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

Schutz von Ingenieurskompetenzen im KI-Zeitalter: Warum Effizienz die nächste Generation von Experten gefährden könnte
Branchennachrichten

Schutz von Ingenieurskompetenzen im KI-Zeitalter: Warum Effizienz die nächste Generation von Experten gefährden könnte

In einem aktuellen Gastbeitrag warnt der Systemingenieur Richard Mitchell davor, dass die durch Künstliche Intelligenz gewonnene Effizienz langfristig die Ausbildung hochqualifizierter Experten untergraben könnte. Mitchell, Gründer und CEO von AuraSpark Technologies, zieht Parallelen zu sicherheitskritischen Branchen wie der Luftfahrt und der Kernkraft. Diese Industrien haben bereits erfahren, wie eine zu starke Abhängigkeit von Automatisierung die menschlichen Fähigkeiten schwächen kann. Der Artikel analysiert die Notwendigkeit, trotz des Einsatzes moderner KI-Werkzeuge die grundlegenden Kompetenzen der nächsten Generation von Ingenieuren zu bewahren, um die Sicherheit und Innovationskraft in komplexen Systemen nicht zu gefährden.

Analyse von 17.000 Testläufen: Wie Claude, Codex und Cursor Tools in der Softwareentwicklung auswählen
Branchennachrichten

Analyse von 17.000 Testläufen: Wie Claude, Codex und Cursor Tools in der Softwareentwicklung auswählen

Eine umfassende Untersuchung von Armature.tech analysiert das Entscheidungsverhalten von KI-Coding-Agenten wie Claude, Codex und Cursor bei der Tool-Auswahl. In über 17.000 Experimenten wurde untersucht, wie diese Agenten Drittanbieter-Dienste in bestehende Codebasen integrieren. Die Studie basiert auf 75 speziell erstellten Repositories in zehn Programmiersprachen, die reale Unternehmensumgebungen simulieren. Durch den Einsatz von vier verschiedenen Benutzerprofilen – vom vagen „Vibe-Coder“ bis zum präzisen Konzern-Ingenieur – wurde getestet, wie unterschiedliche Anforderungsniveaus und spezifische Constraints wie Kosten oder Nutzungsvolumen die Ergebnisse beeinflussen. Die Methodik umfasst statistisch bereinigte Daten aus tausenden GitHub-Repositories, um ein realistisches Bild der aktuellen Softwarelandschaft zu zeichnen und die Autonomie der KI-Modelle unter realen Bedingungen zu bewerten.

Cerebras integriert Qwen 3.8 27B: Extrem schnelle KI-Inferenz mit 1500 Token pro Sekunde auf öffentlichen Endpunkten
Branchennachrichten

Cerebras integriert Qwen 3.8 27B: Extrem schnelle KI-Inferenz mit 1500 Token pro Sekunde auf öffentlichen Endpunkten

Cerebras hat die Verfügbarkeit des Modells Qwen 3.8 27B auf seiner Inferenz-Plattform bekannt gegeben. Mit einer Verarbeitungsgeschwindigkeit von rund 1500 Token pro Sekunde setzt der Anbieter neue Maßstäbe für die Performance von Open-Source-KI-Modellen mit 27 Milliarden Parametern. Das Modell ist über öffentliche Endpunkte sowohl in kostenlosen Testversionen als auch in Pay-as-you-go-Tarifen zugänglich. Ein besonderes Merkmal der Bereitstellung auf Cerebras ist die Verwendung unbeschnittener Originalmodelle (unpruned), um die maximale Qualität zu erhalten. Durch innovative Techniken wie selektive Weight-only-Quantisierung und die Verarbeitung sensibler Layer in voller Präzision kombiniert Cerebras extreme Geschwindigkeit mit hoher Genauigkeit. Nutzer profitieren zudem von flexiblen Kontextfenstern, die je nach Tarif bis zu 128k Token umfassen.