Von Benjamin Eule & Dr.Noah Lee, Mitbegründer, Gottlieb
Wir kamen in Davos mit einer Hypothese an: KI für das physische Engineering erfordert grundlegend andere Ansätze als die Chatbots, die heute die Schlagzeilen dominieren.Wir reisten mit der Bestätigung dieser Hypothese ab – aber nicht so, wie wir es erwartet hatten.
Dies war nicht unser erster Kontakt mit transformativen Technologien.Zusammen bringen wir jahrzehntelange Erfahrung ein: Benjamins 20 Jahre in der Leitung von Engineering - Organisationen bei Mercedes - Benz und Daimler Truck, Noahs Jahre in der Entwicklung von KI - Systemen bei Meta.Wir haben Produkte auf den Markt gebracht, Teams skaliert und die komplexe Realität von Innovationen in sicherheitskritischen Bereichen navigiert.
Doch eine Woche auf dem WEF26 und im AI House Davos hat uns daran erinnert, dass der Aufbau transformativer Technologien nicht nur technisches Brillanz erfordert.Es geht um Demut, Governance, vielfältige Perspektiven und ein unermüdliches Engagement dafür, Dinge besser zu machen – nicht nur anders.
Hier ist, was wir gelernt haben.
Das Gen - Editing - Modell: Governance vor Skalierung
Unsere Woche begann beim WEF Open Forum "Where Biology Meets Choice" – einer Diskussion darüber, wie DNA - und RNA - Forschung die Medizin transformiert.Das Panel bestand aus Victor Ambros(Nobelpreisträger 2024 für die Entdeckung von microRNA), Irene Tracey(Vizekanzlerin von Oxford), Daniel de Boer(Gründer von ProQR Therapeutics), Eva McLellan(Roche - Managerin) und Natalie Edwards(chilenische Biotech - Forscherin).
Wir sind nicht hingegangen, weil wir in die Biotech - Branche wechseln wollen.Wir sind hingegangen, weil Gen - Editing eine Fallstudie dafür ist, was passiert, wenn transformative Technologien die Governance überholen.
Die zentrale Frage: Während unsere Fähigkeit wächst, Gene zu verändern, wie navigieren wir durch Fragen von Gerechtigkeit, Zustimmung und Menschenwürde ? Wenn die Grenzen zwischen Therapie und Optimierung verschwimmen, wer entscheidet, was bearbeitet werden darf und was nicht ?
Nicht - intuitive Erkenntnis #1: Studieren Sie regulatorische Fehler anderer Branchen, bevor sie zu Ihren eigenen werden
Gen - Editing - Communities haben mit verschiedenen regulatorischen Ansätzen experimentiert – einige funktionierten, viele scheiterten.Sie haben über internationale Standards debattiert, mit der Durchsetzung gekämpft und sich mit der Lücke zwischen technischer Möglichkeit und gesellschaftlicher Akzeptanz auseinandergesetzt.
Die KI - Community tut so, als wären wir die Ersten, die vor diesen Herausforderungen stehen.Das sind wir nicht.
Für Gottlieb: Wir integrieren Governance - Frameworks vom ersten Tag an in unsere Engineering - KI - Agenten – nicht als Compliance - Theater, sondern als Kernarchitektur.Bevor wir thermische Analysen oder Compliance - Checks automatisieren, fragen wir: Was könnte schiefgehen ? Wer ist verantwortlich ? Wie stellen wir sicher, dass die menschliche Handlungsfähigkeit im Mittelpunkt bleibt ?
Daniel de Boers Geschichte hat uns besonders beeindruckt.Als bei seinem neugeborenen Sohn Mukoviszidose diagnostiziert wurde, verließ er die Tech - Branche komplett, um ProQR zu gründen und RNA - Therapien für seltene Krankheiten zu entwickeln.Eine persönliche Tragödie wurde zu einer Mission.
Es hat uns daran erinnert, warum wir Gottlieb bauen: Wir haben gesehen, wie talentierte Ingenieure in repetitiver Compliance - Dokumentation ertrinken, während dringende Designprobleme ungelöst bleiben.Wir haben gesehen, wie Monate mit manueller thermischer Validierung verschwendet wurden, die Maschinen in Stunden erledigen könnten.Diese Verschwendung ist nicht nur ineffizient – sie ist zutiefst menschlich.Ingenieure wollen erschaffen, nicht Formulare ausfüllen.
