Ehemaliger Vizepräsident Von OpenAI Und Wissenschaftler Von DeepMind Gründen Startup: Über 20 Spitzenwissenschaftler Und Eine Investition Von 300 Millionen Dollar in „KI Für Die Wissenschaft“.

Im Frühjahr 2025 wurde eine schockierende Rücktrittsankündigung veröffentlicht:Liam Fedus, der zuvor als Vizepräsident für Forschung bei OpenAI tätig war und für die Nachbearbeitung der Trainingsdaten zuständig war, hat beschlossen, das Unternehmen zu verlassen.In einem Tweet schrieb er, dass er das „strategisch größte Interesse“ an der „Anwendung von KI in der Wissenschaft“ habe – das sei die Richtung, in der er neue Horizonte erkunden wolle.

gleichzeitig,Eine weitere Schwergewichtsfigur: Ekin Dogus Cubuk—Er leitete einst das Chemie- und Materialwissenschaftsteam bei DeepMind und war an mehr als zwei Millionen Kristallstrukturgenerierungsprojekten beteiligt, entschied sich aber entschlossen, DeepMind zu verlassen und sich dem Unternehmertum zuzuwenden.

„Die wertvollen Daten der 10 Billionen Token im Internet sind nahezu erschöpft; eine Erweiterung der Parameter wird keinen qualitativen Sprung bringen“, stellte Fedus in seinem Vortrag unmissverständlich fest. Cubudks Ergänzung war noch aufschlussreicher: „Sich allein auf LLM-Schlussfolgerungen in der Literatur zu stützen, wird niemals zu bahnbrechenden Entdeckungen wie Supraleitern bei Raumtemperatur führen.“

Dann,Die beiden haben sich Anfang des Jahres auf Anhieb gut verstanden.Anstatt sich in der "Involution" bestehender Datenpools zu verstricken, sollte man die KI ins Labor lassen und Daten von Grund auf neu erzeugen.

Ausgangsmotivation: Eine inspirierende Begegnung von KI und Physik

Periodic Labs entstand aus einem Brainstorming. Sieben Monate zuvor hatten Fedus und Cubuk in San Francisco darüber diskutiert, wie generative künstliche Intelligenz den Prozess wissenschaftlicher Entdeckungen verändern könnte. Beide hatten die Leistungsfähigkeit von KI in ihren jeweiligen Laboren erlebt, aber auch deren Grenzen gespürt.

„Wir wissen, dass generative KI bereits wissenschaftliche Arbeiten schreiben, programmieren und sogar zeichnen kann, aber sie hat den Menschen noch nicht wirklich geholfen, neues Wissen zu entdecken.“Fedus erinnerte sich: „Die wissenschaftliche Gemeinschaft experimentiert zu langsam, und die KI ist bereit, das alles zu ändern.“

Cubuk hingegen betrachtet das Problem aus physikalischer Sicht und stellt fest, dass die technologischen Entwicklungen in den Bereichen Roboterautomatisierung, Materialsimulation und KI-Inferenz zeitgleich zusammenlaufen. „Dies ist eine beispiellose Chance“, erklärt er.„Roboterautomatisierung, Simulationsgenauigkeit und die Denkfähigkeit großer Sprachmodelle können endlich in einem einzigen System integriert werden.“

Dieses Gespräch bildete den Ausgangspunkt für Periodic Labs. Wenige Wochen später verließen die beiden offiziell ihre jeweiligen Unternehmen, versammelten eine Gruppe gleichgesinnter Wissenschaftler um sich und gründeten ein Forschungsunternehmen, das die experimentelle Wissenschaft mithilfe von KI vorantreibt.

Traditionelle Konzepte revolutionieren: Aufbau einer KI-gesteuerten wissenschaftlichen Plattform

Periodic Labs behauptet, eine „KI-gesteuerte Wissenschaftsplattform“ aufzubauen.Die Vision besteht darin, künstliche Intelligenz nicht nur zur Datenanalyse zu befähigen, sondern auch Experimente zu entwerfen, physikalische Instrumente zu steuern und neue Materialien zu entdecken.

Mit anderen Worten versucht es, „Intelligenz“ und „experimentelles Arbeiten“ in ein geschlossenes System zu integrieren – von Algorithmen bis zu Reagenzflaschen, von großen Modellen bis zu Roboterarmen.

