Wer führt METR wirklich? Teil 1: Leitung, Finanzierung und Unabhängigkeit

METR-Recherche · Teil 1

Dieser Auftakt untersucht METRs offengelegte Leitung, Finanzierung und Evaluierungsbefugnisse. Weitere Teile werden historische Verbindungen und umstrittene Behauptungen anhand dokumentarischer Belege prüfen.

Kurzfassung: Beth Barnes leitet METR; die aktuellen Biografien bezeichnen Adam Gleave und Rajiv Dattani als Vorstandsmitglieder, belegen aber keinen vollständigen rechtlichen Vorstand.^[8][9][10] Die gemeinnützige Organisation meldete für FY2024 Einnahmen von 13.639.155 US-Dollar und später Finanzierungszusagen von rund 71 Millionen US-Dollar; diese Zahlen stammen aus unterschiedlichen Zeiträumen und dürfen nicht zu einem Kassenbestand addiert werden.^[3][4] Die offengelegten Schutzmaßnahmen stützen einige Formen der Unabhängigkeit, während Laborzugang und Veröffentlichungsbeschränkungen andere begrenzen.^[19]

METRs Evaluierungen stehen inzwischen im Zentrum von Debatten über Veröffentlichungen, Zeithorizonte, Vorfalluntersuchungen und den Zugang externer Prüfer. Vertrauen muss auf einer Dokumentation beruhen, die erkennen lässt, wo Einfluss entstehen und wo er abgewehrt werden kann.

Die öffentliche Faktenlage ist nützlich, aber unvollständig. Sie erlaubt eine belastbare Aussage über mehrere offengelegte Schutzmaßnahmen, aber nur eine deutlich engere Aussage darüber, wer die Organisation heute rechtlich führt. Beides gleichzusetzen verwandelt die Debatte entweder in Öffentlichkeitsarbeit oder in Verschwörungstheorie.

Die verwandte Analyse lesen: Dario, METR und die KI-Verlangsamung: Wer darf die Frontier prüfen?

Titelbild: generierte redaktionelle Illustration eines Geschäftsbuchs, von Dokumenten und einer Lupe als Symbol für die Prüfung von Governance und Finanzierung. Die Papiere sind illustrative Motive, keine tatsächlichen METR-Unterlagen.

Die Führung: Wer welche Rolle innehat

METRs Spendenseite nennt die juristische Einheit Model Evaluation and Threat Research, Inc., EIN 99-1219864. Der öffentliche Steuerdatensatz weist sie als 501(c)(3)-Organisation aus, deren Steuerbefreiung im März 2024 erteilt wurde.^[2][3] Damit ist die rechtliche Hülle der Organisation belegt. Offen bleiben aktuelle Satzung, Vorstandsprotokolle, Amtszeiten der Vorstandsmitglieder, Stimmrechte, Förderauflagen und ein Geldgeberverzeichnis mit Einzelbeträgen.

Die aktuellen Biografien nennen Barnes Gründerin und CEO, Painter Präsident, Wijk Wissenschaftlicher Leiter und Rush CTO. Gleave und Dattani tragen jeweils die Bezeichnung Berater und Vorstandsmitglied.^{[8][18][20][21][9][10]} Das sind überprüfte öffentliche Rollenbeschreibungen, kein Ersatz für ein vollständiges rechtliches Vorstandsregister.

Die Form-990-Daten für FY2024, die Verzeichnisse der Steuererklärungen gemeinnütziger Organisationen wiedergeben, nennen drei stimmberechtigte Mitglieder des Leitungsgremiums, davon eines als unabhängig eingestuft, sowie eine organisatorische Richtlinie zu Interessenkonflikten.^[24] Das ist eine historische Einstufung im Bericht, kein Urteil über Forschungsbias und kein Vorstand vom September 2026. Das hier geprüfte öffentliche Material klärt nicht jede aktuelle Direktorposition, Amtszeit oder Stimmregel. Ein aktuelles beglaubigtes Unternehmensregister lag uns nicht vor.

