Ruslan Salakhutdinov hat Meta verlassen, um ein Unternehmen namens Sooth Labs zu gründen.
Salakhutdinov ist kein gewöhnlicher "Ex-Meta-Mitarbeiter". Er war Chef-AI-Wissenschaftler bei Meta, zuvor Professor an der Carnegie Mellon University und eine gewichtige Persönlichkeit im Bereich Deep Learning. Die Mitgründer Chuck Hoover und Yaser Sheikh waren ebenfalls führende Forscher bei Meta.
Das Unternehmen gab am 22. April bekannt, dass es eine Finanzierungsrunde über 50 Millionen US-Dollar bei einer Bewertung von 335 Millionen US-Dollar abgeschlossen habe, angeführt von Felicis Ventures.
Zwei Investorennamen sind besonders bemerkenswert: Yann LeCun ("Pate des Deep Learning", Turing-Preisträger) und Jeff Dean (Gründer von Google Brain, derzeit Chief Scientist bei Google). Metas ehemaliger CTO Andrew Bosworth fungiert als Berater.
Dass diese drei Namen gleichzeitig auf der Cap-Tabelle eines Unternehmens erscheinen, ist in der KI-Branche selten. Worauf wetten sie?
Was macht Sooth Labs?
In einem Satz: Unternehmen dabei helfen, die Wahrscheinlichkeit bestimmter geopolitischer und Marktereignisse vorherzusagen.
Dies ist kein Dialog-Assistent, kein Programmierwerkzeug und keine RAG-Anwendung. Sooth Labs will eine "Vorhersagemaschine" bauen – Unternehmen KI-gestützte Wahrscheinlichkeitsbewertungen liefern, die angeben, wie wahrscheinlich ein bestimmtes Ereignis ist.
Konkrete Szenarien könnten sein: die Wahrscheinlichkeit einer politischen Kehrtwende in einem Land, das regulatorische Risiko eines bestimmten Marktes, das Risiko geopolitischer Konflikte in der Lieferkette … Diese Einschätzungen beruhten früher auf der Erfahrung und Intuition menschlicher Analysten, jetzt sollen sie mit KI quantitativ geschätzt werden.
Diese Richtung hat ihren historischen Hintergrund.
Warum jetzt?
Prognosemärkte haben sich in den letzten Jahren mit KI-Unterstützung rasant entwickelt. Plattformen wie Polymarket und Metaculus haben gezeigt, dass die Aggregation der Überzeugungen von Marktteilnehmern genauere Wahrscheinlichkeitsschätzungen liefern kann als traditionelle Vorhersagen.
Sooth Labs will einen Schritt weiter gehen: Nicht nur menschliche Überzeugungen aggregieren, sondern KI-Modelle direkt auf riesigen Datenmengen trainieren, um die Gesetzmäßigkeiten des Eintretens von Ereignissen zu erlernen.
Es gibt mehrere technische Herausforderungen bei diesem Problem:
- Geringe Stichprobengröße geopolitischer Ereignisse (große Kriege kommen nicht häufig vor, historische Daten sind begrenzt)
- Schlechte Vergleichbarkeit zwischen ähnlichen Ereignissen (jede Krise hat einen anderen Hintergrund)
- Signal und Rauschen sind schwer zu trennen (Medienberichte repräsentieren nicht die tatsächliche Wahrscheinlichkeit)
Ob es gut funktionieren kann, ist ehrlich gesagt noch ein Fragezeichen. Aber die drei Gründer haben bei Meta umfangreiche Arbeit mit strukturierten Daten und menschlichem Feedback-Training geleistet, Erfahrungen, die für die Vorhersagemodellierung übertragbar sind.
Was sagt die Wette von LeCun und Jeff Dean auf diese Richtung aus?
LeCun hat kürzlich selbst AMI Labs gegründet, das sich auf "Weltmodelle" konzentriert – KI in die Lage zu versetzen, die dreidimensionale physische Welt wirklich zu verstehen, nicht nur Text zu verarbeiten.
Seine Investition in Sooth Labs zeigt, dass er glaubt, dass die Fähigkeit der KI, "Ereignisse" zu verstehen, ein wichtiger Bestandteil des Weltmodells ist. Geopolitische Ereignisse sind eines der komplexesten Muster in der menschlichen Welt, und ihre genaue Vorhersage bedeutet, dass das Modell ein tiefes Verständnis der menschlichen Gesellschaftsdynamik hat.
Jeff Dean hat bei Google umfangreiche Arbeiten zu Vorhersagen und Zeitreihen-ML geleitet. Seine Wette auf Sooth Labs ist eher eine Bestätigung, dass "diese Richtung technisch machbar ist".
Beide kommen aus unterschiedlichen Forschungsperspektiven zum gleichen Schluss: Der Weg der KI zur Vorhersage komplexer Ereignisse ist gangbar.
Wer wird zahlen?
Bewertung von 335 Millionen US-Dollar, Finanzierung von 50 Millionen US-Dollar – im heutigen KI-Finanzierungsumfeld ist das nicht groß.
Aber die potenziellen Kunden in diesem Bereich sind sehr klar: Risikomanagementabteilungen multinationaler Konzerne, Hedgefonds, Versicherungsmathematik-Teams, Regierungsbehörden. Diese Kunden sind bereit zu zahlen und haben die Zahlungsfähigkeit.
Im Vergleich zu KI für den Massenmarkt ist der vertikale B2B-Vorhersage-KI-Bereich viel weniger umkämpft, aber die Obergrenze ist auch relativ klar.
Die Kernfrage, die Sooth Labs beweisen muss, ist: Sind KI-generierte Wahrscheinlichkeitsschätzungen genauer, schneller und billiger als ein Team menschlicher Analysten?
Wenn dies in einigen spezifischen Bereichen nachgewiesen werden kann, kann dieses Geschäft laufen. Wenn nicht, reichen 50 Millionen US-Dollar für ein paar Jahre Experimente und Fehlschläge.Die Unterstützung von LeCun und Jeff Dean hilft ihnen, Türen für Datenbeschaffung und Verhandlungen mit institutionellen Kunden zu öffnen – das könnte wertvoller sein als das Geld selbst.
Ob dieser Bereich erfolgreich sein wird, hängt auch vom Wettbewerb zwischen Prognosemärkten und politischen Denkfabriken ab. Aber mit dem Hintergrund von Top-KI-Forschern, die dies tun, ist der Startpunkt zumindest nicht niedrig.
Quellenangabe: CocoLoop, AI Pioneers Back Startup Building Models to Predict Events (Bloomberg, 22. April 2026)