Hey KI-Aner 👾

Diese Woche geht’s um spannende Fortschritte in der Robotik: Figure stellt mit Helix ein neues KI-System für humanoide Roboter vor – mit überraschender Effizienz. 🎭 Ausserdem schauen wir uns an, wie man Reasoning-Modelle wie OpenAI’s o3 richtig promptet, welche Strategie die Schweiz bei der KI-Regulierung fahren könnte und warum ChatGPT trotz neuer Konkurrenz weiterhin dominiert. 📈

Fortschritt bei Haushaltsrobotern: Figure stellt Helix vor 🤖

Das Unternehmen Figure hat letzte Woche ein neues KI-System für humanoide Roboter vorgestellt: Helix. Das Modell kombiniert Sprachverständnis, visuelle Erkennung und motorische Steuerung, um Robotern zu ermöglichen, neue Objekte selbstständig zu erkennen und darauf zu reagieren – ohne spezielles Training für jedes einzelne Objekt.

Was steckt drin?

🤖 Zwei Modelle kombiniert: Ein 7B-Parameter-Modell für Sprach- und Verständnisfähigkeiten sowie ein 80M-Parameter-Modell für präzise Bewegungen.

🤖 Effizientes Training: Helix benötigt nur 500 Stunden Trainingsdaten – im Vergleich zu klassischen Robotertrainings ein Bruchteil.

🤖 Läuft auf Standard-Hardware: Kein High-End-Rechenzentrum nötig, da das Modell direkt auf der Roboterhardware arbeiten kann.

🤖 Echte Anwendung: Figure zeigte zwei Roboter, die eigenständig unbekannte Lebensmittel verstauten, nur basierend auf Sprachbefehlen.

Figure’s eigene Entwicklung statt OpenAI-Kooperation deutet auf Vertrauen in die hauseigene Technologie hin – erst kürzlich hatte das Unternehmen die Partnerschaft mit OpenAI beendet.

Der Schritt ist interessant, weil humanoide Roboter bisher vor allem in Industrieumgebungen erfolgreich eingesetzt werden. Die grosse Frage bleibt: Wann werden sie in Haushalten wirklich praktisch einsetzbar? 🏠

Wie du mit ChatGPT o3 optimal promptest 🤖

Mit neuen Modellen wie OpenAI o1, o3 oder DeepSeek R1 rücken sogenannte Reasoning-LLM’s in den Fokus. Diese Modelle arbeiten anders als klassische Sprachmodelle – und das beeinflusst auch das Prompting.

Tipp: Das neue Modell “ChatGPT o3-mini kannst du auch in der kostenlosen Version nutzen! 🤩

Was unterscheidet sie?

Reasoning-Modelle sind darauf trainiert, länger und intensiver über komplexe Aufgaben nachzudenken. Während klassische GPT-Modelle schnelle Antworten liefern, legen Reasoning-Modelle Wert auf Planung, Strategie und die Verarbeitung mehrdeutiger Informationen.

Ein passendes Einsatzszenario: Ein System könnte ein Reasoning-Modell nutzen, um eine Strategie für eine Problemlösung zu entwickeln – und dann ein reguläres Sprachmodell, um einzelne Schritte auszuführen.

Wie sollte man prompten?

Da diese Modelle einen anderen Arbeitsansatz verfolgen, müssen die Prompts ein wenig angepasst werden. Folgende Infos sind dabei (sehr) wichtig:

• Aufgabe: Aufgabe beschreiben (knapp und klar)

• Ziel: Ziel nennen (sehr wichtig!)

• Kontext: Kontext geben (so viele Infos wie möglich)

• Output: Erwartetes Output-Format angeben

Beispiel-Prompt:

Der zentrale Unterschied: Statt genau zu erklären, wie etwas gemacht werden soll, beschreibt man was erreicht werden muss – das Modell entwickelt dann selbst eine logische Vorgehensweise.

Reasoning-Modelle verlangen also mehr Struktur im Prompting, können dafür aber auch anspruchsvollere Denkprozesse übernehmen. Habt ihr schon Erfahrungen mit diesen neuen Modellen gemacht? 🚀

Update: Schweiz plant sanfte KI-Regulierung ⚖️

Der Bundesrat will die KI-Konvention des Europarats ratifizieren – aber mit möglichst wenig verpflichtenden Regeln für Private.

Die nun veröffentlichte Auslegeordnung zur Regulierung nennt zwei mögliche Umsetzungsarten:

🤝 Minimale Umsetzung: Verpflichtungen hauptsächlich für staatliche Stellen.
🤝 Weitergehende Umsetzung: Auch private Akteure wären stärker eingebunden.

Der aktuelle Trend? Der Bundesrat tendiert eher zur minimalen Variante. Für Privatunternehmen setzt er vor allem auf rechtlich unverbindliche Massnahmen, wie Selbstdeklarationen oder Branchenlösungen.

Bis Ende 2026 soll eine Vernehmlassungsvorlage stehen. Besonders wichtig sind dabei Themen wie Transparenz, Datenschutz, Nichtdiskriminierung und Aufsicht – allerdings mit einem sektorspezifischen statt universellen Regelwerk.

Die drei übergeordneten Ziele der Schweizer KI-Regulierung:

✅ Innovationsförderung
✅ Schutz der Grundrechte
✅ Mehr Vertrauen in KI

Wie seht ihr das? Braucht es härtere oder eher sanftere Regeln für KI?

ChatGPT-Nutzung wächst und wächst 📈

Trotz neuer Konkurrenz bleibt ChatGPT die meistgenutzte generative KI. Laut Reuters hat OpenAI bekannt gegeben, dass die Zahl der wöchentlich aktiven Nutzer im Februar auf 400 Millionen gestiegen ist – ein Anstieg um 100 Millionen in nur zwei Monaten. Auch bei den zahlenden Business-Usern sieht es gut aus: Ihre Zahl hat sich seit September von unter einer Million auf über zwei Millionen verdoppelt.

Interessant ist, dass selbst mit neuen Alternativen wie Deepseek, Le Chat oder Googles Gemini das Wachstum ungebrochen bleibt. Besonders Deepseek verzeichnet einen rasanten Anstieg an Nutzern – allerdings nicht ohne Probleme. Das kleine Startup hatte mehrfach Leistungsengpässe und Serviceausfälle wegen der hohen Nachfrage.

Ob sich langfristig etwas an der Marktführerschaft von ChatGPT ändert? Aktuell sieht es nicht danach aus. 🧐

Danke für’s reinschauen! 😍

Bleib gesund und bis zum nächsten Mal! ❤️
Euer KI-Studio-Team

PS: Wir würden uns freuen, wenn du unseren Podcast oder unseren Newsletter weiterempfiehlst! 🧑‍🤝‍🧑