Die enorme Menge an Textdaten im Internet, kombiniert mit stetig wachsender Rechenleistung und fortschreitenden Algorithmen, hat zum Durchbruch von ChatGPT geführt. Seitdem konnten wir kontinuierliche Verbesserungen in verschiedenen Benchmarks sowie eine Erweiterung des Eingabespektrums um Bilder und Audio beobachten.
Nach zwei Jahren rasanter und erheblicher Investitionen in diesem Bereich kamen Bedenken auf, ob die Fortschritte aufgrund eines potenziellen Mangels an Trainingsdaten fortgesetzt werden könnten. Es gilt als allgemein anerkannt, dass Modelle wie GPT-4 mit nahezu dem gesamten Internet trainiert wurden. Da diese Modelle als reduzierte Versionen ihrer Trainingsdatensätze fungieren, war die Sorge berechtigt, ob sie neue Erkenntnisse von Fehlern oder Anomalien – also allem, was nicht in ihren Trainingsdaten enthalten ist – unterscheiden können.
Im Jahr 2024 entstand jedoch ein neues Paradigma namens ‘logisches Denken’, das durch Modelle wie DeepSeek R1 und die O-Serie von OpenAI demonstriert wurde. Dieser Durchbruch ermöglichte es der KI, in Bereichen, in denen die Genauigkeit der Ergebnisse zuverlässig überprüft werden konnte, wie etwa beim Programmieren und Beweisen von Theoremen, beispiellose Leistungen zu erzielen.
In diesen Bereichen kann KI erforschen mehrere Hypothesen, Beispielsweise können verschiedene Versionen eines Computerprogramms verwendet werden, selbst wenn sie nicht explizit in den Trainingsdaten enthalten waren. Ein Verifizierungssystem, etwa Softwaretestfälle, kann dann korrekte Lösungen validieren und das Modell entsprechend belohnen.
Programmieren und Lösen mathematischer Probleme Sie fallen zwar in den Bereich digitaler Ausgaben, aber lässt sich dieser Ansatz auch auf reale Szenarien anwenden? Robotik und Automatisierung liefern hierfür hervorragende Beispiele. So kann beispielsweise ein Roboter angewiesen werden, ein Objekt aufzuheben und nach erfolgreichem Abschluss der Aufgabe belohnt zu werden.
Jüngste Fortschritte im Bereich der künstlichen Intelligenz (KI) ermöglichen es Robotern, Produkte, Lagerbehälter und andere wichtige Elemente für den Lagerbetrieb vollständig zu verstehen. Mithilfe von Computer Vision können Roboter die Eigenschaften von Artikeln bestimmen und die optimale Greifmethode ermitteln. KI kann zudem beim Zählen von Beständen zwischen gebündelten und einzelnen Artikeln unterscheiden. Da KI-Modelle zunehmend in die Robotik integriert werden, gehen wir davon aus, dass es bald möglich sein wird, eine Kommissionierabdeckung von 100% für Lagerartikel (SKUs) in Lagern zu erreichen. Dies bedeutet, dass jeder Artikel in einem Lager von einem Roboter kommissioniert werden könnte und wir damit dem Ziel vollautomatisierter, unbemannter Lager einen Schritt näher kommen.
Um dies zu erreichen, werden hochspezialisierte Roboter-Greifer benötigt. Diese wiederum erfordern fortschrittliche Wahrnehmungs- und Steuerungsfähigkeiten, um Objekte effektiv handhaben zu können. Angesichts des aktuellen Tempos des technologischen Fortschritts sollten diese Entwicklungen in den nächsten Jahren realisierbar sein.
Eine naheliegende Frage ist, ob diese Fortschritte zu einer breiten Akzeptanz humanoider Roboter führen werden. Wie wir bereits in einem früheren Artikel erörtert haben. Blogbeitrag, Wir glauben nicht, dass humanoide Roboter die kostengünstigste Lösung für zukünftige Fabriken und Lagerhallen darstellen werden. Diese Umgebungen lassen sich durch den Einsatz spezieller Roboterarme und Manipulatoren effizient gestalten.
Aus Wartungssicht ist es wesentlich einfacher, Ersatzteile für einen Roboterarm mit maximal 10 Gelenken bereitzuhalten als für einen humanoiden Roboter, der mindestens 100 Gelenke benötigen würde.
Künstliche Intelligenz ist ein mächtiger Wegbereiter, und obwohl sie uns die vollständige Automatisierung von Lagern ermöglichen wird, ist dies erst der Anfang. Der nächste Schritt ist die Automatisierung in semistrukturierten Umgebungen wie Hotels, Restaurants und Krankenhäusern, wo Roboter nach und nach die derzeit von Menschen ausgeführten Aufgaben übernehmen werden. Ich gehe davon aus, dass dieser Wandel innerhalb dieses Jahrzehnts stattfinden wird. Auch wenn humanoide Roboter möglicherweise nicht dominieren werden, bieten Rad- und Vierbeinroboter erhebliche Vorteile in puncto Mobilität und dürften sich weit verbreiten.
Mit Blick auf die nächsten zehn Jahre werden die Kosten für Roboter aufgrund von Skaleneffekten sinken, da immer mehr von ihnen hergestellt und eingesetzt werden. Dies wird mehrere Konsequenzen haben:
Wovon genau die Gesellschaften ‘mehr’ produzieren werden, bleibt ungewiss, genauso wie es vor 20 Jahren schwierig war, die vollen Auswirkungen des Internets und der Smartphones vorherzusagen.
Persönlich bin ich begeistert von dem kreativen Potenzial, das diese leistungsstarken neuen Werkzeuge eröffnen. Ein persönlicher KI-Assistent könnte zum ultimativen Lehrer werden, mit unendlicher Geduld, und jedem die Möglichkeit bieten, lebenslang zu lernen.
