Der Weltmodell-Aufstand: Warum ein KI-Pionier der eigenen Branche den Kampf ansagt

Ein Milliardenabschied als Kampfansage

Im November 2025 verließ Yann LeCun, zwölf Jahre lang Chef-KI-Wissenschaftler von Meta und Mitbegründer des Forschungslabors FAIR, den Konzern nach einem öffentlich ausgetragenen Zerwürfnis. Auslöser war die Neuordnung der Meta-KI-Sparte unter dem 29-jährigen Alexandr Wang, der nach Metas 14-Milliarden-Dollar-Beteiligung an seinem Start-up Scale AI zum „Chief AI Officer“ aufstieg und dem LeCun fortan unterstellt sein sollte. „Man sagt einem Forscher wie mir nicht, was er zu tun hat“, kommentierte LeCun seinen Abgang. Vier Monate später, im März 2026, meldete sein neues Pariser Start-up AMI Labs (Advanced Machine Intelligence) einen Vollzug, der in der Szene für offene Münder sorgte: 1,03 Milliarden Dollar Startkapital, eine der größten Seed-Finanzierungen der europäischen Geschichte, gezeichnet unter anderem von Nvidia, Bezos Expeditions, Eric Schmidt und Tim Berners-Lee. Die These, für die diese Summe fließt, ist eine offene Provokation an die gesamte aktuell dominante KI-Industrie: Große Sprachmodelle — die Technologie hinter ChatGPT, Claude und Gemini — seien, so LeCun in mehreren Interviews, „ein Sackgassen-Weg zu menschenähnlicher Intelligenz“. Sein Ersatzvorschlag heißt „Weltmodell“.

Was ein Weltmodell von einem Sprachmodell unterscheidet

Um den Streit zu verstehen, lohnt eine einfache Analogie, die LeCun selbst gerne bemüht: Ein Siebzehnjähriger lernt in etwa 20 Stunden Fahrpraxis, ein Auto sicher zu steuern. Die KI-Industrie dagegen hat Zugriff auf Millionen Stunden aufgezeichneten Fahrverhaltens — und trotzdem gibt es noch kein wirklich verlässliches autonomes Fahren. Für LeCun beweist das eine grundsätzliche Schwäche heutiger Sprachmodelle: Sie lernen aus Text, nicht aus der physischen Welt, und generieren Antworten Wort für Wort, wobei sich kleine Fehler über eine lange Antwort hinweg zu großen Irrtümern aufsummieren können — ein Effekt, den er mathematisch als Problem der „autoregressiven“ Architektur beschreibt. Sein Gegenentwurf, das „Weltmodell“, soll stattdessen aus Videomaterial lernen, wie sich die physische Welt tatsächlich verhält: Was passiert, wenn ein Glas vom Tisch kippt? Was, wenn ein Roboterarm zu fest zugreift? Statt die nächste Antwort Wort für Wort zu erzeugen, sagt ein Weltmodell voraus, wie sich ein abstrakter, komprimierter Zustand der Welt im nächsten Moment verändert — ähnlich wie ein Mensch instinktiv vorhersieht, was als Nächstes passiert, ohne jedes Detail der Szene bewusst durchzurechnen.

