Andrej Karpathy, OpenAI-Mitgründer und ehemaliger KI-Chef von Tesla, hat am 19. Mai 2026 seinen Wechsel zu Anthropic bekanntgegeben. Karpathy sollte noch in derselben Woche im Pretraining-Team anfangen und dort ein neues Team aufbauen, das mit Claude die Pretraining-Forschung selbst beschleunigt. Das Signal an OpenAI und Google ist deutlich: Den Ausschlag gibt nicht die Rechenleistung, sondern KI-gestützte Forschung.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Früher galt Karpathy als Mann hinter Teslas Autopilot, später als Bildungs-Influencer mit dem Start-up Eureka Labs. Im Mai 2026 folgte der Schritt zu Anthropic.
- Karpathy bestätigte auf X: „I’ve joined Anthropic. I think the next few years at the frontier of LLMs will be especially formative.“
- Sein Beitrag zum Wechsel erreichte binnen einer Stunde knapp 3 Mio. Aufrufe und nach wenigen Stunden über 11 Mio.
- Ein Anthropic-Sprecher bestätigte gegenüber TechCrunch, dass Karpathy ein Team aufbaut, das mit Claude die Pretraining-Forschung beschleunigen soll.
- Direktes Vorbild ist der „Karpathy Loop“ aus dem März 2026: ein zweitägiges Experiment mit 700 autonomen Trainingsläufen und 20 selbst entdeckten Optimierungen.
- Nicholas Joseph leitet als Head of Pretraining das Team; wie Karpathy arbeitete er früher bei OpenAI.
Was ist der Karpathy Loop und warum will Anthropic ihn skalieren?
Im März 2026 koppelte Karpathy einen KI-Coding-Agenten mit einem kleinen Sprachmodell und ließ ihn zwei Tage lang unbeaufsichtigt laufen. Der Agent variierte den Trainingscode, prüfte das Ergebnis und passte die nächste Iteration an. Nach 700 Experimenten hatte das System 20 Optimierungen gefunden. Karpathy übertrug die Änderungen auf ein größeres Modell, dessen Trainingszeit daraufhin um 11 Prozent sank.
So lange ließ Karpathy den Agenten mit einem kleinen Sprachmodell allein arbeiten.
Der Agent variierte den Trainingscode, prüfte das Ergebnis und passte die nächste Iteration an.
Diese Änderungen übertrug Karpathy anschließend auf ein größeres Modell.
So stark sank die Trainingszeit des größeren Modells mit den übernommenen Änderungen.
Ein neues Team um Karpathy soll dieses Muster mit Claude als Werkzeug auf die Pretraining-Forschung übertragen.
Karpathy beschrieb das Vorgehen in seinem eigenen Ton als „Part code, part sci-fi, and a pinch of psychosis“ und prägte dafür den Begriff Autoresearch. Dieses Muster will Anthropic nun in den Forschungsalltag übertragen. Statt eines Einzelnen im Hobby-Experiment soll künftig ein ganzes Team mit Claude die nächsten Modelle vorbereiten.
Die Verpflichtung Karpathys ist mehr als ein Personalcoup. Anthropic stellt damit eine Wette gegen die reine Compute-Strategie der Wettbewerber. Wenn KI-gestützte Forschung in 12 bis 18 Monaten messbar produktiver ist als zusätzliche GPU-Hallen, verschiebt sich der Frontier-Wettbewerb fundamental. Deutsche Unternehmen, die ihre KI-Strategie auf einen einzigen Anbieter ausrichten, sollten den Personalwechsel als strategisches Warnsignal lesen.
Markus Seyfferth, Chefredakteur Dr. Web
Wie ordnet sich der Schritt in Anthropics Wachstumsphase ein?
Der annualisierte Umsatz von Anthropic stieg von rund 9 Mrd. $ Ende 2025 auf über 30 Mrd. $ im Mai 2026. Über 1.000 Geschäftskunden gaben jeweils mehr als 1 Mio. $ pro Jahr für Anthropic aus. Bloomberg meldete am 12. Mai 2026 laufende Finanzierungsgespräche über 30 Mrd. $ bei einer Bewertung von 900 Mrd. $. Mit dieser Bewertung würde Anthropic weiter zu OpenAI aufschließen.
Bloomberg meldete am 12. Mai 2026 Finanzierungsgespräche über 30 Mrd. $ bei einer Bewertung von 900 Mrd. $. Über 1.000 Geschäftskunden geben jeweils mehr als 1 Mio. $ pro Jahr für Anthropic aus.
Bereits Anfang Mai war Ross Nordeen, Gründungsmitglied von xAI, zu Anthropic gewechselt. Im selben Zeitraum schloss Anthropic einen Compute-Vertrag mit SpaceX für das xAI-Rechenzentrum Colossus 1 in Memphis. Mit Karpathy gelang Anthropic die prominenteste Verpflichtung eines Forschers seit der Firmengründung.
Das Pretraining bestimmt die Grundfähigkeiten eines Modells. Als teuerste Trainingsphase entscheidet dieser Schritt zudem maßgeblich über Claudes Position gegenüber GPT und Gemini.
Was bedeutet das für KI-Anwender im DACH-Mittelstand?
Für Mittelständler im deutschsprachigen Raum lassen sich vier konkrete Folgen ableiten.
