Andrej Karpathy, OpenAI-Mitgründer und ehemaliger Tesla-AI-Chef, hat am 19. Mai 2026 seinen Wechsel zu Anthropic bekanntgegeben. Karpathy startet noch in dieser Woche im Pretraining-Team und baut ein neues Team auf, das Claude einsetzen soll, um die Pretraining-Forschung selbst zu beschleunigen. Das Signal an OpenAI und Google ist deutlich: nicht Compute entscheidet, sondern KI-gestützte Forschung.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Geht es Ihnen auch so? Vor zwei Jahren galt Karpathy als Mann hinter Tesla Autopilot. Vor einem Jahr als Bildungs-Influencer mit dem Edu-Startup Eureka Labs. Heute ist er Anthropic-Mitarbeiter und damit der prominenteste Forschungstransfer der Branche im laufenden Jahr.
- Karpathy bestätigt auf X: „I’ve joined Anthropic. I think the next few years at the frontier of LLMs will be especially formative.“
- Sein Startpost zog binnen einer Stunde knapp 3 Mio. Views, in wenigen Stunden über 11 Mio.
- Anthropic-Sprecher gegenüber TechCrunch: Karpathy baut ein Team auf, das Claude nutzt, um Pretraining-Forschung zu beschleunigen
- Direktes Vorbild: Karpathys „Karpathy Loop“ aus dem März 2026, ein 2-Tage-Experiment mit 700 autonomen Trainings-Runs und 20 selbst entdeckten Optimierungen
- Team-Lead bei Anthropic: Nicholas Joseph, Head of Pretraining, ebenfalls Ex-OpenAI-Alumnus
Was ist der Karpathy Loop und warum will Anthropic ihn skalieren?
Im März 2026 verdrahtete Karpathy einen KI-Coding-Agenten mit einem kleinen Sprachmodell und ließ ihn zwei Tage lang unbeaufsichtigt laufen. Der Agent variierte den Trainings-Code, prüfte das Ergebnis und passte die nächste Iteration an. Nach 700 Experimenten hatte das System 20 Optimierungen identifiziert. Karpathy übertrug die Tweaks auf ein größeres Modell, das Trainings-Zeit fiel um 11 Prozent.
Karpathy nannte das Vorgehen im eigenen Schreibstil „Part code, part sci-fi, and a pinch of psychosis“ und stempelte den Begriff Autoresearch dazu. Genau dieses Muster soll bei Anthropic in den Forschungsalltag wandern. Aus einem Hobby-Experiment einer Person wird ein produktives Team, das mit Claude als Forschungswerkzeug die nächsten Modelle vorbereitet.
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?
Anthropic befindet sich in einer Phase ohne Vergleich. Die annualisierten Umsätze stiegen von rund 9 Mrd. $ Ende 2025 auf über 30 Mrd. $ im laufenden Jahr. Über 1.000 Geschäftskunden geben mehr als 1 Mio. $ pro Jahr aus. Bloomberg meldete am 12. Mai laufende Funding-Gespräche über 30 Mrd. $ bei einer Bewertung von 900 Mrd. $. Damit nähert sich Anthropic der Marktbewertung von OpenAI weiter an.
Parallel kommen weitere Schlüsselzugänge. Ross Nordeen, Gründungsmitglied von xAI, wechselte Anfang Mai. Im selben Zeitraum schloss Anthropic einen Compute-Vertrag mit SpaceX für das xAI-Colossus-1-Datacenter in Memphis. Mit Karpathy gewinnt Anthropic jetzt den prominentesten Forschungstransfer seit der Gründung.
Die Pretraining-Phase bestimmt die Grundfähigkeiten eines Modells, ist die teuerste Trainingsphase, und entscheidet maßgeblich über die Wettbewerbsposition gegen GPT und Gemini.
Was bedeutet das für KI-Anwender im DACH-Mittelstand?
Vier Wirkungen lassen sich konkret ableiten.
1. Claude wird vermutlich schneller besser
Wenn der Karpathy Loop bei Anthropic skaliert, fallen die Iterationszyklen für neue Modellversionen kürzer aus. Wer als Mittelständler Claude in Produktionsworkflows einsetzt, sollte mit häufigeren Modell-Updates und entsprechenden Validierungspflichten rechnen.
2. Anbieter-Risiko diversifizieren
Die Bitkom-KI-Studie 2026 zeigt 41 Prozent der deutschen Unternehmen ab 20 Beschäftigten als aktive KI-Nutzer. Viele setzen auf einen einzelnen Anbieter. Der laufende Talent-Verschiebungsprozess zwischen den Frontier-Labs bedeutet: Die Modell-Ranking-Reihenfolge kann sich quartalsweise ändern. Wer technologisch unabhängig bleiben will, baut Multi-Modell-Architekturen.
3. Sicherheit und Compliance als Wettbewerbsfaktor
Anthropic positioniert sich seit Gründung über Safety-Forschung. Mit Karpathys Pretraining-Mandat verbindet der Konzern jetzt Forschungsgeschwindigkeit mit Sicherheits-DNA. Für regulierte Branchen in Deutschland, also Banken, Versicherungen und Healthcare, kann das ein Verkaufsargument werden.
4. Open-Source-Frage offen
Karpathy galt bisher als Stimme für offene Bildung und Open-Source-Code. Anthropic ist ein primär geschlossenes Lab, das mit dem Model Context Protocol (MCP) immerhin einen Standard offen gelegt hat. Wie Karpathys Bildungsambitionen mit Eureka Labs weiterlaufen, hat er offen gelassen. Die Branche wird das beobachten.
Welche Folgefragen stehen aus?
Drei Punkte bleiben unbeantwortet. Anthropic hat keinen Zeitplan für die ersten Karpathy-Loop-Ergebnisse genannt. Ob das neue Team eigene Modellversionen verantwortet oder ausschließlich Forschungsbeschleuniger ist, hat der Konzern offen gelassen. Daneben steht die Frage, wie der Markt auf den nächsten OpenAI-Abgang reagiert. Eric Schmidt, Greg Brockman und Sam Altman wurden im Musk-vs-Altman-Prozess vergangene Woche erneut mit Karpathys Tesla- und OpenAI-Vita konfrontiert.
Für DACH-Entscheider lohnt jetzt der Blick in den LLMs-Ratgeber, der die aktuellen Frontier-Modelle nach Anwendungsfall vergleicht. Parallel hat Google am 15. Mai seinen offiziellen AI Optimization Guide veröffentlicht und damit den Druck auf alle anderen Frontier-Anbieter erhöht. Der Wettbewerb läuft jetzt nicht mehr nur über Modelle, sondern über die Forschungs-Infrastruktur darunter.
Mehr Newshunger?
