BOSTON / LONDON (IT BOLTWISE) – Liquid AI hat im Dezember 2024 eine Series-A-Finanzierung über 250 Millionen US-Dollar abgeschlossen und damit als KI-Unicorn erneut Aufmerksamkeit gewonnen. Das MIT-Spin-off setzt auf Modelle, die auf Geräten laufen und nicht primär aus der Cloud bedient werden. Für den Produkt- und Markterfolg steht damit weniger die reine Modellleistung im Zentrum, sondern vor allem Latenz, Datenschutz und Betriebskosten. Der Investment-Rücken kam laut Bericht bereits aus der Runde, die 2024 auch AMD anführte.
Liquid AI, ein Startup aus dem Umfeld des MIT, positioniert sich bewusst gegen das weithin sichtbare Muster vieler KI-Anbieter: Statt zentraler Inferenz-Engines in der Cloud sollen die KI-Modelle direkt auf Endgeräten laufen. Damit rückt eine technische Kernfrage in den Vordergrund, die in der Praxis oft über „funktioniert“ oder „funktioniert zuverlässig“ entscheidet: Wie schnell und stabil reagiert ein KI-Assistent, wenn Netzwerkverbindungen schwanken oder Kosten pro Anfrage die Skalierung bremsen? Die Gründer um den CEO Ramin Hasani und den CTO Mathias Lechner adressieren genau diesen Punkt, denn die Strategie bedeutet, dass das Modell-Lifecycle-Management näher am Hardware- und OS-Stack der jeweiligen Geräte verankert ist.
Der finanzielle Takt passt zu diesem Understatement in der Architektur: Laut Meldung sammelten die Co-Founders im Dezember 2024 250 Millionen US-Dollar in einer Series A. Die Gesellschaft war bereits 2024 zum Unicorn geworden, wobei die Runde mit 250 Millionen US-Dollar von AMD angeführt worden sein soll. Für Entscheider in Unternehmen ist das vor allem deshalb relevant, weil solche Finanzierungen bei KI-Startups häufig mit einem klaren Go-to-Market-Ziel verbunden sind: ein konkreter Einsatzfall, der sich über viele Geräte hinweg ausrollen lässt. Wenn Inferenz „am Edge“ stattfindet, entsteht zudem ein anderer Kostentreiber als bei Cloud-Angeboten – nicht die laufende Serverauslastung, sondern die Frage, wie effizient sich Modelle komprimieren, aktualisieren und auf heterogenen Endgeräten betreiben lassen.
Technisch betrachtet verschiebt On-Device-Inferenz die Anforderungen an das gesamte Software- und Deployment-Setup. Modelle müssen nicht nur trainiert werden, sondern sie müssen vor allem die Latenzbudgets und Speichergrenzen der Zielhardware respektieren. Das betrifft unter anderem Optimierungstechniken wie Quantisierung, effiziente Operator-Fusion und eine Inferenzpipeline, die ohne lange Datenrunden auskommt. In der Praxis wirkt sich das auch auf die Beobachtbarkeit aus: Während in der Cloud Telemetrie über klassische Logging- und Monitoring-Systeme leichter auszubauen ist, braucht ein Edge-Ansatz funktionierende Mechanismen für Modellversionierung, Diagnose und rollierende Updates auf einer Vielzahl von Geräten.
Hinzu kommt ein Aspekt, der in vielen KI-Projekten erst spät sichtbar wird: Betrieb. Cloud-basierte Architekturen vereinfachen das erste „Demo“-Szenario, aber sie binden Unternehmen an laufende Kosten für Rechenzeit, Netzwerknutzung und Kapazitätsplanung. Die Strategie von Liquid AI, Modelle auf Geräten statt in der Cloud zu betreiben, verspricht hier einen anderen Hebel, weil die rechenintensive Arbeit lokal erfolgt und nicht pro Anfrage extern „nachgekauft“ werden muss. Das kann insbesondere dann ins Gewicht fallen, wenn Use Cases stark von Offline-Fähigkeit, geringem Ping oder einer gleichmäßigen Reaktionszeit abhängen – etwa bei Assistenzfunktionen in Produktionsumgebungen oder bei Anwendungen, die auch ohne stabile Konnektivität weiterarbeiten sollen.
Für die Forschung und die Ausgestaltung der Modelle ist die MIT-Verankerung ein zusätzlicher Hinweis auf den Fokus: In der Meldung wird Daniela Rus als Director of MIT’s Computer Science and Artificial Intelligence Laboratory genannt. Damit wird auch deutlich, dass das Startup nicht nur eine „Produkt“-Story erzählt, sondern seine technische Ausrichtung aus akademischer Kompetenz ableitet. Gleichzeitig zeigt die Gründeraufstellung mit Alexander Amini als Chief Science Officer, dass die wissenschaftliche Linie nicht von der Engineering-Praxis getrennt sein muss: Gerade bei On-Device-Problemen entscheidet die Verbindung aus Modellarchitektur und Systems-Engineering darüber, ob ein KI-Ansatz die gewünschte Performance erreicht, ohne das Gerät dauerhaft zu überfordern.
Marktseitig bedeutet der Wechsel von „Cloud zuerst“ zu „Gerät zuerst“ auch, dass der Wettbewerb anders gemessen wird. OpenAI und andere große Anbieter werden zwar weiterhin stark in der Cloud-API-Welt wahrgenommen, doch der Vorteil verlagert sich bei Edge-Ansätzen häufig auf Produktintegration und Betriebssicherheit. Unternehmen bewerten dann nicht nur die Modellqualität, sondern auch, wie gut sich die Lösung in bestehende Produktlinien einfügt, wie schnell Updates ausgerollt werden und wie planbar die Kosten sind. Wenn ein Modell bei Liquid AI „auf Geräten lebt“, konkurriert die Technologie damit weniger um die geringste Generator-Latenz in der Cloud, sondern um die beste Gesamtwirkung im Endgerät – inklusive Updatefähigkeit und Stabilität im Feld.
Für die nächste Projektphase ergibt sich daraus eine klare To-do-Liste für potenzielle Anwender: Sie sollten die tatsächlichen Zielbedingungen prüfen, unter denen On-Device-Inferenz zuverlässig arbeitet. Dazu zählen verfügbare Hardware-Ressourcen, erwartete Nutzungsprofile, die Größe der Modellvarianten und die Frage, wie die Kommunikation zwischen Gerät und Backend konkret gestaltet ist – etwa für Logging, Content-Updates oder Sicherheitspatches. Entscheidend ist letztlich, dass die Architektur den versprochenen Unterschied liefert: nicht nur „KI läuft lokal“, sondern KI läuft dort so schnell und so konsistent, dass sich der Gesamtbetrieb gegenüber Cloud-Setups messbar verbessert. Genau darauf zielt die Business-Model-Entscheidung von Liquid AI ab, und sie wird sich besonders dann bewähren, wenn Unternehmen große Geräteflotten anschließen wollen, ohne die Abhängigkeit von laufender Cloud-Inferenz zu erhöhen.
💳 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 "Liquid AI setzt als MIT-Startup auf KI-Modelle direkt auf Geräten" 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 "Liquid AI setzt als MIT-Startup auf KI-Modelle direkt auf Geräten" 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: »Liquid AI setzt als MIT-Startup auf KI-Modelle direkt auf Geräten« bei Google Deutschland suchen, bei Bing oder Google News!