Jeff Dean verlässt Google nach 27 Jahren: Gründung von Discovery Loop für KI-Laborautomatisierung

Am 5. August 2026 kündigte Google-CEO Sundar Pichai in einem internen Memo eine bedeutende Personalentscheidung an: Nach 27 Jahren verlässt der legendäre Chief Scientist Jeff Dean das Unternehmen, um zusammen mit seinem langjährigen Partner Sanjay Ghemawat das neue Startup Discovery Loop zu gründen. Das Ziel der neuen Firma lässt sich in einem Satz zusammenfassen: Wissenschaftliche Experimente durch KI so zu automatisieren, dass ein kleines Team die Leistung eines sonst vollständigen Forschungslabors erbringen kann.

Die Nachricht löste in der Tech-Community große Wellen aus. Auf dem US-Entwicklerforum Hacker News verzeichnete die Diskussion innerhalb weniger Stunden über 500 Punkte und mehr als 300 Kommentare und stieg zum Top-Thema des Tages auf. Die Begeisterung in der Tech-Welt über einen Personalwechsel war zuletzt vergleichbar mit der vorübergehenden Entlassung von Sam Altman bei OpenAI. In dem internen Schreiben wurde zudem eine umfassende Umstrukturierung der Führungsriege von Google AI bekannt gegeben: Demis Hassabis, Chef von DeepMind, wechselt vom CEO-Posten zum Verwaltungsratsvorsitzenden und wird von einem anderen Urgestein abgelöst. Deans Abgang markiert das gewichtigste Element dieses Umbaus.

Wer ist Jeff Dean? Auch wenn sein Name der breiten Öffentlichkeit nicht immer geläufig ist, nutzen Millionen von Menschen täglich Systeme, die auf seinen Entwicklungen basieren. Die Infrastruktur der Google-Suche, von Google Übersetzer und Google Maps läuft auf Systemen, an deren Entwicklung er maßgeblich beteiligt war. 2004 erfand er zusammen mit Sanjay Ghemawat MapReduce – eine Technologie, die riesige Rechenleistungen auf Tausende von Computern verteilt. Diese Innovation trieb den Aufstieg der Google-Suche voran und wurde zu einem Fundament des modernen Big-Data-Zeitalters. 2011 gründete er Google Brain mit und leitete 2015 die Open-Source-Freigabe des Deep-Learning-Frameworks TensorFlow ein, auf dem heute ein Großteil der weltweiten KI-Produkte aufbaut. Nach der Zusammenlegung der AI-Abteilungen von Google im Jahr 2023 übernahm er die Position des Chief Scientist – die höchste Stufe der technischen Laufbahn bei Google. Geboren 1968 auf Hawaii, begann seine Karriere noch früher: Vor seinem Masterstudium entwickelte er für die Weltgesundheitsorganisation (WHO) Software zur Vorhersage der Ausbreitung von HIV.

Abb.: Jeff Dean, 2025. Quelle: upload.wikimedia.org

Warum entscheidet sich ein Ingenieur auf dem Höhepunkt seiner Karriere mit 58 Jahren für den Ausstieg? Die offizielle Erklärung von Google fiel ausgesprochen wertschätzend aus: Nach 27 Jahren wolle er etwas Neues ausprobieren; Google unterstütze dies vollumfänglich, beteilige sich als Gründungsinvestor am neuen Unternehmen und führe die Zusammenarbeit im Cloud-Bereich fort. Öffentlich wirkt der Abschied wie eine einvernehmliche Trennung im besten Einvernehmen. Branchenbeobachter merken jedoch an, dass Googles heutige Unternehmensgröße nicht mehr die Agilität vergangener Tage bietet: Bei fast 200.000 Mitarbeitern und einer KI-Produktlinie, die allein mit der Gemini-App 950 Millionen monatlich aktive Nutzer bedient, erfordert der Weg einer Idee vom Labor zur Marktreife zahllose Prüfungsinstanzen. Für Entwickler vom Schlage Deans ist das wertvollste Gut – die Freiheit zur schnellen Iteration – in Großkonzernen zunehmend unerschwinglich geworden. Ein Kommentar eines erfahrenen Entwicklers auf Hacker News bringt die Stimmung auf den Punkt: „Mit dem Abgang von Jeff und Sanjay endet eine goldene Ära. Für viele erfahrene Ingenieure war der letzte Grund, bei Google zu bleiben, der Gedanke: ‚Wenigstens sind Jeff und Sanjay noch da.‘“

Was hat es nun mit dem „automatisierten Experimentierkreislauf“ auf sich, den das neue Startup entwickeln will?

