Sakana AI gründet ein KI-Forschungslabor, das sich auf rekursive Selbstverbesserung spezialisiert. Das Start-up sieht darin einen Ausweg aus dem Compute-Wettlauf.
Das japanische KI-Start-up Sakana AI hat eine Forschungsgruppe ins Leben gerufen, die sich gezielt der Frage widmet, wie KI den Prozess zur Entwicklung neuer KI-Systeme beschleunigen und verbessern kann.
Das neu gegründete Sakana-AI-RSI-Lab kann dabei auf frühere Forschungsarbeiten des Start-ups aufbauen, das seit seinen Anfängen im Jahr 2023 an Recursive Self-Improvement (RSI) arbeitet.
In der Ankündigung verweist Sakana AI auf die eigenen Forschungsmeilensteine der letzten zwei Jahre. Dazu zählen LLM-Squared, bei dem Sprachmodelle bessere Trainingsverfahren für Sprachmodelle entwerfen sollen, sowie die Darwin-Gödel-Maschine, die Varianten ihrer eigenen Codebasis erzeugt, testet und weiterentwickelt.
Mit ShinkaEvolve und ALE-Agent verweist Sakana AI außerdem auf Arbeiten zu evolutionärer Programmoptimierung und einem Optimierungsagenten, der aus Versuch-und-Irrtum-Schleifen neue Lösungsstrategien ableitet. Als weiteres Schlüsselprojekt nennt das Start-up The AI Scientist, ein System zur Automatisierung wissenschaftlicher Arbeit. Eine spätere Version des Systems schrieb laut Sakana AI ein Paper, das ein Peer-Review-Verfahren bestand. Die dazugehörige Forschung wurde im März 2026 in Nature veröffentlicht.
Die Grafik zeigt frühere Sakana-AI-Projekte, auf denen das neue Forschungslabor für rekursive Selbstverbesserung aufbauen soll. | Bild: sakana.aiZusammengenommen sollen diese Projekte laut Sakana AI zeigen, dass rekursive Selbstverbesserung nicht nur ein theoretisches Konzept ist, sondern bereits in kontrollierten Forschungsumgebungen erprobt wird.
Vier Phasen auf dem Weg zu RSI
Im Blogpost skizziert Sakana AI den Übergang von klassischer, menschlich gesteuerter KI-Optimierung zu selbstverbessernden Systemen in vier Phasen.
Die Entwicklung setzt auf eigenen Forschungsprojekten auf. Am Anfang stehen Modelle, die nicht primär als Chatbots gedacht sind, sondern auf offene Agentenaufgaben zugeschnitten werden. Mit The AI Scientist hat Sakana AI bereits ein System vorgestellt, das solche Agentenfähigkeiten auf automatisierte Forschung überträgt, von der Ideenfindung über Experimente bis zum Verfassen wissenschaftlicher Paper. Darauf soll die eigentliche rekursive Selbstverbesserung folgen: KI-Agenten sollen aktiv an ihrer eigenen technischen Basis arbeiten, also Code für ihre zugrunde liegenden Foundation-Architekturen schreiben, testen und verifizieren.
Sakana AI stellt rekursive Selbstverbesserung als Weg zu breiter verfügbarer Frontier-KI dar. Ob dieser Ansatz den Compute-Vorteil großer Labore langfristig verringern kann, ist offen. | Bild: sakana.aiAls vierte Phase und langfristiges Ziel beschreibt Sakana AI eine breitere Verfügbarkeit von Frontier-KI. Das Unternehmen stellt RSI als Gegenentwurf zum dominierenden Skalierungsparadigma dar: Statt immer größere, monolithische Modelle mit immer mehr Rechenleistung zu trainieren, setzt Sakana auf adaptive Systeme und evolutionäre Optimierung, bei denen KI-Systeme mit möglichst wenigen Versuchen bessere Lösungen finden sollen.
Dadurch soll rekursive Selbstverbesserung auch mit moderater Rechenleistung möglich werden und weniger stark von riesigen GPU-Clustern abhängen, wie sie derzeit vor allem große US-KI-Labore und Cloud-Anbieter betreiben. Das ist als Forschungsrichtung plausibel, bleibt aber eine strategische Wette: Bislang ist nicht belegt, dass selbstverbessernde Systeme den strukturellen Vorteil großer Rechenzentren tatsächlich aufheben können.
Anthropic warnt vor RSI-Risiken
Die Gründung des RSI-Labors rückt ein Thema in den Fokus, das Anthropic zuletzt als mögliche Sicherheitsfrage für die weitere KI-Entwicklung beschrieben hat. Während Sakana RSI als Chance für effizientere und breiter zugängliche Frontier-KI darstellt, betonte Anthropic jüngst die Kontrollrisiken: Vollständige rekursive Selbstverbesserung sei zwar noch nicht erreicht, aber womöglich näher, als gedacht, und könnte dazu führen, dass KI-Systeme ihre eigene Weiterentwicklung schneller vorantreiben, als bestehende Institutionen reagieren können. Für ein solches Szenario hält Anthropic sogar eine globale Entwicklungspause für Frontier-KI für prüfenswert.
Sakana AI gehört zu den auffälligeren KI-Start-ups außerhalb der USA. Gegründet wurde das Unternehmen von früheren Google-Forschern, darunter Llion Jones, einer der Autoren des Transformer-Papers „Attention Is All You Need“, und David Ha, der zuvor bei Google Brain und Stability AI forschte.
Anders als viele Frontier-AI-Labore setzt Sakana weniger auf das Hochskalieren einzelner Großmodelle, sondern auf evolutionäre, adaptive und mehrteilige KI-Systeme. Der Name „Sakana“ bedeutet auf Japanisch „Fisch“ und verweist auf Schwarmverhalten, Evolution und kollektive Intelligenz als Leitmotive.
Darin liegt auch die Sonderrolle des Start-ups: Sakana verbindet prominente Herkunft aus der Transformer-Forschung mit einem Forschungsprogramm, das explizit nach Alternativen zum dominierenden Skalierungsparadigma sucht.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