Dies ist kein neues Thema. Im letzten Jahrzehnt hat die KI in Bereichen wie Wirkstoffdesign, Proteinfaltung und Materialsimulation bahnbrechende Fortschritte erzielt – DeepMinds AlphaFold, die Molekülgenerierungsmodelle von Microsoft und Meta sowie das automatisierte Chemiesystem von Chemify zeigen allesamt, dass KI an wissenschaftlichen Entdeckungen beteiligt sein kann.

Doch die Ziele von Periodic Labs reichen darüber hinaus. Fedus und Cubuk wollen eine „universelle Experimentierplattform“ schaffen – eine Plattform, die es KI ermöglicht, Wissenschaft nicht nur zu verstehen, sondern auch Experimente in realen Laboren durchzuführen.

In der Philosophie von Periodic Labs,Es gibt eine höchst bahnbrechende Idee: Daten aus Fehlern sind genauso wertvoll.

Die traditionelle wissenschaftliche Forschung priorisiert tendenziell die Veröffentlichung „erfolgreicher Experimente“ und vernachlässigt dabei die Tausenden von „negativen Ergebnissen“. Fedus und Cubuk sind jedoch überzeugt, dass gerade diese „Misserfolge“ den entscheidenden Beitrag zur Ausbildung von KI-Forschern leisten. „Jede Abweichung in einem Experiment, jede Fehlerrückmeldung bietet dem Modell die Möglichkeit, die physikalische Welt zu verstehen“, so Cubuk. „KI hat keine Angst vor Fehlern; sie fürchtet nur den Mangel an Daten.“

Periodic Labs hat es daher nicht eilig, seine Ergebnisse zu veröffentlichen, sondern konzentriert sich vielmehr darauf, experimentelle Daten zu sammeln, um eine beispiellose „wissenschaftliche Erfahrungsdatenbank“ aufzubauen und damit die Grundlage für die nächste Generation wissenschaftlicher KI zu schaffen.

Technologie-Stack: Synchronisierung von KI, Simulation und Robotik

Im Labor von Periodic Labs mischen Roboterarme präzise Metallpulver, Hochtemperaturöfen heizen sich nach einem voreingestellten Programm auf und Spektrometer erfassen Materialeigenschaften in Echtzeit – keine Szene aus einem Science-Fiction-Film, sondern der Alltag in einem zukünftigen „autonomen Labor“. Dieses System basiert auf Cubuks bahnbrechender Forschung, die 2023 in Nature veröffentlicht wurde.Damals synthetisierte die von ihm geleitete A-Lab-Plattform 41 neue Verbindungen in 17 Tagen.Dies beweist die Machbarkeit KI-gestützter Experimente.

Link zum Artikel:

https://www.nature.com/articles/s41586-023-06734-w

Heute treibt Periodic Labs diese Logik auf die Spitze. Die Kerninnovation liegt in ihrem „dreigliedrigen“ wissenschaftlichen Ansatz:

* Autonomes Roboterlabor:Es ermöglicht die Pulversynthese, das Mischen von Substanzen und die Materialvorbereitung in einer vollautomatisierten Umgebung, führt experimentelle Anweisungen präzise aus und verbessert die Geschwindigkeit und Wiederholbarkeit wissenschaftlicher Untersuchungen erheblich.

* Hochpräzise Simulation:KI-gestützte Simulationstechnologie ermöglicht die schnelle Auswertung physikalischer und chemischer Reaktionen in einer virtuellen Umgebung und bietet eine hochpräzise Plattform zur Hypothesenverifizierung für experimentelles Screening.

* Forschungsassistent für große Sprachmodelle (LLM-Forschungsassistent):Bei Sprachmodellen geht es nicht mehr nur um die Generierung von Texten; sie können experimentelle Daten analysieren, Verbesserungsvorschläge unterbreiten und die nächste Versuchsrunde entwerfen und werden so wahrhaftig zum „kognitiven Zentrum“ des Forschungsprozesses.

Die drei Elemente bilden ein geschlossenes System. Zunächst analysiert ein KI-System, das LLM und physikalische Simulation integriert, die Fachliteratur und generiert experimentelle Hypothesen. Anschließend führt eine automatisierte Anlage Synthese und Charakterisierung durch und erzeugt dabei in jeder Versuchsrunde mehrere Gigabyte hochdimensionaler physikalischer Daten. Abschließend analysiert die KI die Ergebnisse (unabhängig von Erfolg oder Misserfolg) und optimiert die nächste Lösungsrunde. Dieser Zyklus aus „virtueller Simulation – physikalischer Verifizierung – Datenrückmeldung“ revolutioniert das traditionelle wissenschaftliche Forschungsmodell und beschleunigt wissenschaftliche Entdeckungen exponentiell.

