Googles KI-Talentflucht: AlphaFold-Forscher wechseln zu Anthropic, Alphabet verliert 270 Milliarden Dollar

Diese Analyse konzentriert sich auf Abgänge aus dem Silicon Valley. Eine offene Frage an Leserinnen und Leser, die in europäischen KI-Forschungsabteilungen oder Unternehmen arbeiten: Gibt es diese Dynamik, bei der Top-Forscher von großen Technologieunternehmen zu KI-Startups wechseln, in Europa in vergleichbarer Intensität? Oder fehlt der Pre-IPO-Eigenkapitalanreiz in Europa strukturell, weil die europäische KI-Startup-Landschaft keine vergleichbaren Liquiditätsperspektiven bietet? Konkrete Beobachtungen sind willkommen.

---

Am 24. Juni berichtete Bloomberg, dass Google DeepMind zwei weitere leitende Forscher verlieren wird: Jonas Adler und Alexander Pritzel, beide zu Anthropic wechselnd.

Adler leitete Googles Forschung zu KI-gestützter Programmierung. Pritzel arbeitete am Vortraining, der Grundstufe, in der Modelle aus riesigen Datenmengen lernen. Beide haben auch am AlphaFold-Projekt mitgewirkt und mit dem Nobelpreisträger für Chemie, John Jumper, zusammengearbeitet.

Dies ist die vierte Abgangswelle in fünf Wochen. 19. Mai: Andrej Karpathy trat Anthropic bei. 18. Juni: Noam Shazeer, Mitautor von “Attention Is All You Need” und leitender Ingenieur bei Gemini, wechselte zu OpenAI. 19. Juni: John Jumper verließ DeepMind für Anthropic. Jetzt Adler und Pritzel.

Was Google wirklich verliert

Stellen lassen sich nachbesetzen. Was Adler und Pritzel mitnehmen, ist schwerer zu ersetzen.

Adlers KI-Coding-Forschung bei Google umfasst akkumuliertes Wissen darüber, welche Ansätze scheiterten, welche skalierten und welche Annahmen verworfen werden mussten. Dieses negative Wissen braucht ein Konkurrenzunternehmen Jahre, um es neu aufzubauen. Pritzels Vortraining-Expertise ist grundlegend für die Basisfähigkeiten der nächsten Modellgenerationen bei Anthropic. Seine Anwesenheit verändert Fable 5 nicht, das bereits vor seinem Abgang fertig trainiert war. Die Generation danach ist eine andere Frage.

Die Abgänge im Überblick: Shazeer nahm die architektonische Intuition des Transformer-Papers mit; Jumper brachte DeepMinds wissenschaftliche Forschungsmethodik mit; Karpathy die Ingenieursperspektive auf Large-Scale-Pretraining; Adler bringt KI-Coding-Expertise; Pritzel bringt Vortraining-Urteilsvermögen. Fünf Personen, fünf verschiedene Forschungsfunktionen, in rund fünfunddreißig Tagen.

TechCrunch berichtet, dass der finanzielle Anreiz erheblich ist: Sowohl Anthropic als auch OpenAI stehen kurz vor einem Börsengang. Forscher, die jetzt einsteigen, halten Pre-IPO-Eigenkapital mit einem erkennbaren Liquiditätsfenster. Bloomberg ergänzt einen internen Druckfaktor: Compute-Ressourcenkonflikte innerhalb Googles, bei denen konkurrierende Forschungsteams um begrenzte GPU-Kapazitäten kämpfen.

Die Zahlen in der richtigen Größenordnung

Alphabets Marktkapitalisierung fiel in diesem Zeitraum um rund 270 Milliarden Dollar. Diese Zahl braucht Kontext.

Aktienkurse spiegeln Markterwartungen über künftige Erträge wider, nicht den direkten Wert einzelner Forscher. Die DOJ-Kartellrechts-Unsicherheit und der Wettbewerbsdruck im KI-Werbegeschäft waren ebenfalls Faktoren. Den gesamten Rückgang von 270 Milliarden auf fünf Forscherabgänge zurückzuführen, wäre analytisch ungenau.

Was die Zahl jedoch widerspiegelt: Märkte preisen eine strukturelle Besorgnis über Googles KI-Forschungswettbewerbsfähigkeit ein.

Eine Fermi-Schätzung: Das Training in GPT-4-Größenordnung kostet über 100 Millionen Dollar an Rechenkapazität. Das Urteilsvermögen eines erfahrenen Vortraining-Forschers kann die Trainingseffizienz um 10 bis 15 Prozent verbessern, was 10 bis 15 Millionen Dollar pro Trainingszyklus einspart. Vier leitende Forscher, die zu Anthropic wechseln, schaffen einen potenziellen Vorteil von 50 bis 150 Millionen Dollar pro Modellgeneration allein durch Recheneffizienz. Das macht die Recruiting-Pakete für Anthropic wirtschaftlich sinnvoll.

Zum Zeitplan: Der Einfluss dieser Kohorte auf Anthropic-Produkte beginnt Ende 2026 bis Anfang 2027. Was von Anthropic heute kommt, wurde vor diesen Einstellungen geprägt.

Zu beobachtende Indikatoren

Gemini 3.5 Pros GA-Zeitplan ist das nächste Signal. Am selben Tag, an dem Bloomberg die Geschichte brachte, meldete eine separate Berichterstattung eine sechswöchige Verzögerung beim allgemeinen Release von Gemini 3.5 Pro. Wenn sich Gemini 3.5 weiter in Q4 verschiebt, wird es schwieriger, die Verzögerungen vollständig mit unabhängigen Engineeringfaktoren zu erklären.

Googles Retention-Reaktion ist der zweite Indikator. Organisationen, die mit Talentdruck dieser Größenordnung konfrontiert sind, reagieren typischerweise entweder mit RSU-Auffrischungen oder mit einer Neuverteilung von Rechenressourcen. Wenn Google innerhalb von neunzig Tagen ein DeepMind-Retention-Programm ankündigt, hat das Management die Ursachen als behebbar eingestuft. Keine sichtbare Reaktion deutet darauf hin, dass Google diese Abgänge als akzeptable Fluktuation betrachtet.

Die Basismodellqualität von Anthropics nächstem Modell ist der langfristigste Indikator. Pritzels Vortraining-Expertise und Adlers KI-Coding-Wissen sind für künftige Claude-Generationen relevant. Wenn Anthropics 2027er Modell erhebliche Verbesserungen bei grundlegenden Benchmarks (MMLU-Kategorie) zeigt, lässt sich die Kausalkette dieser Talentkohorte überprüfen.

Wenn dieser Artikel hilfreich war, abonniere den Newsletter für wöchentliche KI-PM-Einblicke.

---

Verwandte Artikel

• John Jumper verlässt DeepMind für Anthropic: Was der Wechsel eines Nobelpreisträgers signalisiert
• Noam Shazeer verlässt Google für OpenAI: Der Wechsel des Transformer-Mitautors
• Gemini 3.5 Pro GA verzögert sich um sechs Wochen