Googles KI-Verteidigung ist vollständig zusammengebrochen, die acht Kernpfeiler von Transformers haben das Unternehmen alle verlassen, und die Hälfte der KI-Branche besteht aus Konkurrenten, die sie selbst großgezogen haben.

Ende Juni in Silicon Valley brach ein Talent-Erdbeben im Google AI-System aus.

Am 20. Juni kündigte John Jumper, der Preisträger des Nobelpreises für Chemie 2024 und Leiter des AlphaFold-Projekts, offiziell an, seine fast neunjährige Laufbahn bei Google DeepMind zu beenden und nach einer Pause bei Anthropic einzusteigen.

Nur wenige Tage später bestätigten zwei Kernmitglieder des AlphaFold-Teams unter ihm, Jonas Adler und Alexander Pritzel, dass sie ebenfalls zu demselben Arbeitgeber – Anthropic – wechseln würden.

Zwei Tage vor Jumpers Ankündigung hatte Noam Shazeer, ein Kernautor der Transformer-Publikation und Mitverantwortlicher für Gemini, gerade seine Übernahme bei OpenAI angekündigt – das bedeutet, dass alle acht ursprünglichen Google-Autoren, die 2017 "Attention Is All You Need" geschrieben haben, nun das Google-System verlassen haben.

Innerhalb von 72 Stunden verließen zwei bahnbrechende Forschungsträger und ein kompletter Kernteam eines Spitzenprojekts nacheinander.

Hinter dieser Reihe von Personalveränderungen steckt die konzentrierte Explosion des kontinuierlichen Blutverlusts an AI-Talenten bei Google in den letzten acht Jahren.

Vom Begründer des Transformers über die Führer von AlphaGo/AlphaFold bis hin zum Erfinder von BERT und dem Kernentwicklungsteam von Gemini erlebt diese "Kadettenanstalt" der globalen AI-Branche eine bisher nie dagewesene Talentverteilung.

Das Talent-Rütteln bei Google im Juni

Zwei bedeutende Abschiede in 72 Stunden

Der erste Donner im Talentsturm kam von einer Spitzenfigur im Bereich der AI-Lebenswissenschaften.

Als Schöpfer eines der wichtigsten Forschungsergebnisse von DeepMind in den letzten zehn Jahren hat John Jumpers Abgang eine wegweisende Bedeutung für die Branche.

Nur sechs Monate nach seinem Doktorgrad führte er ein Team an, das sich mit dem seit 50 Jahren bestehenden Problem der Proteinfaltung befasste. Sie entwickelten nacheinander die AlphaFold-, AlphaFold2- und AlphaFold3-Serienmodelle und analysierten auf einmal über 200 Millionen Proteinstrukturen, was die Forschungsweise der Strukturbiologie grundlegend veränderte.

2024 gewann John Jumper gemeinsam mit Demis Hassabis, dem Leiter von DeepMind, den Nobelpreis für Chemie und wurde damit der jüngste Chemie-Nobelpreisträger seit 70 Jahren.

Für Google ist Jumper eine ikonische Figur im Bereich von AI for Science, während Anthropic seine Einstellung als strategischen Zug ansieht – letzteres hat bereits im Bereich der AI-Lebenswissenschaften positioniert, biotechnologische Unternehmen erworben und eine Produktlinie für biomedizinische Large Language Models (LLMs) eingeführt. Jumpers Einstellung hebt seine Fähigkeiten in der Proteinberechnung und der Arzneimittelentwicklung direkt in die Spitzengruppe der Branche.

Demis Hassabis hat in einer öffentlichen Reaktion auf sozialen Medien die Ergebnisse der neunjährigen Zusammenarbeit hoch eingeschätzt, aber die Sorge über den Verlust von Kernressourcen nicht verbergen können.

Noch beängstigender ist, dass es sich nicht um den Abgang einer einzelnen Person handelt, sondern um die Migration eines gesamten Teams.

Jonas Adler und Alexander Pritzel, die Jumper folgten, sind nicht nur Kernmitglieder des gesamten AlphaFold-Teams, sondern auch Schlüsselbeitragende zum Gemini-LLM: Jonas Adler ist ein Kernautor von AlphaFold2 und der leitende Designer des Algorithmus für die Biomolekülwechselwirkung in AlphaFold3. Er leitet auch die Forschung in der Richtung der Google AI-Programmierung und ist der Kernverantwortliche für die Codefähigkeiten von Gemini; Alexander Pritzel ist der dritte Autor der bahnbrechenden Nature-Publikation über AlphaFold2, übernahm die gesamte Modelltrainingsarchitektur und die Optimierungsstrategie und war auch tief an der Entwicklung des verteilten Trainingssystems von Gemini beteiligt.

