SEUL / LONDON (IT BOLTWISE) – Thore Graepel, Mitautor der AlphaGo-Studie, verlässt Google DeepMind und startet nach eigenen Angaben ein KI-Startup. Im Zentrum steht die Idee, AlphaGo-ähnliches Planen per strukturiertem Suchverfahren auf KI-Systeme für reale Umgebungen zu übertragen. Der Ansatz soll nicht nur Vorhersagen verbessern, sondern Maschinen befähigen, unter Unsicherheit Entscheidungen zu planen und auszuführen. Offen bleibt vorerst, wann das Team konkret mit Partnern und einem ersten Produkt an den Markt geht.
Mit Thore Graepels Abgang aus Google DeepMind verschiebt sich ein Schwerpunkt der KI-Forschung wieder spürbar in Richtung „Reasoning“ statt reinem Sprachfortschritt. Graepel gilt als einer der prägenden Köpfe hinter AlphaGo, jenem System, das 2016 in einem Match gegen Lee Sedol vor weltweitem Publikum zeigte, wie stark gelerntes Schließen mit einer expliziten Suche kombiniert werden kann. Seine neue Initiative knüpft laut Projektbeschreibung an genau dieser Kernidee an: Maschinen sollen wie bei AlphaGo unter realen Bedingungen planen und handeln – also dort, wo die Umwelt nicht als geordnetes Regelwerk vorgegeben ist, sondern kontinuierlich, dynamisch und teilweise unklar wirkt.
Technisch betrachtet war AlphaGo nie ein „nur vorwärts“ arbeitendes Modell wie moderne Large Language Models. Ein Sprachmodell generiert Tokens in einem einzigen Durchlauf, es sucht nicht aktiv nach Alternativen, sondern schätzt die wahrscheinlichste Fortsetzung. AlphaGo dagegen setzte auf ein dreiteiliges Architekturprinzip: Ein Policy Network schlug Kandidatenzüge vor, ein Value Network bewertete die Gewinnwahrscheinlichkeit für eine Zustandsposition, und Monte Carlo Tree Search (MCTS) baute daraus während der Inferenz eine Suchstruktur mit vielen vorweggenommenen Zukünften. Entscheidender Punkt dabei: MCTS verteilte das Rechnen gezielt auf vielversprechende Äste, während es weniger relevante Optionen früh verwarf. Genau diese Trennung von „Was könnte als Nächstes sinnvoll sein?“ und „Welche Zukunft ist es wert, genauer zu betrachten?“ ist der praktische Hebel, den Graepel offenbar für den Sprung in die physische Welt als zu wenig „nur implizit“ in der aktuellen KI-Landschaft einordnet.
Gleichzeitig ist der Gedanke nicht völlig neu, denn mehrere AlphaGo-Nachfolger haben die Grenzen des Ansatzes weiter abgesteckt. AlphaGo Zero (2017) ersetzte den Menschen-Datenanteil durch reines Self-Play und startete aus zufälligen Zügen. AlphaZero (2017) verallgemeinerte das Verfahren auf Schach und Shogi – wieder ohne menschliche Spielaufzeichnungen, aber weiterhin mit einem Regel-Satz als Grundlage. MuZero (2019) ging einen Schritt weiter, indem es ein internes Modell der Umweltdynamik lernte und damit sogar die Regeln nicht mehr „hart“ vorgeben musste. In diesem Lichte wirkt Graepels Ausgangspunkt für ein neues Startup wie eine konsequente Fortsetzung der MuZero-Idee: ein gelerntes Modell der Zustandsübergänge, darüber ein strukturiertes Lookahead und am Ende eine Value-getriebene Aktionsauswahl. Für Robotik bedeutet das im Kern eine andere Ingenieursphilosophie als das, was viele heutige Robotik-Setups häufig dominiert: weniger Imitationslernen aus Demonstrationen und mehr planendes Entscheiden über mögliche Handlungsfolgen, bevor reale Bewegungen ausgeführt werden.
