PLYMOUTH (MINNESOTA) / LONDON (IT BOLTWISE) – Shield AI zeigt mit Honeywell Aerospace, dass sich autonome Flugfähigkeiten dank Hivemind in nur sechs Wochen trainieren lassen. Das Ziel der Zusammenarbeit ist, vom Demo-Status schneller in den Einsatz zu kommen, ohne bei jedem neuen System das Vertrauen neu aufbauen zu müssen. Im Projekt startete das Honeywell-Team Ende April mit dem Training und flog Mitte Juni erstmals autonom. Für die nächste Entwicklungsstufe folgt eine zweite Demonstration, bei der ein Flugzeug Ziele erfasst und Informationen an ein weiteres System übergibt.
Shield AI hat mit Honeywell Aerospace eine Entwicklungsmethodik für autonome Fluggeräte vorgestellt, die vor allem auf eine neue Geschwindigkeit in der Integration abzielt. Im Kern geht es um die Frage, wie lange es dauert, bis ein konkretes Autonomie-„Stack“-Setup nicht nur im Simulator funktioniert, sondern auch in der Luft zuverlässig läuft. Laut den Angaben der beteiligten Unternehmen wurde die Hivemind-Software so eingesetzt, dass Honeywells Team nach rund sechs Wochen Training autonome Flüge durchführen konnte – deutlich schneller als eine zuvor angenommene Größenordnung von etwa 54 Wochen. Damit verschiebt sich der Fokus von reiner Modellleistung hin zu dem Prozess, mit dem Autonomie-Funktionen wiederverwendbar und in eigene Spezialmodelle integrierbar werden.
Technisch beschreibt Hivemind Enterprise dabei keine einzelne KI-Komponente, sondern eine Abstraktionsschicht für zentrale Autonomie-Aufgaben. In der Kommunikation mit Partnern liefert die Software laut Darstellung „Core Capabilities“ wie Routenplanung, Missionsmanagement und die Vernetzung zwischen mehreren Flugzeugen. Für Unternehmen wie Honeywell ist das besonders relevant, weil sie damit nicht jedes Mal bei Null anfangen müssen: Statt die komplette Autonomie-Architektur neu zu bauen, können sie ihre eigenen Module für Erkennung, Tracking sowie sensorbasierte Funktionen in einen bestehenden Rahmen einhängen. Auf diese Weise wird die Entwicklung eher zu einem Plug-in-ähnlichen Integrationsproblem, statt zu einem Vollprojekt mit wiederholtem Engineering an Navigation, Missionslogik und Kommunikationspfaden.
Dass diese Logik in der Praxis funktioniert, wurde über zwei demonstrative Schritte untermauert. Nach Angaben begannen die Honeywell-Ingenieure Ende April mit dem Training auf Hivemind, und bereits Mitte Juni führten sie erstmals einen autonomen Flug mit einem BFD-SE8 Multirotor durch. Die erste offizielle Demonstration fand am 8. Juli in Plymouth, Minnesota statt: Das Fluggerät startete autonom, folgte einer geplanten Route, wich anschließend um eine No-Fly-Zone aus und kehrte zum Basisstandort zurück. Genau solche Missionstasks gelten in der Luftfahrtentwicklung oft als kritische Frühphase, weil sie mehrere Komponenten gleichzeitig abprüfen – vom Flugregelkreis über die Missionsplanung bis hin zur Fähigkeit, Restriktionen in der Umgebung in Echtzeit umzusetzen.
