LONDON (IT BOLTWISE) – Jeff Dean, früher Chef-Wissenschaftler bei Google, startet mit seiner neuen KI-Firma Discovery Loop eine weitere Finanzierungsrunde. Nach Angaben von Vertrauten wird dabei eine Bewertung von rund 50 Milliarden US-Dollar angestrebt. Erst wenige Wochen zuvor hatte das Startup bereits 1 Milliarde US-Dollar bei etwa 10 Milliarden US-Dollar Bewertung eingesammelt. Discovery Loop will Experimente per paralleler Ausführung durch KI automatisieren, um Wissenschaft und Engineering schneller voranzubringen.
Die Nachricht, dass Jeff Dean mit seiner neuen KI-Firma Discovery Loop erneut Kapital einsammelt, wirkt auf den ersten Blick wie ein klassischer Finanzierungsmarathon. Bei genauerer Betrachtung passt die zweite Runde aber sehr gut in ein Muster, das sich derzeit im Markt für Spitzen-KI-Teams abzeichnet: Wer an vorderster Front an skalierbaren KI-Systemen arbeitet, muss parallel zur Modell-Entwicklung auch die „Labor“-Kapazität aufbauen, die für echte Experimente nötig ist. Dean hatte im vergangenen Monat seine Rolle als Chief Scientist bei Google aufgegeben; nun versucht er mit dem Startup einen nächsten Schritt Richtung Frontier-Forschung. Laut Aussagen von Vertrauten zielt Discovery Loop diesmal auf eine Bewertung von etwa 50 Milliarden US-Dollar.
Dass das Unternehmen so schnell wieder an den Kapitalmarkt geht, hängt eng mit der Geschwindigkeit zusammen, mit der sich die Wettbewerbsdynamik bei KI-Labors verändert. Erst wenige Wochen zuvor habe Discovery Loop bereits 1 Milliarde US-Dollar bei einer Bewertung um ungefähr 10 Milliarden US-Dollar eingesammelt, berichtet wurde. Diese Art „Up-and-Down“-Bewegung innerhalb weniger Wochen klingt für traditionelle Startup-Logiken nach Sprunghaftigkeit, ist in der aktuellen Welle allerdings Ausdruck eines starken Angebots- und Nachfrageungleichgewichts: Venture-Capital konkurriert besonders im KI-Bereich intensiv um Profilierte und um Teams, die Forschung in produktionsreife Systeme überführen können. Gleichzeitig sind die Kosten, um ein echtes KI-Labor mit Infrastruktur, Experimentierplattform und Teams aufzusetzen, hoch genug, dass der Finanzierungsbedarf nicht erst „nach“ dem Aufbau entsteht, sondern schon währenddessen.
Technisch setzt Discovery Loop nach eigener Beschreibung auf Automatisierung, die Entdeckungsprozesse beschleunigen soll. Im Zentrum steht dabei die Idee der „parallel execution of thousands of experiments“: Statt Experimente sequentiell abzuarbeiten, soll ein KI-System Tausende von Versuchen koordinieren und auswerten. Das ist weniger ein reines Software-Feature als eine Arbeitsweise, bei der Such- und Optimierungsverfahren mit experimentellen Workflows zusammenkommen. In der Praxis bedeutet das typischerweise: Datenerfassung und Messwerte müssen robust in die Entscheidungslogik einfließen, die Experimentkonfiguration braucht klare Schnittstellen, und die Auswertung muss so gestaltet sein, dass aus Ergebnissen schnell wieder neue Hypothesen und nächste Versuche werden. Gerade dieser Loop – von Planung über Durchführung bis zur datengetriebenen Anpassung – ist der Teil, in dem viele „KI für Forschung“-Vorhaben scheitern, weil die reale Laborwelt schwerer zu abstrahieren ist als ein klassischer Produktions- oder IT-Prozess.
Marktseitig wird Dean dabei als Zugpferd wahrgenommen, doch Discovery Loop unterstreicht, dass das Gründerteam breiter aufgestellt ist. In dem Umfeld, das Dean geprägt hat, wurden mehrere Bausteine der modernen KI-Entwicklung zusammen gedacht: verteiltes Rechnen, Deep-Learning-Forschung und Methoden aus dem Umfeld von Sequenzmodellen sowie Reinforcement Learning. Genannt werden dafür unter anderem Sanjay Ghemawat, Quoc Le und Oriol Vinyals. Gleichzeitig erinnert die Darstellung an eine alte Grundannahme der KI-Branche: Nicht nur das Modell zählt, sondern die Kombination aus Architekturverständnis, Trainings- und Evaluationspraxis sowie Systemfähigkeit. In einem anderen Zeitkontext wären solche Summen vor Produktreife vermutlich schwerer vorstellbar gewesen; jetzt werden sie offenbar als Wette auf „Elite-Execution“ interpretiert, also darauf, dass wenige Teams die nächste Welle dominieren können.
