Ex-Prometheus-Rekruten enthüllen KI, die 5 Billionen Datenpunkte auf einmal verarbeitet

Zusammenfassung der Nachricht

Zwei Forscher, die einst ein Angebot zur Leitung von Jeff Bezos' ehrgeizigem Project Prometheus erhalten hatten, haben stattdessen ihr eigenes Unternehmen für künstliche Intelligenz vorgestellt, das auf einer grundlegend anderen technischen Basis aufbaut. Anima Anandkumar, Professorin für Informatik und mathematische Wissenschaften am Caltech sowie ehemalige Amazon-Wissenschaftlerin und Nvidia-Direktorin, hat gemeinsam mit ihrem Ehemann und KI-Infrastrukturingenieur Benedikt Jenik am 25. August 2026 (US-Ostküstenzeit) das Unternehmen Accelerated Understanding Inc öffentlich vorgestellt und dabei ein Modell präsentiert, das physikalische Systeme simulieren soll, statt Sprache zu erzeugen.

Das Prometheus-Angebot

Laut Angaben von Reuters, die von mehreren Medien bestätigt wurden, begann die Verbindung zu Project Prometheus Ende 2024, als der Investor und Biotech-Unternehmer Vik Bajaj bei einem Abendessen in Los Angeles eine mögliche Zusammenarbeit mit Anandkumar und Jenik besprach. Bajaj sollte später Prometheus gemeinsam mit Bezos mitgründen. Das daraus resultierende Angebotsschreiben sah Berichten zufolge eine Kapitalbeteiligung von 35 Prozent für das Paar vor, ein Jahresgehalt von 1 Million US-Dollar, das nach drei Monaten auf 2 Millionen US-Dollar steigen sollte, sowie mehr als 2 Milliarden US-Dollar an zugesagter Finanzierung über eine Series-B-Runde, mit Bezos unter den Geldgebern. Anandkumar sollte als öffentliches Gesicht und wissenschaftliche Leiterin des Unternehmens fungieren.

Anandkumar und Jenik lehnten das Angebot letztlich ab und entschieden sich, ihr eigenes Unternehmen unabhängig weiterzuentwickeln. Project Prometheus machte ohne sie weiter und schloss später im Juni 2026 Berichten zufolge eine Series-B-Finanzierungsrunde über 12 Milliarden US-Dollar ab, mit dem Ziel, die Fertigung komplexer physischer Produkte zu automatisieren.

Eine andere Architektur: Neuronale Operatoren statt Transformer

Der Kernunterschied zwischen dem Ansatz von Accelerated Understanding und gängigen großen Sprachmodellen liegt in der zugrunde liegenden Architektur. Die meisten modernen KI-Systeme, einschließlich der Chatbots von Anthropic und Google, basieren auf der Transformer-Architektur, die das nächste Wort oder Token in einer Textfolge vorhersagt. Accelerated Understanding setzt stattdessen auf neuronale Operatoren, ein mathematisches Rahmenwerk zur Modellierung kontinuierlicher physikalischer Systeme, das Anandkumar in ihrer früheren Forschungskarriere mitentwickelt hat.

Statt statistische Muster in Sprache zu lernen, lernt der Ansatz mit neuronalen Operatoren Beziehungen innerhalb physikalischer Systeme und sagt voraus, wie sich diese Systeme über Raum und Zeit entwickeln. Anandkumar beschrieb die Philosophie hinter dem Design, indem sie es mit herkömmlicher KI verglich: „Die sprachzentrierte Sicht auf Intelligenz stellt den Menschen in den Mittelpunkt. Die Physik in den Mittelpunkt zu stellen, ist eine naturzentrierte Sicht.“

Größenordnung des neuen Modells

In internen Tests verarbeitete das System von Accelerated Understanding Berichten zufolge 5 Billionen Datenpunkte innerhalb eines einzigen Prompts – ein Volumen, das das Unternehmen als etwa 5 Millionen Mal größer beschreibt als das, was Flaggschiff-Sprachmodelle anderer großer KI-Labore üblicherweise in einer einzigen Eingabe verarbeiten. Diese Größenordnung wird als Nebenprodukt der Architektur dargestellt: Da physikalische Systeme als kontinuierliche Felder und nicht als diskrete Text-Token repräsentiert werden, kann das Modell weitaus dichtere Ströme wissenschaftlicher und Sensordaten auf einmal aufnehmen.

Ursprünge bei Nvidia

Anandkumars Forschung zu neuronalen Operatoren geht auf ihre Zeit bei Nvidia zurück, wo sie 2018 einstieg und rund fünf Jahre lang als Direktorin tätig war. Im Jahr 2021 hob Nvidia-CEO Jensen Huang ihre Arbeit zu neuronalen Operatoren öffentlich auf der GTC-Konferenz des Unternehmens hervor – ein frühes Signal für das Brancheninteresse an physikbasierten Alternativen zu Transformer-Modellen.

Finanzierung und Infrastruktur

Anandkumar hat es abgelehnt, konkrete Finanzierungssummen oder Investoren von Accelerated Understanding zu nennen. Sie hat jedoch angedeutet, dass das Unternehmen Partnerschaften mit Rechenanbietern geschlossen hat, die Hardware-Cluster für das Training und den Betrieb seiner Modelle bereitgestellt haben, wobei sie diese Partner nicht öffentlich benannt hat.

Mögliche Anwendungen

Berichte beschreiben mehrere frühe Anwendungsbereiche, die für das Modell mit neuronalen Operatoren untersucht werden, darunter Halbleiter- und Materialdesign, Robotik, Extremwettervorhersage und geologische Datenanalyse für die Energieexploration. Die von den Gründern beschriebene übergeordnete Ambition besteht darin, KI-Systeme zu bauen, die das Verhalten physikalischer und natürlicher Systeme in einem Maßstab abbilden und vorhersagen können, für den sprachbasierte Modelle nicht ausgelegt sind.

Warum der Vergleich wichtig ist

Die Geschichte hat in der KI-Branche Aufmerksamkeit erregt, weil sie eine wachsende Divergenz in den Ansätzen zur Entwicklung fortschrittlicher KI verdeutlicht. Während ein Großteil der Branche, einschließlich Project Prometheus, sich darauf konzentriert hat, groß angelegte Lernsysteme zur Automatisierung physischer Fertigungs- und Ingenieuraufgaben einzusetzen, stellt Accelerated Understanding eine parallele Wette darauf dar, dass physiknative Architekturen – statt sprachbasierter, für wissenschaftliche Zwecke angepasster Modelle – sich als besser geeignet für die Modellierung der natürlichen Welt erweisen könnten.