Jerry Tworek, ehemaliger Schlüsselforscher bei OpenAI und Mitentwickler von Codex, bricht mit dem Modell großer KI-Labore: Sein neues Startup Core Automation will KI-Forschung selbst durch KI betreiben – und damit eine neue Ära hochautomatisierter Wissenschaft einläuten.
Core Automation: Ex-OpenAI-Forscher gründet hochautomatisiertes KI-Forschungslabor
Automatisierung als Forschungsmodell
Das Kernkonzept von Core Automation beruht auf einem ungewöhnlichen Ansatz: Statt klassischer Laborstrukturen mit großen Forschungsteams setzt Tworek auf weitgehend automatisierte Prozesse im Forschungsablauf selbst. KI-Systeme sollen dabei nicht nur Gegenstand der Forschung sein, sondern aktiv in die Durchführung von Experimenten und die Auswertung von Ergebnissen eingebunden werden.
Ziel ist es, Forschungszyklen erheblich zu verkürzen und die Effizienz pro eingesetzter Ressource massiv zu steigern – mit einem bewusst klein gehaltenen Team.
Tworek war bei OpenAI maßgeblich an der Entwicklung von Codex beteiligt, dem Vorläufermodell hinter GitHub Copilot. Dieser Hintergrund im Bereich Code-Generierung und automatisierter Programmsynthese dürfte die konzeptionelle Ausrichtung von Core Automation maßgeblich prägen.
Neue Lernverfahren jenseits bestehender Architekturen
Ein weiteres erklärtes Ziel des Labors ist die Entwicklung alternativer Lernmethoden, die über die heute dominierenden Transformer-Architekturen und das klassische Supervised-Learning hinausgehen. Details zu den konkreten Ansätzen hat Core Automation bislang nicht veröffentlicht.
Das Startup positioniert sich damit in einem wachsenden Segment von Forschungsinitiativen, die grundlegende Architekturalternativen zu den Large Language Models der aktuellen Generation entwickeln wollen – darunter auch Projekte wie SSMs (State Space Models) oder hybride Ansätze.
Die Entscheidung für ein kleines, hochautomatisiertes Team steht im klaren Kontrast zu den ressourcenintensiven Strukturen etablierter KI-Labore wie OpenAI, Anthropic oder DeepMind.
Wettbewerb um Forschungstalent und Ansätze
Die Gründung von Core Automation reiht sich in eine Serie von Spin-offs ein, bei denen erfahrene Forscher aus großen KI-Organisationen eigene Labore mit spezifischen Forschungsthesen aufbauen.
„Institutionelles KI-Wissen dezentralisiert sich – und verlagert sich zunehmend in spezialisierte, unabhängige Forschungslabore.”
Bekannte Beispiele sind Ilya Sutskevers Safe Superintelligence (SSI) oder Mistral AI in Europa. Diese Entwicklung zeigt, dass technologische KI-Innovation immer häufiger außerhalb großer Technologiekonzerne stattfindet.
Öffentlich bekannt sind bislang weder die Finanzierungsstruktur noch konkrete Investoren hinter Core Automation. Auch ein Zeitplan für erste Forschungsergebnisse oder Produktankündigungen steht nicht fest.
Einordnung für deutsche Unternehmen
Für Tech-Entscheider in Deutschland ist die Entwicklung rund um Core Automation aus zwei Perspektiven relevant:
- Neue Werkzeuge: Ein Labor, das Forschungsprozesse selbst automatisiert, könnte mittelfristig Methoden liefern, die auch im Unternehmenskontext nutzbar sind – etwa für automatisierte Modellentwicklung oder experimentelles Machine Learning.
- Technologische Diversifikation: Die Häufung solcher Gründungen zeigt, dass die Differenzierung im KI-Bereich weiter zunimmt. Unternehmen, die ihre KI-Strategie auf einzelne Anbieter oder Architekturen konzentrieren, sollten alternative Ansätze aktiv im Blick behalten.
Quelle: The Decoder
