Der zweite Lernschritt Der zweite Lernschritt

Eine Finanzierungsrunde ohne Modellstart

Die Nachricht kam ohne neue Modellkarte, ohne Benchmark-Paket und ohne zusätzlichen Download. Am 26. August 2026 kündigte Deep Cogito eine Series-A-Finanzierung über 43 Millionen US-Dollar an. TQ Ventures führte die Runde an; Benchmark, Nexus Venture Partners, Atreides Management, South Park Commons und der Cybersecurity-Anbieter Zscaler beteiligten sich. Damit liegt das nach Angaben des Unternehmens eingeworbene Kapital bei mehr als 56 Millionen Dollar. Die Details stehen in der Unternehmensmitteilung zur Finanzierungsrunde ↗.

Das ist ein bemerkenswerter Abstand zwischen Ereignis und Beweisstück. Bis zum 1. September 2026 führt Deep Cogito als jüngste öffentliche Modellveröffentlichung Cogito v2.1, vorgestellt am 19. November 2025. Das 671-Milliarden-Parameter-Modell ist als Open-Weight-Modell verfügbar und basiert laut Unternehmen auf einer offen lizenzierten DeepSeek-Grundlage, die anschließend intern weitertrainiert wurde. Die Veröffentlichung von Cogito v2.1 ↗ beschreibt also den bisherigen Stand, nicht das Ergebnis der neuen Finanzierung.

Die eigentliche Neuigkeit ist deshalb keine neue Modellfähigkeit. Sie ist eine Kapitalzusage für die Annahme, dass der nächste Leistungssprung nicht allein aus größerem Vortraining kommt, sondern aus dem, was danach geschieht. Deep Cogito verkauft in dieser Erzählung weniger ein einzelnes Modell als eine Methode, Modelle wiederholt besser zu machen.

Genau hier beginnt die Spannung. Eine Finanzierungsrunde kann Infrastruktur, Personal und Versuchsreihen ermöglichen. Sie kann aber noch nicht zeigen, ob aus einer erfolgreichen Nachbearbeitung tatsächlich eine belastbare Form rekursiver Verbesserung entsteht. Das finanzielle Signal ist eindeutig. Das wissenschaftliche bleibt offen.

Post-Training wird zum eigentlichen Schauplatz

Beim Vortraining lernt ein Sprachmodell aus großen Datenmengen statistische Strukturen, Begriffe und Zusammenhänge. Post-Training formt daraus ein System, das Anweisungen befolgt, Werkzeuge nutzt, Antworten prüft oder längere Lösungswege entwickelt. Dazu gehören überwachte Feinabstimmung, Reinforcement Learning, Präferenztraining und die gezielte Rückführung erfolgreicher Denkprozesse in die Modellparameter.

Deep Cogito stellt seine Arbeit in die Tradition von Iterated Distillation and Amplification, kurz IDA. Im ursprünglichen Forschungsansatz von Paul Christiano, Buck Shlegeris und Dario Amodei erzeugen ein menschlicher Experte und mehrere Kopien eines bestehenden Systems gemeinsam ein stärkeres Trainingssignal. Schwierige Aufgaben werden zerlegt, Teilantworten zusammengeführt und anschließend in ein neues Modell destilliert. Die ursprüngliche Arbeit zu iterierter Verstärkung ↗ verstand das Verfahren ausdrücklich als Ansatz für Aufgaben, die ein einzelner Mensch nicht mehr unmittelbar beurteilen kann.

Deep Cogito verwendet den Begriff breiter. Das Modell erhält während der Inferenz zusätzliche Rechenzeit, um bessere Lösungen zu suchen. Anschließend werden ausgewählte Lösungswege zurück in seine Gewichte trainiert. Die nächste Version soll dadurch nicht nur länger nachdenken, sondern mit einer günstigeren Ausgangsvermutung beginnen. Das Unternehmen spricht von einer stärkeren Intuition. Technisch gemeint ist eine verbesserte Policy: Das Modell soll früher erkennen, welcher Lösungsweg wahrscheinlich trägt.

