Die 1,1 Mrd. $-Wette des AlphaGo-Schöpfers: KI beibringen, alles zu lernen, ohne jemals menschliche Daten zu berühren

Zusammenfassung der Nachrichten

Rekordverdächtige Seed-Runde für eine neue Art von KI

Am 27. April 2026 (Eastern Time) gab Ineffable Intelligence – ein in London ansässiges KI-Startup, das von David Silver gegründet wurde – bekannt, dass es eine Seed-Finanzierungsrunde in Höhe von 1,1 Milliarden US-Dollar abgeschlossen hat. Dies ist die größte jemals in Europa verzeichnete Seed-Runde und eine der größten in der globalen KI-Startup-Geschichte. Das Unternehmen wurde gleichzeitig mit der Finanzierungsankündigung gestartet und trat aus dem Verborgenen mit einer Bewertung von 5,1 Milliarden US-Dollar hervor.

Sequoia Capital und Lightspeed Venture Partners führten die Runde gemeinsam an. Zu den weiteren Investoren gehören Nvidia, Google, Index Ventures und DST Global. Die britische Regierung beteiligte sich über ihren Sovereign AI Fund und die British Business Bank, was auf ein starkes institutionelles Vertrauen in die wissenschaftlichen Ambitionen des Projekts hindeutet. Allein die Venture-Sparte von Nvidia soll mindestens 250 Millionen US-Dollar der Gesamtsumme beigesteuert haben.

Wer ist David Silver?

David Silver ist einer der angesehensten KI-Forscher seiner Generation. Er war Leiter der Reinforcement-Learning-Forschung bei Google DeepMind und hat eine Professur am University College London inne. Silver ist vor allem für seine zentrale Rolle bei der Entwicklung von AlphaGo bekannt – dem ersten KI-System, das einen professionellen menschlichen Meister im alten Brettspiel Go besiegte – ein Meilenstein, der weithin als Wendepunkt in der Geschichte der künstlichen Intelligenz gilt.

Silvers akademische Grundlage im Reinforcement Learning erstreckt sich über Jahrzehnte. Sein einflussreiches Lehrbuch und seine Online-Vorlesungsreihe zu diesem Thema wurden von Zehntausenden von Forschern und Ingenieuren weltweit genutzt. Nun bündelt er mit Ineffable Intelligence dieses Fachwissen in dem, was er als den nächsten fundamentalen Sprung in den KI-Fähigkeiten beschreibt.

Die Kernidee: Lernen ohne menschliche Daten

Ineffable Intelligence basiert auf einer einzigen, ehrgeizigen These: Die leistungsfähigsten KI-Systeme der Zukunft werden überhaupt nicht auf von Menschen generierten Daten trainiert. Stattdessen werden sie Wissen ausschließlich durch eigene Erfahrungen entdecken – ein Prinzip, das Silver die „Ära der Erfahrung“ nennt.

Diese Philosophie leitet sich direkt vom Reinforcement Learning ab, einem Zweig des maschinellen Lernens, bei dem ein Agent lernt, indem er mit einer Umgebung interagiert und Feedback basierend auf den Ergebnissen seiner Handlungen erhält, anstatt einen festen Datensatz menschlicher Beispiele zu studieren. Das beabsichtigte Flaggschiffprodukt des Unternehmens ist ein „Superlearner“ – ein KI-Agent, der jede Fähigkeit erwerben kann, von grundlegender Motorik bis hin zu komplexem intellektuellem Denken, ausschließlich durch selbstgesteuerte Erkundung und ergebnisorientiertes Lernen.

In einem gemeinsam mit Richard Sutton – weithin als einer der Gründerväter des Reinforcement Learning angesehen – verfassten Papier aus dem Jahr 2025 argumentierte Silver, dass große Sprachmodelle (LLMs) durch ihre Abhängigkeit von von Menschen generierten Trainingsdaten inhärent eingeschränkt sind. Laut ihrer Analyse können LLMs bestehendes menschliches Wissen synthetisieren, erweitern und neu kombinieren, sind aber strukturell unfähig, wirklich neue Entdeckungen zu generieren. Ein Superlearner, der ausschließlich auf eigenen Erfahrungen trainiert wird, stößt ihrer Meinung nach an keine solche Grenze.

Warum dieser Ansatz wissenschaftlich bedeutsam ist

Die Unterscheidung zwischen nachahmungsbasiertem Lernen und erfahrungsbasiertem Lernen ist in der KI-Forschung von grundlegender Bedeutung. Aktuelle Spitzenmodelle – einschließlich der fortschrittlichsten LLMs – werden in einem Paradigma trainiert, das widerspiegelt, wie Menschen durch Lesen und Beobachten lernen. Dies verleiht ihnen eine enorme Wissensbreite, schränkt aber ihre Fähigkeit ein, über Situationen zu urteilen, die außerhalb der Verteilung ihrer Trainingsdaten liegen.

