Kanada lockt KI‑ und Wissenschaftstalente, während Trump die US‑Forschung umkrempelt

Seit Jahrzehnten profitierte die Vereinigten Staaten von einem der stärksten Wettbewerbsvorteile in der Wissenschaft: Viele der besten Forscher der Welt wollten dort arbeiten.

Dieser Vorteil verschwindet nicht über Nacht. Die USA verfügen nach wie vor über unvergleichliche Konzentrationen von Forschungsuniversitäten, Bundeslaboren, privatem Kapital und Technologieunternehmen. Doch der Talentfluss wird weniger einseitig, und Kanada unternimmt einen ungewöhnlich aggressiven Versuch, von dieser Verschiebung zu profitieren.

Das jüngste Beispiel stammt von der University of Toronto, die sechs prominente Forscher rekrutiert hat, die derzeit an US‑Institutionen tätig sind, darunter das MIT, die National Institutes of Health (NIH), die University of California San Francisco (UCSF), die Ohio State University, die Boston University und die Washington University School of Medicine in St. Louis.

Die sechs gehören zum neuen Programm „Eddie Goldenberg Research Chairs of Canada“, dem Kernstück der C$1,7‑Milliarden schweren Canada Global Impact+ Research Talent Initiative der Regierung Ottawa. Die breitere Initiative zielt darauf ab, in einem Zeitraum von 12 Jahren mehr als 1.000 internationale und im Ausland lebende Forscher anzuziehen und zu unterstützen, wobei C$1 Milliarde speziell für Forschungsprofessuren bereitgestellt wird.

Besonders bemerkenswert an der ersten Gruppe ist, woher das Talent stammt. Von den ersten 64 Wissenschaftlern, die über das Forschungs‑Professur‑Programm rekrutiert wurden, arbeiten 48 derzeit in den Vereinigten Staaten.

Das wirkt zunehmend weniger wie gewöhnliche akademische Rekrutierung und mehr wie ein geopolitischer Wettbewerb um intellektuelles Kapital.

Warum die USA plötzlich anfälliger für einen Forschungs‑Brain‑Drain sind

Der Zeitpunkt lässt sich kaum von der Turbulenz trennen, die seit der Rückkehr von Präsident Donald Trump ins Amt im Januar 2025 die amerikanische Wissenschaft erschüttert hat.

Eine Analyse von Nature aus dem Januar 2026 zählte mehr als 7.800 US‑Forschungszuschüsse, die beendet oder eingefroren wurden, sowie rund 25.000 Wissenschaftlerinnen und Wissenschaftler sowie weiteres Personal, das Bundesbehörden im Forschungsbereich verließ. Die Administration schlug zudem erhebliche Kürzungen der Bundesforschungsbudgets vor, darunter Kürzungen von fast 40 % beim NIH, 57 % bei der National Science Foundation (NSF) und 47 % beim Science Mission Directorate der NASA. Nicht alle dieser vorgeschlagenen Kürzungen wurden letztlich Gesetz, und einige Maßnahmen der Administration stießen auf Gegenwind im Kongress und vor Gerichten, doch die Unsicherheit selbst hat Labore, Einstellungen und langfristige Forschungsplanungen beeinträchtigt.

Die Position der Administration ist differenzierter, als einfach „die Wissenschaft zu verlassen“. Wie Unite.AI kürzlich untersucht hat, versucht das Weiße Haus, rund 200 Milliarden US‑Dollar an jährlichen Bundesforschungs­ausgaben neu zu strukturieren. Die Vorschläge bevorzugen mehr Fördermittel, die einzelnen Wissenschaftlern folgen, schnellere Fördermechanismen, Hochrisikoforschung, KI‑gesteuerte Entdeckungen und strategische Technologien wie KI und Quantencomputing. Die Administration argumentiert, dass das bisher universitätszentrierte Fördersystem bürokratisch geworden sei und nicht ausreichend auf nationale Prioritäten ausgerichtet sei.