Der Durchbruch in der Physik: Warum LLMs nicht ausreichen
Das Fireside Chat mit Yann LeCun(ehemaliger Chief AI Scientist bei Meta, jetzt Gründer und Executive Chairman von Advanced Machine Intelligence) und Marc Pollefeys(ETH Zürich) hat alles neu definiert, was wir über die Entwicklung von KI zu wissen glaubten.
Das Thema: Embodied AI – KI - Systeme, die durch Sensoren und Aktoren in der physischen Welt wahrnehmen, schlussfolgern und handeln.
Nicht - intuitive Erkenntnis #2: "Sprache ist einfach" – die reale Welt ist es nicht
Yann LeCuns provokanteste Behauptung: LLMs sind nicht der Weg zur AGI, weil "Sprache einfach ist".Während jeder den Erfolg von Sprachmodellen feiert, ist Sprache ein vereinfachter, niedrigdimensionaler Bereich.Die reale Welt ist hochdimensional, kontinuierlich und komplex.
Die Skalierung von Chatbots wird nicht zu allgemeiner Intelligenz führen.Das populäre Narrativ ist falsch.
Nicht - intuitive Erkenntnis #3: Der nächste Durchbruch kommt durch das Lernen aus Videos der realen Welt
Yann prognostiziert, dass der nächste große Sprung nicht von größeren Sprachmodellen kommen wird.Er wird kommen, wenn KI aus Videos der realen Welt lernen kann – und versteht, wie sich Objekte im physischen Raum bewegen, interagieren und verhalten.
Dies betrifft nicht nur die Robotik.Es betrifft jedes KI - System, das Ursache und Wirkung im physischen Raum verstehen muss.Genau das erfordert Engineering.
Für Gottlieb: Dies hat unsere gesamte These bestätigt.Engineering - KI kann nicht einfach nur Textmuster aus Handbüchern abgleichen.Sie muss verstehen:
- Wie sich Spannungen in Materialien unter Last ausbreiten
- Wie Wärme in thermischen Systemen übertragen wird
- Wie sich Fertigungstoleranzen in Baugruppen summieren
- Wie regulatorische Standards auf Design - Constraints abgebildet werden
Das sind keine Sprachprobleme.Das sind physikalische Probleme.
Nicht - intuitive Erkenntnis #4: Reinforcement Learning ist die "Kirsche auf der Torte", nicht der Kern
Yanns Rahmen für KI - Systeme:
- Unsupervised Learning(Weltmodelle): Der Großteil der Torte
- Supervised Learning: Eine dünne Schicht
- Reinforcement Learning: Die Kirsche obenauf – lediglich Feinabstimmung
Trial - and - Error - Lernen ist für reale Anwendungen zu ineffizient.Man kann Autofahren nicht durch Millionen von Unfällen lernen.Man kann Engineering nicht durch Millionen von fehlgeschlagenen Designs lernen.
Für Gottlieb: Unsere Engineering - Agenten werden primär lernen aus:
- Physik - Simulationen(unbeaufsichtigte Weltmodelle)
- Validierten Engineering - Datensätzen(überwachter Lernprozess)
- Experten - Feedbackschleifen(minimales RL für die Feinabstimmung)
Wir trainieren Agenten nicht durch Trial - and - Error in sicherheitskritischen Bereichen.Wir kodieren jahrzehntelanges Engineering - Wissen in Systeme, die menschliche Expertise erweitern.
AGI Night: Wenn Intelligenz sich von der Biologie entkoppelt
Die AGI Night im AI House Davos, moderiert von Jack Symes(Philosoph an der Durham University) mit Gary Marcus(NYU), Max Tegmark(MIT & Future of Life Institute), und Richard Socher(you.com), hat uns in unbequemes Terrain geführt.
Die Prämisse: Intelligenz ist nicht gespeichertes Wissen oder feste Muster.Es ist ein dynamischer, sich entwickelnder Prozess.Was passiert, wenn Intelligenz erweitert, beschleunigt oder von der Biologie entkoppelt wird ?
