BUCKHANNON / LONDON (IT BOLTWISE) – Ein Studium an der WVU entwickelte sich bei Jason Gibson vom Plan für die Luft- und Raumfahrt zum Schwerpunkt für computergestützte Materialforschung. Entscheidend war ein forschungsnahes Lernformat, das später in eine KI-gestützte Methode zur Vorhersage von Materialeigenschaften mündete. Daraus entstand die Firma Quantum Formatics, die laut Angaben mehr als 6 Mio. US-Dollar an Finanzmitteln einwerben konnte. 2024 folgte die Aufnahme in die Forbes-Liste „30 Under 30“.
Die Meldung wirkt auf den ersten Blick wie ein klassischer Karrieresprung: Von einem Praktikum über mehrere Stationen bis zu einer Startup-Gründung. Bei näherem Hinsehen steckt jedoch ein technischer Kern dahinter, der für die KI-Entwicklung in den Materialwissenschaften besonders relevant ist. Jason Gibson startete an der WVU (Statler College of Engineering and Mineral Resources) mit dem Ziel, Luft- und Raumfahrttechnik zu studieren. Erst im Engineering Sciences Building, ausgelöst durch einen Flyer für ein bezahltes Material-Science-Internship in Griechenland, begann sich sein Fokus zu verschieben. Aus der anfänglichen Neugier wurde ein wissenschaftlicher Spielraum, den er später konsequent in Programmierung, Forschung und schließlich in KI-Modelle übertragen hat.
Was Gibson früh geprägt hat, war weniger „Stoff lernen“, sondern das Arbeiten an offenen Fragen mit Auswahlverfahren. Für die Bewerbung belegte er einen ein-Kredit-Kurs, der laut Bericht nicht wie eine Vorlesung organisiert war, sondern als kompetitives, praxisnahes Format: Studierende arbeiteten an Projekten und konnten dadurch in ein internationales Forschungsprogramm aufgenommen werden. Genau diese Art von Lernumgebung ist aus Sicht der KI-Ingenieurpraxis wichtig, weil sie das typische Muster „Daten verstehen, Hypothesen formulieren, Iterationen testen“ bereits im Studium einübt. Als Gibson in Griechenland an seinem Projekt arbeitete, erkannte er laut eigenen Aussagen, dass in der Materialforschung viele grundlegende Punkte noch ungeklärt sind. Diese Erkenntnis veränderte auch die spätere Denkweise in Richtung Materialwissenschaften – sogar im Kontext der Luft- und Raumfahrt, wo Innovationen häufig an Werkstoffen und deren Grenzen ansetzen.
Technisch wird die Story dann spannend, weil sie die Brücke von interdisziplinärem Arbeiten zur KI-Entwicklung klar beschreibt. Nach der Rückkehr erkundete Gibson nicht nur innerhalb eines Fachs, sondern über Fakultätsgrenzen hinweg, indem er Materialwissenschaften mit astrophysikalischer Forschung kombinierte. In der Physik-Abteilung arbeitete er mit Professor Maura McLaughlin an pulsarbezogener Astronomie, und dort lernte er nach eigener Aussage auch programmieren. Der entscheidende Methodenhebel ist dabei die Art von Forschung: Er bezeichnete sie als Unterschied zu klassischen Lehrveranstaltungen, bei denen man primär prüfungsorientiert vorgeht. Im Kern geht es in der Forschung um das Produzieren von Wissen statt nur um den Konsum vorgegebener Lerninhalte. Für ein KI-Startup ist diese Haltung oft mehr als „Motivation“: Sie beeinflusst, wie schnell man von Rohdaten, Modellannahmen und Validierungsschleifen zur nächsten Iteration kommt.