„Unsere eigentliche Innovation liegt in der Art und Weise, wie Daten erzeugt werden“, betonte Cubuk. Anders als herkömmliche KI, die auf Internettexten basiert,Die einzigartigen Daten, die täglich in ihrem Labor generiert werden, enthalten eine große Anzahl von "negativen Ergebnissen", die in der traditionellen wissenschaftlichen Forschung ignoriert werden.In der Materialwissenschaft machen Fehlversuche über 90 % aller Experimente aus (TP3T). Diese wertvollen, in der Fachliteratur nicht dokumentierten Informationen bilden die Grundlage für die KI-Modelle von Periodic Labs. Wie das Unternehmen auf seiner Website erklärt: „Hier wird die Natur selbst zur Lernumgebung.“

Hinter der technologischen Machbarkeit steht die gleichzeitige Reife dreier wichtiger Bereiche: Die Präzision industrietauglicher Roboterarme hat das 0,1-mm-Niveau erreicht und ist damit für komplexe Synthesevorgänge ausreichend; KI-gestützte Physiksimulatoren können den Fehler bei der Vorhersage von Materialeigenschaften innerhalb von 5% kontrollieren; und die Denkfähigkeiten von Modellen wie o1 sind bereits in der Lage, komplexe interdisziplinäre Aufgaben wie die Entwicklung supraleitender Kristallstrukturen zu bewältigen. Die Kombination dieser drei Technologien macht Fedus' Vision von „KI in der Wissenschaft“ zur Realität.

Kapitalrausch: Der Silicon-Valley-Konsens hinter 300 Millionen Dollar

Im September 2025 sorgte Periodic Labs mit der Bekanntgabe des Abschlusses einer Seed-Finanzierungsrunde über 300 Millionen US-Dollar für Aufsehen in der Branche. Diese Summe stellte nicht nur einen Rekord für Seed-Finanzierungsrunden von KI-Startups auf, sondern revolutionierte auch die Venture-Capital-Branche.  Neben Andreessen Horowitz, die die Investition anführten, beteiligten sich auch führende Institutionen wie a16z, DST und NVIDIA Ventures an der Investition.Die Liste der Business Angels ist noch hochkarätiger besetzt: Amazon-Gründer Jeff Bezos, der ehemalige Google-CEO Eric Schmidt und Jeffrey Adgate, eine Schlüsselfigur bei DeepMind, sind alle dabei.

Der Auftakt zu diesem Kapitalrausch war dramatisch. Als Fedus Anfang 2025 seinen Ausstieg bei OpenAI ankündigte, brach in der Silicon-Valley-Venture-Capital-Szene ein regelrechter Hype aus: Einige Investoren reichten dutzende Seiten PowerPoint-Präsentationen ein, um für sich zu werben, andere verfassten regelrechte Liebesbriefe, in denen sie ihre Investitionsabsicht bekundeten, und einige Institutionen versprachen umfassende Unterstützung – von Rechenleistung bis hin zur Lieferkette.Der allererste Anruf, den sie tatsächlich erhielten, kam jedoch von Peter Deng.Er war Fedus' Kollege bei OpenAI und investierte später in Felicis, ein führendes Seed-Unternehmen. Nachdem Deng Fedus' Vision gehört hatte, vergaß er sogar, dass er noch vor der Firmengründung einen Scheck ausstellen musste.

Die Begeisterung der Investoren ist nicht blind. a16z erklärte in seiner Investitionsankündigung ausdrücklich: „Dies ist eine Gelegenheit, jahrzehntelange Forschungserfolge zu beschleunigen.“ In milliardenschweren Sektoren wie der Wärmeableitung von Halbleitern und neuen Energiematerialien dauern traditionelle F&E-Zyklen oft länger als zehn Jahre.Die Technologie-Roadmap von Periodic Labs verspricht, diesen Zeitraum auf wenige Jahre zu verkürzen.

Das Fehlen seines ehemaligen Arbeitgebers OpenAI ist bemerkenswert. Obwohl Fedus bei seinem Ausscheiden von der Geschäftsleitung gute Wünsche erhielt und sogar mögliche Unterstützung andeutete,Sogar Sam Altman gab seinen Segen, als das Unternehmen gegründet wurde.Letztendlich tauchte das Unternehmen jedoch nicht auf der Investorenliste auf. Einige Branchenanalysten vermuten, dass dies auf einen grundlegenden Unterschied in den technologischen Ansätzen zurückzuführen sein könnte: OpenAI konzentriert sich auf allgemeine künstliche Intelligenz, während Periodic Labs mit seinem vertikalen Ansatz „KI für die Wissenschaft“ eher der strategischen Ausrichtung von Google DeepMind entspricht.