Ihr Wechsel bedeutet, dass das Kernteam des AlphaFold-Projekts insgesamt nach Anthropic wechselte, was nicht nur die Fähigkeiten in der AI-Lebenswissenschaften verschob, sondern auch die Schwächen von Anthropic in der Engineering von LLMs und der Codefähigkeit ausglich.

Zwei Tage vor Jumpers Ankündigung trat eine weitere symbolischere Abgangsankündigung ein: Noam Shazeer wechselte zu OpenAI und ist für die Forschung an der Architektur des nächsten Generationsmodells verantwortlich.

Als einer der acht Kernautoren der Transformer-Publikation und Pionier der Mixture of Experts (MoE)-Architektur ist Noam Shazeer einer der Begründer der Technologie-Richtung von Google LLMs. 2024 hat Google 2,7 Milliarden US-Dollar ausgegeben, um ihn von Character.AI zurückzuholen und ihn als Mitverantwortlichen für Gemini einzusetzen.

Jedoch hat dieser bahnbrechende Architekt weniger als zwei Jahre nach seiner Rückkehr erneut beschlossen, zu gehen. Noam Shazeers Abgang markiert das Ende des "Totalausstiegs" der ursprünglichen Autoren des Google Transformers – die technologische Grundlage einer Ära hat keine ursprünglichen Schöpfer mehr im Google-System.

Die achtjährige "Talentblutung" bei Google AI

Die konzentrierte Explosion im Juni ist nur die Spitze des Eisbergs.

In den letzten acht Jahren hat der Verlust von Kernpersonen im Google AI-System, von Google Brain bis hin zu Google DeepMind, bereits an Masse gewonnen und deckt die vier Bereiche Grundmodelle, AI for Science, Engineering von LLMs und Produktleitung ab. Insgesamt sind bereits über 20 Kernautoren von bahnbrechenden Publikationen und mehrere Führungskräfte nacheinander gegangen.

1. Begründer der Grundmodelle: Weg von Transformer bis BERT

Google ist der technologische Ursprung der modernen LLMs, konnte aber die Menschen, die diese Ära definiert haben, nicht halten.

Die acht Autoren, die 2017 die Transformer-Publikation veröffentlicht haben, haben alle Google verlassen: Lukasz Kaiser wechselte bereits 2021 zu OpenAI; Aidan Gomez, Ashish Vaswani, Niki Parmar, Jakob Uszkoreit, Llion Jones und Illia Polosukhin gründeten nacheinander eigene Unternehmen; Noam Shazeers zweiter Abgang löschte das letzte Feuer von Google.

Das gleiche gilt für das andere Meilensteinmodell, BERT.

Jacob Devlin, der erste Autor des BERT-Modells, verließ 2023 wütend wegen Bedenken hinsichtlich der Compliance der Trainingsdaten von Bard und wechselte zu OpenAI. Obwohl er später kurzzeitig zurückkehrte, kann die Realität des Kernpersonalfrakturs in der Vorhersagezeit von Google nicht verdeckt werden.

Diese Menschen sind die "Pioniere" der LLM-Ära. Ihr Abgang nimmt nicht nur technische Erfahrungen, sondern auch die Quellkraft der untersten Innovation mit.

2. Spitzenteams von AI for Science: Auflösung der beiden Meilensteinteams

DeepMind hat einst unerschütterliche technologische Barrieren mit AI for Science errichtet, aber die Kernkräfte der beiden Spitzenprojekte sind inzwischen zerstreut.

Richtung Proteinfaltung: Mit John Jumpers gemeinsamer Abgang mit Jonas Adler und Alexander Pritzel ist das Kernentwicklungsteam von AlphaFold weitgehend aufgelöst, und die technologische Überlegenheit, die Google in diesem Bereich angesammelt hat, ist mit den Talenten stark verdünnt.

