Der Fortschritt der KI verlangsamt sich aufgrund eines Überflusses nutzloser Daten – es gibt einfach zu viele.

Schlüsselschlussfolgerung: Um von ChatGPT zu „lebenden“ Robotern überzugehen, braucht man nicht nur große Datensätze, sondern qualitativ hochwertige und relevante Informationen.

Fortune betont, dass die KI-Branche am Rande einer neuen Ära steht – des physischen Intellekts und der Modelle der Umwelt. Solche Systeme müssen sich im realen Raum orientieren können: sie sollen den Weg gehen, Wäsche falten oder bei komplexen chirurgischen Eingriffen helfen. Dafür brauchen sie nicht einfach „ladbare“ Daten, sondern reichhaltige, facettenreiche Informationssammlungen.

Warum die Qualität der Daten entscheidend ist
1. Redundanz und Nutzlosigkeit

Inmitten des Hypes um KI entstanden zahlreiche Start-ups (Scale AI, Surge AI, Mercor), die versuchen, so viele Daten wie möglich zu sammeln. Das führt zur Ansammlung riesiger Mengen „leerer“ Dateien, die das Training von Modellen nicht unterstützen. Wenn Forscher sie nicht filtern können, bleibt das Potenzial des physischen KI ungenutzt.

2. Komplexität multidimensionaler Aufgaben

Das Verständnis der komplexen Welt erfordert noch größere Datenmengen, die jedoch extrem schwer zugänglich sind. Deshalb greifen Ingenieure auf Modellierung zurück: Sie erstellen virtuelle Rekonstruktionen realer Szenarien, um Trainingsbeispiele für Roboter und autonome Fahrzeuge zu generieren.

3. Risiken von minderwertigen Datensätzen

Schlecht gemachte Daten können unvorhersehbare Ergebnisse liefern. Ein Beispiel ist die Einstellung der Unterstützung von OpenAI für die Video-App Sora: Das Modell konnte die Physik nicht bewältigen, was realistische Vorhersagen erschwerte.

Wie man das Problem löst
- Bereinigungstools

Fachleute im maschinellen Lernen benötigen Technologien, die automatisch überflüssige Daten entfernen, analysieren, normalisieren und korrigieren. Dadurch kann wertvolle Information aus dem „Rauschen“ herausgefiltert werden.

- Fokus auf Qualität

Derzeit ist der begrenzende Faktor das Fehlen qualitativ hochwertiger Daten. Unternehmen, die dies zuerst erkennen und in deren Erfassung und Verarbeitung investieren, werden führend bei der Schaffung wirklich funktionierender KI‑Systeme sein.

Damit ist der Übergang von textbasierten Modellen zu Robotern, die im realen Leben handeln können, ohne einen systematischen Ansatz zur Qualität der Trainingsdaten nicht möglich. Fortune betont, dass gerade dieser Faktor entscheidend für die Zukunft des physischen Intellekts sein wird.