Dream Team: Eine Massenmigration der Hälfte der Elite des Silicon Valley

Nachdem Periodic Labs 300 Millionen Dollar an Finanzmitteln erhalten hatte, startete das Unternehmen die wohl erstaunlichste Talentakquise-Kampagne in der Geschichte des Silicon Valley. Innerhalb weniger Wochen…Mehr als 20 Top-Forscher von Meta, OpenAI und DeepMind sind dem Team beigetreten.Dazu gehören Koryphäen wie der Erfinder des Transformer-Aufmerksamkeitsmechanismus, der Entwickler des intelligenten Agenten OpenAI Operator und der Schöpfer des großen Modells MatterGen von Microsoft. Viele haben auf millionenschwere Aktienoptionen verzichtet, um sich dieser „wissenschaftlichen Forschungsrevolution“ zu widmen.

Der interdisziplinäre Ansatz dieses Teams ist wirklich selten:Die Hälfte der Mitglieder kommt aus dem Bereich der künstlichen Intelligenz, die andere Hälfte sind Experten in Physik, Chemie und Materialwissenschaften.

Der hochkarätige Beirat verstärkt diesen interdisziplinären Vorteil zusätzlich. Das akademische Komitee unter der Leitung der Nobelpreisträgerin Carolyn Bertozzi umfasst führende Persönlichkeiten der Supraleitungsphysik von der Stanford University und Koryphäen der Materialwissenschaft vom MIT und liefert KI-Experten so völlig neue Ideen für Suchalgorithmen.

Basierend auf diesem starken TalentpoolDas Unternehmen konzentrierte sich zunächst auf die Entdeckung neuer Hochtemperatur-Supraleitermaterialien.Da alle bekannten Supraleiter extrem niedrige Temperaturen oder hohe Drücke zum Funktionieren benötigen, ist das Potenzial für die Entwicklung von Supraleitern, die nahe Raumtemperatur arbeiten, enorm. Periodic Labs setzt darauf, dass KI die Realisierung dieses Wunders beschleunigen kann.

Neben Supraleitern konzentrieren sie sich auch auf praxisnahe Herausforderungen in Bereichen wie der Halbleiterindustrie. Das Team arbeitet derzeit mit einem Chiphersteller zusammen und setzt speziell trainierte KI-Systeme ein, um Wärmeableitungsmaterialien zu optimieren. Dies unterstützt die Ingenieure dabei, die Wärmeableitung von Chips schneller zu verbessern und Engpässe zu beheben.

Letzte Worte

Von der entschlossenen Entscheidung, ihre Jobs zu kündigen, bis zur sensationellen Finanzierungsrunde über 300 Millionen Dollar, vom Aufeinandertreffen unterschiedlicher Ideen zweier Wissenschaftler bis zur Bildung eines Dreamteams aus KI- und Physikexperten – Periodic Labs hat in weniger als einem Jahr erreicht, wofür traditionelle Forschungseinrichtungen Jahre benötigen. Das Modell „KI-Wissenschaftler + automatisiertes Labor“ birgt nicht nur das Potenzial für bahnbrechende Entdeckungen wie Supraleitung bei Raumtemperatur, sondern verändert auch die grundlegende Logik der menschlichen Erforschung der Natur.

Wie Sonal Chokshi, Partnerin bei a16z, sagte: „Bell Labs hat mit Transistoren die Welt verändert, IBM Research hat mit Lasertechnologie die Zukunft eröffnet, und Periodic Labs gestaltet die Wissenschaft selbst mit KI neu.“ Wenn ein Roboterarm das tausendste Experiment im Labor wiederholt und ein KI-Modell den hunderttausendsten Datensatz analysiert, hat eine wissenschaftliche Revolution begonnen, die von siliziumbasierter Intelligenz angetrieben wird.

Referenzartikel:
1.https://techcrunch.com/2025/10/20/top-openai-google-brain-researchers-set-off-a-300m-vc-frenzy-for-their-startup-periodic-labs
2.https://periodic.com/
3.https://globalbizoutlook.com/ai-startup-frenzy-how-periodic-labs-raised-300m-to-revolutionize-scientific-discovery/
4.https://www.felicis.com/insight/periodic-labs-investment
5.https://a16z.com/announcement/i