Nvidias 5-Milliarden-Dollar-Investition in Ilya Sutskever: Steht SSI kurz davor, die fehlende Zutat der KI zu enthüllen?

Safe Superintelligence ist womöglich die interessanteste Blackbox im Silicon Valley. Das KI-Labor, gegründet vom ehemaligen OpenAI-Chefentwickler Ilya Sutskever, verfügt über kein öffentlich zugängliches Modell, keine Verbraucher-App, keine nennenswerten Einnahmen und veröffentlicht so gut wie keine Forschungsergebnisse. Die Website liest sich immer noch eher wie ein seltsames Versprechen als ein Geschäftsplan: SSI existiert mit „ einem Ziel und einem Produkt: einer sicheren Superintelligenz “.

Dennoch hat Nvidia zugestimmt, 5 Milliarden US-Dollar in das Unternehmen zu investieren und SSI damit Zugang zur kommenden Vera-Rubin-Computing-Plattform des Chipherstellers sowie zu ausreichend Hardware zu verschaffen, um die verfügbare Rechenleistung zu verzehnfachen. Entscheidend war, dass Nvidia diese Investition tätigte, nachdem es – wie die Unternehmen selbst betonten – seltenen Zugang zu den streng gehüteten Forschungsergebnissen von SSI erhalten hatte.

Dann kam das Gerücht auf. In einem kürzlich ausgestrahlten Podcast-Interview mit dem Titel „Invest Like the Best“ erwähnte Gavin Baker, Gründer von Atreides Management, beiläufig: „SSI kündigt an, ihr Modell im August zu veröffentlichen.“ SSI hat diese Aussage weder bestätigt noch eine Einführungsveranstaltung angekündigt oder Details zum Modell bekannt gegeben. Bislang handelt es sich also um die Aussage eines gut informierten Investors und nicht um ein offizielles Veröffentlichungsdatum. Entsprechend sollte man sie mit Vorsicht behandeln.

Dennoch ist diese Abfolge kaum zu ignorieren: Nvidia erhält einen Einblick hinter die Kulissen, stellt einen enormen Scheck aus, SSI verkündet, dass seine Forschung endlich bereit für die Massenproduktion ist, und es kursieren Gerüchte, dass ein Modell unmittelbar bevorsteht.

Im ursprünglichen Gilded Age investierten Finanziers enorme Summen in Eisenbahnen, noch bevor die Zielorte gebaut waren. In der heutigen Zeit finanziert der weltweit führende Chiphersteller eine Eisenbahnlinie zur künstlichen Intelligenz, bevor irgendjemand außerhalb der Labore weiß, wohin sie führt.

Der KI-Wissenschaftler, der selten daneben schießt

Sutskever erhält nicht deshalb Milliarden, weil er die Kunst der Venture-Capital-Präsentation perfektioniert hat. Er erhält sie, weil seine Forschungsgeschichte verdächtig nach einer Roadmap für moderne KI aussieht.

Sutskever, ein Mathematikabsolvent der Universität Toronto, promovierte bei Geoffrey Hinton, einer der Schlüsselfiguren der Deep-Learning-Revolution. 2012 entwickelten Sutskever, Hinton und Alex Krizhevsky AlexNet, das neuronale Netzwerk, das im ImageNet-Wettbewerb für Computer Vision die Konkurrenz deutlich schlug und Deep Learning vom akademischen Forschungsgebiet zum dominierenden KI-Paradigma machte. Das Netzwerk wurde mit nur zwei GPUs trainiert – ein Fakt, den Sutskever noch heute anführt, um zu argumentieren, dass bahnbrechende Forschungsergebnisse nicht zwangsläufig in riesigen Rechenzentren entstehen.

