Künstliche Intelligenz beschleunigt die Wissenschaft und höhlt zugleich die Universitäten aus.

Zwei Jahre nach Erhalt des Nobelpreises wurde das ursprüngliche Team hinter Google AlphaFold aufgelöst.

Laut Berichten der Financial Times sind die meisten ursprünglichen Autoren des AlphaFold-Papiers im vergangenen Jahr neu zugeteilt worden, wobei fast ein Viertel der hauptberuflichen Kernautoren Google vollständig verlassen hat.

Die Verbliebenen haben sich ebenfalls Bereichen wie dem Gemini-Forschungs-Agenten, dem Enzymdesign, der Genomik und der Kernfusion zugewandt, einige sind direkt zu Alphabet-eigenem Arzneimittelforschungsunternehmen Isomorphic Labs gewechselt.

Sogar die Nobelpreisträger John Jumper und Jonas Adler wurden zeitweise in das Code-Strike-Team versetzt, das sich auf die KI-Programmierfähigkeiten konzentriert. Aber wie wir alle wissen, sind diese beiden Spitzenforscher schließlich zu Anthropic gewechselt.

Links steht Demis Hassabis, CEO von Google DeepMind, rechts steht John Jumper. Link zum ursprünglichen Bericht https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33?utm_source=chatgpt.com&syn-25a6b1a6=1

Auf diesen Bericht antwortete Pushmeet Kohli, Vizepräsident für Forschung im Bereich KI für Wissenschaft bei Google, dass das Wissenschaftsteam von DeepMind die Richtung nicht geändert, sondern nur den Arbeitsumfang erweitert habe. Es treibe weiterhin das Design von Proteinen, Genomen und Enzymen voran und beschleunige die wissenschaftliche Forschung mit Hilfe von Gemini.

AlphaFold stand einst für eine relativ traditionelle Organisationsform der wissenschaftlichen Forschung. Man bildete ein Team rund um ein klares Problem, investierte langfristig, konzentrierte die Ressourcen und lieferte schließlich Ergebnisse ab.

Heute weichen solche Teams allmählich allgemeineren Modellplattformen Platz. Proteine, Mathematik, Genome, Kernfusion und Code scheinen verschiedenen Disziplinen anzugehören, werden aber nach dem Einzug in KI-Unternehmen alle zu einer Reihe von Fähigkeitsmodulen von Gemini.

Gleichzeitig konzentrieren sich die wissenschaftlichen Talente, die Rechenressourcen und die Hoheit über die Themen zunehmend auf eine kleine Anzahl von KI-Unternehmen.

「Ich will zu Anthropic gehen」

In den letzten Jahren sind immer mehr Mathematiker, Physiker, Biologen und Professoren für Informatik in die KI-Branche eingetreten.

Beispielsweise stellt Anthropic ständig Physiker, Ökonomen und Philosophen ein; OpenAI sammelt Forscher ein, die sich mit Schwarzen Löchern, Stringtheorie und reiner Mathematik befassen; DeepMind hat ebenfalls Experten für Biologie und Kernfusion versammelt.

Vor kurzem witzelte Subbarao Kambhampati, Professor an der Arizona State University, dass es in der akademischen Welt kürzlich einen neuen Witz gibt:「Ich will zu Anthropic.」

Nach einer groben Statistik des The Atlantic versammeln allein vier führende KI-Unternehmen mindestens mehr als 80 derzeitige oder ehemalige Professoren.

Die Richtung des Talentflusses wird zudem immer einheitlicher.

Aus dem AI Index Report der Stanford University geht hervor, dass 2011 der Anteil der KI-Doktoranden, die nach ihrem Abschluss in Unternehmen und in die akademische Welt eintraten, ungefähr gleich hoch lag, nämlich 40,9 % und 41,6 %. Bis 2022 stieg der Anteil derjenigen, die in Unternehmen eintraten, auf 70,7 %, während der Anteil in der akademischen Welt auf 20 % sank.

Ein Arbeitspapier des NBER aus dem Jahr 2026 verfolgte etwa 42.000 US-amerikanische KI-Forscher. Die Wahrscheinlichkeit, dass Forscher unter 40 Jahren die Universität verlassen, ist ungefähr sechsmal so hoch wie bei Personen über 40 Jahren; etwa 70 % der Wechselnden bleiben fünf Jahre später noch im Unternehmen.

Geld spielt natürlich eine wichtige Rolle. Das jährliche Einkommen der obersten 1 % der KI-Forscher in Unternehmen ist von 595.000 US-Dollar auf 1,94 Millionen US-Dollar gestiegen; in der Universität stieg das Einkommen der gleichen Gruppe nur von 301.000 US-Dollar auf 392.000 US-Dollar. Die Lücke zwischen beiden Seiten hat sich auf etwa 1,5 Millionen US-Dollar vergrößert.

