CuspAI: Die KI-„Suchmaschine für Materialien“ – 450 Mio. Dollar von Jeff Bezos und dem britischen Sovereign AI Fund

CuspAI hat sich als eines der am stärksten finanzierten und strategisch bedeutendsten KI-Startups Europas etabliert. Das Unternehmen entwickelt eine sogenannte „Suchmaschine für Materialien, die es noch nicht gibt“ und will damit eines der drängendsten industriellen Probleme lösen: Die Welt braucht neue Werkstoffe für Chips, Batterien und saubere Energie, aber die traditionelle Materialforschung dauert pro Werkstoff ein Jahrzehnt oder länger .

Was ist CuspAI?

CuspAI wurde 2024 gegründet und nutzt generative KI, um neuartige Materialien für Schlüsselindustrien wie Halbleiter, saubere Energie, Batterien und Industriebeschichtungen zu entdecken und zu entwickeln . Das Unternehmen wurde von CEO Dr. Chad Edwards (ehemals Führungskraft bei Cambridge Quantum Computing und Quantinuum) und CTO Prof. Max Welling (einem renommierten Machine-Learning-Professor an der Universität Amsterdam und Miterfinder von Variational Autoencodern) gegründet .

Der zentrale Ansatz von CuspAI ist das „Inverse Design“, das die konventionelle Materialwissenschaft auf den Kopf stellt . Anstatt mit einem bekannten Material zu starten und seine Eigenschaften zu messen, geben Nutzer die exakt benötigten Eigenschaften vor – zum Beispiel einen Halbleiter mit einer bestimmten Bandlücke, hoher Wärmeleitfähigkeit und geringer Abhängigkeit von Gallium – und die Plattform generiert völlig neue molekulare und kristalline Strukturen, die von Grund auf genau diesen Spezifikationen entsprechen .

Serie-B-Finanzierung und Bewertung

CuspAI schloss am 20. Juli 2026 eine Serie B über 450 Millionen Dollar zu einer Post-Money-Bewertung von 2,6 Milliarden Dollar ab . Das ist eine fast fünffache Steigerung gegenüber der 520-Millionen-Dollar-Bewertung der Serie A vom September 2025 . Insgesamt hat das Unternehmen nun über 670 Millionen Dollar eingesammelt .

Die Runde wurde gemeinsam von Kleiner Perkins und NEA angeführt, mit bedeutender Beteiligung von Jeff Bezos‘ Bezos Expeditions und dem UK Sovereign AI Fund (dem staatlich unterstützten Risikokapitalfonds Großbritanniens) . Die Runde fiel größer aus als die ursprünglich von der Financial Times im Juni 2026 gemeldeten 400 Millionen Dollar .

Vollständige Liste der Serie-B-Investoren

Zu den bestätigten Investoren der Serie-B-Runde gehören :

• Co-Leads: Kleiner Perkins, New Enterprise Associates (NEA)
• Teilnehmer: Bezos Expeditions, UK Sovereign AI Fund, Glade Brook Capital Partners, Lux Capital, AMD Ventures, StepStone Group, Invest-NL und John Doerr

Zu den früheren Investoren aus der Seed- und Serie-A-Runde zählen Hoxton Ventures (Seed-Lead), Temasek, Prosus, Basis Set Ventures, Giant Ventures und andere .

Beirat

CuspAI hat einen der namhaftesten Beiräte in der KI- und Wissenschaftswelt zusammengestellt :

• Geoffrey Hinton – Nobelpreisträger und Turing-Preisträger, oft als „Paten der KI“ bezeichnet
• Yann LeCun – Turing-Preisträger, Chef-KI-Wissenschaftler bei Meta
• Abhi Talwalkar – AMD-Vorstandsmitglied, ehemaliger CEO von LSI Corporation (zur Serie B beigetreten)
• Martin van den Brink – ehemaliger Präsident und CTO von ASML (2025 beigetreten)
• Lord (John) Browne – ehemaliger BP-CEO, Vorsitzender des Francis Crick Institute, Co-Vorsitzender des britischen Regierungsrates für Wissenschaft und Technologie (2025 beigetreten)

Wie die KI-gesteuerte Plattform zur Materialentdeckung funktioniert

CuspAIs Plattform basiert auf einem „Inverse Design“-Ansatz, der die konventionelle Materialwissenschaft grundlegend umkehrt .

Traditionelle Methode: Mit einem bekannten Material beginnen, es im Labor testen und messen, welche Eigenschaften es hat. Das ist langsam und teuer – oft ein Jahrzehnt Forschung und Entwicklung pro Material.

CuspAIs Methode („Inverse Design“):

1. Zieleigenschaften festlegen – Ein Kunde oder Forscher gibt die exakt benötigten Eigenschaften vor (z. B. „ein Halbleiter mit einer bestimmten Bandlücke, hoher Wärmeleitfähigkeit und geringer Abhängigkeit von Gallium“) .
2. Generative KI erzeugt Kandidaten – Proprietäre generative Modelle produzieren völlig neue molekulare und kristalline Strukturen, die es nie zuvor gab und die von Grund auf so konzipiert sind, dass sie diesen Spezifikationen entsprechen .
3. Simulation und Filterung – Physikbasierte Simulationen und Bestärkendes Lernen bewerten die Kandidaten schnell und ordnen sie nach prognostizierter Leistung, Stabilität und Synthetisierbarkeit .
4. Physikalische Validierung – Die besten Kandidaten werden an Partnerlabore (über das AI Materials Foundry-Netzwerk) zur realen Synthese und Prüfung geschickt, wodurch der Prozess von einem Jahrzehnt auf Monate verkürzt wird .

Die Plattform wurde zusammen mit der AI Materials Foundry gestartet, einem globalen Netzwerk von über 45 Organisationen – darunter Datenanbieter, Labore, Rechenpartner und wissenschaftliche Experten – die die gesamte Pipeline von der Entdeckung bis zur Validierung auf einer einzigen agentischen Plattform orchestrieren . Zu den Gründungsmitgliedern gehören NVIDIA (Bereitstellung der Recheninfrastruktur) und Metas Fundamental AI Research Team (Entwicklung des Universal Model for Atoms, UMA) .

Anwendungen für saubere Energie und Halbleiter

• Halbleiter: CuspAI arbeitet mit Nvidia und Meta zusammen, um neue Chip-Materialien zu entdecken, die knappe Ressourcen wie Gallium ersetzen können – 99 % der weltweiten Galliumproduktion wird von China kontrolliert – und so schnellere, kühlere und geopolitisch sicherere Chips ermöglichen .
• Saubere Energie: Die Plattform entwickelt Materialien für bessere Batterieelektroden, Festkörperelektrolyte und effizientere Katalysatoren für Energiespeicherung und -umwandlung . CuspAI-Mitbegründer Max Welling erklärte, das Unternehmen arbeite auch daran, „Moleküle zu bauen, um ewige Chemikalien aus Wasser zu entfernen“ .
• Industriebeschichtungen: Entdeckung neuer Polymere und Beschichtungen mit spezifischen Haltbarkeits-, Leitfähigkeits- oder thermischen Eigenschaften auf Abruf .

Das Unternehmen gibt an, im Jahr 2025 ein Material zur Kohlenstoffabscheidung in nur sechs Monaten vom generativen Design über die Synthese bis zur experimentellen Validierung gebracht zu haben – ein Beleg für den Geschwindigkeitsvorteil seiner Plattform .