Richtung Reinforcement Learning: David Silver, der "Vater von AlphaGo", verließ im Januar 2026 offiziell und übernahm die volle Leitung seines gegründeten Unternehmens, Ineffable Intelligence, das sich auf "Super-Lernende" im Bereich des Reinforcement Learnings konzentriert, die nicht auf menschlichen Daten basieren. Die Seed-Runde brachte 1,1 Milliarden US-Dollar ein und stellte den größten Seed-Rundenrekord in der europäischen AI-Geschichte dar. Mustafa Suleyman, Mitbegründer von DeepMind, verließ bereits 2022, um sein eigenes Unternehmen zu gründen, und wechselte später mit seinem Team zu Microsoft, wo er als CEO von Microsoft AI fungiert. Er nahm auch Karén Simonyan, einen Kernbeitragenden von AlphaZero, mit.

Von AlphaGo bis AlphaFold haben alle Kernführer der beiden stolzesten Markenprojekte von DeepMind entweder eigene Unternehmen gegründet oder zu Konkurrenten gewechselt.

3. Hauptmannschaft der LLMs: Fortlaufender Blutverlust in der Gemini-Entwicklungslinie

Im Bereich der allgemeinen LLMs, wo es um direkte Konkurrenz geht, ist das Gemini-Team ebenfalls ein Hauptziel für Geheimzüge, und Spitzentalente in den Teilbereichen gehen kontinuierlich verloren:

Richtung Inferenzfähigkeit: Jason Wei, der Kerninitiator der Chain-of-Thought-Methode, wechselte 2023 zu OpenAI und wurde zu einer Schlüsselperson bei der Iteration der Inferenzfähigkeit von LLMs.

Richtung Wettbewerbsinferenz: Dustin Tran, der Schöpfer von Gemini DeepThink, wechselte im September 2025 mit seinen Kernmitgliedern Ashish Kumar zu xAI und trug direkt zur Inferenzfähigkeitserhöhung von Grok 4 bei; Im Juli desselben Jahres holte Meta Tianhe Yu, Cosmo Du und Weiyue Wang, drei Kernforscher von Gemini im Bereich des Mathematikwettbewerbs, und stärkte gezielt die mathematische Inferenzfähigkeit von Llama.

Richtung Sicherheit und Effizienz: Top-Experten für AI-Gegensicherheit wie Nicholas Carlini und Pioniere der parametrisch effizienten Feinabstimmung wie Neil Houlsby wechselten nacheinander zu Anthropic und zogen kontinuierlich die technologische Dicke von Google in den Teilbereichen ab.

4. Führungskräfte und Produktmanagement: Massenabgang von Mitbegründern bis hin zu Projektleitern

Außer den technischen Talenten ist auch der Verlust auf der Produkt- und Managementebene erheblich.

Mit Mustafa Suleymans Abgang, Mitbegründer von DeepMind, ging ein komplettes Produktions- und Kommerzialisierungsteam verloren. Daniel De Freitas, der ehemalige Leiter des Google LaMDA-Projekts, gründete Character.AI und wurde zu einem frühen Vorreiter im Bereich des generativen Dialog-AI.

Von der Grundlagenforschung bis hin zum oberen Produktbereich lockert sich die Talentkette von Google AI allumfassend.

Ein Wal stirbt, tausend Lebewesen leben

Wohin sind Googles "Besten Gehirne" gegangen?

Die Spitzentalente, die Google verloren hat, sind nicht über die Branche verteilt, sondern fließen in hohem Maße zu vier Zielen, die genau der gegenwärtigen Wettbewerbssituation in der AI-Branche entsprechen.

1. Googles wichtigster Konkurrent, OpenAI: Zieldokumentation von Kernarchitekturen und -fähigkeiten

OpenAI ist die größte Talentaufnahmeeinrichtung außerhalb von Google, und die Logik der Geheimzüge ist sehr gezielt – sie zielt speziell auf die Definierer von untersten Architekturen und Kernfähigkeiten ab.

Architekturebene: Es hat nacheinander Lukasz Kaiser und Noam Shazeer, zwei Kernautoren des Transformers, aufgenommen und seine Führungsrolle in der Architektur der Grundmodelle weiter gestärkt.

Fähigkeitsebene: Es hat Jason Wei, um die Inferenzfähigkeit zu stärken, und Jacob Devlin, um das Vorhersage- und Datensystem zu verbessern, rekrutiert. Jeder Geheimzug zielt direkt auf die technologische Grundlage von Google und lässt OpenAI immer die Sprechstunde bei der Iteration von LLMs haben.

