Sutton verlässt Carmacks Labor und erklärt LLMs den Krieg

Stellen Sie sich die KI-Branche gerade als eine riesige Autobahn vor: acht Spuren, alle in dieselbe Richtung, alle auf dem Weg zu größeren Transformern und mehr aufbereitetem Text. Am 14. Juli bog ein 68-jähriger Mann in Alberta an der nächsten Ausfahrt ab, wendete das Auto und fuhr in die Gegenrichtung. Dieser Mann hat zufällig einen Turing Award auf dem Beifahrersitz.

Richard Sutton, den die meisten Menschen in diesem Bereich als Erfinder des Reinforcement Learning bezeichnen würden, hat das KI-Startup von John Carmack verlassen, um etwas zu bauen, das GPT in keiner Weise ähnelt. Und er lässt keinen Zweifel daran, warum.

Was geschah

Wie BigGo Finance berichtete, kündigte Sutton auf X an, dass er und sein Mitarbeiter Khurram Javed Keen Technologies verlassen – das KI-Unternehmen des legendären Spieleentwicklers John Carmack – um Oak Lab mitzugründen. Das neue Unternehmen ist in Kanada registriert, wo Sutton seine akademische Karriere als Professor für Informatik an der University of Alberta verbracht hat.

Die Referenzen sind hier relevant, denn die Behauptung ist enorm. Sutton studierte zunächst Psychologie in Stanford, promovierte dann an der UMass Amherst bei Andrew Barto. Er entwickelte den Temporal-Difference-Learning-Algorithmus, verfasste gemeinsam mit Barto Reinforcement Learning: An Introduction, und 2025 erhielten die beiden gemeinsam den ACM Turing Award für ihre grundlegenden Beiträge zum Reinforcement Learning. Zu seinen ehemaligen Studenten zählen David Silver, der AlphaGo entwickelte und nun Ineffable Intelligence gegründet hat, sowie Doina Precup, die DeepMind Montreal leitet.

Oak Lab basiert auf einer Architektur namens OaK, kurz für Options and Knowledge, die aus dem Forschungskonzept des „Alberta Plan" stammt. Das erklärte langfristige Ziel ist ein Agent mit einer Billion Parametern, der mit 20 Watt betrieben wird – demselben Energiebudget wie das menschliche Gehirn. Sutton möchte Echtzeit-Lernen mit einer Batch-Größe von eins. Kein Vortraining, keine eingefrorenen Gewichte, kein „ausliefern und aufhören zu lernen".

Er hat diesen Boden seit einer Weile vorbereitet. In einem Interview mit Dwarkesh Patel im September 2025 argumentierte er, dass LLMs nicht dem Geist seines Essays „The Bitter Lesson" von 2019 entsprechen. Im Mai 2026 sagte er beim Dertouzos Distinguished Lecture des MIT offen, dass die KI als große Industrie in gewissem Maße ihren Weg verloren habe. Oak Lab ist das, was dieser Satz bedeutet, wenn man Geld und Ingenieure dahinter stellt.

Technische Anatomie

Um die Wette zu verstehen, muss man die Abzweigung verstehen, die die Branche nach Suttons Meinung falsch genommen hat. „The Bitter Lesson" untersuchte 70 Jahre KI-Forschung und kam zu dem Schluss, dass handcodiertes menschliches Wissen gegenüber allgemeinen Methoden plus Skalierung immer verliert. Die Frontier-Labore lasen diesen Essay und hörten: Transformer skalieren. Sutton liest seinen eigenen Essay und hört etwas ganz anderes: aus Erfahrung lernen, nicht aus den Hausaufgaben anderer.

Das Innenleben von OaK basiert auf drei Prinzipien. Der Agent muss universell einsetzbar sein, ohne vorprogrammiertes domänenspezifisches Wissen. Alles Wissen muss aus Erfahrung stammen. Und die treibende Kraft ist die Maximierung der kumulierten Belohnung. „Options" im Namen bezieht sich auf zeitlich erweiterte Verhaltensrichtlinien – Handlungssequenzen mit Abbruchbedingungen statt einstufiger Reaktionen. „Knowledge" ist das, was der Agent aufbaut, während er diese Optionen gegen die Welt ausführt.

