LONDON / MÜNCHEN / LONDON (IT BOLTWISE) – CuspAI, ein britisches Startup, holt 450 Millionen US-Dollar ein, um mit KI die Entwicklung neuer Materialien zu beschleunigen. Die Runde bewertet das Unternehmen laut Angaben mit 2,6 Milliarden US-Dollar und bringt NVIDIA sowie weitere Industriepartner ins Projekt. CuspAI baut dafür eine „AI Materials Foundry“, die Daten, Rechenleistung und Laborkompetenz in einer Plattform vereint. Ziel ist es, die Suche nach Kandidaten für Halbleiter, Energie und fortgeschrittene Fertigung massiv zu verknappen.
Eine neue Investmentrunde in der Materialforschung zeigt, wie stark Künstliche Intelligenz inzwischen in die „Physikschicht“ der Industrie vordringt: Das britische Startup CuspAI sammelt 450 Millionen US-Dollar ein und zielt darauf ab, die Zahl denkbarer Materialkandidaten so weit zu reduzieren, dass Labortests schneller und günstiger werden. Unterstützt wird das Vorhaben durch NVIDIA und weitere große Akteure aus dem Industrie- und Forschungsumfeld. Besonders interessant ist dabei die Kombination aus KI-gestützter Modellsimulation und einer neuartigen Organisationsform, die Rechenressourcen, Daten und Labore als durchgängige Kette auslegt.
Technisch betrachtet versucht CuspAI, einen Flaschenhals zu adressieren, der aus der Natur der Materialentwicklung entsteht: Für neuartige Stoffe gibt es bei weitem mehr chemische und strukturelle Möglichkeiten, als ein Labor in vertretbarer Zeit untersuchen kann. CuspAI setzt laut Beschreibung auf KI, um die Performance neuartiger Materialien vorab zu modellieren und damit die „Candidate Explosion“ zu kontrollieren. Im Kern entsteht dadurch eine Art Suchprozess, der Labore nicht ersetzt, aber priorisiert: Statt blind zu testen, werden erfolgversprechende Kandidaten zuerst in der experimentellen Validierung geprüft. NVIDIA steuert dabei Recheninfrastruktur für die beschriebene Plattformarbeit.
Der Marktkontext ordnet das Vorhaben in eine breitere Welle ein. Bezos investiert nicht als „Investor im Hintergrund“, sondern bringt mit Prometheus selbst eine eigene Initiative ins Rennen, die auf KI-gestützte Erfindung und physische Ingenieurprozesse abzielt. Damit konkurrieren nicht nur Startups untereinander, sondern auch unterschiedliche Ansätze, wie KI mit naturwissenschaftlichen Workflows verzahnt wird. CuspAI geht dabei über ein reines Modell-Hosting hinaus und spricht von einer „AI Materials Foundry“: Eine Plattform, die Daten, Labore, Compute und wissenschaftliche Expertise in ein gemeinsames Betriebsmodell überführt. Unter den technischen Unterstützern finden sich zudem AMD Ventures und weitere Industrie- und Forschungsorganisationen.
Für die Wettbewerbsdynamik ist vor allem das Timing relevant. Die Runde wird angeführt von Kleiner Perkins und NEA, mit zusätzlicher Beteiligung durch Bezos’ Organisation, außerdem mit Investoren wie Glade Brook Capital Partners, Lux Capital sowie Beteiligungen durch AMD Ventures und ein britisches Vehikel für KI-Investitionen. Das ist auch ein Signal an Unternehmen aus der Halbleiter- und Energiebranche: Nicht nur Forschungsgelder, sondern gezielte Kapitalallokation fließt in KI-Infrastrukturen, die den Weg von „Idee“ zu „validiertem Material“ verkürzen sollen. In der Praxis verschiebt das den Wettbewerb um Zeit und Datenqualität – wer hochwertige Trainings- und Testdaten schneller in die Pipeline bekommt, kann Suchräume schneller auswerten.