METR führt Alec Radford, Marco Mascorro und Yoshua Bengio separat als Berater ohne Vorstandsbezeichnung auf.^[1] Ein Beratertitel ist kein Beleg für ein Stimmrecht. Ebenso belegt frühere Beschäftigung bei einem Labor Erfahrung und eine offenlegenswerte Beziehung, aber keine fortdauernde Arbeitgeberkontrolle. Dattanis aktuelle Arbeit zu Auditierung und Versicherung wirft eine berechtigte Frage auf, wie überlappende berufliche Interessen behandelt werden. Die Biografie allein beantwortet sie nicht.^[10]

Die Finanzierung: Spenden, Zusagen und offene Fragen

Das für diesen Artikel geprüfte öffentliche Verzeichnis eingereichter Steuererklärungen weist die Finanzen für FY2024 aus: 13.639.155 US-Dollar Einnahmen, davon 13.603.035 US-Dollar an Zuwendungen, 8.234.524 US-Dollar Ausgaben und 5.404.631 US-Dollar Nettovermögen zum Jahresende.^[3] Zuwendungen machten 99,7 % der gemeldeten Einnahmen aus. Das zeigt für diesen Zeitraum eine philanthropisch finanzierte Organisation. Es benennt weder jeden Geldgeber noch dessen Anteil oder die Bedingungen einzelner Förderungen.

FY2024: Die öffentlich dokumentierten Finanzen

Die Beträge betreffen METRs Geschäftsjahr bis Dezember 2024; die Erklärung wurde am 16. November 2025 eingereicht. Es handelt sich um historische Finanzdaten.

Quelle: IRS-abgeleiteter Form-990-Datensatz für FY2024. Die Zahlen beziehen sich auf den Berichtszeitraum, nicht auf einen aktuellen Kassenbestand oder die Konzentration der Geldgeber.

METR nennt unter anderem Pew, Schmidt Sciences, Packard, die Sijbrandij Foundation und Personen von Jane Street als Unterstützer sowie einen kleinen technischen Unterstützungsvertrag mit dem European AI Office.^[1] Audacious bestätigt unabhängig Project Canary, eine Zusammenarbeit von METR und RAND, in seinem Kohortenjahrgang vom Oktober 2024.^[23] Das bestätigt eine Finanzierungsbeziehung, nicht ihren Anteil am heutigen METR-Budget. Weder eine Geldgeberliste noch die Größe einer Ankündigung belegen Konzentration oder Förderbedingungen.

METRs Ankündigung vom 14. August beschreibt Zusagen von rund 71 Millionen US-Dollar über sechs Monate.^[4] Eine Zusage kann zeitversetzt ausgezahlt werden oder Beschränkungen tragen. Die öffentliche Ankündigung enthält keine Aufteilung nach Geldgebern. Aus dieser Summe lassen sich daher weder aktuelle Konzentration noch ein kontrollierender Geldgeber ableiten.

Die Laborbeziehungen: Geld ist nur eine Quelle von Abhängigkeit

METR erklärt, Finanzierung durch Frontier-Unternehmen und von deren Beschäftigten gesteuerte Spenden abzulehnen, während es erhebliche kostenlose Tokens erhält.^[4] Zu den offengelegten Evaluierungspartnern gehören OpenAI, Anthropic, Google DeepMind, Meta und Amazon.^[1]

Entscheidend ist die Unterscheidung zwischen finanzieller Trennung und operativer Abhängigkeit. Evaluatoren benötigen die Systeme, die sie prüfen. Modellzugang, vertrauliche Belege und Unterstützung durch Anbieter können beeinflussen, welche Fragen untersucht werden, selbst wenn der Anbieter keine Gebühr zahlt. Unabhängigkeit hängt von den Bedingungen dieser Inputs und von Alternativen ab, falls der Zugang entzogen wird.

Das ist ein möglicher Einflusskanal, kein Beweis für Kontrolle. Öffentliche Quellen bewerten die Tokens nicht, veröffentlichen ihre Bedingungen nicht, berechnen ihren Anteil an den Betriebsmitteln nicht und belegen nicht, dass ein Anbieter eine Schlussfolgerung verändert hat. Eine Regel gegen Unternehmensgeld ist bedeutsam, beantwortet aber die Frage der operativen Abhängigkeit nicht.

