Das KI-Startup Flourish hat mit Unterstützung von Jeff Bezos und weiteren Top-Investoren 500 Millionen US-Dollar eingesammelt. Die Finanzierung beläuft sich auf eine Unternehmensbewertung von rund 2,5 Milliarden Dollar. Gegründet wurde das Unternehmen von Thomas Reardon, früherer Leiter der Brain-Computer-Interface-Sparte bei Meta, und Rob Williams, ehemaliges Vorstandsmitglied bei Amazon. Das operative Zentrum liegt in den Vereinigten Staaten, wobei das Unternehmen auf eine fundamentale Neuausrichtung der KI-Forschung abzielt. Anstatt die aktuell dominierende Strategie der Skalierung von Sprachmodellen fortzusetzen, verfolgt Flourish das Ziel, eine künstliche Intelligenz mit einem Energieverbrauch von maximal 50 Watt zu entwickeln. Dieses Leistungsniveau orientiert sich am menschlichen Gehirn, das bei vergleichsweise geringem Strombedarf kontinuierlich lernt, Wissen integriert und sich dynamisch an neue Umgebungen anpasst. Aktuelle Großmodelle benötigen hingegen Zehntausende von GPUs und verbrauchen Energie im industriellen Maßstab. Nach Ansicht der Gründer liegt der Flaschenhals nicht im reinen Rechenaufwand, sondern im fehlenden Verständnis der zugrundeliegenden Lernmechanismen biologischer Intelligenz. Der Forschungsansatz konzentriert sich auf die Suche nach einem Core Algorithm innerhalb der kortikalen Säulen der Großhirnrinde. Seit den 1960er Jahren wird diese Struktur als potenzielle Grundeinheit der neuronalen Informationsverarbeitung diskutiert. Flourish kombiniert nun fortgeschrittene neurowissenschaftliche Methoden wie Elektronenmikroskopie und Connectomics mit moderner KI-Algorithmik. Ein interdisziplinäres Team aus Neurowissenschaftlern, darunter auch Greg Wayne von DeepMind, und KI-Ingenieuren soll dabei empirische Gehirndaten erfassen und in neuartige, energieeffiziente Modellarchitekturen übersetzen. Die Finanzierung von 500 Millionen US-Dollar spiegelt ein wachsendes Interesse an alternativen KI-Pfaden wider. Während die Branche bis dato stark auf Transformatoren-Architekturen und massive Rechencluster setzt, stellt Flourish die Skalierungsparadigmen in Frage. Kritiker verweisen darauf, dass die neurobiologischen Grundlagen noch nicht vollständig verstanden sind und die Übertragung biologischer Prinzipien auf hardwarenahe Systeme erhebliche ingenieurtechnische Hürden birgt. Dennoch könnte ein erfolgreicher Nachweis einer solchen Architektur den Weg für lernfähige, ressourcenschonende KI-Systeme ebnen, die nicht auf ständiger Neuvermessung oder enormem Datenverbrauch beruhen. Das Startup positioniert sich damit an der Schnittstelle von Neurowissenschaft und maschinellem Lernen. Langfristig zielt das Projekt darauf ab, die Diskrepanz zwischen rechnerischer Effizienz und kognitiver Flexibilität zu überwinden. Ob der Ansatz die etablierten LLM-Ökosysteme verdrängen oder als komplementäre Technologie ergänzen wird, hängt von der praktischen Validierung der entwickelten Algorithmen ab. Die nächsten Entwicklungsschritte konzentrieren sich auf die iterative Verbesserung der neuronalen Modellierung und die Skalierung auf reale Anwendungsfälle mit strengen Energievorgaben.