Nach der Übernahme des DNNresearch-Startups des Teams durch Google arbeitete Sutskever bei Google Brain und war Mitautor der bahnbrechenden Veröffentlichung von 2014 zur Sequenz-zu-Sequenz-Übersetzung zusammen mit Oriol Vinyals und Quoc Le. Diese Architektur trug dazu bei, die Grundlagen für die moderne maschinelle Übersetzung und die weitergehende Idee zu schaffen, dass neuronale Netze eine Informationssequenz in eine andere umwandeln können.

Anschließend wurde er Mitbegründer und leitender Wissenschaftler von OpenAI, wo er maßgeblich zur Entwicklung der zentralen These des Booms generativer KI beitrug: Ausreichend große neuronale Netze, trainiert mit ausreichend großen Datensätzen und ausreichend Rechenleistung, würden Fähigkeiten erlangen, die ihnen nicht explizit einprogrammiert wurden. Sein Name erscheint auf der Veröffentlichung zu GPT-3, und Nvidia würdigt seine Arbeit heute als Beitrag zu AlexNet, AlphaGo, den GPT-Modellen und dem Forschungsweg, der die Schlussfolgerungssysteme von OpenAI hervorgebracht hat.

Dieser Lebenslauf ist der Grund, warum SSI eine Aufmerksamkeit erregt, die für fast jedes andere Start-up in der Vorproduktphase absurd erscheinen würde. Sutskever war mehrfach dabei, als eine unpopuläre Forschungsidee plötzlich zum Leitprinzip der Branche wurde.

Vom Skalierungspropheten OpenAIs zum Skalierungs-Ketzer

Sutskever verließ OpenAI im Anschluss an die außergewöhnliche Governance-Krise im November 2023, in deren Verlauf er sich dem Versuch des Aufsichtsrats anschloss, CEO Sam Altman abzusetzen, bevor er seine Beteiligung öffentlich bereute. Er verließ das Unternehmen schließlich im Mai 2024 und beendete damit fast ein Jahrzehnt seiner Tätigkeit bei dem Unternehmen, das er mitgegründet hatte.

Einen Monat später gründete er zusammen mit Daniel Gross und Daniel Levy Safe Superintelligence. Das Unternehmen sollte keine Büroassistenten, Bildgeneratoren, Programmierassistenten oder Werbetools entwickeln. Stattdessen verfolgte es das Ziel, Superintelligenz direkt zu erforschen und die Forschung so vor dem zu schützen, was SSI als „Managementaufwand“, Produktzyklen und kurzfristigen kommerziellen Druck bezeichnete.

Die offensichtliche Ironie besteht darin, dass der Mann, der die Skalierungstheorie mitbegründete, später zu einem ihrer prominentesten Kritiker wurde. Doch Sutskevers tatsächliche Position ist differenzierter – und interessanter – als der Online-Slogan „Skalierung ist tot“.

Nachdem ein ausführliches Interview mit Dwarkesh Patel aus dem Jahr 2025 als Vorhersage einer unüberwindbaren Skalierungsgrenze zusammengefasst worden war, korrigierte Sutskever diese Aussage. Die Skalierung bestehender Systeme, so sagte er, werde weiterhin Verbesserungen hervorbringen und „nicht zum Stillstand kommen“. Das Problem sei jedoch, dass „weiterhin etwas Wichtiges fehlen wird“.

Diese fehlende Komponente scheint zuverlässige Generalisierung, stichprobeneffizientes Lernen und kontinuierliches Lernen zu beinhalten.

Aktuelle Spitzenmodelle erzielen in Tests erstaunlich gute Ergebnisse, machen aber im realen Einsatz erstaunlich grundlegende Fehler. Sie können während des Trainings Billionen von Tokens verarbeiten, doch ihnen anschließend eine dauerhafte neue Fähigkeit beizubringen, bleibt mühsam. Menschen hingegen können sich einige wenige Beispiele ansehen, das zugrundeliegende Prinzip ableiten und kontinuierlich lernen, ohne von Grund auf neu trainiert werden zu müssen.

