Evolution der KI über 70 Jahre: von der Theorie zur physischen Verkörperung in Robotern

70 Jahre KI-Entwicklung: Von der Theorie zur Verkörperung in Robotern

Die Reise der KI von Turings Ideen und der ersten Dartmouth-Konferenz bis zu modernen großen Sprachmodellen und Robotik. Feststellung, dass KI heute von der Textverarbeitung zur Multimodalität und zu Denkfähigkeiten übergeht.

---

70 Jahre später: Warum KI endlich den Text ‚überwunden‘ hat, aber immer noch nicht menschlich ist

Jubiläumsartikel übertreiben immer ein wenig. Es scheint, als ob die Entwicklung der KI von der Dartmouth-Konferenz 1956 bis zu den heutigen multimodalen Modellen ein reibungsloser, fortschrittlicher Marsch gewesen wäre, bei dem jede Stufe logisch aus der vorherigen folgt. In Wirklichkeit ist die Geschichte der KI eine von katastrophalen Enttäuschungen, ‚Wintern‘ und zufälligen Durchbrüchen, die passierten, als man sie am wenigsten erwartete. Und der heutige Wandel von der Textverarbeitung zur Multimodalität und zum ‚Denken‘ ist nicht nur ein weiterer Schritt – es ist eine tektonische Verschiebung, die die Branche nicht richtig einzuschätzen weiß.

Die wichtigste nicht offensichtliche Erkenntnis, die im Pomp der ‚Evolution‘ untergeht, ist diese: 70 Jahre lang haben wir versucht, KI menschenähnlich zu machen, aber jetzt haben wir entdeckt, dass der wahre Wert darin liegt, dass KI nicht menschlich ist, sondern ein perfektes technisches Werkzeug. Dartmouths Träume vom menschenähnlichen Denken führten uns zu LLMs, die halluzinieren, täuschen und Klagen auslösen. In der Zwischenzeit hat sich eine parallele Spur – physische KI, agentische Systeme, KI für die Wissenschaft – plötzlich als weitaus praktischer und profitabler erwiesen. Wir haben es nur zunächst nicht bemerkt.

Der Kern: Was wirklich passiert

Die heutige KI ist keine ‚Superintelligenz‘, sondern ein riesiger technischer Kompromiss. Ja, moderne Modelle sind von Text zu Bildern, Videos und sogar zur Planung von Aktionen in der physischen Welt übergegangen. Reka und Moonvalley schließen sich zusammen, um ein World Language Action Model zu entwickeln, das auf egozentrischen Daten trainiert wird und Physik simuliert, damit Roboter ‚Konsequenzen verstehen, bevor sie handeln‘. ABB Robotics hat die Physical AI Toolchain angekündigt – einen Software-Stack von der Simulation bis zur industriellen Ausführung, der es Robotern ermöglicht, aus synthetischen Daten zu lernen und dieses Lernen mit ‚industrieller Präzision‘ in die reale Welt zu übertragen. Das klingt nach einem Durchbruch.

Aber hinter dieser Fassade verbirgt sich eine harte Realität. Physische KI ist heute ein teures, komplexes und hochspezialisiertes Werkzeug. ABB ist seit Jahren in der Robotik tätig, und ihre Physical AI Toolchain ist eine Weiterentwicklung ihrer eigenen Plattform, keine Revolution, die man ‚von der Stange‘ kaufen kann. Reka hat ein Team von DeepMind angeworben, aber ihr Modell verspricht nur zu ‚denken und zu handeln‘ – noch keine industriellen Einsätze. Und laut einer Umfrage von Mayfield nennen 58 % der Unternehmen ‚Datenbereitschaft‘ als Haupthindernis für die Einführung agentischer KI. Daten, nicht Algorithmen, sind der Ort, an dem der eigentliche Kampf jetzt stattfindet.

