Agentic Engineering statt besserer Modelle im Bereich Physical AI

Peter Ludwig, Mitgründer und CTO von Applied Intuition, argumentiert, dass der nächste große Wettbewerbsvorteil bei Physical AI darin liegt, Engineering-Systeme – darunter Validierung, Integration, Deployment und Operations – ebenso agentenbasiert und intelligent zu gestalten wie die zugrundeliegenden Modelle selbst. Er betont, dass reine Modellqualität allein die Lücke zwischen theoretischer Leistungsfähigkeit und zertifizierten, im Feld eingesetzten Maschinen nicht schließen kann. Stattdessen hängt der Branchenfortschritt von Agentic-Plattformen ab, die auf Simulation, Telemetrie, Validierungswerkzeugen und Governance basieren. Applied Intuition hat eine interne Plattform namens Dana entwickelt, die Entwicklungszyklen um das etwa 20-Fache beschleunigte, die Deployment-Frequenz von wöchentlich auf mehrmals täglich steigerte und über tausend interne Apps und Agenten ermöglichte. Ludwig plädiert dafür, Frontier-Modelle mit schnelleren, agentenbasierten Engineering-Systemen zu kombinieren, um einen sich selbst verstärkenden Lern-Flywheel-Effekt für Physical AI zu erzeugen.