Was noch schwerer abzulehnen ist, sind die Bedingungen für die wissenschaftliche Forschung.

Anfang der 2010er Jahre wurden etwa 65 % der großangelegten maschinellen Lernmodelle unabhängig von akademischen Labors entwickelt. Nach Eintritt in die 2020er Jahre fiel dieser Anteil auf unter 10 %. Bis 2022 wurden etwa 81 % der Spitzenmodelle bereits von Unternehmen unabhängig fertiggestellt.

Als Anca Dragan, Professorin an der UC Berkeley, zu DeepMind wechselte, machte sie ihre Forderungen klar: Sie brauchte die „Daten, Rechenleistung und das Budget“, die für die Spitzenforschung im Bereich Sicherheit unentbehrlich sind.

Im Vergleich dazu muss man für eine Forschung an der Universität zuerst Mittel beantragen, Geräte beschaffen, Ingenieurspersonal einstellen und dann auf die Terminvergabe für die Rechenressourcen warten. Nach dem Eintritt in ein KI-Unternehmen kann derselbe Forscher direkt auf große Modelle, proprietäre Daten, verteilte Rechenleistung und ein Ingenieurssystem mit Hunderten von Personen zugreifen.

Wenn ein Spitzenprofessor die Universität verlässt, geht weit mehr als nur einige Forschungsarbeiten verloren. Die Universität verliert gleichzeitig einen Mentor, eine Forschungsgruppe, eine Kette zur Ausbildung von Doktoranden sowie die Forschungsrichtungen, die sich in den nächsten zehn Jahren möglicherweise herausbilden.

Früher kauften Technologieunternehmen Forschungsergebnisse von Universitäten. Heute beginnen sie direkt die Menschen zu kaufen, die Forschungsergebnisse erzeugen. Das Unternehmen gewinnt eine Person, die Universität verliert möglicherweise eine ganze Generation.

Natürlich würde man den Wert, den die unternehmensgetriebene wissenschaftliche Forschung schafft, unterschätzen, wenn man den gesamten Talentfluss nur auf den Niedergang der akademischen Welt zurückführt.

AlphaFold hat bereits bewiesen, dass Unternehmen Ergebnisse erzielen können, die die Wissenschaftsgeschichte verändern. Die Vorhersage von mehr als 200 Millionen Proteinstrukturen spart zahlreichen Biologen Arbeit, die früher Monate oder sogar Jahre gedauert hätte.

Die Bell Labs haben schon lange bewiesen, dass unternehmensgeführte Forschungsinstitute die Wissenschaft verändern können. Zu ihrer Blütezeit verfügten sie über etwa 1200 Doktoranden und brachten mindestens 10 Nobelpreise hervor. Demis Hassabis hat sie wiederholt als Referenz für DeepMind genannt.

KI-Unternehmen ähneln tatsächlich zunehmend neuen Forschungsinstituten, die mehrere Disziplinen abdecken, über starke Ingenieurskapazitäten und kommerzielle Ausgänge verfügen.

DeepMind verbindet Gemini mit Mathematik, Genomik und Kernfusion; Isomorphic Labs arbeitet mit Pharmaunternehmen zusammen, um neue Medikamente zu entwickeln; Anthropic hat Claude Science auf den Markt gebracht; OpenAI integriert ChatGPT und Codex in den wissenschaftlichen Forschungsprozess.

Entsprechende Ergebnisse sind bereits aufgetaucht. Der Physiker Rogerio Jorge nutzt KI, um quelloffene Kernfusionssoftware zu entwickeln, während der theoretische Informatiker Barna Saha und andere GPT-5.5 Pro nutzen, um Beweise für hochdimensionale Geometrie zu unterstützen.

Laut OpenAI nutzen wöchentlich etwa 1,3 Millionen Menschen ChatGPT für anspruchsvolle wissenschaftliche und mathematische Aufgaben, und das Unternehmen plant, 100.000 akademischen Forschern Spitzenmodelle und Codex kostenlos zur Verfügung zu stellen.

Aus der Perspektive des persönlichen Einflusses kann die Rolle eines Wissenschaftlers nach seinem Eintritt in ein Unternehmen sogar noch verstärkt werden. Wie oben erwähnt leitet er an der Universität möglicherweise ein Dutzend Studenten, in einem KI-Unternehmen kann er Hunderte von Ingenieuren, riesige Rechenressourcen und globale Datenplattformen mobilisieren. Methoden, die ursprünglich in Forschungsarbeiten verblieben, gelangen zudem leichter in Medikamente, Software, Versuchsgeräte und industrielle Systeme.

Doch der Preis dafür ist offensichtlich.

