LONDON (IT BOLTWISE) – Kevin Weil soll Berichten zufolge 150 Millionen US-Dollar für ein neues KI-Startup einwerben, bewertet werden soll das Vorhaben dabei mindestens mit 750 Millionen US-Dollar. Der frühere OpenAI-Chef für Produktentwicklung habe bisher weder Namen noch öffentliches Produkt veröffentlicht. Sein Ansatz zielt auf das Einsammeln wissenschaftlicher Daten, die KI-Systeme für Entdeckungen tatsächlich brauchen. Unklar bleibt bislang, wie genau diese Messdaten entstehen sollen und welcher Teil des experimentellen Feedback-Loops in der eigenen Hand liegt.
Der nächste Wettbewerb in der KI-Forschung könnte weniger in neuen Modellarchitekturen stattfinden als in der „Messschleife“ dahinter: Wer Daten aus echten Experimenten in kontrollierter Qualität beschafft, bekommt einen strategischen Vorteil bei der Entdeckung neuer Materialien, Wirkstoffe oder Prozessparameter. Genau in diesen Bereich soll ein von Kevin Weil geplantes Startup zielen, das nach Angaben aus dem Umfeld der Gespräche mit rund 150 Millionen US-Dollar und einer Bewertung von mindestens 750 Millionen US-Dollar angesetzt wird. Weil ist damit in eine Phase zurückgesprungen, in der nicht das Training auf bereits vorhandenen Text- oder Bildkorpora im Vordergrund steht, sondern die Frage, wie wissenschaftliche Hypothesen zuverlässig in messbare Ergebnisse übersetzt werden.
Technisch betrachtet dreht sich das Versprechen um eine „Feedback Loop“ aus KI, Daten und physischer Prüfung. In vielen klassischen Workflows entwirft man eine Idee, lässt sie durch Laborarbeit testen und wertet die Resultate anschließend aus. Bei KI-gestützter Wissenschaft könnte der Engpass jedoch anders liegen: Modelle schlagen Experimente vor und priorisieren Kandidaten schneller, als konventionelle Labore sie in der nötigen Reihenfolge ausführen und sauber validieren können. Entscheidend wird dann, ob jede einzelne Messung nicht nur Daten „liefert“, sondern dabei auch Kontext mitnimmt – etwa Instrumenteinstellungen, Probenherkunft oder Umgebungsparameter – damit die KI aus dem nächsten Iterationsschritt wirklich bessere Entscheidungen ableiten kann.
Damit taucht auch die strategische Frage auf, wo ein Startup diesen Loop „besitzt“. Die bisherige Beschreibung lässt offen, ob Weil eigene Laboreinheiten aufbauen will, ob Kooperationen den physischen Teil übernehmen oder ob man über Partnerschaften und eingebettete Software in bestehenden Laboren Zugang zu Messdaten erhält. Genau hier entscheidet sich, ob das Unternehmen eher als Datensammler, als Infrastrukturbetreiber oder als Software-Schicht agiert. Denn „mehr Daten“ allein ist in der Forschung kein Selbstzweck: Ben Blaiszik, der an der University of Chicago an wissenschaftlicher Dateninfrastruktur arbeitet, wird in der Darstellung mit dem Hinweis zitiert, dass der Engpass eher „mehr Daten mit dem richtigen Kontext“ ist. Für KI-Systeme bedeutet das: Die Werte müssen nicht nur existieren, sondern semantisch und metadatenmäßig so verankert sein, dass sie zur jeweiligen Problemklasse passen.
