03819-2.
Königlich Schwedische Akademie der Wissenschaften, 2024. The Nobel Prize in Chemistry 2024. Pressemitteilung, 9. Oktober 2024.
Schrittwieser, Julian u. a., 2020. Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model. In: Nature 588, S. 604–609. DOI: 10.1038/s41586-020-03051-4. (MuZero).
Senior, Andrew W. / Evans, Richard / Jumper, John u. a., 2020. Improved Protein Structure Prediction Using Potentials from Deep Learning. In: Nature 577, S. 706–710. DOI: 10.1038/s41586-019-1923-7.
Silver, David / Huang, Aja / Hassabis, Demis u. a., 2016. Mastering the Game of Go with Deep Neural Networks and Tree Search. In: Nature 529 (7587), S. 484–489. DOI: 10.1038/nature16961.
Silver, David u. a., 2017. Mastering the Game of Go without Human Knowledge. In: Nature 550 (7676), S. 354–359. DOI: 10.1038/nature24270.
Silver, David u. a., 2018. A General Reinforcement Learning Algorithm that Masters Chess, Shogi, and Go through Self-Play. In: Science 362 (6419), S. 1140–1144. DOI: 10.1126/science.aar6404.

← Zurück zur Lexikon-Übersicht