Eine Neuordnung des Forschungsökosystems schafft jedoch Gewinner und Verlierer. Förderstreichungen, Personalabbau im öffentlichen Dienst und Änderungen bei der Förderfähigkeit verschiedener Forschungsbereiche haben die Karriereplanung für viele Wissenschaftlerinnen und Wissenschaftler deutlich unvorhersehbarer gemacht.

Die Warnsignale traten schnell auf. Im März 2025 gaben drei Viertel der mehr als 1.600 Befragten einer Umfrage von Nature an, dass sie überlegten, die USA zu verlassen, wobei Kanada und Europa zu den am häufigsten genannten Zielen gehörten. Die Umfrage war selbstselektierend und sollte nicht als repräsentativ für alle amerikanischen Wissenschaftlerinnen und Wissenschaftler interpretiert werden, doch weitere Daten zu Stellensuchen zeigten ebenfalls ein wachsendes Interesse an Positionen außerhalb des Landes.

Kanada scheint entschieden zu haben, dass Unsicherheit in einem Land zur Chance in einem anderen werden kann.

Kanada baut eine Rekrutierungsmaschine auf, nicht nur ein paar Professuren

Ottawas Strategie geht über die reine Bezahlung von Spitzenwissenschaftlern für einen Umzug hinaus.

Die C$1,7‑Milliarden‑Initiative umfasst Forschungsprofessuren, Infrastrukturfinanzierung, Frühkarriere‑Positionen sowie Doktoranden‑ und Postdoc‑Stipendien. Im Mai stellte die Regierung 659 Forschungs‑Ausbildungs‑Awards für Kandidaten aus 72 Ländern bereit, während das Canada Impact+ Emerging Leaders‑Programm darauf abzielt, Universitäten zu helfen, vielversprechende Forschende bereits sehr früh in ihrer Laufbahn zu rekrutieren.

Kanada hat zudem begonnen, die Einwanderungspolitik mit der Strategie in Einklang zu bringen, indem neue Wege für Forschende geschaffen und für einige der rekrutierten Personen beschleunigte Verfahren versprochen werden.

Der Ansatz ist wichtig, weil Elite‑Wissenschaftler selten allein umziehen. Ein leitender Wissenschaftler kann Postdoktorand*innen, Doktorand*innen, Kooperationspartner*innen und zukünftige Fakultätsrekrutierungen mitbringen. Ihre Labore können Industriepartnerschaften anziehen, geistiges Eigentum erzeugen und letztlich Start‑Ups hervorbringen.

Dieser Multiplikatoreffekt erklärt, warum die sechs Neuankömmlinge der U of T einer genaueren Betrachtung wert sind.

Adrienne Campbell‑Washburn: Das MRI‑Gerät neu gedacht

Adrienne Campbell‑Washburn wechselt vom National Heart, Lung, and Blood Institute der NIH, wo sie nach ihrem Einstieg als Postdoktorandin im Jahr 2013 zur leitenden Wissenschaftlerin aufstieg.

Ihre Arbeit stellt eine Grundannahme der Magnetresonanztomographie infrage: dass stärkere Magneten zwangsläufig besser seien.

Campbell‑Washburns Laboratorium half, die Hochleistungs‑0,55‑Tesla‑Niedrigfeld‑MRT zu entwickeln, die schwächere Magnetfelder mit modernen Rechen‑, Erfassungs‑ und Rekonstruktionsverfahren kombiniert. Der Ansatz kann Vorteile beim Bilden von Bereichen wie den Lungen bieten, die traditionell für die MRT problematisch sind, während er Probleme im Zusammenhang mit Metallimplantaten reduziert und potenziell die Kosten und Infrastruktur‑Anforderungen von Scannern senkt.

Am Sunnybrook Research Institute und an der Abteilung für Medizinische Biophysik der U of T plant sie, diesen Ansatz weiter zu verfolgen – durch kostengünstigere MRT‑Systeme, tragbare Scanner und KI‑unterstützte Bildgebungsverfahren.

