Sam Gao, CEO und Mitbegründer von DINQ – Interviewreihe

Sam Gao ist ein führender KI-Forscher, Ingenieur und Unternehmer und fungiert als CEO und Mitbegründer von DINQ, eine Talentvermittlungsplattform der nächsten Generation für das KI-Zeitalter. Ursprünglich Bauingenieur, wechselte er in den Bereich KI, veröffentlichte über 10 Fachartikel auf hochrangigen Konferenzen wie NeurIPS, ICML und CVPR und trug zu wichtigen Open-Source-Frameworks wie PyTorch und TensorFlow bei.

Gao ist der zweite Autor von DeepFaceLab, dem weltweit führenden Open-Source-System zum Gesichtstausch, das über 46,000 Sterne auf GitHub erhalten hat und 2020 zu den zehn besten KI-Projekten auf GitHub zählte. Er entwickelte außerdem OutfitAnyone, ein universelles virtuelles Anprobesystem, das 2024 zu den Top 20 Projekten auf HuggingFace Spaces gehörte und kommerziell auf Taobao vertrieben wird, wo es einen Jahresumsatz von über 100 Millionen RMB generiert. Darüber hinaus verfasste er das Eliza OS AI Agent Whitepaper, ein vielzitiertes Framework für einen dezentralen Handelsagenten.

Mit einem globalen Blick auf KI-Innovationen hat Gao intensiv mit führenden Forschern, Gründern und Branchenpionieren zusammengearbeitet und dafür wichtige Zentren wie das Silicon Valley, New York, Denver, Davos, Singapur und Kyoto bereist. Gao gründete die Qingke AI Community, die mittlerweile über 30,000 öffentliche Follower und 5,000 Experten zählt und Vorträge zu Spitzentechnologien, private Workshops und Networking-Möglichkeiten bietet. Die Community gilt heute als eines der professionellsten und einflussreichsten Netzwerke für Forscher, die für xAI, OpenAI, DeepMind, Qwen, Deepseek und andere Unternehmen arbeiten.

Sie haben mehrere Jahre bei Alibaba Cloud im Bereich Computer Vision und Grafik für AR und VR gearbeitet und später zu KI-gestützten Proof-of-Human-Systemen in der Blockchain beraten. Welche persönliche Frustration oder welcher Wendepunkt hat Sie dazu bewogen, diese Positionen aufzugeben und DINQ mitzugründen?

Während meiner Zeit an der Alibaba Damo Academy erlebte ich, wie Spitzentechnologie Millionen von Nutzern erreichte. Meine größte Frustration lag jedoch nicht in technischen Engpässen, sondern in der ungleichen Verteilung von Talenten. Ich sah brillante Doktoranden, die mit der praktischen Umsetzung ihrer Projekte kämpften, während autodidaktische Programmiergenies ignoriert wurden, weil ihnen ein prestigeträchtiger Titel fehlte. Später lehrte mich die Beratung zu Blockchain-Identitätssystemen die Bedeutung des „Proof-of-Human“. DINQ vereint diese Erfahrungen: die Mission, einen eindeutigen und objektiven Wertnachweis für alle zu liefern, die im Zeitalter der KI entwickeln.

DINQ startet zu einem Zeitpunkt, an dem KI-Modelle und Rechenkapazität schneller wachsen als die benötigten Fachkräfte für deren Entwicklung und Implementierung. Was ist Ihrer Meinung nach grundlegend falsch an der Art und Weise, wie KI-Talente heute gefunden und bewertet werden?

Der grundlegende Fehler ist die „Bewertungsverzögerung“. Während die KI-Fähigkeiten monatlich skalieren, steckt die Personalbeschaffung weiterhin in einem jahrzehntealten Paradigma fest:

Schlüsselwortveralterung: Herkömmliche Filter können nicht zwischen jemandem unterscheiden, der ChatGPT einfach nur „nutzt“, und jemandem, der einen Multi-Agenten-Workflow entwerfen kann.

