DeepMind's Brain Drain: Shazeer und Jumper gehen binnen 48 Stunden

Stellen Sie sich ein langjähriges Orchester vor, in dem der erste Geiger und der Solocellist beide an demselben Donnerstagnachmittag ihre Kündigung einreichen. Der Dirigent hält noch den Taktstock, die Partitur liegt noch auf dem Pult, aber jeder Musiker im Graben fragt sich nun, ob das Fundament des Gebäudes still und leise zu bröckeln beginnt. Ungefähr so verlief die Woche für Google DeepMind.

Zwei Abgänge, 48 Stunden auseinander, und ein Kurssturz von 5 % bei Alphabet bis Montag. Die Orchestrmetapher ist treffend, denn was das Unternehmen verlässt, ist nicht nur Kopfzahl, sondern institutionelles Gedächtnis und die Fähigkeit, gemeinsam zu spielen.

Was geschah

Am Donnerstag kündigte Noam Shazeer an, Google DeepMind für OpenAI zu verlassen. Zwei Tage später erklärte John Jumper, der sich den Nobelpreis für Chemie 2024 mit DeepMind-CEO Demis Hassabis für AlphaFold geteilt hatte, dass er zu Anthropic wechselt. Wie Fortune berichtete, ließen die Nachrichten die Google-Aktie am Montag um mehr als 5 % einbrechen.

Shazeers Geschichte mit Google liest sich wie eine Seifenoper aus der Feder eines Vergütungsausschusses. Er half 2021, LaMDA aufzubauen, Googles erstes LLM-basiertes Chatbot-System. Er verließ das Unternehmen zum ersten Mal aus Frustration darüber, wie langsam es mit der Kommerzialisierung vorankam. Er gilt weithin als Autor eines anonymen internen Memos, das später geleakt wurde und Google als bürokratisch, träge und risikoscheu bezeichnete. Anschließend gründete er Character.ai zusammen mit dem ebenfalls an LaMDA beteiligten Daniel de Freitas. 2024 lizenzierte Google die Technologie von Character in einem gemeldeten Deal von 2,7 Milliarden US-Dollar und holte dabei beide Gründer zurück. Shazeer soll persönlich hunderte Millionen aus dieser Vereinbarung gemacht haben. Nun ist er erneut gegangen.

Jumpers Abgang ist derjenige, der Hassabis mehr Sorgen bereiten sollte. Nach dem Nobelpreis arbeitete Jumper weiter an KI-Modellen, die Proteinbindungseigenschaften und das Andocken kleinmolekularer Pharmazeutika vorhersagen. Er wechselt zu Anthropic, dessen CEO Dario Amodei gegenüber Bloombergs Emily Chang kürzlich erklärte, dass das Labor mehr im Bereich Biologie tun wolle. Wer diese beiden Sätze zusammen liest, erkennt: Diese Einstellung ist kein Zufall, sondern Strategie.

Und diese Abgänge stehen nicht allein. David Silver, einer der frühesten DeepMind-Mitarbeiter und einer der führenden Reinforcement-Learning-Forscher weltweit, verließ das Unternehmen kürzlich, um ein Startup namens Ineffable Intelligence zu gründen.

Technische Einordnung

Das Interessante ist nicht, dass Menschen kündigen – das passiert überall. Das Interessante ist, was jeder Abgang mitnimmt, denn KI-Forschung an der Frontier gleicht weniger klassischem Software-Engineering als einem Handwerksgilde. Das Rezept steckt in den Köpfen der Menschen, die es entwickelt haben.

Shazeers Wert liegt nicht in einem Codebestand, sondern in einem mentalen Modell für den Entwurf von Chatbot-Systemen im Transformer-Maßstab, die tatsächlich ausgeliefert werden. Er hat die Lücke von LaMDA zum Produkt 2021 aus nächster Nähe erlebt und dabei vermutlich jeden Grund kennengelernt, warum es nicht geklappt hat. OpenAI kauft diese erfahrene Bitterkeit ebenso wie die technischen Fähigkeiten. Die Quintessenz: Wer einmal erlebt hat, wie Bürokratie ein Produkt zum Scheitern bringt, riecht das von einem anderen Campus aus.

