Die Gaming-Industrie produziert jährlich Milliarden Stunden an interaktiven Videospiel-Daten – und ein Startup will diese digitale Goldmine nun nutzen, um die nächste Generation intelligenter Roboter zu erschaffen. General Intuition hat sich mit einer Bewertung von 2,3 Milliarden US-Dollar und frischen 320 Millionen US-Dollar in der Kriegskasse auf den Weg gemacht, Foundation Models für die physische KI zu entwickeln. Die zentrale These: Was für Sprachmodelle wie GPT funktioniert hat, könnte auch für die Robotik revolutionär sein – nur dass statt Textdaten nun Videospiel-Szenarien die Trainingsgrundlage bilden.

Von ChatGPT zur Robotik: Der große Technologiesprung

Die Erfolgsgeschichte großer Sprachmodelle hat die Tech-Industrie fundamental verändert. Unternehmen wie OpenAI haben gezeigt, dass massive Datenmengen aus dem Internet ausreichen, um Systeme zu trainieren, die menschliche Sprache verstehen und generieren können. Der entscheidende Durchbruch lag in der Skalierung: Je mehr Daten und Rechenleistung, desto besser die Ergebnisse. Dieses Paradigma will General Intuition nun auf die physische Welt übertragen.

Der Unterschied zur Sprachverarbeitung ist allerdings grundlegend: Roboter müssen nicht nur verstehen, sondern auch handeln. Sie müssen Objekte greifen, navigieren, auf unerwartete Situationen reagieren – und das alles in einer dreidimensionalen, chaotischen Realität. Während ein Sprachmodell mit Fehlern leben kann, die lediglich zu unpassenden Antworten führen, können Fehler in der Robotik physische Schäden verursachen.

Die Videospiel-Hypothese: Warum Mario und Minecraft Roboter trainieren sollen

Videospiele erscheinen auf den ersten Blick wie eine überraschende Datenquelle für Robotik-Training. Doch bei genauerem Hinsehen ergibt die Strategie durchaus Sinn: Moderne Spiele simulieren komplexe physikalische Interaktionen, enthalten reichhaltige 3D-Umgebungen und – das ist entscheidend – dokumentieren Millionen menschlicher Entscheidungen in interaktiven Szenarien.

Ein Spieler, der durch eine Stadt navigiert, Hindernisse umgeht, Objekte aufsammelt und Aufgaben löst, demonstriert genau jene Fähigkeiten, die auch ein Roboter beherrschen muss. Die Videospiel-Daten enthalten implizites Wissen über räumliches Verständnis, Ursache-Wirkungs-Beziehungen und zielgerichtetes Handeln. Zudem sind diese Daten bereits digital verfügbar, annotiert durch die Spielmechanik selbst, und in schier unerschöpflichen Mengen vorhanden.

General Intuition argumentiert, dass diese synthetischen Umgebungen eine Art „Vorstufe" darstellen – eine strukturierte Lernumgebung, in der KI-Systeme grundlegende physikalische Intuition entwickeln können, bevor sie mit der Komplexität der realen Welt konfrontiert werden. Der Ansatz verspricht, dass Roboter anschließend mit minimalen realen Trainingsdaten auskommen und schneller auf neue Situationen generalisieren können.

Das Versprechen der Foundation Models für physische KI

Foundation Models – grundlegende KI-Modelle, die auf breiten Datensätzen trainiert werden und dann für spezifische Aufgaben angepasst werden können – haben in der Sprachverarbeitung ihre Leistungsfähigkeit bewiesen. Ein einzelnes Basismodell wie GPT-4 kann für Übersetzungen, Textzusammenfassungen, Programmierung und unzählige andere Anwendungen eingesetzt werden.

Für die Robotik würde ein solches Foundation Model bedeuten, dass Entwickler nicht mehr für jeden neuen Roboter oder jede neue Aufgabe von Grund auf beginnen müssten. Stattdessen könnten sie auf ein bereits trainiertes Grundmodell zurückgreifen, das bereits ein tiefes Verständnis von physikalischen Interaktionen, räumlichen Beziehungen und grundlegenden Handlungsstrategien mitbringt. Dieses Modell würde dann mit vergleichsweise wenigen spezifischen Beispielen an konkrete Anwendungsfälle angepasst.

