PARIS / LONDON (IT BOLTWISE) – Yann LeCun treibt mit seinem Startup AMI Labs eine Künstliche Intelligenz voran, die nicht primär auf Large-Language-Models setzt, sondern auf vorausschauenden Weltmodellen. In der Diskussion geht es darum, warum heutige KI-Ansätze zwar Texte und Code stark beherrschen, aber in der realen Welt zu wenig „Verständnis“ für physische Konsequenzen mitbringen. Parallel sorgt eine Finanzierungsrunde über mehr als 1 Milliarde US-Dollar für Aufmerksamkeit in Europas Startup-Landschaft. Der nächste Schritt ist die praktische Erprobung, zunächst in industriellen Umgebungen, bevor Robotik-Systeme im Alltag zuverlässig handeln sollen.
Yann LeCun, einer der bekanntesten Köpfe der KI-Forschung, positioniert Künstliche Intelligenz für die nächste Phase neu: weniger „Textkompetenz“, mehr robustes Handeln in der realen Welt. Auf dem VivaTech-Umfeld in Paris beschreibt er das Kernproblem so: Wir haben noch keine Systeme, die körperliche Situationen ähnlich verlässlich begreifen wie ein kleines Tier oder ein Kind. Während Large Language Models (LLMs) wie ChatGPT, Claude oder Gemini in klar abgegrenzten Aufgaben oft glänzen, wirken sie in komplexen Umgebungen eher wie statistische Generatoren. Genau dort setzt sein Startup Advanced Machine Intelligence Labs (AMI Labs) an – mit einem Ansatz, der die physische Vorhersagefähigkeit in den Vordergrund rückt.
Technisch betrachtet geht es bei AMI Labs um eine neue Architektur, die unter dem Namen Joint Embedding Predictive Architecture (JEPA) läuft. Die Idee: Künstliche Intelligenz soll aus der Vielzahl realweltlicher Daten die relevanten Abstraktionen herausfiltern, damit sie nicht „alles“ speichert, sondern die entscheidenden Zustände und Übergänge modelliert. LeCun nutzt das einfache Beispiel eines aufrecht stehenden Stifts: Ein menschlicher Beobachter weiß ohne Simulation, dass der Stift kippt, aber nicht in jede Richtung. Ein LLM würde dagegen häufig eine einzelne plausibel klingende Vorhersage aus Trainingsmustern wählen – ohne die tatsächliche Physik zu begründen. JEPA soll solche Situationen besser handhaben, weil sie Outcomes von Aktionen über gezielte Weltabbildungen bewertet.
Dass AMI Labs dafür schon früh viel Kapital mobilisiert, zeigt die Markterwartung: Berichten zufolge hat das Startup in diesem Jahr mehr als 1 Milliarde US-Dollar (rund 760 Millionen Euro) eingesammelt. Als Investoren werden unter anderem NVIDIA sowie ein Fonds genannt, der das Privatvermögen des Amazon-Gründers Jeff Bezos verwaltet. Solche Seed-Runden sind in Europa selten in dieser Größenordnung und signalisieren, dass Investoren nicht nur die Forschungsidee sehen, sondern auch das Potenzial für industrielle Pilotprojekte. LeCun argumentiert dabei, dass „Scaling“ von LLMs allein nicht zu agentischer Roboterfähigkeit führt. Gleichzeitig wird im Markt intensiv an Alternativen gearbeitet, etwa unter dem Label World Models.
World Models sind keine vollständig neue Idee; sie taucht konzeptionell schon seit Jahrzehnten auf. Neu ist jedoch die Wiederbelebung durch Fortschritte in Machine Learning und Rechenkapazität. Als wichtiger Impuls gilt eine einflussreiche Arbeit aus dem Jahr 2018 von David Ha und Jürgen Schmidhuber, die zeigt, dass ein KI-System durch eine gelernte „mentale“ Simulation der Welt Fähigkeiten ausbauen kann, ohne jede Aktion nur durch direkte Interaktion zu erzwingen. Seitdem hat sich das Feld stark entwickelt: Google-Teams arbeiten beispielsweise an Dreamer-Varianten; in diesem Kontext wurde berichtet, dass ein Dreamer-System in Minecraft mithilfe gedanklicher Zukunftsszenarien Diamanten finden konnte. In der Praxis verfolgen andere Gruppen ebenfalls mechanistischere Weltmodelle – etwa DeepMind mit Genie und das in London beheimatete Unternehmen Wayve mit Gaia.
