Yann LeCun setzt 1,03 Milliarden auf Weltmodelle

Yann LeCun verließ im November 2025 Meta, wo er zwölf Jahre lang als Chefwissenschaftler arbeitete. Im März 2026 sammelte sein neues Startup AMI Labs 1,03 Milliarden Dollar ein und wurde damit zum Träger der größten Seed-Finanzierung in der Geschichte europäischer Technologiestartups. Die Wette dahinter ist radikal: Nicht das Sprachmodell, sondern das Weltmodell wird die Grundlage echter künstlicher Intelligenz sein.

Was ein Weltmodell von einem Sprachmodell unterscheidet

Sprachmodelle wie GPT oder Claude lernen aus Text. Sie können beschreiben, wie ein Ball zu Boden fällt, haben es aber nie beobachtet und können die Flugbahn nicht tatsächlich vorhersagen. Das ist der Kern von LeCuns Kritik: Ein System, das ausschließlich aus Sprache lernt, versteht die physikalische Realität nicht, es kann sie nur beschreiben.

Weltmodelle lernen stattdessen aus Beobachtung. AMI Labs trainiert sein Modell V-JEPA 2, ein System mit 1,2 Milliarden Parametern, auf über einer Million Stunden Videomaterial aus dem Internet. Das System lernt keine Pixel vorherzusagen, sondern abstrakte Repräsentationen zukünftiger Zustände. Bei physikalischen Aufgaben, etwa dem gezielten Greifen einer Tasse, erreicht V-JEPA 2 laut Meta bereits eine Erfolgsrate von 80 Prozent. Konventionelle Sprachmodelle scheitern an solchen Aufgaben strukturell, weil ihnen das mentale Modell der physischen Welt fehlt.

Die technische Grundlage ist LeCuns Joint Embedding Predictive Architecture (JEPA), die er 2022 in einem viel beachteten Paper vorschlug. Sie unterscheidet sich von generativer KI darin, dass sie nicht Pixelausgabe oder Textausgabe erzeugt, sondern eine innere Repräsentation zukünftiger Weltzustände aufbaut.

Die Industrie gräbt denselben Graben

LeCuns Kritik an der Branche ist scharf. Im Handelsblatt-Interview formulierte er es so: „Die gesamte Industrie gräbt denselben Graben.” Er hält Sprachmodelle für eine Sackgasse auf dem Weg zu menschenähnlicher Intelligenz, weil sie grundlegende Fähigkeiten wie kausales Denken und zuverlässige Planung strukturell nicht erlernen können.

Damit stellt er sich gegen die Mehrheitsmeinung der Branche. Anthropic-Chef Dario Amodei prognostizierte Anfang 2026, dass LLM-basierte Systeme bereits 2026 die Arbeit von Zehntausenden Programmierern simulieren könnten und positioniert sein Unternehmen als Vorreiter genau jener LLM-Entwicklung, die LeCun für verfehlt hält. OpenAI und Google DeepMind setzen weiterhin auf Skalierung bestehender Architekturen und dokumentieren dabei anhaltende Leistungsgewinne. Alexandre LeBrun, CEO von AMI Labs und ehemaliger Meta-Mitarbeiter, der die Gesundheitsplattform Nabla mitgründete, gab eine selbstkritische Prognose ab: „In sechs Monaten wird jedes Unternehmen behaupten, Weltmodelle zu bauen, um Kapital einzusammeln.” Er sieht den Hype als unvermeidbar, aber auch als Risiko für die Substanz der eigenen Forschung.

Mathematisch belegt: Wann JEPA funktioniert

Im Mai 2026 erschien auf arXiv ein Preprint mit dem Titel „When Does LeJEPA Learn a World Model?” Das Paper beantwortet erstmals mathematisch präzise, unter welchen Bedingungen JEPA tatsächlich ein treues Abbild der Realität lernt. Das Ergebnis, laut der Veröffentlichung auf arxiv.org/abs/2605.26379: LeJEPA mit Gaußscher Regularisierung kann die latenten Variablen hinter Beobachtungen linear identifizieren, unter der Bedingung, dass diese Variablen gaußisch verteilt sind und sich gemäß stationären, additiven Rauschtransitionen entwickeln. Unter dieser Klasse von Welten ist die gaußsche Verteilung die einzige, für die Garantie gilt.

Ungewöhnlich für die KI-Forschung: Die Beweise wurden im Beweisassistenten Lean 4 formalisiert und sind damit maschinell prüfbar. Das verleiht den Ergebnissen eine Rigorosität, die experimentelle Benchmark-Studien nicht erreichen können. Einschränkung: Die Garantie gilt unter bestimmten Verteilungsannahmen. Ob reale Videosequenzen diese Bedingungen ausreichend erfüllen, ist eine offene empirische Frage.

Nvidia und Eric Schmidt setzen auf die Gegenwette

Das Investorenfeld hinter AMI Labs ist aufschlussreich. Neben Finanzinvestoren wie Cathay Innovation, Greycroft und HV Capital sowie Bezos Expeditions beteiligten sich Industriekonzerne wie Nvidia und Toyota Ventures sowie Einzelinvestoren wie Eric Schmidt und Mark Cuban. Besonders bemerkenswert: Nvidia, das durch LLM-Infrastruktur wie kein zweites Unternehmen profitiert, setzt gleichzeitig auf das mögliche nächste KI-Paradigma. Das deutet darauf hin, dass selbst die Hauptprofiteure der aktuellen Skalierungswelle LeCuns Ansatz zumindest als Absicherung betrachten.

AMI Labs operiert mit Hauptsitz in Paris und weiteren Büros in New York, Montreal und Singapur. Erste Anwendungsfelder sind medizinische Diagnostik, wo Halluzinationen in Sprachmodellen besonders problematisch sind und industrielle Robotik. Meta FAIR, LeCuns ehemaliger Arbeitgeber, bleibt nach Unternehmensangaben Forschungskooperationspartner für die JEPA-Entwicklung, investiert aber nicht in AMI Labs.

JEPA-Roboter gegen LLM-Assistent: entschieden wird 2028

AMI Labs plant für 2027 erste industrielle Prototypen. Der eigentliche Test kommt danach: Wenn Weltmodelle mit realen Produktionslinien und klinischen Diagnose-Workflows konfrontiert werden. Die Gegenprobe macht der Markt: Falls LLMs weiterhin zweistellige Leistungssprünge erzielen, verliert LeCuns Paradigmenwechsel an Dringlichkeit. Falls sie bei physischen und kausal-logischen Aufgaben weiterhin an strukturelle Grenzen stoßen, gewinnt sein Ansatz Glaubwürdigkeit über die Forschungsliteratur hinaus.

Roboter, die eigenständig in unbekannten physischen Umgebungen arbeiten, gelten in der Robotikforschung als härtester Prüfstein für Weltmodelle. Falls AMI Labs seinen Zeitplan hält und 2027 erste industrielle Prototypen zeigt, wird sich bis 2028 abzeichnen, ob JEPA diesen Test unter realen Bedingungen besteht oder ob die Garantie des Mathepapers an der Komplexität realer Videosequenzen bricht.