METR entstand als ARC Evals. Die Ausgründungsankündigung nennt Barnes als Leiterin der separaten Organisation und sagt, Paul Christiano habe eine geplante Vorstands- und Beraterrolle abgelehnt. Diese aktualisierte historische Notiz setzt ihn nicht in METRs aktuellen Vorstand.^[5]

Die Veröffentlichungsbedingungen: Was METR ohne Erlaubnis sagen darf

METRs Pilotbericht vom Mai 2026 beschreibt eingeschränkte Veröffentlichungsrechte: Unternehmen konnten nicht öffentliche Informationen schwärzen oder still aussteigen, während METR die redaktionelle Endkontrolle und eine Zusammenfassung der Schwärzungen behielt.^[6] Vertraulichkeit kann das Weglassen von Details rechtfertigen. Eine Ausstiegsoption lässt Außenstehende jedoch zugleich nicht erkennen, ob im veröffentlichten Teilnehmerkreis ein unbequemer Fall fehlt.

Diese Bedingungen gelten für jenes Pilotprojekt. Sie können weder die Rechte einer anderen Evaluierung belegen noch zeigen, dass ein Teilnehmer tatsächlich einen Rückzug nutzte, um ein Ergebnis zu verbergen.

Für die Evaluierung vom 26. Juni legte METR eine Prüfung und Freigabe durch OpenAI unter einer Geheimhaltungsvereinbarung offen. METR berichtete unveränderte Schlussfolgerungen, sagte aber, OpenAI könne rechtlich Risikoschlussfolgerungen blockieren, die nicht öffentliche Informationen verwenden. METR warnte ausdrücklich davor, dies als robuste formelle Aufsicht zu behandeln.^[19] Diese eingeräumte Befugnis ist relevant, auch ohne Beleg dafür, dass sie gegen eine Schlussfolgerung eingesetzt wurde.

Anthropics Darstellung vom 26. August zu einer separaten Partnerschaft über Nutzungsdaten beschreibt Prüfungen zu Privatsphäre, Vertraulichkeit, Richtlinienverstößen und Forschungsgenauigkeit bei zugleich möglicher Veröffentlichung unbequemer Befunde.^[7] In den Credits wird außerdem genannt, dass der Mitarbeiter Joel Becker zu Anthropic gewechselt ist. Das dokumentiert einen beruflichen Wechsel, keine gleichzeitige Kontrolle von METR. Die Vereinbarung betraf Nutzungsforschung, keine allgemeine Befugnis, ein Labor zu prüfen oder zu stoppen.

Die Benchmarks: Was die Messungen tatsächlich belegen

METRs stärkste Seite ist die methodische Transparenz darüber, was seine Benchmarks messen und was nicht. HCAST umfasst 189 in sich geschlossene Aufgaben aus Machine-Learning-Engineering, Cybersicherheit, Softwareentwicklung und allgemeinem Schlussfolgern, mit 563 menschlichen Referenzwerten und mehr als 1.500 Personenstunden. Es ist eine Suite von Softwareaufgaben, kein Maß für allgemeine Autonomie am Arbeitsplatz.^[11]

RE-Bench geht mit sieben offenen Umgebungen für ML-Forschungsengineering tiefer. Die erste Veröffentlichung meldete 71 achtstündige Versuche von 61 menschlichen Fachleuten, und METR veröffentlichte Umgebungen und Transkripte für die Reproduzierbarkeit.^[12] TH1.1 kombiniert ausgewählte Aufgaben aus HCAST, RE-Bench und SWAA. Von den 228 Aufgaben haben 31 menschliche Bearbeitungszeiten von mindestens acht Stunden. Nur für fünf dieser langen Aufgaben wurden menschliche Zeiten gemessen, 26 beruhen auf Schätzungen.^[13]