2. Der am schnellsten wachsende Konkurrent, Anthropic: Systematisches Ergänzen des Technologiestapels

Während OpenAI auf Einzelpersonen abzielt, nimmt Anthropic systematisch auf und baut schrittweise einen kompletten Technologiestapel auf, der mit Google konkurrieren kann.

In der frühen Phase hat es zunächst Niki Parmar, einen Autor des Transformers, um die Modellarchitektur zu stärken, Neil Houlsby, um die ModellEffizienz zu verbessern, und Nicholas Carlini, Milad Nasr und andere, um die AI-Sicherheit und die Datenschutzanpassung zu stärken, aufgenommen und die Kernbereiche des allgemeinen LLMs ergänzt.

Jetzt hat es durch die Einstellung des John Jumper-Teams direkt in den Bereich der AI-Lebenswissenschaften eingestiegen und eine Doppellinie von "allgemeinem LLM + vertikale wissenschaftliche Berechnung" geschaffen. Dieser Geheimzugrythmus von "erst das Gerüst bauen, dann die Spitzenkräfte ergänzen" hat es Anthropic ermöglicht, in nur fünf Jahren schnell in die Spitzengruppe aufzusteigen.

3. Multipolare Akteure nehmen das, was sie brauchen: Präzise Positionierung in Teilbereichen

Spieler wie Meta, xAI und Microsoft gehen nicht den Weg des vollständigen Gegeneinanders, sondern fokussieren sich auf ihre eigenen Schwächen und rekrutieren gezielt.

Meta hat sich auf die Inferenzschwächen von Llama konzentriert und direkt das Kernteam von Gemini im Mathematikwettbewerb geholt, um auf kostengünstige Weise eine schnelle Verbesserung der Teilfähigkeiten zu erreichen.

xAI konzentriert sich auf die maximale Inferenzfähigkeit und rekrutiert Wettbewerbsinferenzexperten wie Dustin Tran. Zusammen mit dem Gründungsteam mit Hintergrund in Reinforcement Learning stößt es schnell an die Grenzen der Inferenzfähigkeit von LLMs.

Microsoft hat mit der Aufnahme des Inflection-Kernteams von Mustafa Suleyman auf einmal die Produktmanagement- und Technologiekontrollfähigkeiten im Bereich des Verbraucher-AI ergänzt und frischen Wind in die gesamte Copilot-Geschäftslinie gebracht.

4. Gründungsmannschaft: Etwa die Hälfte des globalen AI-Gründungsmarktes

Mehr Spitzentalente haben sich entschieden, eigene Unternehmen zu gründen, und die von ihnen gegründeten Unternehmen bilden heute etwa die Hälfte des globalen AI-Gründungsmarktes.

Die Transformer-Achtergruppe kann als "Gründungsallstar" bezeichnet werden.

Cohere, gegründet von Aidan Gomez, ist bereits einer der drei größten Anbieter von Grundmodellen in Nordamerika und hat einen Schätzwert von über 20 Milliarden US-Dollar.

Character.AI, gegründet von Noam Shazeer und Daniel De Freitas, war einst ein Unicorn in der Dialog-AI-Branche.

Adept, gegründet von Ashish Vaswani und Niki Parmar, ist ein früher Pionier im Bereich der AI-Agenten.

Inceptive, gegründet von Jakob Uszkoreit, konzentriert sich auf die Entwicklung von RNA-Medikamenten mit AI.

Llion Jones gründete in Tokio Sakana AI und wurde zum Anführer der japanischen AI-Startups.

NEAR Protocol, gegründet von Illia Polosukhin, ist bereits ein Spitzenakteur in der Web3-Infrastruktur.

Gründer aus dem DeepMind-Umfeld sind ebenfalls sehr einflussreich: David Silvers Ineffable Intelligence hat bereits in der Seed-Runde 1,1 Milliarden US-Dollar für einen einzigen technologischen Bereich erhalten.

Alle diese Unternehmen haben sich präzise in die drei führenden Bereiche von Grundmodellen, Agenten und AI for Science positioniert und sind schließlich direkte oder indirekte Konkurrenten von Google geworden.

Warum kann Google seine besten Talente nicht halten?

Google fehlt nie an Geld, Rechenleistung oder Marke. Warum verliert es dann aber in der Schlacht um Spitzentalente immer weiter an Boden?

Der Kern liegt nicht in der Bezahlung, sondern in den zentralen Ansprüchen der Spitzenforscher – der Führungsgewalt,