Die Lab-Race ist ohnehin kein Einzelrennen. Periodic Labs, ein Startup von Liam Fedus und Ekin Dogus Cubuk, hat laut Bericht bereits eine 300-Millionen-US-Dollar-Seed-Runde eingesammelt, um „AI Scientists“ samt autonomen Laboren aufzubauen. Lila Sciences wiederum soll eine 350-Millionen-US-Dollar-Series-A erhalten haben, um seine „AI Science Factories“ zu skalieren; insgesamt wird dabei von 550 Millionen US-Dollar Finanzierung gesprochen. Solche Initiativen argumentieren dabei nicht nur mit Geschwindigkeit, sondern auch mit der Einzigartigkeit des Datenmaterials: Ein einzelner autonomer Versuch könne große Datenmengen erzeugen, die anderswo nicht verfügbar seien, inklusive negativer Resultate, die in veröffentlichten Studien oft fehlen. Gerade negative Ergebnisse sind für lernende Systeme wertvoll, weil sie die Abgrenzung erlaubter Hypothesen schärfen.
Auch öffentliche Akteure setzen in diese Richtung. Die US National Science Foundation soll im Juli 380 Millionen US-Dollar für 20 Teams angekündigt haben, ergänzt durch mehr als 20 Millionen US-Dollar aus dem Astera Institute, um ein landesweites Netzwerk KI-gestützter, automatisierter Labore aufzubauen. Ziel ist dabei die Kette von AI-designten Experimenten über Datenerhebung bis hin zu Auswertung und Analyse. Der technische Hintergrund ist plausibel: Wissenschaftliche KI kann häufig nicht „einfach alles“ aus bereits online verfügbaren Informationen lernen, weil sie nach Entdeckungen sucht, die noch nicht existieren. Autonomous Labs sind in diesem Modell daher nicht nur ein zusätzlicher Schritt, sondern die Brücke zur physischen Realität – dort, wo Bedingungen kontrollierbar sind und Metadaten systematisch mitwachsen.
Für die Marktpositionierung eines Weil-Vorhabens bedeutet das: Es reicht nicht, KI-Modelle für Datenanalyse oder Planung bereitzustellen. Entscheidend ist die Governance des Datenfeedbacks. Wenn veröffentlichte Literatur den Bias „Erfolg ist sichtbar“ trägt, dann entsteht für KI das Problem, dass sie vor allem positive Resultate „aufsammelt“ und negative Messungen systematisch ausblendet. Ein Startup, das sowohl die Kuratierung als auch den Kontextfluss aus den Experimenten kontrolliert, könnte deshalb den Nutzen deutlich erhöhen: Probenherkunft, Versuchsparameter und Ergebnisbeschreibung müssten in einem Format anfallen, das sich direkt als Trainings- oder Validierungswissen nutzen lässt. Genau diese „Defensibility“ über proprietäre Korpora wird in solchen Kontexten als Faktor genannt, weil man nicht beliebig Daten „scrapen“ kann, die nie veröffentlicht wurden.
Für Unternehmen und Forschungsorganisationen bleibt der nächste Schritt folgerichtig: Welche Schnittstellen zwischen KI-Orchestrierung und Laborbetrieb sind realistisch skalierbar? Weil sucht gerade offenbar nach Kapital für ein Vorhaben ohne öffentliches Produkt, und das deutet darauf hin, dass der Aufbau der physisch-digitalen Kette noch im Vordergrund steht. Wenn das gelingt, entsteht für Anwender eine neue Art von Beschleuniger: nicht nur schnellere Auswertung, sondern eine Iterationsmaschine, in der jedes Experiment den nächsten Vorschlag präziser macht. Ob Weil genau diesen Teil „besitzt“ – die Laborautomatisierung, die Dateninfrastruktur oder die Software, die Laboren KI-Planung einbettet – entscheidet darüber, ob das Startup eher als Plattform oder als spezialisierter Datendienst wahrgenommen wird.
💳 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 "Ex-OpenAI-Manager Kevin Weil sucht 150 Mio. US-Dollar für KI-Startup" 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 "Ex-OpenAI-Manager Kevin Weil sucht 150 Mio. US-Dollar für KI-Startup" 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: »Ex-OpenAI-Manager Kevin Weil sucht 150 Mio. US-Dollar für KI-Startup« bei Google Deutschland suchen, bei Bing oder Google News!