Sutskever erklärte Patel, dass moderne Modelle „deutlich schlechter generalisieren als Menschen“. Seiner Ansicht nach hat die Branche ein neues „Zeitalter der Forschung“ erreicht, da eine bloße Verhundertfachung des etablierten Verfahrens die von AGI versprochene qualitative Transformation kaum bewirken dürfte. Der nächste Durchbruch erfordert eine bessere Nutzung von Rechenleistung, nicht bloß mehr davon.

Sutskever scheint nicht zu behaupten, dass GPUs überflüssig geworden sind. Er argumentiert vielmehr, dass Rechenleistung eine Idee erweitert, nicht ersetzt.

Die Superintelligenz, die als Student beginnt

Sutskevers Konzeption von Superintelligenz unterscheidet sich von dem allwissenden digitalen Orakel, das man sich gemeinhin in der Science-Fiction vorstellt.

Er beschrieb das Ziel als etwas, das eher einem „superintelligenten 15-Jährigen“ ähnelt: ein System, das anfangs vielleicht nicht alle Fakten kennt oder über alle beruflichen Fähigkeiten verfügt, aber neue Bereiche außerordentlich schnell erlernen kann. Anstatt als Programmierer, Arzt, Ingenieur und Wissenschaftler bereits vollständig ausgebildet zu sein, besäße es einen allgemeinen Lernprozess, der es ihm ermöglicht, all diese Berufe zu ergreifen.

Dies ist eine wesentlich bedeutsamere Fähigkeit als ein Chatbot mit einem größeren Speicher oder etwas besseren Mathematikkenntnissen.

Ein kontinuierlich lernendes Modell könnte in eine Organisation integriert werden, deren Systeme analysieren, Feedback aufnehmen und sich während der Arbeit verbessern. Kopien, die in Tausenden von Unternehmen eingesetzt werden, könnten unterschiedliche Fähigkeiten erwerben und das Gelernte potenziell kombinieren. Menschen können die Erfahrung von 50,000 Mitarbeitern nicht in einem einzigen Gehirn vereinen. Software könnte dies eines Tages gelingen.

Sutskever glaubt, dass ein System mit menschenähnlicher Lernfähigkeit innerhalb von fünf bis zwanzig Jahren entstehen könnte. Er erwartet zudem, dass dessen wirtschaftlicher Einfluss eher durch Verbreitung als durch einen plötzlichen „Tag der künstlichen Intelligenz“ eintreten wird: Leistungsfähige Systeme würden in Unternehmen eingesetzt, lernen Aufgaben und überwinden nach und nach die physischen und institutionellen Hürden der Realwirtschaft.

Seine Sicherheitsvorstellungen sind ähnlich unkonventionell. Sutskever schlug vor, dass fortschrittliche Systeme so konzipiert sein sollten, dass sie empfindungsfähiges Leben berücksichtigen, dass ihre maximale Leistungsfähigkeit möglicherweise begrenzt werden müsse und dass ihre Einführung schrittweise erfolgen sollte, damit Regierungen und die Öffentlichkeit verstehen können, was auf sie zukommt. Er scheint nicht mehr uneingeschränkt darauf bedacht zu sein, alles innerhalb der SSI zu halten, bis eine fertige Superintelligenz entstanden ist. In dem Interview von 2025 räumte er ein, dass es von erheblichem Wert sei, der Öffentlichkeit Einblick in immer leistungsfähigere KI zu gewähren, und sagte, eine schrittweise Freigabe sei Teil jedes plausiblen Plans.

Diese Änderung gibt SSI die Möglichkeit, ein Zwischensystem auf den Markt zu bringen, ohne seine „direkte“ Philosophie vollständig aufzugeben.

Warum Nvidias Deal die Geschichte verändert

Am 27. Juli gaben SSI und Nvidia eine langfristige strategische Partnerschaft bekannt, die dem Startup die Vera Rubin-Systeme der nächsten Generation von Nvidia zur Verfügung stellen und seine Rechenleistung um eine Größenordnung erweitern wird.