Rufen wir uns in Erinnerung, wie wissenschaftlicher Fortschritt gewöhnlich entsteht: Ein Forscher stellt eine Hypothese auf, entwirft ein Experiment, führt es aus, analysiert die Ergebnisse, passt die Hypothese an und plant das nächste Experiment. Dieser Kreislauf aus „Hypothese – Experiment – Ergebnis – Anpassung“ bildet das Herzstück der Wissenschaft. Das Konzept klingt einfach, ist in der Praxis jedoch extrem langsam: Von der Planung eines Experiments bis zum Ergebnis vergehen oft Wochen oder Monate; ein Labor mit Dutzenden Mitarbeitern schließt im Jahr nur wenige große Studien ab. Discovery Loop will diesen gesamten Kreislauf der KI übergeben: Die KI formuliert Hypothesen, plant und führt Experimente aus, wertet die Ergebnisse aus und bestimmt die nächsten Schritte – und das in Tausenden parallel laufenden Durchläufen. Wie es auf der Website heißt: Stellen Sie sich eine Zukunft vor, in der eine kleine Gruppe von Menschen wissenschaftliche Forschungsaufgaben mit weitaus höherer Geschwindigkeit und Qualität bewältigt als heutige Großteams.

Abb.: Konzeptdiagramm des „automatisierten Experimentierkreislaufs“ von Discovery Loop. Quelle: discoveryloop.com

Worin liegt die Radikalität dieses Ansatzes? In den letzten Jahrzehnten beruhte die Beschleunigung der Forschung auf dem Einsatz von mehr Ressourcen – mehr Labore, mehr Forscher, mehr Geld. Deans Wette lautet hingegen: Der eigentliche Engpass der Forschung ist der Faktor Mensch – Menschen sind bei Experimenten zu langsam, zu teuer und ermüden schnell. Automatisierte Experimentierkreisläufe verlagern den Engpass von der menschlichen Arbeitskraft hin zur Rechenleistung und Parallelisierung. In einem ersten Schritt setzt das Team in dem Bereich an, den es am besten kennt: der KI-Forschung selbst. Indem KI-Systeme autonom Experimente zur Optimierung von KI durchführen, soll der eigene Technologie-Stack verfeinert werden, bevor die Expansion in andere Disziplinen erfolgt. Das Gründerteam besteht aus vier Personen: Jeff Dean, Sanjay Ghemawat, Quoc Le und Oriol Vinyals. Nach Angaben des Startups gehören drei von ihnen zu den am meisten zitierten KI-Forschern weltweit, zwei zu den meistzitierten Experten für verteilte Systeme. Schlüsseltechnologien wie Google Search, TensorFlow, AlphaFold und Gemini gehen auf ihre Arbeit zurück.

Abb.: Gründerteam von Discovery Loop, von links nach rechts: Vinyals, Ghemawat, Dean, Le. Quelle: discoveryloop.com

Die Ambitionen reichen weit über reine Software hinaus. Die Website listet eine Zielauswahl auf, die sich an den 14 großen Herausforderungen der Ingenieurwissenschaften der US-amerikanischen National Academy of Engineering orientiert: kostengünstige Solarthermie, kontrollierte Kernfusion, sauberer Zugang zu Trinkwasser, bessere Medikamente, Cybersicherheit und fortschrittlichere wissenschaftliche Werkzeuge. Dean erklärte auf Social Media, dass dieser Ansatz nahezu jedes wichtige Teilproblem dieser 14 Herausforderungen abdecken könne. Jede einzelne dieser Aufgaben hat die Menschheit über Jahrzehnte hinweg bereits Milliarden gekostet, ohne vollständig gelöst worden zu sein. Solch kühne Ansagen zeugen entweder von echter technologischer Überlegenheit oder dienen dem Marketing gegenüber Investoren – bei jungen Startups trifft oft beides zu.