Gibsons Weg führte schließlich in eine Spezialisierung, die man als „computational materials“ mit KI-Ansatz zusammenfassen kann. Er wollte die Anwendungen von Materialien nutzen, aber bewusst keine Tätigkeit im klassischen Nasslabor; zugleich fand er an der computergestützten Seite aus der Astrophysik Gefallen. Daraus entstand laut Bericht das Forschungsprofil der computergestützten Materialwissenschaft, mit dem Fokus auf maschinelles Lernen zur Vorhersage von Materialeigenschaften. Solche Modelle ersetzen oder ergänzen traditionelle Simulationsansätze, weil sie Potenziale aus früheren Daten und physikalischen Korrelationen schneller in Prognosen übersetzen können. Besonders erwähnenswert ist dabei, dass die Arbeit offenbar zu mehreren Veröffentlichungen mit hohem Einfluss geführt hat und zur Entdeckung neuer supraleitender Materialien beitrug. Für Unternehmensgründungen bedeutet das: Das Team startet nicht bei „null“, sondern kann ein konkretes Problem, realistische Workflows und messbare Forschungsresultate in die Produktentwicklung übersetzen.
Auch die Startup-Entscheidung folgt einem nachvollziehbaren Muster: Erst die Technik, dann das Geschäftsmodell. Gibson habe nie gedacht, dass er eine Firma gründen würde, so die Darstellung, aber nach Aufenthalten am Los Alamos National Laboratory und mit Blick auf die nächsten Schritte erkannte er eine Art Überschneidung zwischen eigener Vorarbeit und dem, was viele Unternehmen in diesem Umfeld aufbauen wollten. Er beschreibt es so, dass er bereits Kompetenzen entwickelt habe, die andere Organisationen erst mühsam aufbauen müssen. Daraus entstand Quantum Formatics, direkt aufgebaut auf der Forschungsarbeit, die er als Student begonnen hatte. Finanzierungsseitig nennt der Bericht einen schnellen Zug mit mehr als 6 Mio. US-Dollar, eingeworben über Venture-Capital sowie staatliche Fördermittel. Für die KI-Industrialisierung ist das insofern bedeutsam, als frühe Mittel oft dafür gebraucht werden, um Datenpipelines, Validierungsumgebungen und Modell-Hosting so zu gestalten, dass aus wissenschaftlichen Resultaten belastbare Engineering-Artefakte werden.
2024 wurde Gibson schließlich in die Forbes-„30 Under 30“-Liste aufgenommen, was die externe Sichtbarkeit deutlich erhöht. Der Punkt ist dabei nicht nur das Label, sondern die Deutung: Laut Darstellung ist die Auszeichnung eher eine Momentaufnahme des Wegs, nicht dessen Ende. Aus Technikersicht lässt sich daran ablesen, wie wichtig es ist, ein einzigartiges Skill-Set nicht nur aufzubauen, sondern es auch konsequent einzusetzen – inklusive der Bereitschaft, die ersten Schritte ins Unbekannte zu wagen. Für Entscheider in Unternehmen, die KI für Material- oder Prozessoptimierung nutzen wollen, liefert diese Geschichte außerdem eine praktische Lesart: Interdisziplinäre Grundlagen (Materialwissenschaft und datengetriebene Methoden), frühe Programmierkompetenz und die Fähigkeit, mit Unsicherheit produktiv umzugehen, sind häufig die Voraussetzungen, damit Modelle nicht nur im Labor funktionieren, sondern in wiederholbaren Workflows. Und gerade bei Themen wie Supraleitung, bei denen Validierung komplex ist, kann genau diese Kombination aus Forschung und KI-Entwicklung zum Wettbewerbsvorteil werden.
💳 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 "Vom Materialpraktikum zur KI-Firmengründung: Quantum Formatics im Forbes-Radar" 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 "Vom Materialpraktikum zur KI-Firmengründung: Quantum Formatics im Forbes-Radar" 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: »Vom Materialpraktikum zur KI-Firmengründung: Quantum Formatics im Forbes-Radar« bei Google Deutschland suchen, bei Bing oder Google News!