Aus Untersuchungen des NBER geht hervor, dass die durchschnittliche Anzahl von Veröffentlichungen von KI-Forschern, die langfristig in Unternehmen wechseln, um 65 % sinkt. Zwischen 2000 und 2019 stieg der Anteil der KI-Forscher, die von Unternehmen angestellt wurden, von 48 % auf 68 %, der Anteil der veröffentlichten Arbeiten stieg nur von 27 % auf 32 %, während der Anteil der Patente von 86 % auf 95 % anwuchs.

Die Menschen forschen noch, aber die Ergebnisse fließen von Veröffentlichungen in Patente, interne Modelle und Geschäftsgeheimnisse. Google hat damals Transformer veröffentlicht und damit die gesamte Branche großgezogen. Heute verlassen Trainingsdaten, Modellgewichte und Aufzeichnungen über fehlgeschlagene Versuche nur noch selten die Server der Unternehmen.

Die Wissenschaft beschleunigt sich weiter, aber die offene Wissenschaft könnte auf die Bremse treten.

Die Wissenschaftler haben die Wissenschaft nicht verlassen – die Wissenschaft verlässt die Universitäten

KI-Unternehmen können zu Forschungsinstituten werden, aber kaum zu Universitäten.

Die Universitäten übernehmen eine oft übersehene Aufgabe: Sie müssen eine große Anzahl von Studenten ausbilden, die sich noch nicht bewiesen haben, und zudem Probleme langfristig bewahren, die vorübergehend keine Anwendung haben, nicht bewertet werden können oder deren Wert sich erst nach Jahrzehnten zeigt.

Allerdings bevorzugen KI-Unternehmen bereits bewährte Professoren und erfahrene Forscher und haben wenig Geduld für die Ausbildung von Nachwuchskräften. Aus Daten von SignalFire geht hervor, dass neue Absolventen im Jahr 2024 nur 7 % der Einstellungen großer Technologieunternehmen ausmachen – ein Rückgang von mehr als der Hälfte im Vergleich zu 2019.

🔗 https://www.signalfire.com/blog/signalfire-state-of-talent-report-2025

Unternehmen absorbieren einerseits Spitzenprofessoren und erfahrene Forscher von den Universitäten, andererseits reduzieren sie die Zahl der Einstiegsstellen und die Investitionen in die Ausbildung. Sie können eine Gruppe von Spitzenwissenschaftlern versammeln, übernehmen aber nicht unbedingt die Verantwortung für die großangelegte Ausbildung der nächsten Generation von Wissenschaftlern.

Entsprechende Auswirkungen sind bereits in den Universitätsvorlesungen zu spüren. Studenten, die von The Atlantic interviewt wurden, stellten fest, dass einige Kurse plötzlich eingestellt wurden – der Grund ist sehr praktisch: Die Professoren sind zu KI-Unternehmen gewechselt, um dort „Urlaub“ zu machen.

Gleichzeitig verlieren die Doktoranden nach dem Weggang der Starprofessoren nicht nur einen Kurs, sondern auch Empfehlungsressourcen, Forschungsnetzwerke, Fähigkeiten zur Themenorganisation sowie die Möglichkeit, mit Spitzenproblemen in Kontakt zu kommen.

Noch subtilere Veränderungen finden bei den Forschungsthemen statt.

Arzneimitteldesign, Programmierung, mathematisches Schlussfolgern und Materialentdeckung können die Modellleistung verbessern und Produkte bilden, sodass sie natürlich leichter Unterstützung durch Ressourcen erhalten. Themen wie langfristige Feldforschung und Naturschutz befinden sich oft in einer unangenehmen Situation.

Allerdings macht die Geschichte ausgerechnet den kurzfristigen Renditen einen Strich durch die Rechnung.

Die Zahlentheorie galt lange Zeit als die reinste und am wenigsten praktisch anwendbare Mathematik, später wurde sie zur Grundlage der modernen Kryptographie. Als der Laser gerade erfunden wurde, wurde er auch als „eine Lösung, die nach einem Problem sucht“ bezeichnet. Auch das Internet ließ sich in seinen Anfängen kaum mit einem Geschäftsmodell messen.

Die Bedeutung des öffentlichen Forschungssystems liegt gerade darin, dass es der Menschheit erlaubt, Probleme zu erforschen, deren Wert vorübergehend nicht erklärt werden kann.

Heute befinden sich KI-Unternehmen in einem intensiven Wettbewerb um Modellleistung, Produktveröffentlichungen und Kapitalinvestitionen. Selbst wenn sie bereit sind, in die Grundlagenforschung zu investieren, fließen die Ressourcen mit größerer Wahrscheinlichkeit in Richtungen, die das Modell verbessern, Produkte stützen oder