Dass der Kapitalmarkt Discovery Loop so hoch bewertet, hängt auch an der Erwartungshaltung, wie „wissenschaftliche“ Fortschritte operationalisiert werden. Discovery Loop spricht laut Text davon, Experimente nicht nur in Benchmarks zu übersetzen, sondern neue Erkenntnisse für Engineering- und Naturwissenschaften zu liefern. Venture-Investoren verknüpfen das gern mit dem Gedanken, dass der Erfolg weniger an App-Features oder kurzfristigen Benchmarks zu messen ist, sondern an neuen Verfahren, die messbar Ressourcen sparen, Entwicklungszyklen verkürzen oder bessere Ergebnisse ermöglichen. Aus Sicht von Unternehmen, die später als Partner oder frühe Anwender auftauchen könnten, ist das allerdings nur dann überzeugend, wenn die KI-gestützten Experimentflows auch in realen Umgebungen zuverlässig laufen: Latenz, Kosten pro Experiment, Datenqualität und Reproduzierbarkeit werden dann zu den harten Stellschrauben.
Bemerkenswert ist zudem, wie stark die Finanzierungsstory mit dem Startup-Ökosystem und mit bereits bekannten Namen verknüpft wird, ohne dass daraus bereits ein fertiges Produkt hervorgehen müsste. In früheren Angaben wurde die initiale Runde als von Radical Ventures und Khosla Ventures geführt beschrieben, mit weiteren Beteiligungen wie Lightspeed, Kleiner Perkins und Doerr Capital. Außerdem wird erwähnt, dass Alphabet als Gründungsinvestor und Cloud-Partner beteiligt gewesen sei, wie in dem Zusammenhang auch Sundar Pichai zitiert wird. Für die Strategie des Unternehmens ist das relevant, weil ein KI-Labor nicht nur GPUs braucht, sondern auch robuste Betriebsprozesse: Datenpipelines, Experiment-Orchestrierung, Monitoring und eine Infrastruktur, die in der Lage ist, massiv viele Ausführungen konsistent zu verwalten.
Andere neue KI-Labs, darunter Safe Superintelligence und Thinking Machines Lab, werden im Text als Beispiele für vorherige Finanzierungsrunden mit hohen Summen genannt, noch bevor Produkte im engeren Sinn verfügbar waren. Diese Parallele ordnet Discovery Loop in eine breitere Entwicklung ein: Investoren preisen in der aktuellen Phase nicht nur Software, sondern vor allem Teams, Forschungsrichtungen und die Fähigkeit, schnell durch iterativen Experimentbetrieb zu lernen. Für die kommenden Monate entscheidet sich dann, ob das „parallel execution“-Versprechen in belastbare Ergebnisse übersetzt wird: Nicht jede hoch bewertete Modellidee braucht sofort ein konsistentes Produkt, aber ein Startup, das Wissenschaft beschleunigen will, muss eine klare Spur von wiederholbaren Experimentresultaten aufbauen. Genau darin liegt für die Branche die entscheidende Frage – ob sich KI als Werkzeug für Forschung etabliert, oder ob sie tatsächlich als aktiver Partner in der Experimentierlogik performt.
Geht diese Strategie auf, dürfte sich der Wettbewerb verlagern: Weg von reinem Modell-Ranking, hin zu Laborplattformen, die Suchprozesse, Auswertung und Automatisierung als durchgängige Systeme verbinden. Unternehmen, die mit Forschungspartnern arbeiten, bekommen damit eine neue Art von „KI-Infrastruktur“ auf den Schirm: weniger Cloud als Basisangebot, sondern eine Labor-Engine, die Experimente im großen Maßstab steuern kann. Gleichzeitig steigt der Druck auf andere Teams, ihre Experiment-Workflows schneller in produktionsnahe Formen zu bringen. Discovery Loop setzt mit dem erneuten Funding genau darauf, dass die nächste Wachstumsstufe nicht nur mehr Rechenleistung, sondern vor allem mehr Experiment-Durchsatz und bessere Feedback-Schleifen erfordert.
💳 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 "Discovery Loop: Jeff Dean wirbt erneut – KI-Labor für parallele Experimente" 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 "Discovery Loop: Jeff Dean wirbt erneut – KI-Labor für parallele Experimente" 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: »Discovery Loop: Jeff Dean wirbt erneut – KI-Labor für parallele Experimente« bei Google Deutschland suchen, bei Bing oder Google News!