1. Claude wird vermutlich schneller besser
Skaliert Anthropic den Karpathy Loop, verkürzen sich die Entwicklungszyklen für neue Modellversionen. Mittelständler, die Claude in Produktionsabläufen einsetzen, sollten deshalb mit häufigeren Modell-Updates rechnen und jedes Update vor der Freigabe erneut prüfen.
2. Anbieter-Risiko diversifizieren
Laut der Bitkom-KI-Studie 2026 nutzen 41 Prozent der deutschen Unternehmen ab 20 Beschäftigten KI aktiv. Viele davon setzen mit einem einzigen Anbieter alles auf eine Karte. Weil Spitzenforscher zwischen den führenden KI-Labors wechseln, kann sich die Rangfolge der Modelle von Quartal zu Quartal ändern. Unternehmen, die technologisch unabhängig bleiben wollen, bauen ihre Anwendungen deshalb so, dass sich die Modelle austauschen lassen.
3. Sicherheit und Compliance als Wettbewerbsfaktor
Anthropic setzt seit der Gründung auf Sicherheitsforschung. Mit Karpathys Auftrag im Pretraining will das Unternehmen nun Forschungstempo und Sicherheitsanspruch verbinden. In regulierten Branchen wie dem Bank-, Versicherungs- und Gesundheitswesen kann diese Kombination zum Verkaufsargument werden.
4. Open-Source-Frage offen
Karpathy galt bis zu seinem Wechsel als Fürsprecher offener Bildung und offenen Quellcodes. Anthropic veröffentlicht die Gewichte seiner Modelle nicht, hat mit dem Model Context Protocol (MCP) aber immerhin einen offenen Standard geschaffen. Ob Karpathy seine Bildungspläne mit Eureka Labs weiterverfolgt, ließ er beim Wechsel unbeantwortet.
Welche Folgefragen stehen aus?
Drei Fragen blieben im Mai 2026 offen. Einen Zeitplan für die ersten Ergebnisse aus dem Karpathy Loop nannte Anthropic nicht. Ebenso hielt sich der Konzern zu der Frage bedeckt, ob das neue Team eigene Modellversionen verantwortet oder ausschließlich die Forschung beschleunigt. Unklar war zudem, wie der Markt auf weitere Abgänge bei OpenAI reagieren würde. Wie präsent Karpathys Vergangenheit dort blieb, zeigte der Prozess Musk gegen Altman: In der Woche vor dem Wechsel wurden Eric Schmidt, Greg Brockman sowie Sam Altman erneut mit seinen Stationen bei Tesla und OpenAI konfrontiert.
Für Entscheider im DACH-Raum lohnt der Blick in den LLMs-Ratgeber, der die führenden Sprachmodelle nach Anwendungsfall vergleicht. Zudem hat Google am 15. Mai seinen offiziellen AI Optimization Guide veröffentlicht und damit den Druck auf die übrigen Frontier-Anbieter erhöht. Seit dem Frühjahr 2026 konkurrieren die Labors neben ihren Modellen auch mit der Forschungs-Infrastruktur dahinter.
FAQ: Karpathys Wechsel zu Anthropic
Wann ist Andrej Karpathy zu Anthropic gewechselt?
Karpathy gab seinen Wechsel am 19. Mai 2026 auf X bekannt. Er sollte noch in derselben Woche im Pretraining-Team von Anthropic anfangen, das Nicholas Joseph als Head of Pretraining leitet.
Welche Aufgabe übernimmt Karpathy bei Anthropic?
Ein Anthropic-Sprecher bestätigte gegenüber TechCrunch, dass Karpathy ein neues Team aufbaut, das mit Claude die Pretraining-Forschung beschleunigen soll. Einen Zeitplan für erste Ergebnisse nannte Anthropic im Mai 2026 nicht.
Was ist der Karpathy Loop?
Im März 2026 koppelte Karpathy einen KI-Coding-Agenten mit einem kleinen Sprachmodell und ließ ihn zwei Tage unbeaufsichtigt den Trainingscode variieren. Nach 700 Experimenten hatte das System 20 Optimierungen gefunden. Auf ein größeres Modell übertragen, senkten die Optimierungen dessen Trainingszeit um 11 Prozent. Karpathy nennt das Vorgehen Autoresearch.
Wie stand Anthropic zum Zeitpunkt des Wechsels wirtschaftlich da?
Der annualisierte Umsatz stieg von rund 9 Mrd. $ Ende 2025 auf über 30 Mrd. $ im Mai 2026. Über 1.000 Geschäftskunden gaben jeweils mehr als 1 Mio. $ pro Jahr aus. Bloomberg meldete am 12. Mai 2026 Finanzierungsgespräche über 30 Mrd. $ bei einer Bewertung von 900 Mrd. $.
Was bedeutet der Wechsel für Unternehmen, die Claude einsetzen?
Unternehmen sollten mit kürzeren Entwicklungszyklen und häufigeren Modell-Updates rechnen. Jedes Update gehört vor dem produktiven Einsatz auf den Prüfstand. Weil Spitzenforscher zwischen den KI-Labors wechseln, kann sich die Rangfolge der Modelle quartalsweise ändern. Anwendungen, in denen mehrere Modelle austauschbar sind, senken die Abhängigkeit von einem Anbieter.
Mehr Newshunger?