Nicht - intuitive Erkenntnis #5: Wir regulieren Fähigkeiten, die wir noch nicht verstehen
Richard Socher sprach einen kritischen Punkt zum EU AI Act an: Wir haben Grenzwerte für Parameter definiert, ohne zu wissen, welche Parameter wichtig sein werden.Wir regulieren zukünftige Fähigkeiten auf Basis unseres heutigen Verständnisses.
Das Spannungsfeld: Über - Regulierung erstickt Innovation.Unter - Regulierung ermöglicht katastrophale Folgen.
Es gibt keine einfache Antwort.Aber es gibt einen verantwortungsvollen Ansatz: Bauen mit Transparenz, Beibehalten menschlicher Aufsicht und Design von Systemen, die erklärbar und kontrollierbar sind.
Für Gottlieb: Wir agieren in regulierten Industrien(Automobil, Luftfahrt), in denen Compliance nicht optional ist.Unser Ansatz:
- Erklärbare KI - Ausgaben mit nachvollziehbarer Argumentation
- Human -in -the - loop - Validierung für kritische Entscheidungen
- Audit - Trails, die zeigen, wie Empfehlungen generiert wurden
- Notausschalter und Überwachungsmechanismen in der Kernarchitektur
Wir können nicht auf die perfekte Regulierung warten.Wir können Regulierung nicht ignorieren.Wir bauen Governance parallel zur Kapazität auf.
Nicht - intuitive Erkenntnis #6: Die härtesten Fragen sind nicht technischer Natur – es geht um Grenzen
Die AGI - Diskussion bewegte sich über technische Fähigkeiten hinaus in kulturelle, philosophische und spirituelle Dimensionen.Was bedeutet es, wenn eine neue Art von Geist an unserer Seite entsteht ? Wie verändert dies Kreativität, Sinn und die menschliche Evolution ?
Für uns ist die operative Version dieser Frage einfacher, aber nicht weniger kritisch: Wann automatisieren wir ? Wann erweitern wir ? Wann bestehen wir auf menschlichem Urteilsvermögen ?
Für Gottlieb: Wir bauen Werkzeuge, die menschliche Fähigkeiten erweitern, nicht das menschliche Urteilsvermögen ersetzen.Unsere Engineering - Agenten:
- Automatisieren: Repetitive Berechnungen, Compliance - Dokumentation, Standard - Validierungen
- Erweitern: Design - Exploration, Trade - off - Analysen, Interpretation von Vorschriften
- Überlassen Menschen: Finale Design - Entscheidungen, sicherheitskritische Freigaben, ethische Abwägungen
Dieser Unterschied ist wichtiger, als wir oft zugeben.
Gründer - Inspiration: Bauen mit Mission und Demut
Abseits der Panels kamen einige unserer wertvollsten Momente aus Gesprächen mit anderen Gründern.
**Deepak Pathak(Skild AI) **baut Foundation - Modelle für Robotik – KI, die über verschiedene Roboter und Aufgaben hinweg generalisieren kann.Sein Ansatz für verkörperte Intelligenz(Embodied Intelligence) bestärkte unseren Glauben, dass Engineering - KI aufgaben - spezifische Fundierung benötigt, keine generischen Fähigkeiten.
**Richard Socher(you.com) **erinnerte uns daran, dass der Aufbau transformativer Unternehmen sowohl technische Tiefe als auch Nutzer - Obsession erfordert.You.com hat nicht gewonnen, indem sie eine weitere Suchmaschine waren – sie gewannen, indem sie grundlegend neu dachten, wie Menschen mit Informationen interagieren.
**Daniel de Boers Weg **vom IT - Unternehmer zum Biotech - Gründer zeigte uns, dass die stärksten Unternehmen entstehen, wenn eine persönliche Mission mit technischer Kapazität und Marktbedarf übereinstimmt.
Nicht - intuitive Erkenntnis #7: Die besten Gründer sind Missionare, keine Söldner
Jeder Gründer, den wir trafen und der etwas Bedeutendes aufbaut, hat einen persönlichen Grund dafür.Es geht nicht um Exits oder Bewertungen.Es geht um das Lösen von Problemen, die sie nachts wachhalten.