Die potenzielle Beschleunigung der Robotik-Entwicklung wäre enorm. Unternehmen könnten schneller Prototypen entwickeln, Roboter könnten leichter neue Aufgaben lernen, und die Kosten für die Entwicklung spezialisierter Robotikanwendungen würden sinken. General Intuitions Wette ist, dass dieser Moment – analog zum ChatGPT-Durchbruch – unmittelbar bevorsteht.

Die Risiken: Wo Simulation auf Realität trifft

So verlockend die Vision auch klingt, der Ansatz birgt erhebliche technische Herausforderungen und Risiken. Das fundamentalste Problem ist die sogenannte “Sim-to-Real-Gap” – die Kluft zwischen simulierter und realer Welt. Videospiele, selbst hochrealistische, sind vereinfachte Modelle der Realität. Physik-Engines approximieren, Texturen täuschen, und viele subtile Aspekte der realen Welt existieren in Spielen schlicht nicht.

Ein in Videospielen trainiertes Modell könnte systematische Fehleinschätzungen entwickeln. Reibung funktioniert in Spielen oft anders als in der Realität, Objekteigenschaften sind vereinfacht, und die Konsequenzen von Fehlern sind in virtuellen Welten reversibel. Ein Roboter, der gelernt hat, dass man einfach einen Respawn-Button drücken kann, wird in der physischen Welt problematische Strategien verfolgen.

Zudem ist fraglich, ob die Art von Interaktionen in Videospielen tatsächlich repräsentativ für robotische Aufgaben ist. Die meisten Spiele optimieren für menschlichen Spielspaß, nicht für realistische Simulation alltäglicher Aufgaben. Ein Roboter, der Geschirr abräumen soll, findet dafür kaum Analogien in gängigen Videospielen.

Die Bewertungsfrage: 2,3 Milliarden Dollar für eine Hypothese

Die Bewertung von 2,3 Milliarden US-Dollar für ein Unternehmen, das noch keine marktreife Lösung präsentiert hat, reflektiert den aktuellen KI-Hype, wirft aber auch Fragen auf. Investoren setzen offenbar darauf, dass General Intuition tatsächlich das “ChatGPT der Robotik” schaffen kann – ein Durchbruch, der einen riesigen Markt erschließen würde.

Die 320 Millionen US-Dollar frisches Kapital signalisieren jedoch auch den enormen Ressourcenbedarf dieses Ansatzes. Training großer Foundation Models erfordert massive Rechenkapazitäten, große Teams spezialisierter Forscher und lange Entwicklungszyklen. Die Frage ist, ob das Kapital ausreicht, um die technischen Hürden zu überwinden, bevor es aufgebraucht ist.

Kritische Beobachter merken an, dass viele KI-Startups mit ähnlich hohen Bewertungen letztlich nicht halten konnten, was sie versprachen. Die Geschichte der Robotik ist gepflastert mit überambitionierten Projekten, die an der Komplexität der realen Welt scheiterten.

Ausblick: Eine spannende, aber ungewisse Zukunft

General Intuitions Ansatz repräsentiert eine faszinierende Hypothese über die Zukunft der Robotik. Die Idee, das erfolgreiche Rezept großer Sprachmodelle auf physische KI zu übertragen, ist durchaus plausibel – und könnte tatsächlich einen Wendepunkt in der Robotik markieren. Die schiere Menge verfügbarer Videospiel-Daten und die fortgeschrittenen Simulations-Technologien bieten eine bisher kaum genutzte Ressource.

Gleichzeitig bleibt abzuwarten, ob die fundamentalen Unterschiede zwischen virtuellen und realen Welten überwindbar sind. Möglicherweise wird sich herausstellen, dass Videospiel-Daten ein wertvoller Teil des Trainings-Mix sind, aber nicht ausreichen, um robuste, zuverlässige Roboter zu schaffen. Der wahre Test wird kommen, wenn die ersten auf diese Weise trainierten Systeme in realen Anwendungen eingesetzt werden.

Was sich bereits jetzt sagen lässt: Die Robotik-Community beobachtet dieses Experiment mit großem Interesse. Sollte General Intuition Erfolg haben, könnte dies tatsächlich eine neue Ära einläuten. Scheitert der Ansatz, wird dies wichtige Lektionen über die Grenzen des Transfers von virtuellen zu realen Fähigkeiten liefern. In jedem Fall wird das Unternehmen mit seinem ambitionierten Vorhaben wichtige Erkenntnisse für die gesamte Branche generieren – eine 320-Millionen-Dollar-Forschungsinvestition, deren Ergebnisse weit über das Unternehmen selbst hinaus Bedeutung haben werden.