Jumpers Expertise ist noch spezialisierter. AlphaFold löste eine 50 Jahre alte Herausforderung der Biochemie, indem es Proteinstrukturen aus DNA-Sequenzen kartierte. Die Folgearbeiten – Protein-zu-Protein-Bindung, Small-Molecule-Docking – sind der Punkt, an dem Biologie auf Wirkstoffentdeckung trifft, und genau dort kollidieren Reinforcement Learning, geometrisches Deep Learning und biophysikalische Priors. Es gibt nicht hundert Menschen auf der Welt, die diese Arbeit leiten können. Es sind wohl eine Handvoll. Anthropic hat gerade einen davon eingestellt und Biologie als strategische Richtung signalisiert. Die Claude API unterstützt bereits Tool-Use-Muster, die sich nahtlos auf wissenschaftliche Agenten übertragen lassen; kombiniert man das mit Jumpers Modellen, entsteht ein ernsthafter Angriff auf ein Feld, das Isomorphic Labs (DeepMinds Ausgründung für Wirkstoffentdeckung, ebenfalls von Hassabis geleitet) bislang weitgehend für sich hatte.

Und hier das langweilige Detail, über das niemand in den Ranglisten spricht: Google DeepMinds aktuelle Top-Modelle, Gemini 3.5 Flash und Gemini 3.1 Pro, landen auf öffentlichen Benchmarks häufig außerhalb der Top Fünf. Das ist weit entfernt von dem Unternehmen, das mit AlphaGo Maßstäbe gesetzt hat. Wer je beobachtet hat, wie eine Forschungsorganisation von „Wir setzen die Agenda" zu „Wir liefern die Nachfolger" abgleitet, kennt die Dynamik: Die besten Leute beginnen, mit Recruitern zu Mittag zu essen.

Wer den Schaden trägt

Alphabet-Aktionäre haben den ersten Schlag bereits am Montag erlitten, doch der Folgeschaden ist interessanter. Google soll führenden DeepMind-Forschern eine spezielle Klasse von Aktienoptionen mit beschleunigtem Vesting gewährt haben. Im Klartext: Die Halteprämie ist bereits ausgereizt. Wenn das nicht genug ist, bleibt als letzter Hebel die Mission – und genau die kann Google laut Shazeers geleaktem Memo nicht mehr glaubwürdig verkaufen.

Anthropic und OpenAI werden beide in den kommenden Monaten an die Börse gehen. Dieser Zeitpunkt ist keine Randnotiz, er ist die ganze Geschichte. Als namhafter Neuzugang bei einem Pre-IPO-Labor einzusteigen ist ein anderes finanzielles Ereignis als beschleunigte RSUs bei einem 2-Billionen-Dollar-Konzern einzusammeln. Für einen Forscher in seiner besten Zeit ist die Wahl zwischen „einer von fünfzig Senior-Mitarbeitern bei Google DeepMind zu sein" und „der namentlich genannte Neuzugang zu sein, der Anthropics Biologiepush verankert" keine schwierige Entscheidung.

Enterprise-KI-Käufer aus Fintech, iGaming und Ad-Tech sollten dieses Signal ebenfalls lesen. Wer Gemini für Produktions-Workloads standardisiert hat, sollte nicht fragen, ob die aktuellen Modelle funktionieren – sie tun es. Die Frage ist, ob die nächsten beiden Modellgenerationen mithalten werden und ob die Menschen, die sie gebaut hätten, nun für den Wettbewerb bauen. Procurement-Teams, die 2024 und 2025 Single-Vendor-KI-Deals abgeschlossen haben, werden zunehmend exponiert.

