Laut einem exklusiven Bericht von Sifted, der am 7. September 2026 veröffentlicht wurde, hat Thore Graepel, einer der Mitbegründer von AlphaGo, Google DeepMind verlassen, um ein Startup für künstliche Intelligenz zu gründen. Das Unternehmen setzt auf eine These, die der vorherrschenden Strömung der Branche zuwiderläuft: dass strukturierte Suche und nicht immer größere Sprachmodelle der Schlüssel zu zuverlässigem maschinellen Denken sind.

Ein DeepMind-Veteran tritt zurück

Graepel ist vor allem für seine Arbeit an AlphaGo bekannt, dem DeepMind-System, das 2016 den Go-Weltmeister Lee Sedol besiegte – ein Meilenstein, der weithin als Auslöser des modernen KI-Booms gilt. Der Wechsel beendet eine lange Amtszeit bei Google DeepMind, wo er eine der ranghöchsten und sichtbarsten Persönlichkeiten der Forschungsorganisation war.

Sifted berichtet, dass Graepel aufgehört hat, das Argumentationsprojekt fortzusetzen, und Fachmedien wie Tech Times formulierten die Kernaufgabe des neuen Unternehmens explizit: strukturierte Suche statt LLM-Skalierung. Details zu Finanzierung, Personal und Produktplänen wurden nicht bekannt gegeben, und weder Graepel noch DeepMind haben eine formelle Ankündigung veröffentlicht – aber der Schritt fällt in ein Jahr aggressiver KI-Startup-Gründung rund um Alternativen zur reinen Skalierung.

Die These: Search Over Scale

Die Wette ist wichtig, weil sie die Strategie in Frage stellt, die seit 2020 die Grenz-KI definiert: Trainieren Sie größere Transformatormodelle mit mehr Daten und Rechenleistung und bringen Sie ihnen dann das Denken durch Gedankenkettenaufforderungen und verstärkendes Lernen bei.

Die AlphaGo-Linie repräsentiert eine andere Tradition. AlphaGo und seine Nachfolger kombinierten neuronale Netze mit der Baumsuche und lernten in späteren Iterationen eher aus dem Selbstspiel als aus menschlichen Spielen. Systeme dieser Familie konnten ihre eigenen Bewegungen anhand fester Regeln überprüfen, wodurch ihre Argumentation in einer Weise exakt wurde, wie dies bei Sprachmodellausgaben, die jeweils ein plausibles Token generierten, nicht der Fall ist.

Befürworter des Search-First-Ansatzes argumentieren, dass LLMs beim Vordringen in Bereiche wie Mathematik, formale Verifizierung und Planung ihre Fehlermodi – fließende, aber falsche Antworten, unzuverlässige mehrstufige Logik – auf die Architektur und nicht nur auf die Skalierung zurückzuführen sind. Suchbasierte Systeme, die jeden Schritt anhand formaler Regeln prüfen können, bieten einen anderen Weg zur Zuverlässigkeit, und die jüngsten Fortschritte bei der Lean-basierten Theoremprüfung durch Start-ups und große Labore haben diese Debatte am Leben erhalten.

Teil eines umfassenderen Exodus

Graepel ist nicht der erste AlphaGo-Veteran, der DeepMind verlässt, um dieser These nachzugehen. David Silver, der das AlphaGo-Projekt leitete, verließ Google DeepMind Ende 2025, nachdem er mehr als ein Jahrzehnt lang AlphaGo, AlphaZero und AlphaStar aufgebaut hatte, und gründete Ineffable Intelligence, das im November 2025 gegründet wurde. Wie diese Woche berichtet wurde, haben Sequoia und Nvidia das Startup mit einer Bewertung von 5,1 Milliarden US-Dollar unterstützt.

Die Abgänge tragen zu einer Reihe hochkarätiger Umsätze bei Google DeepMind bei. Anfang dieses Jahres kam es im Labor zu Führungswechseln, darunter der Wechsel des Hassabis-Vorsitzes und der Abgang hochrangiger Persönlichkeiten wie Koray Kavukcuoglu und Jeff Dean, eine Berichterstattung, die AI Buzz Wire damals verfolgte. Wenn die Leute, die die berühmtesten Systeme eines Labors gebaut haben, sich auf die Suche nach einer anderen Architektur machen, ist das Signal weniger eine interne Politik als vielmehr eine echte Meinungsverschiedenheit darüber, woher der nächste Durchbruch kommt.

Warum es für das Feld wichtig ist

Für das Startup-Ökosystem ist Graepels Schritt ein weiteres Zeichen dafür, dass das Post-Transformer-Argument ernsthaftes Kapital und seriöse Lebensläufe anzieht. Investoren gaben 2024 und 2025 fast ausschließlich für LLM-Anwendungen und -Infrastruktur aus; Im Jahr 2026 gab es einen stetigen Zufluss von Finanzmitteln für Unternehmen, die Weltmodelle, neurosymbolische Systeme, formales Denken und suchbasierte Planung verfolgen.

Für Google ist der Verlust sowohl symbolischer als auch technischer Natur. AlphaGo bleibt die berühmteste Kreation von DeepMind, und seine Alumni sind mittlerweile Headliner von mindestens zwei gut finanzierten Unternehmungen, die Alternativen zum Skalierungs-Playbook vorschlagen. Ob die strukturierte Suche tatsächlich Grenzsprachmodelle bei offenen Problemen übertreffen kann – und nicht bei engen, formal überprüfbaren –, ist die Frage, die diese Startups mit Produkten und nicht mit Manifesten beantworten müssen.

Es gibt auch einen Mittelweg, auf den sich die Branche bereits konvergiert: Hybridsysteme, die LLMs zur Intuition und Suche zur Verifizierung nutzen. Wenn Graepels Unternehmung dort landet, wird es weniger mit der Skalierungserzählung als vielmehr mit dieser konkurrieren.

Weder Graepel noch Google DeepMind hatten zum Zeitpunkt des Schreibens öffentlich mit weiteren Einzelheiten geantwortet. AI Buzz Wire wird diese Geschichte aktualisieren, sobald weitere Informationen über das Startup bekannt werden.

Bleiben Sie der KI immer einen Schritt voraus

Bleiben Sie auf dem Laufenden über die Menschen und Unternehmen, die die nächste KI-Welle prägen – weitere KI-Neuigkeiten auf AI Buzz Wire lesen.

Weitere KI-Neuigkeiten lesen →