Mit Cogito v2 veröffentlichte das Team im Juli 2025 vier offene Modelle mit 70, 109, 405 und 671 Milliarden Parametern. Für die größte Variante meldete Deep Cogito im eigenen Test kürzere Argumentationsketten als bei einem verglichenen DeepSeek-Modell. Zugleich räumte das Unternehmen ein, die Modelle noch nicht mit dem Rechenaufwand trainiert zu haben, der für umfangreiches Post-Training üblich sei. Fortschritt und Einschränkung stehen damit in derselben technischen Vorstellung von Cogito v2 ↗. Quelle: deepcogito.com

Das ist mehr als gewöhnliches Prompt-Tuning. Es ist aber auch weniger als ein Modell, das sich selbstständig neu erfindet. Die Schleife braucht Aufgaben, Auswahlkriterien, Rechenbudget und eine Trainingspipeline. Ihre Qualität hängt davon ab, ob das System bessere Lösungen nicht nur erzeugen, sondern zuverlässig von überzeugend klingenden Irrwegen unterscheiden kann.

Selbstverbesserung ist noch keine Selbstständigkeit

Der Ausdruck selbstverbessernde KI trägt mehr Autonomie in sich, als die öffentlich beschriebenen Verfahren bislang besitzen. Ein Cogito-Modell verändert seine Gewichte nicht während eines normalen Gesprächs. Es sammelt auch nicht nach eigenem Ermessen Erfahrungen aus dem laufenden Betrieb und veröffentlicht anschließend eine stärkere Version seiner selbst. Beschrieben ist vielmehr ein von Forschenden gebauter Zyklus aus Generierung, Prüfung, Auswahl und erneutem Training.

Das schmälert den Forschungswert nicht. Selbsttraining kann reale Verbesserungen hervorbringen, gerade bei Mathematik, Programmierung und anderen Aufgaben mit überprüfbaren Ergebnissen. Doch die Prüfinstanz wird schnell zum schwächsten Glied. Eine Forschungsarbeit aus dem Jahr 2025 zeigte, dass selbst erzeugte Belohnungssignale zunächst mit korrekten Antworten korrelieren können, später aber selbstbewusst falsche Ergebnisse begünstigen. Die Autoren der Studie Can Large Reasoning Models Self-Train? ↗ beschreiben genau diese Gefahr als Reward Hacking.

Ein anderes Risiko entsteht, wenn Modelle zu oft aus ihren eigenen Ausgaben lernen. Forschende um Ilia Shumailov zeigten 2024, dass unkritisches Training auf rekursiv erzeugten Daten seltene Muster verdrängen und die zugrunde liegende Verteilung schrittweise verarmen lassen kann. Dieser als Model Collapse bezeichnete Effekt ist nicht mit Deep Cogitos kuratiertem Verfahren gleichzusetzen. Er zeigt jedoch, warum jede Lernschleife frische Daten, belastbare Verifikation und kontrollierte Auswahl braucht. Die entsprechende Nature-Studie zu rekursiv erzeugten Trainingsdaten ↗ macht aus Selbstverbesserung eine Frage der Datenqualität, nicht nur der Rechenleistung.

Der entscheidende Nachweis wäre deshalb nicht ein einzelner Sprung auf einer Benchmark. Deep Cogito müsste zeigen, dass mehrere aufeinanderfolgende Trainingsgenerationen neue Fähigkeiten hervorbringen, ohne bestehende Stärken zu verlieren oder den Prüfer systematisch auszutricksen. Dafür braucht es getrennte Testdaten, nachvollziehbare Auswahlverfahren und Evaluationen, die nicht aus derselben Schleife stammen wie das Training.

Erst dann ließe sich von rekursiver Verbesserung in einem starken Sinn sprechen. Bis dahin bezeichnet der Begriff eine Forschungsrichtung: plausibel, technisch anschlussfähig und keineswegs trivial, aber noch kein autonomer Mechanismus mit offenem Leistungsende.

Die offene Wette hinter den 43 Millionen

Deep Cogito will das neue Kapital nach eigenen Angaben für zusätzliche Forschende und Ingenieure, größere Trainingsinfrastruktur, kommende Cogito-Versionen und spezialisierte Unternehmensmodelle einsetzen. Dass Zscaler zugleich als Kunde und strategischer Investor auftritt, ist dabei das interessantere Marktsignal. Die Wette richtet sich nicht nur auf ein weiteres allgemeines Sprachmodell, sondern auf Intelligenz, die anhand unternehmenseigener Daten und messbarer Ergebnisse weitertrainiert wird. Quelle: businesswire.com

Damit verschiebt sich auch der mögliche Wert. Modellgewichte lassen sich veröffentlichen oder über verschiedene Anbieter betreiben. Schwerer kopierbar sind Trainingsrezepte, hochwertige Rückmeldesignale, Evaluationssysteme und die Fähigkeit, große Post-Training-Läufe zuverlässig zu steuern. Das Modell ist dann das sichtbare Ergebnis. Das eigentliche Produkt liegt in der Schleife, die daraus die nächste Version erzeugt.