Ein 50%-Zeithorizont ist die Aufgabendauer, bei der die angepasste Kurve eine Erfolgswahrscheinlichkeit von 50 % vorhersagt. Er behauptet nicht, dass ein Agent jede reale Aufgabe dieser Länge erledigt. METRs Methodik warnt zudem, dass Messungen oberhalb von 16 Stunden in der aktuellen Suite unzuverlässig sind und Schätzungen von Auftragnehmern die Dauer für Fachleute überschätzen können.^[14] Die eigene Modellierungsnotiz ergänzt, dass die meisten TH1.1-Prompts und Lösungen privat bleiben. Das begrenzt eine vollständige unabhängige Replikation und macht die Governance der Aufgabenauswahl wichtig.^[15]

Testmaterial privat zu halten kann Kontamination verringern, erschwert aber die vollständige externe Replikation. Dieser Zielkonflikt erhöht den Wert öffentlicher Auswahlregeln, Versionsänderungen, Fehlerkorrekturen und unabhängiger Kritik. Ein Benchmarkwert sollte zusammen mit der Suite-Version, dem Agentenaufbau und den Bewertungsentscheidungen genannt werden, die ihn hervorgebracht haben.

Die Bewertung: Glaubwürdige Forschung braucht überprüfbare Befugnisse

METRs randomisierte Entwicklerstudie vom Juli 2025 ist ein nützlicher Test institutionellen Verhaltens. Sie ergab, dass 16 erfahrene Open-Source-Entwickler bei 246 Aufgaben in vertrauten Projekten mit KI-Werkzeugen von Anfang 2025 19 % länger brauchten. Das gemeldete Konfidenzintervall reichte von 2 % bis 39 % längerer Dauer.^[16] Die Folgestudie vom Februar 2026 legte einen Auswahlbias offen, der eine verlässliche Schätzung aktueller Produktivitätseffekte verhinderte, und führte zu Änderungen am Studiendesign.^[17] Ein Ergebnis zu veröffentlichen, das einer verbreiteten Produktivitätserzählung widerspricht, und anschließend eine Grenze der Folgestudie offenzulegen, spricht für eine Forschungskultur, die auch unbequeme Unsicherheit sichtbar macht.

Der Pilot im Mai begann ohne anwendbare personelle Konfliktrichtlinie oder formelles Offenlegungsverfahren. Laut Selbsteinschätzung wurden Personen mit erheblichen finanziellen Interessen dennoch von betroffenen Entscheidungen ausgeschlossen.^[6] Die frühere Angabe zu einer organisatorischen Richtlinie betrifft einen anderen Geltungsbereich.^[24] Keines von beidem belegt, dass heute eine umfassende personelle Richtlinie gilt. Ihren aktuellen Text oder ihre Umsetzung konnten wir in den geprüften Unterlagen nicht verifizieren.

Barnes wies in einem August-Beitrag ähnlich darauf hin, dass die Absicherung durch Dritte ohne wirksame Aufsicht übertrieben dargestellt werden kann.^[22] Das ist eine institutionelle Warnung, keine externe Validierung. Sie unterstreicht den hier angewendeten Maßstab: Entscheidend sind die tatsächlichen Befugnisse eines Evaluators.

Daraus folgt eine praktische Agenda. METR sollte einen aktuellen rechtlichen Vorstand und Kriterien für die Unabhängigkeit seiner Vorstandsmitglieder veröffentlichen, wesentliche Förderauflagen und eine brauchbare Darstellung der Geldgeberkonzentration offenlegen, nicht-monetären Modellzugang bewerten oder zumindest eingrenzen, eine Konfliktrichtlinie und zusammengefasste Angaben zu solchen Ausschlüssen veröffentlichen und projektbezogene Bedingungen für Veröffentlichung, Schwärzung und Rückzug leicht vergleichbar machen. Das sind keine Forderungen nach demonstrativer Reinheit. Es sind die Betriebsdaten, die einen Evaluator mit der Fähigkeit, ein Labor herauszufordern, von einem unterscheiden, der nur innerhalb der Erlaubnisstruktur des Labors berichten kann.

Quellen und Referenzen

Zuletzt aktualisiert: 14. September 2026