Reinforcement Learning hat im Gegensatz dazu einige der bemerkenswertesten KI-Durchbrüche der letzten Jahre hervorgebracht: AlphaGo, AlphaZero und AlphaStar nutzten Formen von RL, um die menschliche Leistung in hochkomplexen Domänen zu übertreffen. Silvers Argument ist, dass die Skalierung dieses Ansatzes – mit moderner Rechenleistung, besserem Umgebungsdesign und verbesserten Algorithmen – KI-Systeme mit qualitativ anderen und überlegenen Fähigkeiten im Vergleich zu heutigen LLMs hervorbringen könnte.

Der Superlearner von Ineffable Intelligence ist darauf ausgelegt, in „Welten zu lernen, die gebaut wurden, um ihn zu lehren“ – simulierte Umgebungen, die sorgfältig strukturiert sind, damit die Erfahrung auf natürliche Weise die richtigen Lernsignale erzeugt, von den einfachsten Reflexen bis zu den tiefsten Denkketten.

Investoren-Rationale und Marktkontext

Sequoia Capital veröffentlichte einen detaillierten Artikel zu seiner Investitionsbegründung und beschrieb Ineffable Intelligence als eine Wette auf einen „Superlearner für die Ära der Erfahrung“. Die Firma äußerte die Überzeugung, dass erfahrungsgesteuerte KI ein eigenständiges und potenziell leistungsfähigeres Paradigma darstellt als aktuelle datengesteuerte Ansätze und dass Silvers einzigartige Kombination aus akademischer Tiefe und praktischer Erfolgsbilanz ihn zur richtigen Person macht, um dies zu verfolgen.

Die beträchtliche Beteiligung von Nvidia spiegelt die breitere Strategie des Unternehmens wider, KI-Forschung zu unterstützen, die erhebliche GPU-Rechenleistung erfordert, um realisiert zu werden – Reinforcement Learning im großen Maßstab ist rechenintensiv, und das Training eines echten Superlearners würde enorme Infrastrukturinvestitionen erfordern.

Die Beteiligung der britischen Regierung über ihren Sovereign AI Fund unterstreicht eine nationale Strategie, Spitzenforschung im Bereich KI in Großbritannien zu verankern. Ineffable Intelligence hat seinen Hauptsitz in London, und seine Gründung stellt einen bedeutenden Moment für das europäische KI-Ökosystem dar, das historisch Schwierigkeiten hatte, Top-Forschungstalente und Kapital in dem Umfang zu halten, wie es in Silicon Valley üblich ist.

Bedeutung der 1,1-Milliarden-Dollar-Seed-Runde

Die Höhe dieser Seed-Runde – 1,1 Milliarden US-Dollar – ist nach jeder Messung außergewöhnlich. Seed-Runden reichen typischerweise von einigen hunderttausend bis zu einigen Millionen Dollar; selbst die größten Vor-Produkt-KI-Finanzierungen der letzten Jahre haben in der Seed-Phase selten dieses Ausmaß erreicht. Die Runde spiegelt sowohl die Bedeutung von David Silver als Forscher als auch das Ausmaß wider, in dem Top-Investoren glauben, dass das Reinforcement-Learning-Paradigma eine große Wiederbelebung erfahren wird.

Die Bewertung von 5,1 Milliarden US-Dollar, die erzielt wurde, bevor ein Produkt ausgeliefert wurde, platziert Ineffable Intelligence unter die wertvollsten KI-Startups bei ihrer Gründung in der Geschichte. Analysten stellen fest, dass dies einen breiteren Wandel im Venture-Capital-Bereich widerspiegelt, hin zur Finanzierung von Grundlagenforschungs-Wetten – insbesondere im Bereich KI – in einem Umfang, der zuvor späten Wachstumsunternehmen vorbehalten gewesen wäre.

Was kommt als Nächstes

Ineffable Intelligence hat keinen öffentlichen Zeitplan für Produkte angekündigt. Der unmittelbare Fokus des Unternehmens wird voraussichtlich auf dem Aufbau seines Forschungsteams, der Gestaltung der simulierten Umgebungen, in denen sein Superlearner trainieren wird, und der Entwicklung der algorithmischen Infrastruktur liegen, die erforderlich ist, um Reinforcement Learning auf beispiellose Niveaus zu skalieren. Silver und seine Mitbegründer haben angedeutet, dass der Weg zu einem echten Superlearner ein langfristiges Forschungsprogramm und keine kurzfristige Produkt-Roadmap ist.

Die Ankündigung hat bereits erhebliche Aufmerksamkeit von der KI-Forschungsgemeinschaft auf sich gezogen, wobei viele Forscher sie als einen potenziellen Wendepunkt betrachten – einen gut finanzierten, ernsthaften Versuch, einen grundlegend anderen Ansatz zur Intelligenz zu verfolgen, zu einem Zeitpunkt, an dem die Grenzen von LLMs immer deutlicher werden.