SEOUL / LONDON (IT BOLTWISE) – AMI Labs erklärt im Interview, warum CEO Alexandre LeBrun die Begriffe „AGI“ und „Superintelligence“ bewusst meidet. Stattdessen verfolgt das Startup einen stärker physikorientierten Ansatz: World Models sollen den nächsten Zustand der realen Welt vorhersagen. Das Ziel ist nicht nur bessere Simulation, sondern KI, die Robotik, Fertigung und Elektronik in offenen Umgebungen sicherer macht. Mit einem frischen Investment von 1,03 Milliarden US-Dollar sucht AMI früh Partner – und richtet den Fokus dabei auf Südkorea.
AMI Labs setzt in der aktuellen KI-Diskussion bewusst einen Kontrapunkt: Während viele Teams ihre Forschung in Richtung „AGI“ oder „Superintelligence“ labeln, bezeichnet Alexandre LeBrun, CEO des von Yann LeCun mitgegründeten Startups, diese Begriffe als wenig hilfreich. In einem Interview ordnet er das vor allem als Problem fehlender Definition ein: „Superintelligence“ sei kein klar operationalisierbarer Fortschrittsmarker, und die Community habe die Etiketten ohnehin im schnellen Wechsel. Diese Haltung ist mehr als Semantik. Sie spiegelt eine strategische Entscheidung wider, die Messlatte lieber an reale Fähigkeiten zu koppeln—besonders dort, wo Künstliche Intelligenz mit physischer Umgebung interagiert.
Technisch betrachtet hängt AMI nicht nur an dem, was große Sprachmodelle (LLMs) traditionell stark machen. LLMs optimieren auf die Vorhersage des nächsten Tokens, also von Text oder Symbolen in einer Sprache. Ein World Model dagegen zielt darauf ab, den nächsten Zustand der Welt zu modellieren—etwa wenn man ein Glas anstößt und es kippt. AMI positioniert „Physics“ als integralen Bestandteil dieses Weltverständnisses. Genau darin liegt die praktische Alternative: LLMs liefern weiterhin effiziente Sprach- und Aufgabenverarbeitung, während World Models den Kontext und die reale Dynamik liefern sollen, die für Handlungen im Raum nötig sind.
Der Bedarf wird besonders in der Robotik greifbar. LeBrun beschreibt, dass viele Maschinen aktuell „komplett statisch“ laufen: feste Routinen statt verlässlicher Situationsadaption. Selbst wenn ein System „Kontext“ erkennen kann, bleibt die große Hürde die sichere Ausführung in offenen Umgebungen—im Haushalt, auf öffentlichen Flächen oder in Werkstätten mit wechselnden Objekten. Sein Beispiel mit einer Roboterbewegung, die ein Kind gefährden könnte, zeigt den Kern: Ohne verlässliche Interpretation der Situation wird aus „Geschicklichkeit“ schnell ein Sicherheitsrisiko. Und daran scheitert die Skalierung in die Breite, weil es keine triviale Software-Lösung ohne Sensorik-, Integrations- und Validierungsarbeit gibt.
Auch der Markt bewegt sich in eine ähnliche Richtung, nur mit unterschiedlichen Schwerpunkten. Meta hat über Jahre massiv in KI-Infrastruktur und Modellfamilien investiert—und LeCun wechselt mit AMI von der Grundlagen- zur Anwendungszone der physischen Welt. In der Wettbewerbslandschaft konkurrieren dabei Ansätze, die entweder stärker auf Vision, auf Sensorfusion oder auf rein sprachbasiertes Agententum setzen, statt explizite Zustandsmodelle der Umgebung zu lernen. Branchenanalysten sehen deshalb derzeit einen klaren Shift: Von „Capabilities“ in Benchmarks hin zu „Execution“ in realen Umgebungen, inklusive Robustheit, Fehlertoleranz und wiederholbarer Validierung. AMI adressiert diese Lücke, indem es World Models nicht nur im Labor beweisen will, sondern bei Partnern in Industrieumgebungen.