Die weiterreichende Implikation ist bedeutend. Die MRT ist außerordentlich leistungsfähig, doch große konventionelle Scanner sind teuer und auf große Krankenhäuser konzentriert. Wenn Niedrigfeld‑Geräte in Kombination mit immer ausgefeilteren KI‑Rekonstruktionen klinisch nutzbare Bilder mit günstigerer Hardware erzeugen können, könnte die MRT schließlich in viel mehr Einrichtungen verfügbar werden, etwa in kleineren Krankenhäusern, Gemeindekliniken und möglicherweise sogar am Krankenbett.

Tanya Berger‑Wolf: KI einsetzen, um die natürliche Welt zu verstehen

Tanya Berger‑Wolf kommt von der Ohio State University und bringt eine ungewöhnliche Kombination aus theoretischer Informatik, künstlicher Intelligenz, Ökologie und Naturschutz mit.

Sie ist eine der Pionierinnen des inzwischen bekannten „Imageomics“, bei dem maschinelles Lernen eingesetzt wird, um biologische Informationen aus den riesigen Bildmengen zu extrahieren, die weltweit gesammelt werden.

Berger‑Wolf war Mitbegründerin von Wildbook, einer Open‑Source‑Plattform, die einzelne Tiere anhand von Fotos identifizieren kann. Ähnlich wie Gesichtserkennung Menschen unterscheidet, können diese Systeme charakteristische Markierungen an Tieren wie Zebras oder Walhaien erkennen, sodass Forschende Populationen und Verhalten überwachen können, ohne ausschließlich auf physische Marken oder GPS‑Halsbänder angewiesen zu sein.

Ihr Imageomics‑Institut hat das Konzept seitdem deutlich weiterentwickelt. Das BioCLIP‑Modell wurde mit mehr als 210 Millionen Bildern von etwa einer Million Arten trainiert, sodass KI Organismen über einen erheblichen Teil des bekannten Baums des Lebens hinweg identifizieren kann.

An der U of T will Berger‑Wolf Bildmaterial mit Audio, genetischen Informationen und Sensordaten kombinieren, um reichhaltigere Modelle von Ökosystemen und deren Reaktionen auf Klima‑ und Mensch‑Einflüsse zu erstellen.

Das Projekt veranschaulicht eine zunehmend wichtige Richtung für KI: Grundmodelle bewegen sich über Text, Bilder und Verbraucher‑Anwendungen hinaus in spezialisierte wissenschaftliche Bereiche, in denen enorme Datensätze für Menschen praktisch unmöglich manuell zu analysieren sind.

Shu (Joy) Jiang: Medizinische KI von Algorithmen in Krankenhäuser bringen

Shu (Joy) Jiang wechselt von der Washington University School of Medicine in St. Louis zur U of T, wo ihre Forschung Biostatistik, Krebsprognosen und künstliche Intelligenz kombiniert.

Eines ihrer bemerkenswertesten Projekte demonstriert bereits, wie akademische KI‑Forschung in die kommerzielle Medizin übergehen kann.

Jiang und der Epidemiologe Graham Colditz gründeten Prognosia, das ein KI‑System entwickelte, das Mammographien analysiert, um das fünf‑Jahres‑Risiko einer Brustkrebserkrankung bei einer Frau vorherzusagen. Die Software erhielt 2025 die FDA‑Breakthrough‑Device‑Zulassung, und Prognosia wurde anschließend vom südkoreanischen Medizin‑KI‑Unternehmen Lunit übernommen.

Statt lediglich einen bereits bestehenden Tumor zu erkennen, sucht die Technologie nach Mustern in Mammographien, die auf ein zukünftiges Risiko hinweisen können, einschließlich Signalen, die für menschliche Kliniker nicht sichtbar sind.