JEPA: Vorhersage im Kopf statt auf dem Papier

Technisch nennt sich LeCuns Ansatz „Joint Embedding Predictive Architecture“, kurz JEPA. Statt — wie ein Bild- oder Videogenerator — jedes einzelne Pixel der Zukunft vorherzusagen, arbeitet ein JEPA-Modell in einem stark komprimierten, abstrakten Möglichkeitsraum: Es sagt voraus, wie sich die „Bedeutung“ einer Szene verändert, nicht ihr exaktes Aussehen. Metas eigene Forschungsversion V-JEPA 2, im Juni 2025 veröffentlicht, wurde mit über einer Million Stunden Videomaterial trainiert und erreichte anschließend mit nur rund 62 Stunden realer Roboterdaten Erfolgsquoten von 65 bis 80 Prozent beim Greifen unbekannter Objekte in neuen Umgebungen — ganz ohne aufgabenspezifisches Nachtraining. Im Mai 2026 veröffentlichte LeCuns Team einen formalen mathematischen Beweis (unter dem Namen LeJEPA) dafür, unter welchen — allerdings recht engen — Bedingungen ein JEPA-Modell tatsächlich eine originalgetreue Repräsentation der Welt lernt. Kritiker weisen jedoch darauf hin, dass Metas eigene neue Testbenchmarks wie IntPhys 2 zeigen: Selbst die fortgeschrittensten Weltmodelle liegen beim Verständnis einfachster physikalischer Zusammenhänge — Schwerkraft, Festigkeit, Kollisionen — noch nahe am Zufallsniveau, während Menschen 85 bis 95 Prozent der Testfälle meistern.

Wer sonst noch an Weltmodellen arbeitet

LeCun ist mit seiner These nicht allein — und ausgerechnet sein früherer Arbeitgeber liefert dafür die ironischste Fußnote. Als Meta im April 2026 sein neues Flaggschiffmodell „Muse Spark“ vorstellte, verwechselten mehrere Medien es zunächst mit LeCuns Arbeit. Tatsächlich stammt Muse Spark von den „Meta Superintelligence Labs“ unter genau jenem Alexandr Wang, dessentwegen LeCun das Unternehmen verließ — es ist ein multimodales, aber klassisch sprachmodellbasiertes System, mit LeCuns Weltmodell-Ansatz nicht verwandt. Die eigentliche Konkurrenz sitzt woanders: Google DeepMind zeigte im August 2025 mit „Genie 3“ ein Weltmodell, das interaktive, begehbare 3D-Umgebungen in Echtzeit erzeugt, seit Januar 2026 eingeschränkt als „Project Genie“ für zahlende Nutzer verfügbar. Fei-Fei Li, eine der einflussreichsten Forscherinnen des Feldes, gründete mit World Labs ein eigenes Unternehmen und brachte im November 2025 „Marble“ auf den Markt, das aus Text, Bild oder Video begehbare 3D-Welten generiert — im Februar 2026 gefolgt von einer Investition von 200 Millionen Dollar durch Autodesk. Nvidia wiederum verfolgt mit seiner offenen „Cosmos“-Plattform einen dezidiert pragmatischeren, weniger philosophischen Kurs: Weltmodelle als Infrastruktur für Robotik-Simulation, ohne den großen Anspruch, damit den Weg zur allgemeinen künstlichen Intelligenz zu weisen.

Wozu Weltmodelle heute schon taugen

Anders als LeCuns oft sehr grundsätzlich geführte Debatte klingen lässt, ist die praktische Anwendung von Weltmodellen 2026 bereits recht konkret — nur eben nicht im Büroalltag, sondern dort, wo physische Realität eine Rolle spielt. Waymo hat im Februar 2026 ein eigenes, auf Google DeepMinds Genie basierendes Weltmodell vorgestellt, um seltene, gefährliche Verkehrssituationen für das Training seiner selbstfahrenden Flotte künstlich zu erzeugen, statt auf ihr zufälliges Auftreten in echten Fahrdaten zu warten. Nvidias Cosmos-Plattform wird bereits von Robotikfirmen wie Figure AI, Agility Robotics und dem Chirurgie-Roboterhersteller CMR Surgical eingesetzt, um Bewegungsabläufe in simulierten, physikalisch korrekten Umgebungen zu trainieren, bevor sie auf echter Hardware laufen. Auch in der Videospiel- und Filmproduktion experimentieren Studios zunehmend mit generierten, konsistenten virtuellen Welten. Der gemeinsame Nenner all dieser Anwendungen: Robotik, autonomes Fahren, industrielle Simulation und interaktive Medien — Bereiche, in denen ein System tatsächlich mit einer physischen oder virtuell-physischen Umgebung interagieren muss. Für ein klassisches SaaS-Unternehmen ohne Hardware- oder Simulationsbezug gibt es dagegen bislang schlicht keinen direkten Anwendungsfall.