Der zweite große Trend: KI ist kein Spiel mehr nur für Giganten. Das chinesische Startup DeepSeek hat gezeigt, dass ein wettbewerbsfähiges Modell für deutlich weniger Geld gebaut werden kann. In der Zwischenzeit hat das Unternehmen für molekulares Proteindesign Molecule-Mind (China) über 100 Millionen US-Dollar an Investitionen eingesammelt und zeigt, dass KI für die Wissenschaft (AI4S) zu einer eigenständigen Industrie wird, getrennt vom LLM-Wettlauf. Ihr Modell MMFold übertrifft laut Unternehmen Googles AlphaFold 3 bei der Vorhersage von Antikörperstrukturen. Das bedeutet, dass China ernsthaft eine Nische anvisiert, in der die USA derzeit führend sind (Google DeepMind), in der China aber staatliche Programme und einen riesigen Biotech-Markt hat.

Zeitleiste und Kontext

Wie sind wir hierher gekommen? Schauen wir uns die wichtigsten Meilensteine der letzten zwei Jahre an, die das Spiel verändert haben:

2024: Europa verabschiedet den AI Act – den weltweit ersten strengen Regulierer. Alle lachen, dass er für eine so dynamische Technologie zu langsam sei. Es stellt sich heraus, dass er zu schnell war – bis 2026 geraten Unternehmen in Panik und deaktivieren Funktionen für Europäer.

2025: Trumps Rückkehr und die Aufhebung von Bidens Executive Orders zur KI-Sicherheit. Die USA setzen auf Deregulierung und private Investitionen – 500 Milliarden Dollar für Infrastruktur. In der Zwischenzeit startet China das Programm ‚Östliche Daten, Westliche Berechnung‘ – ein nationales Netzwerk von Rechenzentren, das als ein einziger Supercomputer arbeitet. Zwei völlig unterschiedliche Ansätze für dasselbe Problem.

Anfang 2026: OpenAI reicht einen vertraulichen S-1 bei der SEC für einen Börsengang ein, der vielleicht 1 Billion Dollar wert ist. Anthropic tut eine Woche früher dasselbe. Der KI-Markt erreicht den Höhepunkt des Hypes. Aber gleichzeitig warnt TrendForce: Die Auslieferungen von NVIDIAs Rubin-Chip könnten sich aufgrund von Problemen mit HBM4-Speicher, Kühlung und Netzwerkverbindungen verzögern, und der Anteil von Rubin an den Auslieferungen sinkt von 29 % auf 22 %. Das bedeutet, dass selbst NVIDIA die Physik nicht überwinden kann – Kühlung, Strom und Verbindungen werden zu limitierenden Faktoren.

März 2026: Der Fall Nippon Life vs. OpenAI. Ein Richter befasst sich mit einer 10-Millionen-Dollar-Klage, in der behauptet wird, ChatGPT habe ‚Recht praktiziert‘ – einem ehemaligen Mandanten geholfen, 44 Gerichtsdokumente zu verfassen, nachdem der Fall abgeschlossen war. Ein Dokument enthielt einen erfundenen Präzedenzfall, ‚Carr v. Gateway‘. Dies ist das erste Mal, dass einem KI-Entwickler die unbefugte Ausübung des Rechts durch ein Verbraucherprodukt vorgeworfen wird. Wenn die Klage einen Antrag auf Abweisung übersteht, wird sie das Spiel für alle KI-Unternehmen verändern.

Juni 2026: ABB Robotics präsentiert die Physical AI Toolchain auf der Automate 2026. Reka und Moonvalley geben eine Fusion für physische KI bekannt. Japan startet das ARiSE-Programm (AI to Redesign Scientific Exploration) mit einem noch nicht bekannt gegebenen Budget, aber es ist eine Flaggschiff-Initiative. Dies sind genau die 70 Jahre Evolution, die uns an den Punkt gebracht haben, an dem KI beginnt, wirklich mit der Welt zu interagieren.

