AI Leaders A: WKN A2P37J | AI Leaders C: WKN A2PF0M
AI Leaders A: WKN A2P37J
AI Leaders C: WKN A2PF0M
AI Leaders C: WKN A2PF0M
AKTUELLE NEWS AUS DER KI-WELT
AI LEADERS – Der Fonds
Sehr geehrte Investoren und Freunde,
Der AI Leaders startete mit einem Minus von 9,37 % (Stand: 31.03.2025) im Jahr 2025, nachdem die letzten Jahre mit +37,42 % und +23,44 % abgeschlossen wurden. Das Fondsvolumen liegt aktuell bei 105 Mio. Euro.
Im Vergleich zu Allianz und Wisdom Tree zeigt sich die Stärke der eingesetzten KI (Topas von ELAN Capital) zur Risikokontrolle. Durch die Reduzierung der Subportfolios Semiconductor und Cloud konnten stärkere Kurskorrekturen verhindert werden. Der Anteil von Technologie im Portfolio liegt nur noch bei rund 47 %.
Verlängert man den Betrachtungszeitraum zum Starttermin von TOPAS zeigt sich ein noch deutlicherer Unterschied.
Das Ziel mit dem AI Leaders, das beste Risiko-Ertragsprofil im Vergleich aller KI Aktienfonds zu erreichen, wurde erfolgreich umgesetzt.
Rendite-Risiko-Diagramm (seit 01.09.2022)
Nicht anders sieht der Vergleich zum S&P 500 aus. Im Abschwung liegen beide Fonds auf vergleichbarem Niveau. Seit der Integration unserer KI TOPAS zur Risikokontrolle, am 1. September 2022, liegt der AI Leaders aber deutlich vor dem S&P 500.
Ländergewichtung
Den größten Anteil stellen US-Aktien mit 66 %, gefolgt von Euroland mit 15 %, Japan mit 7 % und der Schweiz mit 3,8 % dar.
Vergleichbare Fonds investieren meist deutlich über 80 % in den USA.
Top 10
Bei den Top 10 gibt es bedingt durch die Wertentwicklung und Portfolioanpassungen immer wieder Veränderungen. Von den bekannten glorreichen 7 findet man nur noch Meta unter den Top 10.
Mit GR00T N1 wird Nvidia die gesamte Wertschöpfungskette der Robotik kontrollieren
Bild: Nvidia
Auf der GTC 2025 präsentierte Nvidia mit GR00T N1 sein erstes offenes Foundation-Modell für humanoide Roboter. Das auf einer zweistufigen Architektur basierende System soll Robotern generalisierte Denk- und motorische Fähigkeiten vermitteln. Die Wurzeln des Projekts reichen zurück zu früheren KI-Agenten wie Voyager und Eureka.
„Das Zeitalter der generalistischen Robotik ist da“, verkündete Nvidia-CEO Jensen Huang auf der GTC 2025. Mit dem neu vorgestellten Isaac GR00T N1 präsentierte das Unternehmen sein erstes offenes Foundation-Modell für humanoide Roboter. Laut Nvidia soll das Modell Robotern generalisierte Denk- und motorische Fähigkeiten vermitteln – ähnlich wie große Sprachmodelle dies im Bereich der natürlichen Sprachverarbeitung getan haben.
Das vortrainierte Modell wurde für verschiedene Roboterplattformen konzipiert und kann von Entwicklern für spezielle Hardware oder Aufgaben angepasst werden. Zu den Basisfähigkeiten gehören das Greifen und Bewegen von Objekten, die Manipulation mit beiden Händen sowie das Öffnen von Türen. Derzeit konzentriert sich GR00T N1 hauptsächlich auf kurzfristige Tischmanipulationsaufgaben.
Zwei-System-Architektur für „Denken“ und „Handeln“
Technisch basiert GR00T wie Figures Helix auf einer Dual-System-Architektur: System 2 übernimmt die kognitiven „langsamen“ Prozesse wie Wahrnehmung, Überlegung und Planung. Es handelt sich dabei im Wesentlichen um ein Vision-Language-Modell mit Gedächtnis- und Planungsfähigkeiten.
System 1 ist dagegen für die „schnellen“ motorischen Prozesse zuständig – vergleichbar mit Reflexen oder Muskelgedächtnis. Als hochfrequentes Motorsteuerungsnetzwerk setzt es die Pläne von System 2 in kontinuierliche Echtzeit-Steuersignale um.
Wenn ein GR00T-gesteuerter Roboter beispielsweise die Aufgabe erhält, eine Box vom Regal zu holen, analysiert System 2 die Szene, versteht die Anfrage und entwickelt eine Sequenz von Schritten. System 1 übernimmt dann die Ausführung – es erzeugt den tatsächlichen Gang zum Regal und koordinierten Arm und Hand zum Greifen der Box.
Das Training erfolgt durch eine Kombination verschiedener Methoden: Reinforcement Learning in der Simulation ermöglicht autonome Fähigkeitsentdeckung, während Imitation Learning durch menschliche Demonstrationen sicherstellt, dass der Roboter menschenähnliche Verhaltensweisen erlernt.
Die Datenherausforderung: Simulation statt realer Tests
Eine zentrale Herausforderung beim Training verkörperter KI-Modelle ist der enorme Datenbedarf. Da sich dieser nicht allein durch reale Roboterversuche bedecken lässt, setzt Nvidia stark auf Simulation und synthetische Daten. Mit Omniverse und Isaac Sim können unterschiedlichste Umgebungen simuliert werden.
Für das Training nutzt Nvidia seinen Simulator Isaac Lab, der tausende parallele Robotersimulationen ermöglicht. Die sogenannte Sim2Real-Lücke zwischen simuliertem und realem Verhalten ist zwar in den letzten Jahren kleiner geworden, aber noch nicht vollständig überwunden.