Die „Abstammungsfalle“: Sich auf Eliteabschlüsse oder Titel großer Technologiekonzerne zu verlassen, ist ein trügerischer Indikator für Kompetenz. Dabei wird die Vielzahl an „verborgenen Talenten“ übersehen, die Innovationen in Open-Source- oder Nischenbranchen vorantreiben.

Statisch vs. Flexibel: Ein Lebenslauf ist eine Momentaufnahme der Vergangenheit; KI-Beiträge sind ein lebendiger, atmender Datenstrom über GitHub, Hugging Face und kollaborative Plattformen.

Sie haben DINQ als Antwort auf die Grenzen von Lebensläufen, LinkedIn-Profilen und schlüsselwortbasierter Personalauswahl beschrieben. Welche entscheidenden Signale über KI-Forscher und -Entwickler werden von traditionellen Rekrutierungssystemen übersehen?

Standardmäßige Rekrutierungsmethoden vernachlässigen die „Verhaltens-DNA“ eines Bauarbeiters:

Iterative Resilienz: Wie kann ein Benutzer eine Eingabeaufforderung oder ein Modell so lange verfeinern, bis es funktioniert?

Kontextuelle Beherrschung: Die Fähigkeit, die Lücke zwischen einem einfachen KI-Tool und einer konkreten Geschäftslösung zu schließen.

Die „Lernrate“: In einem Bereich, in dem Wissen alle sechs Monate abnimmt, ist die Geschwindigkeit, mit der jemand ein neues Framework beherrscht (z. B. den Wechsel von RAG zu Agentic-Workflows), wichtiger als seine gesamte Berufserfahrung.

Die DINQ Card bündelt Code, Publikationen, Projekte und Kooperationen in einem einzigen, verifizierten Profil. Wie verändert dies die Definition von „Wirkung“ für Nachwuchsforscher im Bereich KI, die noch keine renommierten Titel oder bekannte Institutionen vorweisen können?

Die DINQ-Karte verändert die Definition von Erfolg: von „Für wen man arbeitet“ hin zu „Was man tatsächlich geschaffen hat“. Für junge Entwickler und unkonventionelle Kreative ist dies ein Wendepunkt. Sie bündelt verifizierte Beiträge – sei es eine leistungsstarke LoRa-Anwendung, ein virales KI-Projekt oder die Behebung eines kritischen Fehlers in der KI-Infrastruktur – zu einer Reputation. So kann beispielsweise ein Student in einer abgelegenen Gegend aufgrund seiner „verifizierten Wirkung“ denselben Respekt genießen wie ein Ingenieur aus dem Silicon Valley.

Im Bereich der Personalbeschaffung setzt DINQ auf KI-gestützte Suche und Schlussfolgerung anstelle statischer Filter. Wie verändert dies die Art und Weise, wie Unternehmen Kandidaten für hochspezialisierte Bereiche wie Reinforcement Learning oder Multiagentensysteme identifizieren?

Die herkömmliche Suche ist binär (Ja/Nein). Die Suche von DINQ hingegen basiert auf Schlussfolgerungen. Benötigt ein Unternehmen beispielsweise jemanden für „KI-Agenten“, sucht DINQ nicht nur nach dem Stichwort. Es analysiert die tatsächlichen Leistungen der Kandidaten: Haben sie komplexe Denkprozesse gelöst und zu Langchain oder Dify beigetragen? Wie haben sie die API-Latenz in ihren Projekten gehandhabt? So können Unternehmen „spezialisierte Generalisten“ identifizieren: Menschen mit ausgeprägter Intuition, die spezifische KI-Herausforderungen meistern, für die es noch keine konkreten Stellenbezeichnungen gibt.

Nachdem Sie in großen Plattformen wie Alibaba Cloud gearbeitet haben, was glauben Sie, was große Organisationen am meisten missverstehen, wenn es um die Bewertung echter KI-Fähigkeiten im Vergleich zu oberflächlichen Qualifikationen geht?