An der Dalla Lana School of Public Health der U of T wird Jiang ein weiteres Problem angehen, das ebenso wichtig sein könnte wie die Entwicklung der Algorithmen selbst: die Einführung validierter medizinischer KI in reale klinische Umgebungen.

Ihre geplante Arbeit umfasst den Aufbau einer Infrastruktur, die Krankenhäuser, Regulierungsbehörden und die Industrie verbindet, sodass medizinische Bild‑KI bewertet und in ganz Kanada eingesetzt werden kann.

Damit wird einer der größten Engpässe im Gesundheits‑KI‑Bereich adressiert. Die Branche verfügt bereits über ein wachsendes Angebot vielversprechender Modelle. Die größere Herausforderung besteht darin, zu beweisen, dass sie konsistent über Krankenhäuser, Patientengruppen und Bildgebungsgeräte hinweg funktionieren, und sie dann in Arbeitsabläufe zu integrieren, in denen Ärzt*innen sie tatsächlich nutzen können.

Michelle Arkin: Auf der Jagd nach den „undrückbaren“ Zielen der Medizin

Michelle Arkin bringt weit mehr als einen akademischen Hintergrund in der Wirkstoffforschung an die U of T Mississauga.

Am UCSF war sie Professorin für Pharmazeutische Chemie, Geschäftsführerin des Small Molecule Discovery Center und Vizedekanin für Forschungstechnologie und Unternehmertum. Früher, bei Sunesis Pharmaceuticals, arbeitete sie an einigen der ersten potenten Inhibitoren, die Protein‑Protein‑Interaktionen anvisierten.

Ein aus dieser Arbeit hervorgegangenes Molekül ist Lifitegrast, das letztlich zu einer von der FDA zugelassenen Behandlung der Trockenaugen‑Erkrankung wurde.

Ihre aktuelle Forschung konzentriert sich stark auf biologische Ziele, die historisch als schwer oder unmöglich zu druggen galten, darunter Protein‑Protein‑Interaktionen, molekulare Maschinen und Transkriptionsfaktoren. Sie ist zudem im Alzheimer‑Forschungsfeld aktiv und hat mehrere Therapeutik‑Unternehmen mitbegründet.

An der U of T wird Arkin Bereiche wie molekulare Klebstoffe, Präzisionsmedizin und KI‑unterstützte Wirkstoffforschung untersuchen.

Molekulare Klebstoffe sind besonders interessant, weil sie anders wirken als herkömmliche Medikamente. Anstatt ein Protein zu blockieren, können sie biologische Moleküle zu Interaktionen zwingen, die normalerweise nicht auftreten, wodurch die Zelle krankheitsverursachende Proteine eliminieren könnte.

In Kombination mit KI‑Systemen, die molekulare Interaktionen vorhersagen und riesige chemische Räume durchsuchen können, könnten solche Ansätze den Anteil der menschlichen Biologie, der realistisch medikamentös ansprechbar ist, erheblich erweitern.

Raymond Fisman: Untersuchen, was passiert, wenn Geld auf politische Macht trifft

Nicht alle Rekruten arbeiten in der Laborforschung.

Der Ökonom Raymond Fisman kommt von der Boston University zur Rotman School of Management der U of T und bringt ein Forschungsprogramm mit, das sich auf Korruption, politischen Einfluss, Governance und die Beziehung zwischen Institutionen und wirtschaftlichem Verhalten konzentriert.

Eine seiner bekanntesten Studien nutzte einen ungewöhnlichen Datensatz: Parkverstöße, die von UN‑Diplomaten in New York begangen wurden.

Da Diplomaten Immunität gegenüber der Durchsetzung genossen, konnten Fisman und der Ökonom Edward Miguel untersuchen, wie sich Beamte verhalten, wenn konventionelle rechtliche Konsequenzen weitgehend fehlen. Ihre Forschung ergab starke Unterschiede, die mit den Korruptionsnormen in den Herkunftsländern der Diplomaten korrelierten, während spätere Durchsetzungsmaßnahmen die Verstöße deutlich reduzierten.