Neben dem Grundmodell stellt Nvidia ein ganzes Ökosystem bereit: Die Newton Physics Engine, entwickelt in Zusammenarbeit mit Google DeepMind und Disney, bildet das Fundament für physikalische Simulationen. Verschiedene Workflow-Blueprints wie GR00T-Teleop für Teleoperation oder GR00T-Dexterity für feinmotorische Manipulation sollen Entwicklern die Integration erleichtern.
Nvidia arbeitet auch mit führenden Robotik-Startups wie 1X Technologies zusammen, dessen Humanoid „NEO“ auf der GTC 2025 einen Raum aufräumte.
Jim Fan: Vom Minecraft-Bot zum humanoiden Roboter
Das Projekt GR00T wird von Jim Fan geleitet, der Nvidias Generative Embodied-AI-Forschungsgruppe (GEAR) leitet. Fan, der bei der renommierten KI-Forscherin Fei-Fei Li an der Stanford University promovierte, formulierte seine Vision deutlich: „Wenn wir glauben, dass es einmal so viele intelligente Roboter wie iPhones geben wird… sollten wir heute besser damit beginnen, daran zu arbeiten.“
Fan prognostiziert einen bedeutenden Durchbruch bei Roboter-Grundlagenmodellen in den nächsten zwei bis drei Jahren, vergleichbar mit dem „GPT-3-Moment“ in der Sprachverarbeitung. Er betont jedoch, dass der Weg bis zum Einsatz von Robotern im Alltag länger sein werde: „Um Roboter in den Alltag der Menschen zu bringen, gibt es viele Aspekte jenseits der Technik. Die Roboter müssen erschwinglich und in Massenproduktion herstellbar sein.“
Fan sieht in humanoiden Robotern großes Potenzial: „Die Welt ist auf die menschliche Verkörperung ausgerichtet. Alle unsere Restaurants, Fabriken, Krankenhäuser sowie Geräte und Werkzeuge sind für die menschliche Form und die menschlichen Hände konzipiert.“
Minecraft-Agent Voyager und Eureka
Das Projekt GR00T wird von Jim Fan geleitet, der Nvidias Generative Embodied-AI-Forschungsgruppe (GEAR) leitet. Fan, der bei der renommierten KI-Forscherin Fei-Fei Li an der Stanford University promovierte, formulierte seine Vision deutlich: „Wenn wir glauben, dass es einmal so viele intelligente Roboter wie iPhones geben wird… sollten wir heute besser damit beginnen, daran zu arbeiten.“
Fan prognostiziert einen bedeutenden Durchbruch bei Roboter-Grundlagenmodellen in den nächsten zwei bis drei Jahren, vergleichbar mit dem „GPT-3-Moment“ in der Sprachverarbeitung. Er betont jedoch, dass der Weg bis zum Einsatz von Robotern im Alltag länger sein werde: „Um Roboter in den Alltag der Menschen zu bringen, gibt es viele Aspekte jenseits der Technik. Die Roboter müssen erschwinglich und in Massenproduktion herstellbar sein.“
Fan sieht in humanoiden Robotern großes Potenzial: „Die Welt ist auf die menschliche Verkörperung ausgerichtet. Alle unsere Restaurants, Fabriken, Krankenhäuser sowie Geräte und Werkzeuge sind für die menschliche Form und die menschlichen Hände konzipiert.“
CUDA-Strategie für die Robotik
Nvidias Ansatz scheint damit insgesamt dem erfolgreichen Muster der CUDA-Plattform zu folgen. Das Unternehmen kontrolliert die gesamte Wertschöpfungskette von Hardware bis Software und positioniert GR00T als potenziellen Standard für Roboter-KI.
Im Vergleich zu ähnlichen Projekten wie Google DeepMinds Robotic Transformer, dem die vollständige Plattformintegration fehlt, oder Teslas geschlossenem Optimus-Projekt setzt Nvidia auf ein offenes Ökosystem. Ähnlich wie bei CUDA macht das Unternehmen zentrale Komponenten öffentlich verfügbar, behält aber die Kontrolle über kritische Elemente wie die Hardware-Optimierung.
Die Strategie zielgerichtet wohl auch darauf ab, einen nachhaltigen Markt für Nvidias Chips zu schaffen. Jeder GR00T-basierte Roboter benötigt leistungsstarke Nvidia-Hardware sowohl für Training als auch Betrieb. Gleichzeitig fließen wertvolle Nutzungsdaten zurück in das Ökosystem.
Zusammenfassung
- Nvidia hat auf der GTC 2025 mit GR00T N1 sein erstes offenes Foundation-Modell für humanoide Roboter vorgestellt, das auf einer zweistufigen Architektur basiert: System 2 übernimmt kognitive Prozesse wie Planung, während System 1 für motorische Steuerung zuständig ist.
- Das Modell wurde für verschiedene Roboterplattformen konzipiert und beherrscht Basisfähigkeiten wie das Greifen von Objekten und beidhändige Manipulation. Für das Training nutzt Nvidia hauptsächlich Simulationen mit Isaac Lab, da echte Roboterversuche nicht ausreichen würden.
- Das Projekt wird von Jim Fan geleitet, der in den nächsten Jahren einen wichtigen Fortschritt bei Roboter-Grundlagenmodellen erwartet. Die Wurzeln von GR00T reichen zurück zu früheren KI-Agenten wie dem Minecraft-Bot Voyager und Eureka, einem System zur Optimierung des Robotertrainings.
Herzliche Grüße aus Stuttgart
Tilmann Speck
Christian Hintz
Gerd Schäfer