Große Organisationen verwechseln oft „Erfolg in der Vergangenheit“ mit „Zukunftsorientierung“. Sie gehen davon aus, dass Erfolg in einem strukturierten, etablierten Umfeld automatisch auch im unübersichtlichen KI-Umfeld zum Erfolg führt. Tatsächlich geht es bei KI-Kompetenz heute um Handlungsfähigkeit – die Fähigkeit, ein komplexes Problem mithilfe von KI umfassend zu lösen. Große Plattformen übersehen dabei oft die tatkräftigen Innovatoren, die den entscheidenden Unterschied machen.

DINQ legt Kollaborationsmuster und langfristige Forschungsverläufe über verschiedene Plattformen hinweg offen, anstatt sich auf einzelne Erfolge zu konzentrieren. Warum gewinnt diese langfristige Perspektive an Bedeutung, da die KI-Forschung zunehmend interdisziplinär und teamorientierter wird?

Innovation ist keine Einzeldisziplin mehr, sondern eine kollaborative Evolution. Betrachtet man den Werdegang einer Person über verschiedene Plattformen hinweg, erkennt man ihre strategische Kontinuität. Springt sie einfach auf jeden Hype auf oder baut sie ein tiefgreifendes, interdisziplinäres Know-how auf? Da KI zunehmend teamorientiert wird, ist die Art und Weise, wie eine Person mit dem Code und der Forschung anderer interagiert, der entscheidende Indikator für ihren kulturellen Mehrwert und ihre technische Führungsrolle.

Es wächst die Sorge, dass bei der Einstellung von KI-Systemen Sichtbarkeit statt Leistung im Vordergrund steht. Wie will DINQ hochkarätige Talente aufspüren, die sonst unentdeckt blieben oder übersehen würden?

Heutzutage werden bei der Personalauswahl oft die lautesten Stimmen in den sozialen Medien bevorzugt, nicht unbedingt die talentiertesten. DINQ fungiert als eine Art „quantitativer Talentfonds“. Wir filtern die irrelevanten Informationen heraus und konzentrieren uns auf die Wertschöpfung. Indem wir besonders wirkungsvolle Mitwirkende sichtbar machen, die möglicherweise eher im Hintergrund auf GitHub, Huggingface oder in spezialisierten Foren aktiv sind, stellen wir sicher, dass Leistung und nicht Marketing darüber entscheidet, wer die besten Chancen erhält.

Als jemand, der an der Schnittstelle von KI-Infrastruktur, angewandter Forschung und nun auch Talentsystemen tätig war, wie sehen Sie die Entwicklung des Verhältnisses zwischen dem Ausbau der KI-Rechenleistung und der menschlichen Expertise in den nächsten Jahren?

Mit zunehmender Rechenleistung wandelt sich der Mensch vom Ausführenden zum Architekten. Wir bewegen uns auf eine Welt zu, in der Expertise durch die Fähigkeit definiert wird, massive Rechenressourcen zielgerichtet einzusetzen. Die Beziehung ist nicht konkurrenzorientiert, sondern symbiotisch. Der KI-gestützte Mensch wird die wertvollste Ressource der globalen Wirtschaft sein – Individuen, die Modelle orchestrieren, Fakten überprüfen und kreative Intuition einbringen können, wo Algorithmen an ihre Grenzen stoßen.

Über den Start im Januar hinaus: Wie sieht Erfolg für DINQ bei der Neugestaltung der Art und Weise aus, wie das KI-Ökosystem menschliche Talente erkennt, entwickelt und in großem Umfang einsetzt?

Der Erfolg von DINQ liegt im Aufbau der Vertrauensbasis der KI-Ökonomie. Wir streben eine Welt an, in der eine DINQ-Karte der einzige Lebenslauf ist, den man jemals braucht. Bis 2026 wollen wir den globalen Arbeitsmarkt in eine echte Leistungsgesellschaft im großen Stil umgestalten, in der Talente sofort entdeckt, automatisch verifiziert und unabhängig von Herkunft oder Hintergrund für die drängendsten Probleme der Welt eingesetzt werden.

Vielen Dank für das tolle Interview, Leser, die mehr erfahren möchten, sollten vorbeischauen DINQ.