Latest / KI Espresso / 32 Prozent - darf Googles Roboter schon arbeiten?

Transcript

32 Prozent - darf Googles Roboter schon arbeiten? · KI Espresso

• 0:00
  SPEAKER_01: 32% beim Kerblech.
• 0:02
  SPEAKER_00: Dieser Roboter lernt einen neuen Körper in wenigen Stunden.
• 0:05
  SPEAKER_00: Aber wer prüft danach, ob er sicher arbeiten darf?
• 0:09
  SPEAKER_01: Die 32% sind ein einzelner Mittelwert aus Googles eigener Mehrfinger-Evaluation, keine Gesamtzuverlässigkeit.
• 0:16
  SPEAKER_00: Genau.
• 0:16
  SPEAKER_00: Und warum diese isolierte Zahl trotzdem so extrem relevant ist?
• 0:21
  SPEAKER_00: Weil sie exakt das Freigabeproblem anreißt, das jetzt auf Fabriken in der Dachregion zukommt.
• 0:26
  SPEAKER_00: Das gilt für Deutschland und Österreich und als betrieblicher Vergleich auch für die Schweiz.
• 0:31
  SPEAKER_01: Wir sprechen heute über einen, naja, echten Durchbruch in der Robotik.
• 0:35
  SPEAKER_01: Ich stehe hier ganz klar auf der Seite des technologischen Fortschritts, den Google uns da zeigt.
• 0:40
  SPEAKER_01: Und ich, also ich schaue da eher auf die harte physische Realität.
• 0:44
  SPEAKER_01: Da müssen wir aber kurz sortieren, was Google überhaupt veröffentlicht hat.
• 0:47
  SPEAKER_01: Das sind ja drei Modelle.
• 0:49
  SPEAKER_01: Richtig.
• 0:49
  SPEAKER_01: Da ist zunächst Gemini Robotics 2.
• 0:52
  SPEAKER_01: Das ist ein VLA-Modell für die Ganzkörpersteuerung.
• 0:55
  SPEAKER_01: Und dann haben wir OnDevice 2 für die lokale Ausführung.
• 0:59
  SPEAKER_01: Beide gibt es für Early Access Partner.
• 1:02
  SPEAKER_01: Und das dritte?
• 1:04
  SPEAKER_01: Das ist ER2, also Embodied Reasoning für Planung und Teamwork.
• 1:08
  SPEAKER_01: Das liegt aktuell im Google AI Studio und als Private Preview auf der Gemini Enterprise Agent Plattform.
• 1:16
  SPEAKER_00: Ja, aber die stärkste praktische Behauptung, die betrifft ja OnDevice Too.
• 1:21
  SPEAKER_00: Absolut.
• 1:22
  SPEAKER_00: Google sagt, sie brauchen typischerweise unter 200 Beispiele und nur wenige Stunden, um dieses Modell an einen völlig neuen Zweiarmkörper anzupassen.
• 1:31
  SPEAKER_01: Was ja, also das ist ein enormer Effizienzgewinn.
• 1:35
  SPEAKER_01: Ein echtes Multi-Embodiment-Modell senkt den Integrationsaufwand für Roboterhersteller extrem.
• 1:41
  SPEAKER_00: Auf dem Papier vielleicht.
• 1:43
  SPEAKER_00: Aber schauen wir uns mal die Evaluation an.
• 1:45
  SPEAKER_00: Google hat viel Testwerte publiziert und die Asymmetrie ist enorm.
• 1:50
  SPEAKER_01: Naja, die Werte variieren, klar.
• 1:52
  SPEAKER_00: Beim Eindrehen einer Glühbirne erreicht das System 36% Erfolgsquote.
• 1:58
  SPEAKER_00: Beim Ausdrehen derselben Glühbirne sind es plötzlich 92%.
• 2:04
  SPEAKER_00: Dann haben wir 44% beim Zubinden eines Müllsacks und eben diese 32% beim Kehrblech.
• 2:12
  SPEAKER_00: Wir müssen diesen Kontrast zwischen 92% und 32% ganz explizit benennen.
• 2:18
  SPEAKER_00: Das ist ein starker Kontrast, ja?
• 2:20
  SPEAKER_00: Neuer Roboterkörper ändert die Reichweite, er ändert die Kraft und vor allem die Fehlerfolgen.
• 2:25
  SPEAKER_01: Okay, aber.
• 2:26
  SPEAKER_00: Moment, die bloße Übertragung von so einem Modellcheckpoint, das ersetzt doch keine physische Risikobewertung.
• 2:33
  SPEAKER_01: Das ist ein berechtigter Einwand, aber Google hat dafür Asimov Agentik entwickelt.
• 2:38