Umsetzung und Markteintritt sind dabei eng gekoppelt an Datenzugang. LeBrun betont, dass ein World Model nicht in einer abgeschlossenen Versuchsanordnung entsteht. AMI benötigt Zugriff auf reale Umgebungen und enge Kooperationen, um die Welt dynamisch zu trainieren und zu testen. Das beeinflusst auch die geografische Ausrichtung: Südkorea und weitere Teile Asiens gelten als besonders attraktiv, weil dort Robotik, Chips und Fertigung nicht nur als Theorie existieren, sondern als Produktionsrealität mit hoher Veränderungsrate. LeBrun verweist zudem auf die Geschwindigkeit von Adoption: Südkorea habe den Internetzugang vor 25 Jahren besonders schnell übernommen—eine kulturelle und industrielle Eigenschaft, die in der heutigen KI-Welle wiederkehren könnte.
Hier lohnt sich auch der Blick auf Investments und Timing. AMI hat nach Angaben im Text im März 1,03 Milliarden US-Dollar eingesammelt und wird mit 3,5 Milliarden US-Dollar pre-money bewertet—bei gleichzeitigem Status „pre-product“. Das bedeutet: Der Markt kauft vor allem die Richtung und den Aufbau eines Ökosystems, nicht ein fertiges Produkt. Für Unternehmen ist das Chance und Risiko zugleich. Einerseits entsteht ein Zeitfenster, um früh Einfluss auf Anforderungen zu nehmen—etwa bei Robotersicherheit, Qualitätsmetriken oder Integrationsstandards. Andererseits fehlt eine klare Roadmap. In solchen Phasen werden Security und Compliance besonders relevant, weil Trainingsdaten aus Fabriken, Krankenhäusern oder Smart-Device-Umgebungen schnell in datenschutzrechtlich sensible Bereiche rutschen können.
Ein Bereich, den LeBrun konkret macht, ist Healthcare—und zwar eher als Analogie denn als fertige Lösung. Er vergleicht heutige KI-Systeme mit Ärzten ohne Residency: LLMs seien hilfreich, deckten aber nur einen kleinen Teil ab, während der Rest Erfahrung in realen Abläufen erfordert. Ein World Model ließe sich hier als „Kontext- und Zustandsschicht“ verstehen, die Patientenumgebung, Prozessabläufe und zeitliche Dynamik besser abbildet. Der technische Vergleich ist interessant: LLMs können als Schnittstelle zu Sprache und Dokumenten dienen, während Zustandsmodelle für Kontext, Entscheidungen und Sicherheit gebraucht werden. Gleichzeitig erhöht das Risiko von Fehlinterpretationen, weshalb Validierung, Auditierbarkeit und Datenminimierung zentral sind—gerade im regulierten Gesundheitsumfeld.
In den kommenden Monaten dürfte AMI vor allem daran gemessen werden, ob sich die „Real-World“-These operationalisieren lässt. LeBrun sagt, man werde eine „surprise“ machen, wenn man bereit sei—das klingt bewusst vage. Für die Branche ist das dennoch ein klares Signal: Die nächste Innovationswelle entsteht wahrscheinlich dort, wo World Models als Komponente in bestehenden Robotik-Stacks landen. In der Praxis könnten Entwickler dadurch neue Architekturmuster implementieren, etwa die Kopplung von Sprachmodellen für Planung mit World Models für Zustandsprognose, ergänzt um Sicherheits- und Policy-Schichten. Wenn das gelingt, steigt der Bedarf an Partnern in Industrie, aber auch an Standards für Datenzugang, Modellmonitoring und Incident-Response—damit „Kontext“ nicht nur verstanden, sondern zuverlässig beherrscht wird.
💳 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 "AMI Labs vermeidet AGI-Begriffe und setzt auf „World Models“ für Physik-KI" 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 "AMI Labs vermeidet AGI-Begriffe und setzt auf „World Models“ für Physik-KI" 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: »AMI Labs vermeidet AGI-Begriffe und setzt auf „World Models“ für Physik-KI« bei Google Deutschland suchen, bei Bing oder Google News!