1,1 Milliarden Dollar für KI ohne menschliche Daten: Das britische Ineffable Intelligence wagt radikalen Ansatz
Die KI-Forschung spaltet sich in zwei Lager: Während ein Großteil der Branche auf riesige Datensätze und immer größere Modelle setzt, sammelt ein neues britisches Labor Unsummen für den genau gegenteiligen Weg. Ineffable Intelligence, gegründet von DeepMind-Veteran David Silver, hat 1,1 Milliarden Dollar eingeworben – mit dem Ziel, Künstliche Intelligenz durch Reinforcement Learning zu trainieren, ohne menschliche Daten zu nutzen. Parallel dazu zeigt ein deutlich kleinerer Deal, wie sehr Investoren derzeit selbst noch unbewiesene KI-Konzepte hinterherwerfen.
Der Silver-Ansatz: Von Go zum generellen Lernen
David Silver gilt als einer der Architekten hinter AlphaGo, dem System, das 2016 den Weltmeister im Brettspiel Go besiegte. Seine neue Firma Ineffable Intelligence verfolgt eine konsequente Fortschreibung dieser Arbeit: Statt Modelle mit menschlich erstellten Texten, Bildern oder Annotationen zu füttern, sollen sie durch eigenständiges Ausprobieren und Belohnungssignale lernen – klassisches Reinforcement Learning, aber auf generelle Intelligenz angelegt. Die Finanzierungsrunde wurde von Sequoia Capital angeführt, einem der renommiertesten Risikokapitalgeber im Technologiesektor. Das Kapitalvolumen ist bemerkenswert nicht nur absolut, sondern vor allem relativ zur Unternehmensgeschichte: Das Labor existiert erst seit wenigen Monaten.
Dieser Ansatz unterscheidet sich fundamental von dem aktuell dominierenden Paradigma der Large Language Models. OpenAIs GPT-4, Googles Gemini oder Anthropics Claude basieren allesamt auf riesigen Corpora menschlicher Texte. Die Limitationen dieses Wegs sind bekannt: Copyright-Probleme, Datenmüll, eingefrorene Wissensstände und die Schwierigkeit, qualitativ hochwertige Trainingsdaten weiter zu skalieren.
Die zweite Seite der Investitionsmünze: KI für den iPhone-Homescreen
Während Ineffable Intelligence an grundlegenden Architekturen arbeitet, zeigt ein zweiter Deal die andere Seite des aktuellen KI-Investitionsklimas. Signull Labs, ein Startup mit der iPhone-App Skye, sicherte sich ebenfalls Kapital – noch vor dem eigentlichen Produktlaunch. Die App verspricht einen KI-gesteuerten Homescreen, der das iPhone intelligenter und kontextbewusster machen soll. Details zur Funktionsweise oder zum Finanzierungsvolumen sind spärlich, doch die Tatsache, dass Investoren hier bereits in der Prä-Launch-Phase einsteigen, signalisiert ein außergewöhnliches Risikobereitschaftsniveau.
Beide Deals zusammen zeichnen ein Bild des Marktes, das für deutsche Unternehmer relevant ist: Das Kapital fließt derzeit extrem selektiv in zwei Richtungen – entweder in tiefgehende, langfristige Grundlagenforschung mit potenziell paradigmenwechselnder Technologie, oder in schnell skalierbare Consumer-Anwendungen mit unmittelbarem Marktzugang. Der breite Mittelbau, also infrastrukturelle oder branchenspezifische KI-Lösungen, hat es deutlich schwerer, vergleichbare Aufmerksamkeit zu generieren.
Strategische Implikationen für den europäischen Markt
Für deutsche und europäische Unternehmen ergeben sich aus diesen Entwicklungen mehrere Handlungsoptionen. Zum einen ist die Grundidee des Reinforcement Learning ohne menschliche Daten nicht neu, doch die konsequente Kapitalisierung durch ein spezialisiertes Labor könnte den Ansatz beschleunigen. Sollte Silver Erfolg haben, würde dies die Wertschöpfungskette der KI grundlegend verändern: Weg von Datenaggregation und -aufbereitung als Kernkompetenz, hin zu Umgebungsdesign und Belohnungsstrukturierung.
Zum anderen offenbart der Skye-Deal eine Lücke im europäischen Ökosystem. Die Kombination aus direktem Consumer-Zugang, aggressiver Pre-Launch-Finanzierung und enger Hardware-Integration – hier mit Apples Ökosystem – ist in Europa seltener zu finden. Deutsche Startups neigen tendenziell zu B2B-Fokus und längeren Entwicklungszyklen, was in der aktuellen Marktphase ein Wettbewerbsnachteil sein kann.
Die 1,1 Milliarden Dollar für Ineffable Intelligence sind zugleich Signal und Wette. Signal, dass die KI-Grundlagenforschung nach wie vor als strategisch kritisch eingestuft wird – auch angesichts der milliardenschweren Investitionen der großen Tech-Konzerne in konventionelle Modelle. Wette, dass der Reinforcement-Learning-Ansatz die Skalierungsprobleme menschlicher Daten überwinden kann. Für deutsche Unternehmen bleibt die Abwägung: Auf den Durchbruch eines alternativen Paradigmas warten, oder das aktuelle, datengetriebene Ökosystem aktiv nutzen, solange es dominiert. Die Entscheidung wird maßgeblich davon abhängen, wie schnell Silver und sein Team erste überzeugende Demonstrationen ihrer Technologie liefern können.