In der zweiten, späteren Vorführung wurde der Schwerpunkt deutlich stärker auf Zielerfassung und Aufgabenteilung zwischen Plattformen gelegt. Am 8. Oktober demonstrierte ein „Scout“-Flugzeug, dass ein KI-Modell Ziele erkennen, identifizieren und verfolgen kann. Anschließend übergab es die relevanten Informationen an ein anderes Flugzeug, das dann autonom zum Ziel navigierte, eine definierte Nutzlast ablieferte und anschließend wieder zum Basisstandort zurückkehrte. Diese Architektur macht deutlich, warum offene und standardisierte Schnittstellen in solchen Systemen so viel Gewicht haben: Die „intelligente“ Wahrnehmung sitzt bei Honeywell, die Missionsausführung und die Übergabe von Kontext zwischen Flugzeugen folgen jedoch dem von Hivemind bereitgestellten Rahmen. Der Nutzen liegt nicht nur in einem einzelnen Test, sondern in der schnelleren Wiederholung für neue Sensoren, neue Detektoren oder geänderte Missionstypen.
Inhaltlich ordnen die Beteiligten die Ergebnisse als Beitrag zu einer Skalierung autonomer Flug- und Missionssysteme ein. Tom Schaefer, Vice President von Hivemind Enterprise bei Shield AI, wird mit der Aussage zitiert, dass Hivemind die grundlegenden Autonomieaufgaben übernehme, sodass die Honeywell-Ingenieure Zeit für ihr eigenes Erkennungs- und Tracking-Modell verwenden könnten. Todd Giles, Senior Vice President of Engineering und Chief Technology Officer bei Honeywell Aerospace, führt den Fortschritt auf „open architectures“ zurück – also auf öffentliche Standards und dadurch weniger Reibungsverluste beim Zusammenfügen von Komponenten. Solche Open-Architecture-Ansätze sind in der Luftfahrt nicht neu; neu ist hier vor allem die konkrete Verkürzung des Entwicklungszyklus, die durch einen gemeinsamen Autonomie-Rahmen messbar werden soll.
Für den Markt bedeutet das vor allem eine Verschiebung der Wettbewerbsebene. Wenn sich Autonomie-Fähigkeiten schneller ausrollen lassen, können Anbieter von Drohnen- und „Drone-wingman“-Konzepten eher iterative Verbesserungen an Sensorik und KI-Detektoren liefern, ohne dass jede neue Systemkombination einen monatelangen Neuaufbau der Autonomie-Software erzwingt. Außerdem profitieren Integratoren, die mehrere Missionsrollen auf unterschiedlichen Plattformen abbilden wollen: Ein teilweises Wiederverwenden von Routenplanung, Missionslogik und Multi-Aircraft-Kommunikation reduziert das Risiko, dass bei jeder neuen Konfiguration andere Randbedingungen zu unerwarteten Verhalten führen. Damit rückt auch MLOps-nahe Arbeit – also das wiederholbare Trainieren, Validieren und Integrieren von Modellen in einen operativen Stack – stärker in den Vordergrund.
Offen bleibt allerdings, wie robust sich der Zeitvorteil über unterschiedliche Umgebungen, Flugprofile und Sensor-Kombinationen hinweg replizieren lässt. Gerade bei autonomen Systemen kann der Aufwand in späteren Phasen steigen, wenn Umgebungsvariabilität, Funkbedingungen oder Sensorstörfälle zunehmen. Dennoch ist die aktuelle Demonstrationskette aus autonomem Mission-Follow, No-Fly-Zone-Handling und späterer Zielweitergabe über zwei Flugzeuge ein klares Signal: Der Weg in Richtung „vom Demo zur Deployment“-Logik hängt nicht nur an der Leistung von KI-Modellen, sondern an der Architektur, die diese Modelle in einen verlässlichen Autonomie-Workflow einbettet. Für Entwicklungsabteilungen heißt das konkret, ihre Autonomie-Stack-Entscheidungen stärker als Wiederverwendungsstrategie zu behandeln – und weniger als einmaliges Projekt.
🔥 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.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【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 "Shield AI: Hivemind verkürzt autonome Flugtests auf sechs Wochen" 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 "Shield AI: Hivemind verkürzt autonome Flugtests auf sechs Wochen" 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: »Shield AI: Hivemind verkürzt autonome Flugtests auf sechs Wochen« bei Google Deutschland suchen, bei Bing oder Google News!