Auch die wissenschaftlich orientierte Community wird getroffen. DeepMind hat ein Gemini-gestütztes „AI Scientist"-System aufgebaut, das Forschern in verschiedenen Bereichen helfen soll – das ist genutzlich nützliche Arbeit. Doch die Wahrnehmung (ob berechtigt oder nicht) ist, dass Grundlagenforschung inzwischen niedriger priorisiert wird als das kommerzielle Rennen. Jumpers Abgang zementiert diese Wahrnehmung, ob sie der Wahrheit entspricht oder nicht.

Handlungsempfehlungen für KI-Entwicklung

Wer als CTO oder Platform Lead ernsthaftes Geld auf KI-Infrastruktur setzt, sollte diese Woche als Anstoß sehen, drei Dinge zu tun.

Erstens: Modellabhängigkeit prüfen. Wenn der Stack davon ausgeht, dass Gemini in Sachen Qualität und Latenz an der Spitze bleibt, sollte das Szenario geplant werden, in dem das nicht der Fall ist. Das bedeutet Abstraktionsschichten, modell-agnostisches Prompt-Management und Evaluierungen, die wirklich nach Zeitplan durchgeführt werden. Die Model Context Protocol-Spezifikation ist hier einen ernsthaften Blick wert, da sie einen Anbieterwechsel ermöglicht, ohne die Agenten-Infrastruktur neu schreiben zu müssen.

Zweitens: Biologie- und Wissenschafts-Verticals beobachten. Anthropics Einstellung von Jumper ist ein klares Zeichen auf angewandte Life-Sciences-KI. Für Gründer in Healthtech, Pharma-Tools oder angrenzenden molekularen Bereichen: Erwarten Sie in den nächsten 12 Monaten neue Claude-basierte Fähigkeiten, die die Make-or-Buy-Rechnung verändern.

Drittens: Die eigene Mitarbeiterbindung ernst nehmen. Das Muster, das Google gerade durchlebt – langsame Kommerzialisierung, interne Memos über Risikoaversion, Abgang von Top-Forschern – ist nicht auf Mega-Caps beschränkt. Jedes KI-Team ab etwa 30 Personen ist von demselben Muster nur einen frustrierten Principal Engineer entfernt. Klarheit über die Mission schlägt Aktienauffrischungen jedes Mal, und Shazeers Memo – nun schon zweimal – ist das Lehrbuchbeispiel.

Zurück zum Orchester. Eine Sinfonie bricht nicht am Tag zusammen, an dem der erste Geiger geht – sie bricht sechs Monate später zusammen, wenn die zweiten Geigen merken, dass niemand mehr das Tempo vorgibt. Google hat noch Hassabis am Pult und eine tiefe Bank. Aber die Menschen, die bei DeepMind das Tempo vorgaben, geben es jetzt bei Anthropic und OpenAI vor – und das Publikum, also der Markt, hat den falschen Ton bereits am Montag gehört.

Wichtigste Erkenntnisse

• Zwei führende DeepMind-Forscher, Noam Shazeer und Nobelpreisträger John Jumper, verließen das Unternehmen binnen 48 Stunden für OpenAI und Anthropic und kosteten Google über 5 % des Aktienkurses.
• Shazeers erneuter Abgang – nachdem ein Character.ai-Lizenzierungsdeal über 2,7 Milliarden US-Dollar ihn 2024 zurückgebracht hatte – bestätigt erneut seine alte Kritik, dass Google zu langsam beim Ausliefern ist.
• Jumpers Wechsel zu Anthropic deckt sich direkt mit Dario Amodeis erklärtem Vorstoß in die Biologie und erhöht den Druck auf DeepMinds Ausgründung Isomorphic Labs.
• Gemini 3.5 Flash und Gemini 3.1 Pro landen auf öffentlichen Benchmarks häufig außerhalb der Top Fünf – das ist der stille Kontext hinter der Talentflucht.
• Enterprise-Käufer, die auf einen einzigen KI-Anbieter standardisiert haben, sollten noch in diesem Quartal Abstraktionsschichten und ernsthafte Modellwechsel-Evaluierungen in ihre Roadmap aufnehmen.