Für uns ist es das Gefühl, zu sehen, wie Ingenieure Talent auf Aufgaben verschwenden, die Maschinen erledigen sollten.Es ist zu sehen, wie Innovationen durch Compliance - Bürokratie ausgebremst werden.Es ist das Wissen, dass die nächste Generation physischer Produkte – E - Autos, nachhaltige Flugzeuge, Fusionsreaktoren – 10x schnellere Engineering - Zyklen benötigen wird, als heutige Prozesse erlauben.
Das ist kein Pitch.Das ist unsere Realität.Deshalb bauen wir Gottlieb.
Der Geist des Dialogs: Was Davos richtig gemacht hat
Wir sind ehrlich: Wir kamen skeptisch an.Davos hat den Ruf, mehr Gerede als Taten zu sein, mehr Networking als Substanz.
Wir haben uns geirrt.
Was uns am meisten bewegt hat, waren nicht die Panels oder die Erkenntnisse.Es waren die Menschen.
Ingenieure, Wissenschaftler, Unternehmer, Politiker – aus der Automobilindustrie, Luftfahrt, Biotech, Robotik, Quantencomputing, Energie.Aus Deutschland, Chile, der Schweiz, den USA, Indien, Japan.Unterschiedliche Hintergründe, unterschiedliche Branchen, unterschiedliche Teile der Welt.
Doch alle teilten eines: das aufrichtige Engagement, etwas zu bewirken.Nicht performative Wirkung.Echte Wirkung.
In Gesprächen im AI House, beim Kaffee zwischen den Sessions, in nächtlichen Debatten über AGI – wir trafen Menschen, denen es zutiefst am Herzen liegt, Technologie zum Guten einzusetzen.Menschen, die mit denselben Fragen ringen wie wir: Wie bauen wir verantwortungsvoll ? Wie bringen wir Innovation und Sicherheit in Einklang ? Wie stellen wir sicher, dass transformative Technologien allen zugute kommen, nicht nur den Eliten ?
Nicht - intuitive Erkenntnis #8: Vielfältige Perspektiven sind kein "Nice-to-have" – sie sind essenziell für die Sicherheit
Jeder große technologische Fehler hat seine Wurzeln in blinden Flecken.Homogene Teams übersehen Grenzfälle, kulturelle Kontexte und unbeabsichtigte Folgen.
Das Gen - Editing - Panel brachte Perspektiven aus Großbritannien, den Niederlanden, Kanada und Chile zusammen.Die Diskussion über Embodied AI vereinte Experten für Computer Vision und Robotiker.Die AGI Night kombinierte Philosophen, KI - Forscher und Unternehmer.
Verschiedene Linsen offenbaren unterschiedliche Risiken und Chancen.
Für Gottlieb: Wir bauen für globale Engineering - Teams in den Sektoren Automobil, Luftfahrt und Industrie.Unsere Kunden sprechen verschiedene Sprachen, arbeiten in unterschiedlichen regulatorischen Umgebungen und stehen vor unterschiedlichen Herausforderungen.
Wir können nicht in einer Blase bauen.Wir brauchen vielfältige Stimmen, die unser Produkt vom ersten Tag an mitgestalten – nicht als Diversitäts - Checkbox, sondern als fundamentales Risikomanagement.
Wie Davos Gottlieb prägt
Wir haben Davos mit der Klarheit über fünf Prinzipien verlassen, die unser Handeln leiten werden:
1. Governance ist Produkt, nicht Politik
Wir kodieren Compliance - Frameworks, Sicherheitsprüfungen und menschliche Aufsicht in die Kernarchitektur unserer KI - Agenten.Governance ist kein separates Team, das Richtlinien schreibt – es sind Ingenieure, die Leitplanken in das Produkt einbauen.
2. Physik vor Mustern
Unsere Agenten werden physikalische Gesetze, Materialeigenschaften und Engineering - Constraints verstehen – nicht nur historische Dokumente abgleichen.Wir lernen von Yann LeCun und der Forschungsgemeinschaft: Die reale Welt erfordert andere Ansätze als die Sprache.
3. Expertise erweitern, nicht ersetzen
Ingenieure behalten die Handlungsfähigkeit.Unsere Agenten übernehmen repetitive Aufgaben und liefern Erkenntnisse.Menschen treffen finale Entscheidungen bei sicherheitskritischen Arbeiten.Die Grenze ist klar.