Neuere Arbeiten haben politische Spenden, Regierungstransparenz und den Einfluss von Wahlanreizen auf Anfragen nach Informationsfreiheitsgesetzen untersucht. Ein Papier aus dem Jahr 2026 zeigte, dass Behörden in stärker korrupten Umfeldern Anfragen vor Wahlen eher ablehnen oder verzögern.

An der Rotman School wird Fisman erforschen, wie reiche Individuen und organisierte Interessen die öffentliche Politik beeinflussen, warum Wähler*innen manchmal Korruptionsnachweise tolerieren und wie Regierungen die Rechenschaftspflicht verbessern können.

Seine Einbindung in das Programm ist wichtig. Kanadas Forschungsstrategie beschränkt sich nicht nur auf Technologien, die sofort zu Produkten werden können. Sie erkennt auch an, dass die Institutionen, die Technologie, Märkte und öffentliches Vertrauen steuern, ebenso folgenschwer sein können wie die Technologien selbst.

Sara Seager: Die Suche nach anderen Welten zurück nach Toronto bringen

Sara Seager ist wohl der bekannteste Name unter den sechs Neuankömmlingen.

Die in Toronto geborene Wissenschaftlerin schloss 1994 ihr Studium an der U of T ab, promovierte anschließend an der Harvard University und wurde schließlich Professorin am MIT. Sie gehörte zu den Pionierinnen der Exoplaneten‑Wissenschaft, insbesondere der Untersuchung von Planetenatmosphären und der Suche nach Gasen, die Aufschluss darüber geben könnten, ob Leben jenseits der Erde existiert.

Ihre Laufbahn umfasst ein MacArthur‑Stipendium, den Kavli‑Preis für Astrophysik und die Ernennung zur Officer of the Order of Canada.

Ihre Rückkehr nach Toronto wurde bereits angekündigt, bevor die neuesten Ergebnisse des Bundes‑Professur‑Programms veröffentlicht wurden. Sie soll am 1. September 2026 an die U of T treten, was ihren Fall etwas anders macht als die Forscher, die speziell nach dem Start der Bundesinitiative rekrutiert wurden.

An der U of T plant sie, Astronomie, Chemie, rechnerische Physik und Luft‑ und Raumfahrttechnik zu verbinden und gleichzeitig die Suche nach bewohnbaren Welten fortzusetzen. Sie leitet zudem die „Morning Star Missions“ zur Venus, die darauf abzielen, die Atmosphäre des Planeten direkt auf organische Moleküle zu untersuchen.

Der neue Lehrstuhl erweitert diese Arbeit auf planetare und molekulare Sensortechnologien, darunter Instrumente, die Chemikalien bei extrem niedrigen Konzentrationen nachweisen können, sowie KI‑Modelle zur Interpretation komplexer planetarer und ökologischer Systeme.

Diese Technologien müssen nicht ausschließlich in der Weltraumforschung verbleiben. Ultra‑sensible molekulare Sensorik könnte künftig Anwendungen in der Umweltüberwachung, industriellen Detektion und der menschlichen Gesundheit finden.

Der eigentliche Gewinn ist das Ökosystem, das sich um die Forschenden bildet

Kanada sollte vorsichtig sein, nicht zu früh den Sieg zu erklären.

Die Vereinigten Staaten bleiben nach den meisten Maßstäben das dominierende Forschungsökosystem der Welt und besitzen Vorteile, die Kanada nicht einfach durch größere Rekrutierungs‑Checks reproduzieren kann. Ihre Universitäten, National‑Labore, Risikokapital‑Industrie, Pharmaunternehmen, Hyperscaler und die Verteidigungs‑Forschungsinfrastruktur erzeugen eine enorme Anziehungskraft für wissenschaftliche Talente.