Auch Oxford-Professor Ingmar Posner stützt diese Richtung. Er leitet am Applied AI Lab eine Arbeit, die in eine „World Models“-Sammelkategorie fällt, und sieht den nächsten Jahrzehntschwerpunkt bei Systemen, die komplexere Fragen erklären und Ursache-Wirkung besser strukturieren. In einem Interview skizziert er Anforderungen wie „Was ist entscheidend?“ oder „Was passiert, wenn ich eine alternative Aktion wähle?“. Sein Team arbeitet seit rund vier Jahren an einem mechanistischeren Weltmodell, das Wissen so organisiert, dass es gezielt abgerufen, kombiniert und verändert werden kann. Damit unterscheiden sich seine Ziele spürbar von reinem Text-Next-Token-Training: KI soll nicht nur Oberfläche imitieren, sondern Entscheidungen in nachvollziehbaren Weltzuständen begründen.
Für die Robotik ist das mehr als akademische Theorie. Milliardeninvestitionen in humanoide Roboter zeigen zwar sichtbare Fortschritte bei Bewegungen und Wahrnehmung, doch Haushaltsaufgaben wie Bügeln oder Geschirr stapeln bleiben schwer zu skalieren – vor allem, wenn Sicherheit, Kosten und Robustheit im Betrieb zählen. LeCun formuliert diese Skepsis deutlich: Er hält LLM-basierte Systeme für wenig geeignet, um in Robotik-Umgebungen zuverlässig zu funktionieren, weil die Interaktion mit realen Ereignissen nicht ausreichend durch ein passendes Weltmodell „unterfüttert“ ist. Hier kommt ein wichtiger Vergleich: Cloud-basierte Textmodelle können schnell iterieren, sind aber für physische Langläufer oft zu fragil; auf Weltmodellen basierende Ansätze zielen dagegen auf strukturelles Reasoning in Zustandsräumen ab, das auch bei neuen Situationen belastbar bleiben soll. Genau diese Brücke ist für Enterprise-Adoption entscheidend.
Was folgt daraus für Unternehmen und Entwickler, wenn solche Systeme 2026/2027 in Pilotrollen gehen? AMI Labs plant, in den kommenden Monaten das JEPA-Modell weiter zu verfeinern und im nächsten Jahr zunächst in industriellen Settings einzusetzen – also dort, wo definiertere Prozesse, klare Sicherheitsanforderungen und messbare Qualitätskriterien die Entwicklung beschleunigen. Posner betont zugleich, dass Zeitpläne schwer zu prognostizieren sind: Wer 2017 oder 2018 gefragt hätte, wie schnell „ChatGPT-artige“ Systeme verfügbar wären, hätte wahrscheinlich Jahrzehnte erwartet. Das Feld könnte also erneut schneller sein als einzelne Roadmaps vermuten. Gleichzeitig bleibt die Rolle von Menschen zentral: LeCun sieht eher eine Assistenz-Analogie zu Unternehmensleitern mit Teams statt „autonome Robotik ohne Anleitung“. Für Governance und Datenschutz bedeutet das: Je besser KI-Modelle reale Umgebungen simulieren, desto wichtiger werden Datensparsamkeit, sichere Sensorik-Integration und die Frage, wie erklärbare Zustände für Audit-Zwecke dokumentiert werden.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Yann LeCun will KI-Roboter durch World-Modelle flexibler machen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Yann LeCun will KI-Roboter durch World-Modelle flexibler machen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Yann LeCun will KI-Roboter durch World-Modelle flexibler machen« bei Google Deutschland suchen, bei Bing oder Google News!