Der Haken liegt weniger im „MCTS-Teil“ als in der Weltmodell-Genauigkeit. In Brett- und Computerspielen sind Umgebungen typischerweise diskret, regelbasiert und exakt modellierbar. Dadurch können MCTS-Systeme Millionen von Rollouts durchführen, ohne dass jede Abweichung aus Messrauschen oder nicht beobachtbaren Variablen sofort in Fehlerketten mündet. Reale Robotik dagegen arbeitet mit kontinuierlichen Zuständen, unvollständiger Wahrnehmung und Konsequenzen, die sich nicht einfach „simulieren und zurückdrehen“ lassen. Ein lernendes Weltmodell muss daher nicht nur plausibel wirken, sondern in mehrschrittigen Planungshorizonten stabil genug bleiben, um nicht schleichend in falsche Futures abzudriften. MuZero hat zwar gezeigt, dass ein System seine Dynamik modellieren kann, jedoch wurden die typischen Testumgebungen bisher als deutlich einfacher beschrieben – Atari- und klassische Spielewelt statt offener physischer Räume mit unvorhersehbaren Interaktionen. Genau dieses Skalierungs- und Robustheitsproblem ist damit das technische Zentrum der Wette, die Graepel jetzt offenbar stärker in eine Startup-Form gießen will.
Die personelle Entwicklung rund um DeepMind sorgt zusätzlich für Einordnung auf der Markt- und Organisationsseite. Der Artikel verweist auf eine Serie weggehender Schlüsselrollen und führt mehrere Motive an: aggressivere Konkurrenzangebote anderer KI-Labore, wachsenden Druck zur Kommerzialisierung und offenbar auch Veränderungen bei internen Ressourcenallokationen. Für Unternehmen ist das vor allem deshalb relevant, weil Talentflüsse oft auch Engineering-Entscheidungen und Produktprioritäten beeinflussen: Wenn Forschungsteams verstärkt in Richtung eines bestimmten großen Modellprodukts umgelenkt werden, bleiben andere Pfade – etwa für langfristige Modellierung von Weltzuständen und agentische Planung – unter Umständen länger unterfinanziert. Gleichzeitig beschreibt der Bericht ein Umfeld, in dem Startups aus dem Umfeld dieser Forschung mit Kapital leichter skalieren können, weil Venture-Capital in den letzten Jahren in KI-Playbooks regelrecht beschleunigt hat.
Was Graepels konkretes „Wie“ angeht, bleibt zum jetzigen Zeitpunkt vieles offen: Weder Investoren noch Teamstruktur oder ein formaler Firmenname sind bereits bekannt. Auf seinem Projektportal heißt es, das Vorhaben verbinde probabilistisches Reasoning, Multi-Agent-Learning und AlphaGo-ähnliche Planung – Disziplinen, die auf ein gemeinsames Ziel zulaufen: Maschinen so zu steuern, dass sie unter Unsicherheit verlässlicher handeln. Bemerkenswert ist außerdem, dass dieser Schritt in eine Phase fällt, in der viele Teams ihre „Denken“-Fähigkeiten vor allem über chain-of-thought-artige Interne Mechanismen in großen Sprachmodellen nachbauen. Graepels Gegenposition wirkt damit wie ein Versuch, nicht nur bessere Zwischenschritte zu erzeugen, sondern den Such- und Planungsmechanismus als echte Systemkomponente zu institutionalisieren – also als Architekturentscheidung statt als emergente Eigenschaft.
Für europäische KI-Beobachter fügt sich das Bild in einen breiter werdenden Trend: Mehr Frontier-Arbeit entsteht außerhalb der traditionell dominanten Rechen- und Talentknoten. Graepels Schritt in Richtung britischer Startup-Struktur macht den Wettlauf um „Agenten, die die Welt auf Aufgabenebene verstehen und handhaben“ greifbarer. Unternehmen, die heute an Robotik, industrieller Automation oder an agentischen Workflows mit hoher Fehlkostenrelevanz arbeiten, werden dabei vor einer strategischen Frage stehen: Setzt man stärker auf Modellfamilien, die Planung als Text- oder Tokenphänomen imitieren, oder investiert man in Architekturen, die explizit nach Zustandsübergängen suchen und dabei Weltmodelle als Fundament behandeln? Graepels Start signalisiert zumindest, dass ein Teil der nächsten Forschungswelle eher in Richtung „Go-ähnlicher Suche“ und weg von reinem Sprachfortschritt denkt.
💳 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.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【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 "Thore Graepel startet neue KI-Initiative: AlphaGo-Logik für die reale Welt" 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 "Thore Graepel startet neue KI-Initiative: AlphaGo-Logik für die reale Welt" 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: »Thore Graepel startet neue KI-Initiative: AlphaGo-Logik für die reale Welt« bei Google Deutschland suchen, bei Bing oder Google News!