Ein weiterer technischer Hebel ist die Skalierbarkeit der Rechen- und Datenarchitektur. Wenn NVIDIA „accelerated computing infrastructure“ liefert, bedeutet das in der Regel, dass die Plattform auf GPU-beschleunigte Workloads ausgelegt ist – etwa für Training, Feinabstimmung oder große Inferenzläufe in Material-Suchprozessen. Dazu kommt der Laboranteil: Eine KI-Schicht ist nur so gut wie ihre Rückkopplung. Deshalb ist die Foundry als Netzwerk gedacht, das Experimente und Simulationen enger koppelt, sodass Ergebnisse aus Tests wieder in die Modellarbeit einfließen können. Genau hier unterscheiden sich viele KI-Startups: Einige liefern ein Modell, andere bauen eine organisatorische und technische Schleife aus Daten, Rechenressourcen und Validierung auf.
Aus Sicht der Unternehmen, die später Materialkandidaten einsetzen wollen, liegt der Nutzen nicht nur in Geschwindigkeit, sondern auch in Planbarkeit. Für Halbleiterentwickler oder Hersteller in der fortgeschrittenen Fertigung ist die Frage entscheidend, wie schnell sich Hypothesen iterieren lassen, wenn Anforderungen wie Stabilität, Prozessierbarkeit und Energieeffizienz gleichzeitig erfüllt werden müssen. Auch bei Themen wie sauberere Energie oder verbesserte Wasseraufbereitung geht es um Zielkonflikte, die man ohne Simulation schwer durch Trial-and-Error adressiert. Branchenanalysten erwarten, dass sich der Wettbewerb im nächsten Schritt auf „KI-gestützte Auswahl“-Capabilities konzentriert: nicht auf einzelne Modelle, sondern auf Integrationen in bestehende R&D-Prozesse.
Historisch betrachtet war die Materialforschung lange stark experimentell geprägt, während theoretische Ansätze parallel existierten. Mit dem Aufkommen datengetriebener Methoden wurden Modelle zunehmend dazu genutzt, physikalische Beziehungen zu approximieren oder Kandidaten zu priorisieren. Dennoch blieb lange die Lücke zwischen Simulation und Laborvalidierung bestehen, weil Daten in vielen Umgebungen fragmentiert sind und Validierungszyklen teuer bleiben. Genau diesen Abstand will CuspAI mit einer strukturierten Foundry verkleinern: Rechenleistung, Datennetz und Laborkompetenz sollen gemeinsam auf eine Materialpipeline einzahlen. Dass Meta’s Fundamental AI Research Team dem Vorhaben beitritt, unterstreicht dabei, dass das Projekt auch von Grundlagenkompetenz flankiert wird.
In der Zukunft dürfte die entscheidende Frage sein, wie sauber CuspAI zwischen wissenschaftlicher Entdeckung und industrieller Produktion überbrückt. Sobald sich KI-Modelle als verlässliche Priorisierer etablieren, könnten R&D-Abteilungen ihre Testbudgets umschichten: mehr Ressourcen in die Validierung weniger, aber besser ausgewählter Kandidaten; weniger Zeit für ungerichtete Suche. Gleichzeitig entstehen Sicherheits- und Compliance-Fragen, die in solchen Plattformen häufig unterschätzt werden: Wenn Computelasten, Laborresultate und Forschungsdaten über ein Netzwerk zusammenfließen, müssen Zugriffsrechte, Datenminimierung und Protokollierung so gestaltet werden, dass IP und personenbezogene oder sicherheitsrelevante Informationen nicht unkontrolliert zirkulieren. Für die Umsetzung wird es daher nicht nur auf Modellqualität ankommen, sondern auf Governance, Auditierbarkeit und klare Datenverträge innerhalb des Foundry-Netzwerks.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "CuspAI erhält 450 Mio. US-Dollar für KI-Materialsuche mit NVIDIA" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "CuspAI erhält 450 Mio. US-Dollar für KI-Materialsuche mit NVIDIA" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »CuspAI erhält 450 Mio. US-Dollar für KI-Materialsuche mit NVIDIA« bei Google Deutschland suchen, bei Bing oder Google News!