Der Gegenwind: Ist das wirklich eine Sackgasse?

LeCuns steilste These — Sprachmodelle könnten niemals menschenähnliche Intelligenz erreichen — stößt auch unter Spitzenforschern auf entschiedenen Widerspruch. Google-DeepMind-Chef Demis Hassabis konterte öffentlich, LeCun verwechsle „allgemeine“ mit „universeller“ Intelligenz; auch das menschliche Gehirn arbeite mit klaren Grenzen und sei dennoch außerordentlich vielseitig. Ilya Sutskever, Mitbegründer von OpenAI, vertritt die Gegenthese seit Jahren: Ein Sprachmodell, das den nächsten Token vorhersagt, lerne dabei zwangsläufig eine komprimierte, brauchbare Repräsentation der Welt — es baue sich sein eigenes implizites Weltmodell, nur eben nicht explizit sichtbar gemacht. Selbst KI-Kritiker wie Gary Marcus, die seit Jahren ähnliche strukturelle Schwächen von Sprachmodellen anmahnen, werfen LeCun vor, fremde Kritik über Jahre ignoriert und erst jetzt, mit eigenem kommerziellen Interesse, übernommen zu haben. Und ein handfestes empirisches Gegenargument liefert ausgerechnet die Fortschrittsgeschwindigkeit der kritisierten Technologie selbst: Auf dem neuen, besonders anspruchsvollen Reasoning-Benchmark ARC-AGI-3 scheiterten zwar im März 2026 sämtliche Spitzenmodelle nahezu vollständig — zugleich verdoppelte sich laut der Forschungsorganisation METR die Fähigkeit von KI-Agenten, eigenständig immer längere Aufgaben zu bewältigen, zuletzt sogar beschleunigt statt verlangsamt. Die ehrlichste Zwischenbilanz: Es gibt eine reale Wand, aber sie betrifft offenbar nur bestimmte Fähigkeitsdimensionen — nicht die gesamte Technologie.

Was das für Entscheider heißt

Für Technologieverantwortliche außerhalb der KI-Forschung selbst ist die praktische Konsequenz überschaubar, aber klar umrissen. Wer kein Robotik-, Fahrzeug-, Simulations- oder interaktives Medienprodukt betreibt, muss den Weltmodell-Streit derzeit nicht in konkrete Entscheidungen übersetzen — die verfügbaren Werkzeuge (Nvidias offenes Cosmos, World Labs' kostenpflichtige World API, Metas quelloffenes V-JEPA 2) richten sich fast ausschließlich an genau diese Nischen, während LeCuns eigenes AMI Labs noch kein einziges Produkt ausgeliefert hat. Selbst LeCuns Mitgründer Alexandre Le Brun dämpft öffentlich die Erwartungen: „Weltmodelle“ würden „das nächste Buzzword“, mit dem sich in sechs Monaten jedes Start-up schmücke, warnte er selbst — ein bemerkenswert nüchterner Kommentar aus dem eigenen Lager. Der pragmatische Rat für 2026 lautet daher: den Streit beobachten, ihn aber nicht mit einer akuten Kaufentscheidung verwechseln. Wer heute mit einem Anbieter spricht, der sein Produkt als „Weltmodell“ vermarktet, sollte präzise nachfragen, welche Eingaben das System tatsächlich verarbeitet, welchen internen Zustand es hält und wie direkt seine Ausgaben mit realen Entscheidungen oder Handlungen verbunden sind — denn genau an dieser Stelle beginnt der Unterschied zwischen einem echten technischen Fortschritt und einem bloß neu lackierten Etikett.