4. Von den regulatorischen Wegen benachbarter Branchen lernen
Gen - Editing, Pharmazie, Luftfahrt und Kernenergie haben die Herausforderung der "transformativen Technologie" bereits vor uns navigiert.Wir studieren ihre Erfolge und Fehler, um bessere Frameworks zu bauen.
5. Mission über Metriken
Wir lösen ein Problem, das wir selbst erlebt haben: Engineering - Talent, das auf Aufgaben verschwendet wird, die Maschinen erledigen sollten.Umsatz und Wachstum werden folgen, wenn wir das Problem tatsächlich lösen.Die Mission steht an erster Stelle.
Dankbarkeit
An das **Team des Weltwirtschaftsforums **: Danke für die Schaffung einer Plattform, auf der diese Gespräche stattfinden können.Der Geist des Dialogs ist nicht nur ein Thema – er ist gelebte Realität, wenn man diese Qualität vielfältiger Stimmen zusammenbringt.
An das **AI House Davos Team und die Organisatoren **: Ihr habt Raum für echte Verbindungen geschaffen, nicht nur für transaktionales Networking.Von den Panels bis zu den nächtlichen Debatten hat uns jeder Moment daran erinnert, warum diese Arbeit wichtig ist.Die Wirkung dessen, was ihr aufgebaut habt, wird weit über diese Woche hinaus Wellen schlagen.
An **jede Person, die wir getroffen haben **, die transformative Technologien entwickelt, erforscht, reguliert oder finanziert: Ihr Engagement, etwas zu bewirken, inspiriert uns, mit Zielstrebigkeit zu bauen, nicht nur mit Geschwindigkeit.
Was als Nächstes für Gottlieb ansteht
Wir arbeiten mit Hochdruck.Unser Fokus für die nächsten sechs Monate:
Produkt: Einführung unseres ersten domänenspezifischen Engineering - Agenten mit Fokus auf Automobil - Compliance - Dokumentation und thermische Validierung – die Workflows mit dem größten Schmerzpunkt, die wir in der Kundenanalyse identifiziert haben.
Kunden: Vertiefung der Beziehungen zu Tier - 1 - Automobilzulieferern und OEMs, die verzweifelt nach Produktivitätsgewinnen im Engineering suchen, ohne die Sicherheit zu gefährden.
Team: Gewinnung von Engineering - Talenten, die sowohl KI als auch physische Constraints verstehen – Menschen, die bereits reale Produkte in regulierten Industrien entwickelt haben.
Governance: Offene Veröffentlichung unseres KI - Governance - Frameworks – wie wir über Sicherheit, Erklärbarkeit, menschliche Aufsicht und verantwortungsvolle Einführung in sicherheitskritischen Bereichen denken.
Davos hat uns keinen Businessplan gegeben.Es hat uns etwas Besseres gegeben: Klarheit darüber, was wichtig ist.
Wir bauen KI für die physische Welt – wo Fehler Konsequenzen haben, Sicherheit nicht verhandelbar ist und menschliche Expertise unersetzlich bleibt.
Wir tun dies mit Demut, in dem Wissen, dass die härtesten Herausforderungen nicht technischer Natur sind.Es geht um Grenzen, Verantwortlichkeit und darum, sicherzustellen, dass Technologie dem menschlichen Gedeihen dient.
Und wir tun dies mit Dringlichkeit, weil die nächste Generation von Ingenieuren bessere Werkzeuge verdient als das, was heute existiert.
Wenn Sie im Bereich Physical AI, Embodied Systems oder Engineering - Automatisierung tätig sind – oder wenn Sie ein Ingenieur sind, der in Compliance - Dokumentation ertrinkt – lassen Sie uns reden.
Die Zukunft des Engineerings besteht nicht aus mehr Menschen, die die gleiche Arbeit tun.Es sind dieselben Menschen, die befähigt werden, Arbeit zu tun, die wirklich zählt.
Benjamin Eule ist Mitbegründer und CEO bei Gottlieb, ehemaliger VP und Director bei Mercedes - Benz und Daimler Truck, und derzeit Teilnehmer am Chief AI Officer Programm der University of Chicago Booth School of Business.
Dr.Noah Lee ist Mitbegründer und Präsident bei Gottlieb, ehemaliger Research Data Scientist bei Meta, mit einem PhD in biomedizinischer Technik.
Verfolgen Sie unsere Reise unter gottlieb.ai
