Zurück zur Übersicht
Uber-Mitbegründer Travis Kalanick: Warum Gebäude wie Computer behandelt werden müssen, um KI-Innovationen zu ermöglichen
BranchennachrichtenKünstliche IntelligenzImmobilienTravis Kalanick

Uber-Mitbegründer Travis Kalanick: Warum Gebäude wie Computer behandelt werden müssen, um KI-Innovationen zu ermöglichen

Travis Kalanick, Mitbegründer von Uber und derzeitiger CEO von Atoms, beleuchtet die kritische Schnittstelle zwischen Künstlicher Intelligenz und der physischen Welt. In seiner Analyse legt er dar, dass die Weiterentwicklung der KI in physischen Industrien derzeit maßgeblich durch die Beschaffenheit und Verwaltung von Immobilien eingeschränkt wird. Kalanick plädiert für einen Paradigmenwechsel: Gebäude sollten konzeptionell und funktional wie Computer betrachtet werden. Ein zentraler Aspekt seiner Argumentation ist die Bedeutung von Eigentumsverhältnissen, da die Kontrolle über die physische Infrastruktur eine Grundvoraussetzung für die erfolgreiche Implementierung und Skalierung von KI-Technologien darstellt. Ohne eine entsprechende Anpassung der Immobilienwelt bleibt das Potenzial der KI in realen Industriezweigen begrenzt.

Tech in Asia

Die wichtigsten Punkte

  • Immobilien als Limitierung: Travis Kalanick identifiziert den Immobiliensektor als den primären Engpass für den Einsatz von KI in physischen Industrien.
  • Gebäude als Computer: Es wird eine fundamentale Neuausrichtung gefordert, bei der Gebäude als technologische Einheiten bzw. Computer verstanden werden.
  • Bedeutung von Eigentum: Der Besitz von Immobilien ist laut Kalanick entscheidend, um technologische Innovationen in der physischen Welt voranzutreiben.
  • Schnittstelle Physis-Digital: Die Integration von KI erfordert eine engere Verknüpfung von Software-Logik und physischer Infrastruktur.

Analyse

Die physische Grenze der Künstlichen Intelligenz

In der aktuellen technologischen Entwicklung zeigt sich eine deutliche Diskrepanz zwischen der rasanten Skalierung von Software-KI und ihrer Anwendung in der physischen Welt. Travis Kalanick, der durch Uber bereits Erfahrungen mit der Digitalisierung physischer Dienstleistungen gesammelt hat, weist darauf hin, dass die reale Welt – insbesondere Immobilien – ein Hindernis darstellt. Während digitale Prozesse nahezu unbegrenzt in der Cloud wachsen können, sind KI-Anwendungen in Industrien wie Logistik, Fertigung oder Bauwesen an die Grenzen der vorhandenen Infrastruktur gebunden.

Die Originalmeldung verdeutlicht, dass die Limitationen nicht in der KI-Software selbst liegen, sondern in der Unflexibilität der physischen Räume, in denen sie operieren soll. Immobilien werden oft noch als statische Hüllen betrachtet, was den Anforderungen dynamischer, KI-gesteuerter Prozesse widerspricht.

Das Konzept: Gebäude als programmierbare Einheiten

Ein Kernpunkt von Kalanicks Vision für sein Unternehmen Atoms ist die Transformation des Gebäudeverständnisses. Die Analogie „Gebäude wie Computer zu behandeln“ impliziert, dass physische Strukturen nicht mehr nur passiver Raum sind, sondern aktive, integrierte Bestandteile eines technologischen Systems.

Wenn ein Gebäude wie ein Computer fungiert, bedeutet dies eine tiefgreifende Integration von Sensorik, Aktorik und Rechenleistung direkt in die Bausubstanz. Dies ermöglicht es der KI, die physische Umgebung in Echtzeit zu steuern und zu optimieren. Kalanick argumentiert, dass nur durch diese Sichtweise die Effizienzsprünge möglich sind, die man aus der reinen Softwarewelt bereits kennt. Die physische Industrie benötigt demnach eine „Hardware“, die ebenso flexibel und ansprechbar ist wie ein Betriebssystem.

Warum Eigentumsverhältnisse entscheidend sind

Ein weiterer wesentlicher Aspekt der Analyse betrifft die Frage des Eigentums. Kalanick betont, dass „Ownership“ (Besitz) in diesem Zusammenhang eine zentrale Rolle spielt. In der traditionellen Immobilienwirtschaft sind Mieter oft eingeschränkt, wenn es darum geht, tiefgreifende technologische Veränderungen an der Infrastruktur vorzunehmen.

Um Gebäude tatsächlich wie Computer behandeln und KI-Systeme vollumfänglich integrieren zu können, ist eine Kontrolle über die Immobilie notwendig. Dies deutet darauf hin, dass Unternehmen, die KI in physischen Industrien anführen wollen, möglicherweise auch als Immobilienbesitzer oder -entwickler auftreten müssen, um die notwendigen technologischen Standards ohne die Hürden klassischer Mietverhältnisse durchzusetzen.

Bedeutung für die KI-Branche

Die Aussagen von Travis Kalanick signalisieren einen Trend weg von der reinen Software-KI hin zur „Embodied AI“ oder industriellen KI, die eine physische Entsprechung benötigt. Für die KI-Branche bedeutet dies, dass Partnerschaften mit der Immobilien- und Infrastrukturbranche sowie eigene Investitionen in physische Assets an Bedeutung gewinnen. Die Skalierung von KI-Lösungen in der realen Welt wird künftig nicht mehr nur eine Frage der Algorithmen sein, sondern eine Frage der Verfügbarkeit und technologischen Anpassungsfähigkeit von Gebäuden.

