Diese Woche hatte drei Momente, die alle auf denselben Trend hinweisen: KI-Unternehmen wollen nicht mehr nur die besten Modelle bauen. Sie wollen alles besitzen – die Talente, die Chips, die Infrastruktur. Und Google erlebt gerade, was passiert, wenn man das nicht im Griff hat.
Googles schlimmste Woche
Innerhalb weniger Tage verlor Google DeepMind drei seiner stärksten Leute. John Jumper – Chemie-Nobelpreisträger 2024 und Mitschöpfer von AlphaFold – wechselt zu Anthropic. Einen Tag zuvor hatte Noam Shazeer – Mitautor der Transformer-Architektur, also jener Grundlage, auf der alle heutigen großen Sprachmodelle beruhen, und Ko-Lead der Gemini-Modelle – seinen Abgang zu OpenAI angekündigt. Und laut Bloomberg planen auch Jonas Adler und Alexander Pritzel, beide zentral im Gemini-Kernteam, den Wechsel zu Anthropic.
Jumpers Wechsel ist das Sinnbild davon. AlphaFold hat über 200 Millionen Proteinstrukturen vorhergesagt und die Wirkstoffforschung verändert – ein Durchbruch, für den es einen Nobelpreis gab. Und der Mann, der das geleitet hat, hat sich für Anthropic entschieden. Nicht für mehr Geld allein: Anthropic hat 2026 eigene Nass-Labore eröffnet, Partnerschaften mit dem Allen Institute und dem Howard Hughes Medical Institute geschlossen, und positioniert sich als das Unternehmen, das KI und echte Wissenschaft zusammenbringt. Jumper ist der Beweis, dass das keine leere Ansage ist.
Was mich an dieser Woche beschäftigt: Beide Unternehmen – Anthropic und OpenAI – stehen kurz vor dem Börsengang. Für Forscher ist das ein einmaliges Fenster. Wer jetzt dabei ist, bekommt Anteile vor der Notierung. Das erklärt die Timing-Konzentration. Aber es erklärt nicht alles. Jumper hätte auch bei Google warten können. Er ist gegangen.
Für Google bleibt eine unangenehme Frage: War AlphaFold ein Team oder war es Jumper? War Gemini ein Modell oder war es Shazeer? Die Antwort beeinflusst, wie die nächsten Jahre für DeepMind aussehen. Demis Hassabis, Chef von Google DeepMind, hat auf Jumpers Abgang höflich und großzügig reagiert. Der Markt hat den Alphabet-Kurs leicht nach unten korrigiert.
OpenAI baut sich frei
Am 24. Juni hat OpenAI seinen ersten eigenen Inferenz-Chip vorgestellt: „Jalapeño“, entwickelt gemeinsam mit dem Chiphersteller Broadcom in nur neun Monaten – mit Unterstützung eigener KI-Modelle. Der Chip ist nicht für das Training neuer Modelle gedacht, sondern für Inferenz: das Ausführen bereits trainierter Modelle, wenn Nutzer Anfragen stellen. Erste Einsätze sind für Ende 2026 geplant.
OpenAI nennt ihn bewusst „Intelligence Processor“, nicht GPU und nicht TPU. Das ist eine Kategorie-Ansage. Der Chip ist von Grund auf auf die spezifischen Arbeitslasten von Inferenz großer Sprachmodelle ausgerichtet – Speicherzugriffe, Netzwerk-Anbindung, niedrige Latenzen bei Coding-Modellen. Greg Brockman, OpenAIs Präsident, hat laut TechCrunch gesagt, die neun Monate hätten sie selbst überrascht: die eigenen Modelle hätten den Designprozess erheblich beschleunigt.
Das ist das, was mich wirklich interessiert – nicht der Chip selbst, sondern die Metastrategie dahinter. Die Modelle helfen dabei, die Hardware zu bauen, die die Modelle billiger macht. Ein Kreis, der sich selbst beschleunigt. Gleichzeitig reduziert Jalapeño OpenAIs Abhängigkeit von Nvidia – dem Unternehmen, das bisher einen großen Teil der KI-Marge eingesteckt hat. Nicht sofort, nicht vollständig. Aber die Richtung ist klar: Wer den Technologiestack von der Hardware bis zum Produkt kontrolliert, kontrolliert die Ökonomie.
Google macht das mit TPUs. Amazon mit Trainium. Meta mit eigenen Chips. Jetzt OpenAI. Es ist kein Zufall, dass Anthropic laut The Decoder ebenfalls eigene Chips erwägt – und im Juni den zweiten Hardware-Mitarbeiter aus OpenAIs Chip-Programm abgeworben hat.
Das Ende des Token-Rausches
Parallel läuft ein Stimmungswandel. CNBC berichtet heute, dass Unternehmen ihre KI-Ausgaben zunehmend rationalisieren. Uber hat Ausgaben-Stufen eingeführt, nachdem das Unternehmen sein jährliches KI-Budget in nur vier Monaten verbraucht hatte. Mindestens ein Startup hat seine KI-Infrastruktur komplett zu DeepSeek verlagert, um die Kosten zu drücken. Microsoft-Chef Satya Nadella warnt in einem Essay vor einer Welt, in der „wenige Modelle alles auffressen“.
Die Ära des „Tokenmaxxings“ – ein Begriff für die Unternehmensphilosophie, Mitarbeitern maximalen KI-Einsatz ohne Kostenkontrolle zu erlauben – ist vorbei. Was folgt, ist Normalisierung: KI wird Infrastruktur, und Infrastruktur wird nach Kosten bewertet. Die Frage verschiebt sich von „Nutzt ihr KI?“ zu „Was kostet euch ein Euro KI-Einsatz, und was bringt er zurück?“
Das ist kein Niedergang. Aber es ist eine Verschiebung, die die Anbieter direkt betrifft. Wer die günstigsten und effizientesten Modelle anbietet, gewinnt den Unternehmensmarkt – nicht wer die mächtigsten hat. Jalapeño und ähnliche Hardware-Initiativen sind auch Antworten auf genau diesen Druck.
Was bleibt
Drei Entwicklungen, eine Logik. Die KI-Unternehmen, die gewinnen wollen, bauen vertikal: Talente, Hardware, Infrastruktur, Modelle, Produkte – alles unter einem Dach. Google verliert gerade auf der Talentseite, weil andere besser zahlen und überzeugendere Missionen formulieren. OpenAI sichert sich die Hardware-Seite. Und der Markt beginnt, KI nicht mehr als Experiment zu bewerten, sondern als Betriebskosten.
Was mich bei Jumpers Wechsel am meisten beschäftigt: Er ist nicht nur ein Personalwechsel. Es ist ein Signal, dass die Grenze zwischen „KI für Text“ und „KI für Wissenschaft“ aufgehoben wird. Anthropic baut auf etwas, das ich noch nicht vollständig sehen kann. Aber ein Nobelpreisträger, der AlphaFold gebaut hat, und entscheidet sich für dieses Unternehmen – das ist kein zufälliges Signal.