Europas größte Wette gegen den Rest der Welt: Yann LeCun und das Ende der Sprachmodelle
Ein Turing-Preisträger verlässt Meta, gründet ein Milliarden-Startup in Paris und sagt: Alles, was die AI-Industrie gerade baut, ist eine Sackgasse. Er könnte Recht haben.
Es gibt zwei Arten von Leuten in der KI-Branche. Die einen skalieren Sprachmodelle. Die anderen sagen, dass das nie zu echter Intelligenz führen wird. Die erste Gruppe hat gerade Anthropic auf 380 Milliarden Dollar bewertet. Die zweite Gruppe hat genau einen prominenten Vertreter. Und der hat im März 2026 ein Startup in Paris gegründet, das die gesamte Branche herausfordert.
Sein Name ist Yann LeCun. Und seine Geschichte ist vielleicht die wichtigste, die gerade niemand erzählt.
Wer ist Yann LeCun?
Für alle, die den Namen nicht kennen: Yann LeCun ist einer der drei Väter des Deep Learning. Zusammen mit Geoffrey Hinton und Yoshua Bengio erhielt er 2018 den Turing Award, das Äquivalent des Nobelpreises in der Informatik. Seine Arbeit an Convolutional Neural Networks in den 1980er und 90er Jahren legte das Fundament für alles, was heute in der Bilderkennung funktioniert. Jedes Mal, wenn dein Smartphone ein Gesicht erkennt, nutzt es eine Architektur, die auf LeCuns Forschung basiert.
Zwölf Jahre lang war er Chief AI Scientist bei Meta. Er gründete FAIR, Metas Forschungslabor für fundamentale KI, und baute es zu einem der einflussreichsten AI-Labs der Welt auf. Open-Source-Modelle wie LLaMA? Kamen aus seiner Abteilung.
Und dann, im Dezember 2025, ging er.
Nicht in den Ruhestand. Nicht an eine Universität. Sondern nach Paris, um ein Startup zu gründen, das auf einer These basiert, die 99% der Branche für falsch hält.
Die These: LLMs sind eine Sackgasse
LeCuns Argument ist radikal in seiner Einfachheit. Large Language Models, die Technologie hinter ChatGPT, Claude, Gemini und allem anderen, was gerade Milliarden verschlingt, werden niemals echte Intelligenz erreichen. Egal wie viel man sie skaliert. Egal wie viel Geld man in Rechenleistung steckt. Die Architektur selbst hat einen fundamentalen Fehler.
Warum? Weil LLMs die Welt nur durch Text kennen. Sie haben Milliarden von Wörtern gelesen, aber sie haben nie einen Ball fallen sehen. Sie können eloquent über Physik schreiben, aber sie verstehen nicht, was Schwerkraft ist. Sie können Kochrezepte generieren, aber sie wissen nicht, wie sich heißes Wasser anfühlt.
LeCun formuliert es so: LLMs sind wie jemand, der die gesamte Weltliteratur gelesen hat, aber nie einen Fuß vor die Tür gesetzt hat. Beeindruckend gebildet. Aber fundamental nicht in der Lage, die physische Welt zu verstehen. Und genau dieses Verständnis ist es, das ein zweijähriges Kind einem Sprachmodell voraus hat. Ein Kleinkind weiß nach wenigen Monaten Beobachtung, dass Dinge fallen, wenn man sie loslässt. Kein LLM versteht das wirklich, egal wie viel Text es gelesen hat.
Das ist keine Nischenkritik. Das ist ein direkter Angriff auf die zentrale Annahme, die gerade hunderte Milliarden Dollar an Investitionen rechtfertigt.
AMI Labs: Eine Milliarde für die Gegenthese
Im März 2026 gründete LeCun Advanced Machine Intelligence Labs, kurz AMI Labs, mit Hauptsitz in Paris. Die Seed-Runde: 1,03 Milliarden Dollar bei einer Pre-Money-Bewertung von 3,5 Milliarden. Die größte Seed-Runde die jemals ein europäisches Unternehmen eingesammelt hat. Für ein Startup, das noch kein einziges Produkt veröffentlicht hat.
Die Investorenliste liest sich wie ein Who's Who der globalen Tech-Szene: Bezos Expeditions (Jeff Bezos' persönlicher Investmentarm), Nvidia, Samsung, Toyota Ventures, Temasek (Singapurs Staatsfonds), dazu Cathay Innovation, HV Capital aus Deutschland, der französische Unternehmer Xavier Niel, Tim Berners-Lee (der Erfinder des World Wide Web), Mark Cuban und Eric Schmidt. Das sind keine typischen Seed-Investoren. Das sind Leute, die auf tektonische Verschiebungen wetten.
Geführt wird AMI Labs von CEO Alexandre LeBrun, zuvor Chef des Healthcare-AI-Startups Nabla, mit LeCun als Executive Chairman. Das Forschungsteam besteht aus ehemaligen Spitzenkräften von Meta, Google DeepMind und Samsung: Saining Xie als Chief Science Officer, Pascale Fung als Chief Research Officer, Mike Rabbat als VP of World Models. Das Unternehmen operiert aus vier Hubs: Paris, New York, Montreal und Singapur.
David gegen hundert Goliaths: Die Funding-Realität
Um die Dimension einzuordnen, muss man die Zahlen nebeneinander legen. Der Februar 2026 war der größte Monat für Startup-Finanzierung in der Geschichte: 189 Milliarden Dollar global. Davon gingen 83% an genau drei Unternehmen.
OpenAI: 110 Milliarden Dollar. Die größte private Finanzierungsrunde aller Zeiten. Amazon investierte 50 Milliarden, Nvidia und SoftBank jeweils 30 Milliarden. Post-Money-Bewertung: 840 Milliarden Dollar. OpenAI plant einen Börsengang im vierten Quartal 2026 bei einer Bewertung nahe einer Billion.
Anthropic: 30 Milliarden Dollar Series G. Post-Money-Bewertung: 380 Milliarden. Annualisierter Umsatz: 19 Milliarden Dollar (Stand März 2026), davon 2,5 Milliarden allein durch Claude Code. Acht der zehn größten Fortune-10-Unternehmen sind Kunden. Über 500 Unternehmen zahlen mehr als eine Million pro Jahr.
xAI (Elon Musk): 20 Milliarden Dollar Series E im Januar 2026.
Fei-Fei Lis World Labs: 1 Milliarde Dollar für 3D-Weltverständnis, ebenfalls im Februar 2026.
Und dann AMI Labs: 1,03 Milliarden Dollar Seed. Im Vergleich zu OpenAIs Runde ist das weniger als ein Prozent.
Aber hier wird es interessant. AMI Labs' CEO Alexandre LeBrun formuliert den Unterschied so: AMI sei kein typisches Applied-AI-Startup, das in drei Monaten ein Produkt hat und in sechs Monaten Umsatz macht. Es sei ein fundamental wissenschaftliches Projekt. Das Geld reicht für Jahre der Forschung, nicht für Monate des Marketings.