Häufig gestellte Fragen

Warum sind Immobilien ein Hindernis für die KI-Entwicklung?

Immobilien sind oft statisch und nicht für die Anforderungen moderner KI-Systeme ausgelegt. Laut Kalanick begrenzen sie die Fähigkeit der KI, in physischen Industrien effizient zu agieren, da die notwendige technologische Infrastruktur in herkömmlichen Gebäuden fehlt.

Was bedeutet es, ein Gebäude wie einen Computer zu behandeln?

Es bedeutet, Gebäude als integrierte technologische Systeme zu betrachten, die programmierbar, vernetzt und reaktionsfähig sind. Anstatt nur Raum zu bieten, werden Gebäude zu aktiven Komponenten, die von KI gesteuert und optimiert werden können.

Welche Rolle spielt das Eigentum bei Kalanicks Strategie?

Eigentum ermöglicht die volle Kontrolle über die Infrastruktur. Um tiefgreifende technologische Innovationen und KI-Integrationen umzusetzen, müssen Unternehmen in der Lage sein, die physische Umgebung ohne die Einschränkungen durch Dritte (wie Vermieter) zu verändern.

Ähnliche Nachrichten

Branchennachrichten

Parallel halbiert Recherchezeit und Kosten für Arbeitsmarktdaten durch den Einsatz von GPT-6 Astra im Praxiseinsatz

Laut einer Veröffentlichung im OpenAI Blog konnte das Unternehmen Parallel durch den Einsatz des Modells GPT-6 Astra signifikante Effizienzsteigerungen erzielen. Die KI-Agenten von Parallel nutzen das neue Modell für die Recherche und Synthese von Arbeitsmarktdaten. Im direkten Vergleich zu zuvor eingesetzten Vorgängermodellen gelang es, sowohl den zeitlichen Aufwand für diese Recherche- und Syntheseprozesse als auch die anfallenden Kosten um jeweils die Hälfte zu reduzieren. Dieser Praxiseinsatz verdeutlicht, wie moderne KI-Modelle wie GPT-6 Astra in automatisierten Agentenumgebungen eingesetzt werden, um datenintensive Aufgaben wirtschaftlicher und schneller abzuwickeln. Der Bericht von OpenAI hebt hervor, dass die agentenbasierte Verarbeitung von komplexen Marktinformationen durch GPT-6 Astra eine Verdopplung der Geschwindigkeit bei gleichzeitiger Halbierung des Kostenaufwands ermöglicht hat, ohne dass im Originalbericht zusätzliche technische Spezifikationen oder abweichende Kennzahlen genannt wurden.

Branchennachrichten

OpenAI definiert Prioritäten und Prinzipien für unabhängige Sicherheitsbewertungen von Frontier-KI-Modellen durch Dritte

OpenAI hat einen umfassenden Leitfaden mit Prioritäten und Prinzipien für die unabhängige Sicherheitsüberprüfung von fortschrittlichen KI-Modellen und Schutzmechanismen vorgestellt. Angesichts der wachsenden Fähigkeiten von Frontier-Modellen betont das Unternehmen die Notwendigkeit externer Kontrollen, um Risiken frühzeitig aufzudecken und Sicherheitsversprechen wissenschaftlich fundiert zu validieren. Die Initiative konzentriert sich auf vier zentrale Schwerpunktbereiche: die Prüfung sogenannter Safety Cases, die Evaluierung kritischer Schutzmaßnahmen über Entwicklungs- und Einsatzphasen hinweg, die Überprüfung von Fähigkeitstests in Risikofeldern sowie unabhängige Untersuchungen kritischer Misalignment-Vorfälle. Gleichzeitig formuliert OpenAI klare Anforderungen an Prüforganisationen in Bezug auf Unabhängigkeit, technische Expertise, Vertraulichkeit und verantwortungsvolle Veröffentlichung. Ziel ist es, gemeinsame internationale Sicherheitsstandards zu etablieren und das Zusammenspiel zwischen Spitzenforschung, Rechenschaftspflicht und Schutz sensibler Informationen verlässlich zu strukturieren.

MTFM von Meituan: Neues einheitliches Empfehlungs-Basismodell für mehrere zentrale Geschäftsbereiche im Bereich der Essenslieferung vorgestellt
Branchennachrichten

MTFM von Meituan: Neues einheitliches Empfehlungs-Basismodell für mehrere zentrale Geschäftsbereiche im Bereich der Essenslieferung vorgestellt

Das Technikteam des Plattformbetreibers Meituan hat das neuartige Empfehlungs-Basismodell MTFM vorgestellt. Das System baut direkt auf den technologischen Grundlagen des bisherigen Frameworks MTGR auf und stellt einen wesentlichen Meilenstein für die Weiterentwicklung industrieller Empfehlungssysteme dar. Mit MTFM gelingt es Meituan zum ersten Mal in der Praxis, ein einheitliches Fein-Ranking-Modell für mehrere zentrale Geschäftsbereiche und Szenarien innerhalb seines Lieferservices bereitzustellen. Früher kamen in unterschiedlichen Geschäftszweigen oft getrennte Architekturen und Bewertungsverfahren zum Einsatz. MTFM bündelt diese verschiedenen Anforderungen nun in einem konsistenten Basismodell. Der Fachbeitrag des Meituan-Technikteams verdeutlicht die erfolgreiche Umsetzung von Foundation Models für anspruchsvolle Lieferszenarien und zeigt, wie spezialisierte Ranking-Modelle zu ganzheitlichen Großmodellen weiterentwickelt werden können.