CNBC hat am 28. April aufgelistet, welche KI-Forscher Meta, Google und OpenAI im vergangenen Jahr verlassen haben. Die Übersicht zeigt: Die zentralen KI-Teams der großen Silicon-Valley-Konzerne verlieren wichtige Leute.
Die Zahlen von Dealroom zeigen, wohin das Kapital fließt. Seit Beginn des Jahres 2026 haben VCs 18,8 Milliarden Dollar in KI-Startups investiert, die erst nach 2025 gegründet wurden. Beim aktuellen Tempo würde dieser Wert die 27,9 Milliarden Dollar übertreffen, die alle neu gegründeten Unternehmen im Jahr 2024 eingesammelt haben.
Wer gegangen ist
Schon die prominentesten Forschungsabgänge bekommen Finanzierungsrunden, die für wenige Monate alte Unternehmen außergewöhnlich sind.
- David Silver, früher bei Google DeepMind, gründete Ineffable Intelligence mit einer Seed-Runde über 1,1 Milliarden Dollar und einer Bewertung von 5,1 Milliarden Dollar. Der Fokus liegt auf Reinforcement Learning ohne menschliche Daten.
- Tim Rocktäschel, zuvor Principal Research Scientist bei DeepMind, baut Recursive Superintelligence auf. Die Finanzierung beginnt bei 500 Millionen Dollar und könnte auf 1 Milliarde Dollar steigen; die Pre-Money-Bewertung liegt bei 4 Milliarden Dollar. Ziel sind KI-Systeme, die sich selbst verbessern.
- Yann LeCun, früher Chief AI Scientist bei Meta, sammelte im März 1 Milliarde Dollar für AMI Labs ein.
- Anna Goldie und Azalia Mirhoseini, zuvor bei Anthropic und DeepMind, holten in zwei Runden insgesamt 335 Millionen Dollar für Ricursive Intelligence.
- Humans&, gegründet von früheren Mitgründern von Anthropic und xAI, nahm im Januar 480 Millionen Dollar auf.
- Periodic Labs, gegründet von ehemaligen Mitarbeitern von OpenAI und DeepMind, sammelte im vergangenen September 300 Millionen Dollar ein.
Jede dieser Summen ist für ein junges Startup extrem hoch. Eine Seed-Runde über 100 Millionen Dollar war 2024 noch ein Spektakel. Bei einigen Elite-Spinouts im KI-Bereich nähert sie sich nun dem Marktpreis.
Warum VCs so viel zahlen
Eurazeo-Managing-Director Elise Stern brachte die Logik hinter dem Kapitalzufluss auf den Punkt: "When you're in a race, you narrow focus. That creates a vacuum."
Große Labore sind in Benchmark- und Skalierungsrennen gefangen. Dadurch wandert Forschung auf wenige Hauptachsen, während angrenzende Themen für Startups frei werden.
Zu diesen vernachlässigten Feldern zählen Reinforcement Learning, Erklärbarkeit von KI, vertikale Systeme für Pharma, Materialien und Robotik sowie neue Architekturen jenseits von Transformer- und autoregressiven Modellen. In großen Konzernen dreht sich die Hauptlinie weiter um Pretraining-Datenskalen und Alignment nach dem Training; Forschung mit unklarem kommerziellem Pfad bekommt intern schwerer Budget.
Ineffable Intelligence greift den ersten Bereich an. Periodic Labs arbeitet im vertikalen Feld. AMI Labs setzt auf die vierte Kategorie. Alle drei Themen sind intern schwer durchzusetzen, lassen sich als unabhängige Unternehmen aber klarer erzählen.
Warum Big Tech sie nicht halten kann
Am Geld liegt es nicht. Meta und Google zahlen Spitzenforschern im KI-Bereich bereits Gesamtpakete von mehr als 10 Millionen Dollar, und OpenAIs Tender Offers für wichtige Mitarbeiter liegen ebenfalls im zweistelligen Millionenbereich.
Schwer zu halten ist die Forschungsfreiheit. KI-Forschung in Großkonzernen ähnelt zunehmend Produktentwicklung: Die Arbeit muss auf die KPIs des nächsten Flaggschiffmodells einzahlen, Veröffentlichungen können aus Wettbewerbsgründen eingeschränkt werden, und Projektprioritäten werden stärker von Führungsebenen festgelegt.
VCs haben außerdem den alternativen Weg validiert. LeCun verließ Meta und sammelte binnen weniger Monate 1 Milliarde Dollar ein. Rocktäschel verließ DeepMind und erreichte binnen weniger Monate eine Bewertung von 4 Milliarden Dollar. Wenn dieses Muster unter Forschern zirkuliert, wird Gründen zu einer schwer ignorierbaren Option.
Wie lange die Migration anhält
Kurzfristig wirkt der Trend stabil. Big Tech muss in den Ergebnissen weiter hohe Rechenausgaben und Benchmark-Führung zeigen, daher dürften sich Forschungsportfolios nicht schnell wieder öffnen. Auch bei VCs ist noch Kapital vorhanden.
Mittelfristig gibt es zwei Tests. Erstens müssen die ersten neuen Unternehmen innerhalb von etwa 18 Monaten echte Ergebnisse liefern. Wenn 18,8 Milliarden Dollar nur wenige kommerzialisierbare Produkte oder überzeugende Forschungsdurchbrüche hervorbringen, könnte die nächste Finanzierungswelle vorsichtiger werden.
Zweitens könnten die großen Unternehmen gegensteuern: mehr Forschungsfreiheit für Kernteams, Ausgründungen interner Startup-Teams oder halbunabhängige Strukturen nach dem Vorbild des frühen DeepMind.
Das setzt jedoch voraus, dass Big Tech einräumt, beim Halten von Talenten gescheitert zu sein. Nach dem Ton der aktuellen Earnings Calls sind die Unternehmen dazu noch nicht bereit. Im kommenden Jahr werden Recursive Superintelligence, Ineffable Intelligence und AMI Labs besonders wichtig. Ihre ersten Ergebnisse entscheiden, ob dies eine Blase ist oder eine neue Arbeitsteilung in der KI-Forschung.
Quellen: Meta, Google, OpenAI among Big Tech firms seeing top staff leaving to launch AI startups (CNBC, 2026-04-28), CocoLoop, Big Tech's Best Are Quitting Their Jobs to Form Startups (Autogpt.net, 2026-04-28)