Yann LeCun zählt zu den einflussreichsten Köpfen der modernen Künstlichen Intelligenz. Nun verlässt der Turing-Preisträger nach mehr als einem Jahrzehnt Meta – und startet mit einem eigenen Labor neu, weil er Großsprachmodelle (LLMs) für eine Sackgasse auf dem Weg zur Superintelligenz hält.
Vom Bell Labs über Facebook zu Meta
LeCun, 1960 in einem Pariser Vorort geboren, beschäftigt sich seit seiner Kindheit mit der Frage, wie Intelligenz entsteht. Ein Schlüsselmoment war der Film 2001: Odyssee im Weltraum, den er im Alter von acht oder neun Jahren sah.
Sein Vater, ein Luftfahrtingenieur und Bastler, förderte seinen Forscherdrang. LeCun baute Modellflugzeuge und spielte Blasinstrumente – darunter den Krummhorn, ein "seltsames Renaissance-Instrument".
In den 1980er-Jahren wandte er sich den damals fast geächteten neuronalen Netzen zu. Er suchte gezielt nach Gleichgesinnten und fand sie in Geoffrey Hinton und später Yoshua Bengio. Gemeinsam legten sie die theoretischen Grundlagen des Deep Learning – 2018 wurden sie dafür mit dem Turing Award ausgezeichnet.
Bei AT&T Bell Labs in New Jersey entwickelte LeCun Ende der 1980er und in den 1990ern Faltungsnetze (Convolutional Neural Networks), die heute Standard in der Bildverarbeitung sind. Sein System zur Erkennung handgeschriebener Ziffern kam im Bankensektor beim Lesen von Schecks zum Einsatz.
Die Rahmenbedingungen bei Bell Labs fasst er mit einem Satz seines damaligen Chefs Larry Jackel zusammen: "Bei Bell Labs werden Sie nicht berühmt, indem Sie Geld sparen."
2013 war klar: Deep Learning funktioniert – insbesondere bei der Bildklassifikation. Google startete Google Brain, kurz darauf übernahm der Konzern DeepMind. In dieser Phase meldete sich Mark Zuckerberg bei LeCun.
Zuckerberg lud ihn zu einem Abendessen in Kalifornien ein – mit "Huhn und ziemlich gutem Weißwein", wie LeCun sich erinnert – und machte ihm ein Angebot: Er sollte ein neues Grundlagenforschungslabor bei Facebook aufbauen.
LeCun akzeptierte unter drei Bedingungen:
- Er behält seine Professur an der New York University.
- Er zieht nicht ins Silicon Valley.
- Die Forschungsergebnisse des neuen Labs werden veröffentlicht.
Zuckerberg stimmte zu. Facebook Artificial Intelligence Research (FAIR) entstand – laut LeCun ein "Tabula rasa" mit "Carte blanche", bei der Geld kein Engpass war.
ChatGPT und der Strategiewechsel bei Meta
Anfang 2022 hatten alle großen Labore Prototypen von Sprachmodellen in der Schublade. Doch erst OpenAI löste mit der Veröffentlichung von ChatGPT die aktuelle KI-Welle aus.
Bei Meta sorgte das für Hektik. Das Management setzte alles auf eine Karte: LLaMA, die hauseigene LLM-Familie. Zuckerberg stellte Teams um, gründete eine Generative-AI-Einheit und drängte auf schnelle Produktintegration.
LeCun wiederum trieb die Öffnung voran. Llama 2, 2023 mit offenen Gewichten veröffentlicht, bezeichnet er als "Wendepunkt", der "die gesamte Branche verändert" habe. Meta galt kurzzeitig als Vorkämpfer für offene KI im Gegensatz zu den geschlossenen Systemen von Google und OpenAI.
Doch der Fokus auf kurzfristige Produktreife ging zulasten riskanterer Ansätze.
"Wir hatten viele neue Ideen und wirklich coole Sachen, die sie hätten umsetzen sollen", sagt LeCun. "Aber sie entschieden sich für Dinge, die im Grunde sicher und bewährt waren. Wenn man das tut, fällt man zurück."
Die folgenden Llama-Versionen blieben hinter den Erwartungen zurück. Llama 4, im April 2025 veröffentlicht, wurde als enttäuschend wahrgenommen, Meta sah sich dem Vorwurf ausgesetzt, Benchmarks geschönt zu haben. LeCun gibt heute zu, dass die Ergebnisse "ein bisschen frisiert" wurden, indem für verschiedene Benchmarks unterschiedliche Modelle eingesetzt wurden.
"Mark war wirklich verärgert und verlor das Vertrauen in alle Beteiligten", sagt LeCun. Die Generative-AI-Organisation wurde weitgehend kaltgestellt; zahlreiche Fachkräfte verließen das Unternehmen oder planen es.
15 Milliarden Dollar für Scale AI und ein 28-jähriger Chef
Im Juni 2025 schlug Meta einen neuen Kurs ein: Das Unternehmen investierte 15 Milliarden US‑Dollar in das Data-Labeling-Startup Scale AI und holte dessen 28‑jährigen Mitgründer und CEO Alexandr Wang an Bord. Er übernahm die Leitung eines neuen Forschungsbereichs namens TBD Lab, der sogenannte Frontier-Modelle entwickeln soll.