Die Unternehmen machten keine Angaben zur Höhe der Investition, Reuters berichtete jedoch, dass Nvidia 5 Milliarden US-Dollar in SSI investiert . Die Vereinbarung kam demnach innerhalb weniger Wochen zustande.

Die offizielle Sprache war für ein Unternehmen, das der Geheimhaltung verfallen ist, ungewöhnlich aufschlussreich.

„SSI hat in den letzten zwei Jahren im Stillen eine neue Forschungsrichtung verfolgt“, erklärte Nvidia und fügte hinzu, dass man die Partnerschaft eingegangen sei, nachdem man seltenen Zugang zu den Forschungsergebnissen erhalten hatte. Sutskever äußerte sich noch direkter: „Unsere Forschung ist es wert, ausgeweitet zu werden.“

Wir geben eine langfristige strategische Partnerschaft mit NVIDIA bekannt. NVIDIA investiert substanziell in SSI, wodurch wir unsere Rechenleistung in den nächsten 12 Monaten verzehnfachen können. Unsere Forschung ist nun so weit fortgeschritten, dass sich eine Skalierung lohnt, und dank dieser Partnerschaft wird uns dies gelingen. Wir sind…

— SSI Inc. (@ssi) 27. Juli 2026

Und genau dieser Satz ist der Kernpunkt. In seinem Interview mit Dwarkesh argumentierte Sutskever, dass SSI den weltweit größten Cluster nicht benötigte, um lediglich die Funktionsfähigkeit seiner Kernideen zu testen. AlexNet, der Transformer und andere grundlegende Durchbrüche wurden ursprünglich mit vergleichsweise bescheidener Infrastruktur demonstriert. Die bisherigen Fördermittel von rund drei Milliarden Dollar, so Sutskever, hätten ausgereicht, um festzustellen, ob die Forschungsrichtung von SSI zielführend sei.

Das Unternehmen erklärt nun seine Bereitschaft zur Skalierung, und Nvidia stimmt dem zu. Jensen Huang hat allen Grund, ein weiteres zukunftsweisendes Labor zu fördern. Nvidia profitiert immer dann, wenn ein neues Geschäftsmodell riesige Rechencluster benötigt. Investitionen in Kunden sind zu einem wichtigen Bestandteil der Industriestrategie geworden und werfen berechtigte Fragen zur Kreislauffinanzierung in der KI-Wirtschaft auf.

SSI mietet jedoch nicht einfach nur ältere GPUs. Die Unternehmen geben an, an Nvidias aktuellen und zukünftigen Plattformen zusammenzuarbeiten und dem Chiphersteller so Zugang zu SSIs Erkenntnissen über neue KI-Anwendungen zu gewähren. Sollte SSI tatsächlich Architekturen entwickeln, die auf kontinuierlichem Lernen, effizienter Datenverarbeitung oder neuen Formen des bestärkenden Lernens basieren, könnten diese Informationen die Entwicklung zukünftiger Nvidia-Systeme beeinflussen.

Nvidia verkauft Sutskever nicht einfach nur die Eisenbahn. Sie fragt ihn auch, wo die Gleise verlaufen sollen.

Was könnte SSI im August veröffentlichen?

Die ehrliche Antwort lautet: Niemand außerhalb von SSI scheint es zu wissen. Bakers Aussage könnte sich auf ein öffentliches Modell, eine eingeschränkte Forschungsvorschau, eine API, eine technische Demonstration oder eine gestaffelte Veröffentlichung beziehen, die nur ausgewählten Forschern und Unternehmen angeboten wird. Sie könnte aber auch ungenau, missverstanden oder auf einem bereits geänderten Zeitplan beruhen.

SSI hat weder ein Modell benannt noch Spezifikationen veröffentlicht oder einen Start im August angekündigt. Jede Behauptung, das Labor stehe kurz vor der Freisetzung von Superintelligenz, ist reine Spekulation.