  SPEAKER_01: Das Modell überwacht menschliche Nähe, es erkennt die eigenen VLA-Grenzen und ruft Sicherheitsstops auf.
• 2:45
  SPEAKER_01: Aha.
• 2:46
  SPEAKER_01: Und wenn es unsicher ist, fordert es explizit Hilfe an.
• 2:50
  SPEAKER_00: Ein Herstellerwenschmark ist nützlich für die interne Machbarkeit.
• 2:54
  SPEAKER_00: Das bestreite ich nicht.
• 2:55
  SPEAKER_00: Aber das ist keine EU-Konformitätsbewertung.
• 2:59
  SPEAKER_01: Genau deshalb müssen wir den Prozess ja auch strikt in drei Phasen trennen.
• 3:04
  SPEAKER_01: Wir haben die Modellanpassung, dann die Aufgabenvalidierung und am Ende die Freigabe.
• 3:09
  SPEAKER_00: Diese Trennung ist extrem wichtig.
• 3:11
  SPEAKER_00: Also erstens, Modellanbieter liefern die Fähigkeiten.
• 3:16
  SPEAKER_00: Zweitens, Roboterlehrsteller besitzen das Hardware-Design.
• 3:21
  SPEAKER_00: Drittens, Systemintegratoren verbinden Modell, Körper und Arbeitsplatz.
• 3:27
  SPEAKER_00: Und viertens, Betreiber kontrollieren die Nutzung.
• 3:30
  SPEAKER_00: Das ist sehr klar strukturiert.
• 3:32
  SPEAKER_00: Ja, aber das führt uns zum praktischen Test für die Revalidierung.
• 3:36
  SPEAKER_00: Wer testet denn nach einer Anpassung neu?
• 3:39
  SPEAKER_00: Wer dokumentiert die Grenzen?
• 3:41
  SPEAKER_00: Und ganz wichtig, wer kann auf einen sicheren Zustand zurücksetzen?
• 3:46
  SPEAKER_00: Da müssen wir zwingend auf die Regulation EU 2023-1230 blicken.
• 3:51
  SPEAKER_00: Die greift ab dem 20 Januar 2027 verbindlich.
• 3:55
  SPEAKER_01: Okay.
• 3:56
  SPEAKER_01: Und wie bewertet diese spezifische Verordnung eine lernende KI dann in der Praxis?
• 4:02
  SPEAKER_00: Sie greift genau da ein, wo es gefährlich wird.
• 4:04
  SPEAKER_00: Ihre Prinzipien zur Risikobewertung schließen nämlich vorhersehbare Gefahren durch sich entwickelnde Logik und interagierende Maschinen ausdrücklich ein.
• 4:14
  SPEAKER_00: Die Kernfrage lautet doch hier, ganz klar, wer bleibt verantwortlich und wer entscheidet über die Freigabe?
• 4:20
  SPEAKER_01: Na, also da hast du völlig recht.
• 4:23
  SPEAKER_01: Und genau an diesem Punkt müssen wir vielleicht die reine Modellanpassung von der regulatorischen Freigabe trennen.
• 4:29
  SPEAKER_01: Ja, das sind völlig verschiedene Phasen.
• 4:31
  SPEAKER_01: Eben.
• 4:32
  SPEAKER_01: Dennoch bleibt dieser technologische Sprung doch gewaltig.
• 4:36
  SPEAKER_00: Technologisch ja.
• 4:37
  SPEAKER_00: Diese KE-getriebene Flexibilität ist faszinierend, das steht völlig außer Frage.
• 4:43
  SPEAKER_01: Technologische Anpassungszeit und rechtliche Varidierungszeit, die laufen einfach in völlig unterschiedlichen Geschwindigkeiten ab.
• 4:50
  SPEAKER_01: Und am Ende jeder theoretischen Diskussion über solche Softwareupdates müssen wir uns auf der Werkzahler immer diese eine praktische Freigabetestfrage stellen.
• 5:00
  SPEAKER_01: Nämlich, was hat sich an Körper, Werkzeug, Aufgabe oder Umgebung konkret geändert?
• 5:06
  SPEAKER_01: Welche Tests müssen wiederholt werden und wer kann die letzte sichere Konfiguration wiederherstellen?
• 5:12
  SPEAKER_01: Die entscheidende Frage ist nicht, wie schnell ein Roboter lernt.
• 5:16
  SPEAKER_01: Sie lautet, Wer beweist nach jeder Anpassung, dass er noch sicher arbeiten kann?
• 5:21
  SPEAKER_00: Wenn euch diese Debatte zum Nachdenken gebracht hat, abonniert KI-Espresso jeden Tag eine neue KI-Debatte in sechs Minuten.
• 5:30
  SPEAKER_00: Das war KI-Espresso.