Entsprechend laut ist auch die Kritik. Auf Hacker News entzündete sich die Debatte vor allem an der altbekannten Frage der Ersetzung menschlicher Arbeitskräfte durch KI. Ein viel beachteter Kommentar des Nutzers beloch brachte die Skepsis auf den Punkt: Das Kernversprechen auf der Website des Unternehmens laufe im Grunde darauf hinaus, menschliche Angestellte wegzuautomatisieren, damit eine kleine Elite die Lorbeeren und Gewinne einstreichen könne – genau das Drehbuch klassischer KI-Startups, nur diesmal angewendet auf Wissenschaftler selbst. Denkt man diese Logik weiter, wären bei einer Automatisierung von Experimenten zuerst Nachwuchsforscher und Laborassistenten betroffen, bevor es erfahrene Wissenschaftler trifft.

Die Befürworter halten dagegen: Die Zeit von Wissenschaftlern sollte nicht mit monotonen Routinearbeiten vergeudet werden. Entwicklung und Zulassung eines neuen Medikaments dauern im Schnitt über zehn Jahre und kosten mehr als eine Milliarde Dollar. Gelingt es, diesen Kreislauf um eine Größenordnung zu beschleunigen, könnten neue Heilmittel, Werkstoffe und Batterietechnologien in einer bisher unvorstellbaren Geschwindigkeit entstehen – zum Nutzen aller. Andere Forenteilnehmer hielten dagegen: Warum sollte man es nicht versuchen? Wenn das System erfolgreich ist, werden die Ergebnisse alle Zweifel ausräumen.

Die Meinungsunterschiede konzentrieren sich letztlich auf die Frage der Verteilung der Früchte des Fortschritts. Ob die Technologie funktioniert, ist die eine Frage; wer davon profitiert und ob die Allgemeinheit teilhaben kann, eine völlig andere. Beide Perspektiven aufzuzeigen ist notwendig, da es derzeit noch keine eindeutige Antwort gibt. Zudem wirft die automatisierte Forschung ein grundlegendes Zuverlässigkeitsproblem auf: Wenn KI Experimente plant und auswertet – wie erkennt sie eigene Fehler? Die Wissenschaftsgeschichte ist voll von nicht reproduzierbaren Experimenten; wenn schon menschliche Forschung daran krankheitsanfällig ist, wer überprüft dann die Ergebnisse der KI? Deans Team gehört vermutlich zu den kompetentesten Köpfen weltweit, um diese Frage anzugehen, doch zwischen technischer Kompetenz und vollendeter Umsetzung liegt noch ein weiter Weg.

Für die Öffentlichkeit bleibt die Kernbotschaft simpel: Sollte Discovery Loop Erfolg haben, könnten sich die Entwicklungszeiten für Medikamente, die Kosten für Elektroautobatterien und der Wirkungsgrad von Solaranlagen drastisch verändern. Scheitert das Vorhaben, geht es als eine weitere kostspielige Wette der KI-Welle in die Geschichte ein. Unabhängig vom Ausgang zeichnet sich ein klarer Trend ab: Wissenschaftliche Forschung verlagert ihren Schwerpunkt vom Masseneinsatz menschlicher Arbeitskraft hin zu Algorithmen und Rechenleistung – und das Steuer dieser Entwicklung liegt in den Händen einiger erfahrener Ingenieure Ende fünfzig.

Referenzlinks:

• Offizielle Website von Discovery Loop
• Offizielle Ankündigung von Google: Next Chapter of AI Momentum
• HN-Diskussion (item?id=49184960)
• HN-Diskussion (item?id=49184755)