Die plausiblere Annahme ist, dass ein SSI-System versuchen würde, einen Aspekt von Sutskever's Forschungsprogramm zu demonstrieren. Dies könnte beispielsweise eine höhere Leistung beim Lernen aus wenigen Beispielen, eine verbesserte Anpassung nach dem anfänglichen Training, eine bessere Speicherung neuen Wissens, gleichmäßigere Leistungen bei verschiedenen Aufgaben oder eine Form des kontrollierten kontinuierlichen Lernens bedeuten.

Eine Neuauflage könnte auch weit weniger revolutionär ausfallen: ein weiteres transformatorbasiertes Modell mit verbesserter Logik und Sicherheitsmechanismen. Die Geschichte verlangt nicht, dass jedes Projekt von Ilya Sutskever das Fachgebiet neu erfindet, und 5 Milliarden Dollar sind keine wissenschaftliche Begutachtung.

Das Veröffentlichungsformat des Modells ist ebenso wichtig wie seine Benchmark-Ergebnisse. Ein wirklich kontinuierlich lernendes System würde ernsthafte Sicherheitsprobleme verursachen. Entwickler müssten erläutern, was das Modell lernen darf, wie verhindert wird, dass schädliches Verhalten dauerhaft wird, ob verschiedene Bereitstellungen Wissen austauschen und wie Betreiber Aktualisierungen überprüfen oder rückgängig machen können.

Ein statisches Modell kann vor der Veröffentlichung evaluiert werden. Ein Modell, das sich durch Erfahrungswerte verändert, ist ein dynamisches Ziel.

Genau deshalb hat sich die breitere Debatte um die Regulierung von KI über die übliche Produktregulierung hinaus entwickelt. Wie Brave New Coin kürzlich darlegte , würde die Einführung von Systemen, die Menschen bei wirtschaftlich wichtigen Aufgaben übertreffen können, Änderungen in der Arbeitsmarktpolitik, der Industriestrategie und der Vermögensverteilung erfordern – und nicht nur eine weitere Sicherheitswarnung unter dem Chatfenster.

Das teuerste Forschungsexperiment der Geschichte

SSI wird mitunter als die reine, sicherheitsorientierte Alternative zu kommerziellen Laboren wie OpenAI, Anthropic und Google DeepMind dargestellt. Diese Beschreibung lässt sich jedoch zunehmend schwerer aufrechterhalten.

Ein von Nvidia, Alphabet und einigen der weltweit mächtigsten Risikokapitalgesellschaften unterstütztes Unternehmen steht nicht außerhalb des KI-Industriekomplexes. Es ist eine seiner einflussreichsten Institutionen: eine kleine Gruppe von Forschern, ausgestattet mit Milliarden von Dollar und privilegiertem Zugang zu knapper Recheninfrastruktur, die versucht zu entscheiden, wie übermenschliche Intelligenz entwickelt werden soll und welche Werte ihr wichtig sein sollten.

Das macht SSI weder betrügerisch noch unheimlich. Es macht es mächtig – und weitgehend unverantwortlich gegenüber irgendjemandem außer seinen Investoren und Gründern.

Die nächsten Wochen werden zeigen, ob an dem Gerücht vom August etwas Wahres dran ist. Eine Verzögerung wäre kaum überraschend. Ein herkömmliches Modell wäre etwas enttäuschend. Eine signifikante Verbesserung des kontinuierlichen Lernens oder der Generalisierung wäre eine der wichtigsten KI-Entwicklungen seit dem Aufkommen von Modellen für logisches Denken.

Die falsche Frage ist, ob das System von SSI ChatGPT, Claude oder Gemini in anderen standardisierten Tests schlägt. Die richtige Frage ist, ob Ilya Sutskever das „Etwas Wichtiges“ gefunden hat, das Skalierung allein nie hätte liefern können. Seien Sie gespannt, das wird interessant.