Die Trump‑Administration reduziert zudem nicht einheitlich die Unterstützung für Spitzentechnologien. KI, Quantencomputing, Verteidigungstechnologien und KI‑unterstützte wissenschaftliche Forschung zählen zu den Bereichen, die sie ausdrücklich priorisieren will.

Doch Führungspositionen in der Forschung können sich an den Rändern verschieben, lange bevor sie in nationalen Rankings sichtbar werden.

Ein Forschender, der heute umzieht, kann morgen zehn Student*innen rekrutieren. Diese Student*innen können eine weitere Generation von Wissenschaftler*innen ausbilden. Ein Labor kann ein Patent generieren, das zu einem Start‑Up wird, das Ingenieur*innen und Investor*innen anzieht und schließlich einen Branchencluster schafft.

Toronto hat diese Dynamik bereits erlebt. Geoffrey Hinton wechselte 1987 von der Carnegie Mellon University zur U of T, zu einer Zeit, als neuronale Netze noch weit von der Mode entfernt waren. Jahrzehnte später half seine Arbeit, die intellektuellen Grundlagen der Deep‑Learning‑Revolution zu legen und trug dazu bei, Toronto zu einem der wichtigsten KI‑Forschungszentren der Welt zu machen.

Kanada versucht nun, diesen langfristigen, kumulativen Effekt in Bereichen wie KI, Biotechnologie, Medizin, Klimawissenschaft, Quantentechnologie und anderen strategischen Feldern zu reproduzieren. Das fügt sich in ein breiteres Bestreben ein, die akademischen Stärken des Landes in wirtschaftliche Kapazitäten umzuwandeln, einschließlich der nationalen KI‑Strategie, die Kanada Anfang dieses Jahres gestartet hat. Diese Strategie betont ebenfalls, mehr Forschung, Unternehmen und geistiges Eigentum innerhalb Kanadas zu halten.

Kanada muss noch beweisen, dass es das angezogene Talent halten kann

Es gibt zudem eine berechtigte Kritik an der Strategie.

Kanada kann kein nachhaltiges Forschungsökosystem ausschließlich durch die Anwerbung von Superstar‑Wissenschaftler*innen aufbauen. Bestehende kanadische Forschende klagen seit langem über begrenzte Fördermittel, Gehälter, die im Vergleich zu den USA kaum konkurrenzfähig sind, und unzureichende Möglichkeiten für junge Wissenschaftler*innen. Kritiker*innen haben die Befürchtung geäußert, dass stark finanzierte internationale Lehrstühle ein Zwei‑Klassen‑System schaffen könnten, in dem neu rekrutierte Forschende außergewöhnliche Pakete erhalten, während gleichwertig fähige Wissenschaftler*innen, die bereits in Kanada arbeiten, mit knapperen Ressourcen konfrontiert werden.

Das macht die Frühkarriere‑, Infrastruktur‑ und Ausbildungs‑Komponenten der C$1,7‑Milliarden‑Initiative besonders wichtig.

Wenn Kanada lediglich berühmte Wissenschaftler*innen importiert, wird das Programm beeindruckende Ankündigungen produzieren. Wenn diese Wissenschaftler*innen jedoch die Ressourcen erhalten, um Labore aufzubauen, jüngere Forschende zu rekrutieren, mit der Industrie zusammenzuarbeiten, Entdeckungen zu kommerzialisieren und Institutionen zu schaffen, die über ihre individuelle Laufbahn hinaus bestehen, könnten die Folgen weitaus größer sein.

Fast das gesamte letzte Jahrhundert über verstanden die Vereinigten Staaten etwas Grundlegendes über Innovation: Das Anziehen außergewöhnlicher Menschen war selbst eine Form der Wirtschaftspolitik.

Kanada scheint die Lehre gelernt zu haben.

Die Frage ist nun, ob die Vereinigten Staaten ihrem Nachbarn vorübergehend eine Öffnung bieten oder ob sich die Richtung des wissenschaftlichen Talents über die Grenze hinweg langfristig zu verändern beginnt.