Die Anforderung einer Batch-Größe von eins ist der Punkt, an dem es brisant wird. Jeder, der ein modernes Netzwerk trainiert hat, weiß, dass die Batch-Größe eins der Punkt ist, an dem alles zusammenbricht. Gradientenrauschen frisst einen auf. Modernes Deep Learning ist im Wesentlichen eine ausgefeilte Mittelungsmaschine, und über eine Batch-Größe von eins zu mitteln bedeutet „kein Mitteln". Sutton und sein Team glauben, dass die Kombination ihrer Algorithmen mit ereignisgesteuerten neuronalen Netzen den erforderlichen Rechenaufwand und den Energieverbrauch um mehrere Größenordnungen senken könnte. Das ist der einzig glaubwürdige Weg zu 20 Watt. Man kommt nicht zu gehirnähnlichen Energiebudgets, indem man Transistoren auf einem H100-Nachfolger einspart. Man kommt dorthin, indem man die Arbeit von vornherein nicht ausführt.

Die zwei Probleme, die Sutton offen einräumt, sind katastrophales Vergessen, bei dem neues Lernen altes Wissen überschreibt, und Plastizitätsverlust, bei dem ein Netzwerk nach und nach aufhört, etwas Neues lernen zu können. Beide sind in ernsthafter Weise ungelöst. LLMs umgehen sie, indem sie nach dem Training schlicht nicht mehr lernen. Oak Lab muss ihnen direkt begegnen, weil kontinuierliches Lernen der gesamte Kern ist. Ein Bericht von 36Kr behandelte den langfristigen Ehrgeiz, aber das kurzfristige Forschungsproblem ist brutal – und ehrliche Menschen in diesem Bereich werden Ihnen sagen, dass niemand es geknackt hat.

Wer es zu spüren bekommt

Kurze Antwort: nicht die Frontier-Labore, zumindest noch nicht. OpenAI, Anthropic und Google werden ein kanadisches Forschungs-Startup im nächsten Quartal nicht in ihren Umsatzberichten bemerken. Diejenigen, die aufhorchen sollten, sind eine Ebene darunter.

Beginnen Sie mit den Agent-Frameworks. Vieles, was 2026 als „KI-Agenten" verkauft wird, ist ein Sprachmodell in einer Schleife mit Tools und einem Memory-Hack. Wenn Sutton und Silver recht haben, dass echtes kontinuierliches Lernen wichtig ist, dann sind diese Systeme im Wesentlichen sehr ausgefeilte Marionetten. Sie können nicht von einem Benutzer lernen, können ihre eigenen Ausgaben nicht korrigieren, können keine neuen Strategien erfinden. AlphaZero gab menschliche Spielaufzeichnungen auf und fand besseres Schach, als Menschen je gespielt haben. Kein heute ausgelieferter LLM-Agent tut das Äquivalente. Gründer, die auf den Claude- oder Gemini-Agentic-Stacks aufbauen, sollten sich zumindest fragen, wie ihr Burggraben aussieht, wenn der gesamte Ansatz ein lokales Maximum ist.

Zweitens die RLHF- und Fine-Tuning-Shops. Wenn Reinforcement Learning als erstklassiges Bürger ein Comeback erlebt, wird die Heimindustrie „Präferenzmodell auf ein Basis-LLM aufsetzen" von beiden Seiten unter Druck geraten. Die Frontier-Labore werden es weiterhin intern tun, und eine neue Welle RL-nativer Systeme wird den Anstrich dünn aussehen lassen.