Wer gewinnt und wer verliert

Gewinner – Unternehmen mit vertikaler Integration und Daten:

• Google DeepMind ist immer noch führend in der Grundlagenforschung, insbesondere bei AlphaFold und Multimodalität. Ihre Integration mit Android und Chrome verschafft ihnen 27,7 % des LLM-Marktes – ein struktureller Vorteil, der nicht einfach technologisch ‚aufgeholt‘ werden kann.
• ABB Robotics – ein einzigartiges Beispiel eines Industriegiganten, der physische KI in ein echtes Produkt verwandelt. Ihre Physical AI Toolchain und die Partnerschaft mit NVIDIA (März 2026) überbrücken die Kluft zwischen Simulation und Realität. Sie haben 7.000 Mitarbeiter und echte Fabriken – kein Startup.
• Chinesische Akteure in AI4S – Molecule-Mind hat über 100 Millionen Dollar von einem Investorenkonsortium, einschließlich staatlicher Fonds, eingesammelt. Ihr MMFold-Modell übertrifft AlphaFold 3 bei bestimmten Aufgaben. Dies zeigt, dass China auf angewandte Biologie gesetzt hat und langfristig gewinnen könnte, weil sie Daten (klinische Studien, Genomdatenbanken) und staatliche Unterstützung haben.

Verlierer – Startups ohne Daten oder Vertriebskanäle:

• 75 % der Unternehmen geben an, agentische KI einzuführen, aber nur 42 % haben sie in der Produktion, und nur wenige haben Multi-Agenten-Systeme skaliert. Das bedeutet, dass die meisten ‚KI-Plattformen‘ in Pilotprojekten stecken bleiben und sterben, wenn Investoren ROI verlangen.
• Reine Text-LLM-Startups (außer OpenAI, Anthropic und Google) verlieren den Markt. Modelle werden zu Rohstoffen, und die Qualitätslücke zwischen ihnen schrumpft. Benutzer wählen nach Preis, Integration und Vertrauen – nicht nach ‚Schlauheit‘.

Spezielle Kategorie – ‚Regulierungsverlierer‘:

• Jedes KI-Unternehmen, das die Sicherheit und Unparteilichkeit seiner Modelle nicht nachweisen kann, wird unter Klagen leiden. Der Fall Nippon Life vs. OpenAI ist erst der Anfang. Wenn das Gericht entscheidet, dass Entwickler für die Handlungen von Chatbots haften, werden die Versicherungsprämien für KI-Unternehmen in die Höhe schießen und die Margen töten.

Was die Medien nicht sagen

Drei Dinge, die Sie in Jubiläumsartikeln über ‚Evolution‘ nicht finden werden:

Erstens: Physische KI ist nicht ‚KI in Robotern‘, sondern ‚Roboter, die kaputtgehen und töten können‘. Wenn ein LLM halluziniert, ist das nur eine falsche Antwort. Wenn physische KI in einer Fabrik einen Fehler macht, sind das Millionen an Ausschuss oder eine Verletzung eines Menschen. ABB betont, dass ihr System ‚industrielle Präzision‘ gewährleistet – aber das bedeutet, dass sie KI einschränken, nicht verbessern. Sie geben dem Roboter keine vollständige Freiheit; sie geben ihm einen streng kontrollierten Satz von Aktionen. Das ist kein ‚Denken‘, es ist ein ‚bedingter Reflex mit Korrektur‘. Und solange das der Fall ist, sind wir weit entfernt von der KI, die wir ‚Intelligenz‘ nennen könnten.

Zweitens: Energieverbrauch ist kein ‚Problem‘, es ist ein ‚Todesurteil‘. Die Prognose für 2026 liegt bei 1.050 TWh für Rechenzentren, vergleichbar mit dem Verbrauch von ganz Japan oder Russland. Bis 2028 könnten einzelne KI-Aufgaben bis zu 326 TWh verbrauchen – mehr als alle US-Rechenzentren heute. Das bedeutet, dass Länder ohne billige Energie (Europa) oder ohne die Fähigkeit, schnell Erzeugungskapazitäten aufzubauen (Großbritannien), das Rennen verlieren werden. China baut Rechenzentren in Provinzen mit billiger Wasser- und Kohlekraft. Die USA bauen in Texas, wo das Netz bereits überlastet ist. Und das ist keine ‚Herausforderung‘, die ‚effizientere Modelle‘ lösen werden – es ist eine grundlegende Einschränkung, die bestimmen wird, wo die nächsten 10.000 Rechenzentren stehen.

