ChatGPT war nur der Anfang – die neue Generation von Künstlicher Intelligenz versteht nicht nur Sprache, sondern auch Bilder, Videos und physische Umgebungen. Damit beginnt die Ära der sogenannten „Embodied Intelligence“: Systeme, die sehen, verstehen und handeln.

In diesem Vortrag lernen Sie:
• Wie moderne multimodale Modelle wie GPT-4o, Gemini 2.0 oder Claude 3.5 Sprache, Bild und Ton kombinieren
• Wie Computer Vision 2025 funktioniert – vom Erkennen zum Verstehen von Szenen
• Wie Vision-Language-Modelle (VLMs) als Grundlage für autonome Roboter dienen
• Welche humanoiden Roboter heute bereits in Entwicklung oder vorbestellbar sind (z. B. X1 Robotics für ca. 20.000 €)
• Warum NVIDIA den Markt für humanoide Roboter bis 2050 auf über fünf Billionen US-Dollar schätzt

Anhand aktueller Beispiele aus Industrie, Logistik und Alltag zeigt der Vortrag, wie KI die Grenze zwischen digitaler und physischer Welt überschreitet – und warum Roboter längst keine Zukunftsvision mehr sind.

Förderung durch das Bayerische Staatsministerium für Unterricht und Kultus.