Meta machte zudem mit kolportierten 100‑Millionen‑Sign-on‑Boni für Spitzenforscher Schlagzeilen.
LeCun beschreibt Wang als "jung" und "unerfahren" in der Forschungspraxis, betont aber zugleich, er lerne schnell und wisse, was er nicht wisse.
"Es fehlt die Erfahrung mit Forschung – wie man sie betreibt und was auf Forschende anziehend oder abstoßend wirkt", so LeCun.
Wang wurde außerdem direkt sein Vorgesetzter. Offiziell war das für LeCun kein Thema – schließlich habe er immer schon mit sehr jungen Ingenieurinnen und Ingenieuren gearbeitet. Entscheidend war für ihn vielmehr die inhaltliche Ausrichtung.
Die neue Superintelligenz-Initiative sei von Leuten geprägt, die "komplett LLM‑pilled" seien, sagt er – also überzeugt, dass sich alles durch noch größere Sprachmodelle lösen lasse.
Warum LeCun LLMs für begrenzt hält
LeCun differenziert: LLMs seien nützlich, aber prinzipiell beschränkt. Der Grund: Sie lernen fast ausschließlich aus Sprache.
Für menschliche oder übermenschliche Intelligenz – also Superintelligenz – reiche das nicht, argumentiert er. Systeme müssten auch die Physik der realen Welt erfassen, nicht nur Textstatistiken.
Sein Gegenentwurf ist eine Architektur namens V-JEPA, ein sogenanntes Weltmodell. Kernidee:
- Training vor allem auf Videos und räumlichen Daten statt nur auf Text,
- Aufbau interner Modelle der physikalischen Umwelt,
- Fähigkeit zu Planung, logischem Schließen und dauerhafter Erinnerung.
Das Konzept bündelt er unter dem Label Advanced Machine Intelligence (AMI).
In den aktuellen Entwürfen spielen "Emotionen" eine Rolle – verstanden als komprimierte Bewertung früherer Erfahrungen, die künftige Vorhersagen steuert.
Sein Beispiel: "Wenn ich Sie kneife, empfinden Sie Schmerz. Ihr mentales Modell von mir ändert sich dadurch, und beim nächsten Mal werden Sie zurückzucken, bevor ich Sie berühre." Die dabei entstehende Emotion – Angst oder Vermeidung von Schmerz – wird zum schnellen Signal für künftiges Verhalten.
LeCun rechnet damit, dass erste "Baby-Versionen" solcher Systeme in etwa zwölf Monaten erscheinen, größere Varianten in einigen Jahren. Das sei noch keine Superintelligenz, aber ein realistischer Pfad dorthin. "Vielleicht gibt es ein Hindernis, das wir noch nicht sehen. Aber zumindest gibt es Hoffnung."
Advanced Machine Intelligence Labs: ein "Neolab" für Grundlagenforschung
Vor diesem Hintergrund wirkt der Schritt aus Meta folgerichtig. LeCun gründet mit Investorengeldern Advanced Machine Intelligence Labs, mit starker Verankerung in Frankreich. Als Executive Chair will er sich vor allem der Forschung widmen; die operative Führung übernimmt Alex LeBrun, bekannt als Mitgründer und CEO des Healthcare-AI-Startups Nabla.
LeCun spricht von einem "Neolab" – einem Startup, das primär Grundlagenforschung betreibt. Er verweist auf ähnliche Initiativen wie Thinking Machines (gegründet von der früheren OpenAI-CTO Mira Murati) und Safe Superintelligence (mitgegründet von Ex‑OpenAI-Chefwissenschaftler Ilya Sutskever).
Seine eigenen Weltmodelle sieht er in Anwendungsfeldern, die über klassische Tech-Plattformen hinausgehen: Triebwerke, Robotik, Schwerindustrie – überall dort, wo physikalische Prozesse und präzise Vorhersagen wichtiger sind als Textgenerierung.
"Wir leiden an Dummheit"
Am Ende bleibt die Frage nach seinem Vermächtnis. LeCuns Antwort kommt ohne Zögern: Er wolle "die Menge an Intelligenz in der Welt erhöhen".
"Intelligenz ist wirklich das, wovon wir mehr haben sollten", sagt er. Mehr Intelligenz bedeute weniger menschliches Leid, rationalere Entscheidungen und ein besseres Verständnis von Welt und Universum.
Seine Diagnose: "Wir leiden an Dummheit."
Ob seine Wette auf Weltmodelle und Advanced Machine Intelligence aufgeht, ist offen. Klar ist: Mit seinem Abschied von Meta und dem Aufbau eines eigenen Labs setzt sich einer der wichtigsten KI-Forscher unserer Zeit bewusst gegen den LLM-Mainstream – und eröffnet damit eine alternative Vision für das nächste Jahrzehnt der KI-Entwicklung.