Drittens, und hier wird es für Fintech- und iGaming-Teams interessant: Das Versprechen eines Agenten, der online, in Echtzeit, aus seinen eigenen Aktionen lernt, mit einer Batch-Größe von eins, ist genau die Form des Problems, die diese Branchen haben. Betrugserkennung, In-Play-Preisgestaltung, Personalisierungsschleifen. Niemand in diesen Branchen möchte wirklich ein eingefrorenes Modell. Sie wollen ein System, das sich an den heutigen Traffic anpasst, nicht an den des letzten Quartals. Wenn Oak Lab in den nächsten drei Jahren etwas Verwendbares produziert, werden die angewandten KI-Teams in Zahlungsabwicklung und Wetten die ersten kommerziellen Kunden sein, nicht Verbraucher-Chatbot-Unternehmen.

Leitfaden für die KI-Entwicklung

Niemand sollte diese Woche seinen LLM-Stack herausreißen. Das wäre töricht. Aber es gibt drei Schritte, die sich lohnen.

Erstens: Lesen Sie „The Bitter Lesson" und das Dwarkesh-Interview vom September 2025 selbst, bevor Sie Ihre Architekten Ihnen erklären lassen, was Sutton meint. Der Essay wird von zwei entgegengesetzten Lagern zitiert, um entgegengesetzte Schlussfolgerungen zu rechtfertigen. Das ist ein Hinweis, dass Sie sich Ihre eigene Meinung bilden sollten.

Zweitens: Prüfen Sie, welche Teile Ihres KI-Systems wirklich kontinuierliches Lernen benötigen und welche problemlos eingefroren bleiben können. Die meisten Produktfunktionen brauchen es nicht. Einige schon – und das sind die Teile, bei denen LLM plus Vektordatenbank derzeit nur Flickwerk ist. Seien Sie ehrlich darüber, was was ist. Wenn Sie Hugging Face-Pipelines jede Woche mit Fine-Tunes durchlaufen, nur um Ihr Modell aktuell zu halten, ist das ein Signal, dass Sie gegen den Ansatz arbeiten, nicht mit ihm.

Drittens: Behalten Sie Ineffable Intelligence und Oak Lab gemeinsam im Blick. Die Quelle beschreibt sie als koordinierte Herausforderung des dominanten KI-Ansatzes. Zwei Teams aus dem Turing-Stammbaum, die in dieselbe Richtung zeigen, sind kein Rundungsfehler. Vielleicht produzieren sie fünf Jahre lang nichts Auslieferbares. Vielleicht produzieren sie aber auch das, was einen großen Teil dessen, worauf Sie heute aufbauen, ablöst.

Wichtigste Erkenntnisse

• Sutton und Khurram Javed verließen Keen Technologies am 14. Juli, um Oak Lab in Kanada zu gründen, aufgebaut auf der OaK-Architektur (Options and Knowledge) aus dem Alberta Plan.
• Das langfristige Ziel ist ein Agent mit einer Billion Parametern, der mit 20 Watt läuft und damit das Energiebudget des menschlichen Gehirns erreicht – mit Echtzeit-Lernen bei Batch-Größe eins.
• Sutton argumentiert, dass LLMs dem Geist seines Essays „The Bitter Lesson" von 2019 widersprechen, weil sie aus menschlichen Daten statt aus Erfahrung lernen.
• Der Schritt spiegelt David Silvers Ineffable Intelligence wider und bildet eine koordinierte Herausforderung durch die alte Garde des Reinforcement Learning.
• Katastrophales Vergessen und Plastizitätsverlust bleiben offen ungelöst – dies ist also eine Forschungswette mit einem Zeithorizont von einem Jahrzehnt, keine Bedrohung für die Frontier-Labore im nächsten Quartal.

Zurück zur Autobahn. Alle rasen noch in dieselbe Richtung, und die Ausfahrten sind still. Aber wenn die Person, die das Handbuch für eine der zwei allgemeinen Methoden geschrieben hat, die unbegrenzt skalieren, im Alter von 68 Jahren ihr Auto wendet, wirft man zumindest einen Blick in den Rückspiegel.