Für Unternehmen in der DACH-Region ist diese Unterscheidung relevanter als die Größe eines Modells. Ein spezialisiertes System kann Fachsprache, interne Entscheidungen und operative Muster enger abbilden. Es kann dabei jedoch auch falsche Zielgrößen verfestigen. Wenn historische Freigaben, kurzfristige Klicksignale oder lückenhafte Bewertungen zum Trainingssignal werden, lernt das Modell nicht zwangsläufig die beabsichtigte Qualität. Es lernt zunächst, was gemessen wurde.

Post-Training verwandelt Unternehmensdaten deshalb nicht automatisch in einen Vorteil. Es macht aus ihnen eine Steuerungsgröße. Wer ein Modell anhand eigener Ergebnisse verbessern will, muss genauer bestimmen, welche Ergebnisse als gut gelten, welche Ausnahmen erhalten bleiben und wie Fehlentwicklungen erkannt werden. Nicht weil das Modell zu wenig selbstständig wäre, sondern weil es das vorgegebene Signal womöglich sehr konsequent verfolgt.

Stärker ist kein Arbeitsbegriff

Neue KI-Modelle werden meist über Ranglisten eingeführt. Für den praktischen Einsatz genügt das selten. Ein höherer Wert bei Mathematik oder wissenschaftlichem Schlussfolgern sagt wenig darüber aus, ob ein Modell Quellen korrekt behandelt, Markenregeln stabil einhält oder über mehrere Bearbeitungsschritte hinweg konsistent bleibt. Gerade bei Content-, SEO- und Business-Prozessen entstehen die teuren Fehler häufig nicht an der schwierigsten Frage, sondern an einer plausiblen Abweichung, die unbemerkt veröffentlicht wird.

Ein belastbarer Test beginnt daher mit echten Aufgabenklassen. Dasselbe Modell sollte im direkten und im reflektierenden Modus geprüft werden. Wiederholte Durchläufe zeigen, ob die Qualität stabil ist oder vom Zufall abhängt. Zusätzlich gehören Laufzeit, Tokenverbrauch, notwendige Korrekturen und die Schwere typischer Fehler in die Bewertung. Ein Modell, das eine Aufgabe etwas häufiger löst, dafür aber schwerer erkennbare Falschaussagen produziert, kann operativ die schlechtere Wahl sein.

Für Suchinhalte gilt dieselbe Nüchternheit. Google bewertet nicht die behauptete Intelligenz des verwendeten Modells, sondern verlangt auch bei automatisiert erzeugten Inhalten Richtigkeit, Qualität und Relevanz. Die massenhafte Produktion ohne erkennbaren Mehrwert kann gegen die Spamrichtlinien verstoßen. Der Leitfaden zu KI-generierten Webinhalten ↗ macht damit deutlich, dass eine bessere Generierungsmaschine redaktionelle Prüfung nicht ersetzt.

Die interessante Frage lautet folglich nicht, ob Cogito auf einer allgemeinen Skala stärker wird. Sie lautet, ob die destillierte Verbesserung dort erhalten bleibt, wo Aufgaben unklar, Rückmeldungen widersprüchlich und Folgen ungleich verteilt sind. Genau an dieser Stelle trennt sich ein eindrucksvolles Forschungsmodell von einem verlässlich einsetzbaren System.

Die Wette beginnt erst jetzt

Mit den 43 Millionen Dollar hat Deep Cogito noch keinen neuen wissenschaftlichen Durchbruch vorgelegt. Die Finanzierungsrunde verändert etwas anderes: Sie macht Post-Training zu einem eigenständigen Schauplatz des KI-Wettbewerbs. Nicht nur die Größe des Ausgangsmodells, sondern die Qualität seiner nächsten Lernschleife wird zum Gegenstand großer Investitionen.

Was fehlt, ist weiterhin öffentlich überprüfbare Evidenz dafür, dass diese Schleife über mehrere Generationen hinweg trägt. Die bisherigen Veröffentlichungen zeigen offene Modelle, konkrete Post-Training-Experimente und den Versuch, aufwendiges Denken in kompaktere Fähigkeiten zu überführen. Sie zeigen noch kein System, das seine eigenen Grenzen dauerhaft und ohne neue äußere Korrektur verschiebt.

Neu ist also nicht, dass Modelle aus ihren besseren Antworten lernen können. Neu ist, wie viel Kapital nun darauf wartet, dass aus dieser Schleife mehr wird als ein Versprechen.