Drittens: ‚Evolution‘ ist tatsächlich der ‚Tod‘ alter Paradigmen. Wir sind stolz darauf, dass KI vom logischen Schließen zu neuronalen Netzen übergegangen ist. Aber in Wirklichkeit haben neuronale Netze die symbolische KI getötet, Deep Learning hat das klassische maschinelle Lernen getötet, und Transformer haben RNNs getötet. Jetzt tötet agentische KI ‚dumme Chatbots‘, und physische KI könnte Cloud-KI-Dienste als dominierendes Modell töten. Das ist keine Evolution; es ist eine Reihe von Massenaussterben. Und diejenigen, die sich nicht in den nächsten 12 Monaten anpassen, werden eine weitere Schicht in der geologischen Aufzeichnung der Technologie.

Prognose: Nächste 30 Tage und 90 Tage

Nächste 30 Tage (Mitte Juni bis Mitte Juli 2026):

Die erste Welle von Klagen wegen agentischer KI. Nach dem Fall Nippon Life vs. OpenAI werden Anwaltskanzleien weltweit Jagd auf KI-Unternehmen machen, deren Chatbots ‚Ratschläge‘ in regulierten Bereichen (Recht, Medizin, Finanzen) gegeben haben. Dies wird innerhalb von Tagen nach ersten Gerichtsentscheidungen zu einem Rückgang der Aktien von OpenAI (falls sie bis dahin an die Börse gegangen sind) und anderen öffentlichen KI-Unternehmen um 5-10 % führen. Gleichzeitig wird ABB Robotics erste Verträge für die Physical AI Toolchain von Automobilherstellern und der Luft- und Raumfahrt sammeln – dies könnte ein Katalysator für Aktien der Industrierobotik an US- und deutschen Börsen sein.

Nächste 90 Tage (Juli bis September 2026):

Ein struktureller Wandel bei der Finanzierung wird beginnen. Risikokapitalgeber, die Mayfield-Daten sehen, dass 60 % der Unternehmen kein formelles KI-Governance-System haben und dass Daten das Haupthindernis bleiben, werden beginnen, nicht in ‚wieder ein KI-Startup‘ zu investieren, sondern in Unternehmen, die das Datenproblem lösen: Bereinigung, Kennzeichnung, Synthese, Zugriffsverwaltung. Dies wird Dutzende von ‚KI-Plattformen‘ töten, die auf den Modellen und Daten anderer aufgebaut sind.

Gleichzeitig wird Japans ARiSE-Programm im September seine ersten Zuschussempfänger bekannt geben und dem globalen Markt signalisieren, dass Japan ernsthaft auf KI für die Wissenschaft setzt. Dies könnte Talente aus den USA und Europa anziehen, wo KI-Gehälter bereits überhitzt sind, während Japan einzigartige Daten in Materialwissenschaften, Robotik und medizinischer Bildgebung bietet.

Und entscheidend – bis Ende September werden wir die ersten industriellen Einsätze physischer KI sehen, die scheitern. Es wird einen Vorfall in einer Fabrik geben, bei dem ein Roboter, der ABBs Physical AI Toolchain verwendet, einen Simulationsfehler macht, der zu Ausschuss oder Ausfallzeiten führt. Die Medien werden es als ‚KI-Versagen‘ aufbauschen. Aber Insider werden verstehen: Das ist normal. Dies ist das ‚Tal der Enttäuschung‘, das Trendberichte für 2026 vorhergesagt haben. Diejenigen, die diesen Schock überleben und Überwachungs- und Rollback-Systeme implementieren, werden überleben. Der Rest wird gehen. Es war schon immer so, und es wird wieder so sein. Denn 70 Jahre Evolution sind wirklich 70 Jahre Lernen aus Fehlern. Und wir lernen immer noch.

— Editorial Team