Veröffentlicht am

Das Modell ist nicht der Burggraben.

Autoren

Listen in English · Das Modell ist nicht der Burggraben.

0:00 / 0:00

Watch in English · Das Modell ist nicht der Burggraben.

Das Argument passt in einen Satz, und Eliot Horowitz formuliert es selbst so: Der Wert in der Robotik wird nicht dem gehören, der das größte geschlossene Modell besitzt. Das Modell ist nicht der Burggraben. Ihre Daten und Ihr Know-how sind es.

Das ist eine seltsame Sache, von jemandem zu hören, der Software verkauft, weshalb sich der Rest seines Beitrags als Ökonomie und nicht als Begeisterung lesen lässt.

1Mrd.
Bereitstellungen physischer KI, die er in zehn Jahren will
10,000
Start-ups, die der Übergang seiner Aussage nach braucht
2
öffentliche Robotik-Datensätze, auf denen alle trainieren

Was Ihnen bleibt und was nicht

Er zieht die Grenze eng. Drei Dinge sind der Burggraben und sollten proprietär bleiben: die Daten, die Ihre Maschinen sammeln, das Know-how in Ihrem Prozess und das Deployment, das Sie tatsächlich betreiben. Alles andere – die Modelle, die Gewichte, das Coding-System – sollte offen sein.

  1. Ihre Daten

    auf Ihren eigenen Maschinen gesammelt

  2. Ihr Know-how

    der Prozess, nicht das Modell

  3. Ihr Deployment

    wo es läuft und was es berührt

  4. Alles andere

    Modelle, Gewichte, Werkzeuge — offen

Drei Dinge zu behalten, eines herzugeben, in seiner Darstellung.

Der Grund ist nicht Sentiment. Die öffentlichen Robotikdaten, auf denen alle trainieren, sind klein und gemeinsam genutzt, sodass darauf trainierte Modelle konvergieren – und der Unterschied kommt dann daher, was die eigenen Maschinen sehen. Diese Daten sind über Millionen von Einsätzen in Fabriken, Farmen und Lagerhäusern verteilt, die kein Modellunternehmen erreichen kann. Was seiner Argumentation nach für eine Infrastruktur spricht, die den Menschen gehört, die die Daten halten, und nicht den wenigen, die sie gern hätten.

Zwei Einwände, beantwortet

  1. Skalierung gewinnt

    die Daten sind verstreut, nicht konzentriert

  2. Offene Gewichte existieren

    ohne Tooling und Deployment bewirken Gewichte wenig

Die beiden Einwände und die Antwort in einem Satz auf jeden.

Er nimmt sich die beiden vor, die zuerst zur Sprache kommen. Wenn Skalierung gewinnt, trainiert derjenige das beste Modell, der die meisten Daten hat – nur dass die entscheidenden Daten nirgendwo konzentriert sind und sich nicht an einem Ort zusammenkaufen lassen. Und wenn offene Gewichte bereits existieren, ist das ein Anfang und keine Antwort: Die Werkzeuge, die Datenpipelines und die Deployment-Schicht müssen ebenfalls offen sein, sonst nützen die Gewichte der Person, die sie braucht, sehr wenig.

Eine offene Laufzeitumgebung, gezeichnet für ABN Asia

Woher die Trainingsdaten tatsächlich kommen

Video, größtenteils. Es gibt eine enorme Menge an Filmmaterial von Menschen, die Dinge tun, und eine große Menge an Filmmaterial, das speziell zur Vermittlung einer Aufgabe erstellt wurde, dazu eine wachsende Forschungsbasis dazu, wie man daraus Trainingsdaten für Roboter macht. Die frühen Ergebnisse sind vielversprechend genug, dass Forschungsgruppen bereits Roboter-Policies mit Videos alltäglicher menschlicher Arbeit trainieren. Das ist der am wenigsten sichere Teil der Argumentation, und er behandelt ihn als den Teil mit dem meisten Spielraum.

Die Offenlegung, die er selbst vornimmt

Er ist nicht neutral und tut auch nicht so. Er hat sein eigenes Geld in ein Robotikunternehmen gesteckt, dessen Runtime Open Source ist, dessen Module er veröffentlicht und das für Cloud-Dienste Geld verlangt – dieselbe Form wie das Datenbankgeschäft, das er zuvor aufgebaut hat. Wirtschaft und Open Source stehen sich nicht gegenüber, sagt er; das ist das Modell, kein Kompromiss.

Wogegen er argumentiert, ist ein bestimmtes Szenario: Millionen von Entwicklern, die für die zehn Unternehmen arbeiten, die den Wert hinter eine Bezahlschranke gezogen haben. Die Alternative, die er will, ist langweiliger und größer – offene physische KI in jedem Unternehmen, von einer kleinen Maschinenwerkstatt über eine Reederei bis hin zu einer gewerblichen Wäscherei.

Was das für den Rest von uns ändert

Eine offene Laufzeitumgebung verlagert das Risiko, statt es zu beseitigen. Wenn das Modell Standardware und die Laufzeitumgebung öffentlicher Code ist, wandern sowohl das Differenzierungsmerkmal als auch die Angriffsfläche in die Bereitstellung: was Sie ausführen, was es erreichen kann und wer es patchen kann, wenn eine Schwachstelle auftritt. Das ist ein Sicherheitsproblem, bevor es eine Lizenzfrage ist, und es ist der Teil der Argumentation für offene Robotik, der oft unausgesprochen bleibt.

Sie erhalten nicht nur Software – Sie erhalten sichere Software. Wenn Sie eine Maschine mit einer offenen Laufzeitumgebung darunter in ein Netzwerk bringen, sprechen Sie mit uns: [email protected].

Quelle: Eliot Horowitz, „Offenheit ist, wie Robotik gewinnt“, 18. November 2026. Die Ansichten sind die des Autors; die Offenlegung seiner Investition liegt bei ihm selbst.

Bitte beachten Sie, dass die deutsche Version von Ai unterstützt wird und daher geringfügige Fehler auftreten können.

AUTOR

Über ABN Asia: Ai-Banking-NetworkSecurity (ABN), ABN Asia wurde im Jahr 2012 gegründet und ist ein Unternehmen mit akademischem Hintergrund, das von Lehrkräften und ehemaligen Studierenden aus Ungarn, den Niederlanden, Russland, Deutschland und Japan gegründet wurde. Wir teilen eine gemeinsame Leidenschaft und eine klare Vision für Technologie, die Innovation und erstklassige Qualität für unsere Kunden bringt. Unser Motto lautet: Besser. Schneller. Sicherer. In vielen Fällen: Günstiger.

Zögern Sie nicht, uns zu kontaktieren, wenn Sie IT-Dienstleistungen, digitale Beratung, Standardsoftwarelösungen benötigen oder uns Angebotsanfragen (RFPs) senden möchten. Sie können uns unter [email protected] kontaktieren. Wir sind bereit, Ihnen bei all Ihren Technologiebedürfnissen zu helfen.

ABNAsia.org

© ABN ASIA