Zum Inhalt springen
The Future Explorervon Benjamin Talin
EnablertechnologischWatchlist

Selbstanpassendes maschinelles Lernen

Liquid Machine Learning

Diese Art von KI passt sich auch nach dem Einschalten weiter an. Die meisten KI-Modelle werden einmal trainiert und dann eingefroren. „Flüssige“ Netze, inspiriert vom Nervensystem eines winzigen Wurms, verändern dagegen ihre inneren Einstellungen, während neue Daten einströmen. Das passt zu kleinen Robotern und Drohnen, die auf Situationen treffen, die ihr Training nie gezeigt hat. Zudem sind die Modelle klein genug, um auf der Maschine selbst zu laufen. Noch ist das überwiegend Forschung.

Reife

TRL4
SRL5
Lücke−1

Nicht bewertet. Watchlist-Einträge fließen in keine Steigung ein. WKO Innovation Map 26/27 (2026)

Die meisten Modelle des maschinellen Lernens werden trainiert, eingefroren und in Betrieb genommen; danach ändern sie sich nicht mehr, bis jemand sie neu trainiert. Flüssige neuronale Netze verändern dagegen ihre eigenen Grundgleichungen, sobald neue Daten eintreffen, und passen sich so auch nach der Inbetriebnahme weiter an.

Reizvoll sind kleine Modelle, die sich unter wechselnden Bedingungen gut verhalten. Die Vorführungen stammen meist aus Steuerungstechnik und Robotik. Dort muss ein System mit Situationen zurechtkommen, die in seinen Trainingsdaten nicht vorkamen, und das Modell muss auf die Maschine selbst passen statt in ein Rechenzentrum.

Die technische Reife liegt bei 4, die gesellschaftliche knapp darüber. Das ist eine milde Form der Hype-Gefahr. Der Wunsch nach Modellen, die weiterlernen, eilt den Belegen für ihre Verlässlichkeit ein wenig voraus. Und ein System, das sich nach seiner Zertifizierung verändert, wirft eine Frage auf, die jede Sicherheitsbehörde stellen wird und noch keine beantwortet hat.

Verbreiteter Irrtum: Ständige Anpassung gilt vielen als schlicht besser. Doch bei einem Modell, das weiterlernt, garantiert das Verhalten der letzten Woche nicht das Verhalten von heute.

Möglicherweise verwandte Megatrends - ungeprüft

Ungeprüft. Abgeleitet aus dem WKO-Cluster dieser Technologie, nicht aus einer Bewertung der Technologie selbst. Ein Ausgangspunkt für die Prüfung, keine Behauptung.

Talin, B. (2026). Selbstanpassendes maschinelles Lernen. The Future Explorer, dataset v0.4.0 (16. November 2026). https://explorer.talin.digital/e/liquid-machine-learning/