Blue Origin entwickelt Mondhardware mit eigenen KI-Agenten

Viele KI-Projekte in Großunternehmen beginnen mit einem generischen Modell und einem Pilotprojekt, das in einer einzigen Abteilung bleibt. Blue Origin hat einen anderen Weg gewählt.

Das Raumfahrtunternehmen hat BlueGPT aufgebaut, eine interne Plattform, auf der Mitarbeitende ihre eigenen KI-Agenten erstellen. Laut der von AWS veröffentlichten Case Study^[1] laufen dort mehr als 2.000 Agenten. Am häufigsten wird TEAREx als Ergebnis genannt, ein Bauteil für den Mond, das in wenigen Tagen von der Idee bis zum 3D-Druck kam.

AWS und Blue Origin melden eine um 75 % schnellere Entwicklung der Mondhardware.

Das nötige Wissen steckt im Unternehmen

Blue Origin ist das Raumfahrtunternehmen von Jeff Bezos. The Atlantic beschreibt sein Duell mit Elon Musk in einem ausführlichen Porträt des Wettlaufs ins All^[2].

Ein Bauteil, das auf dem Mond arbeitet, muss die Mondnacht überstehen. Die Case Study erinnert daran, dass sie 14 Erdtage dauert, mit Dunkelheit und extremer Kälte.

Die größere Hürde lag aber woanders. Das praktische Wissen für die Konstruktion solcher Bauteile liegt in internen Datenbanken und in den Köpfen erfahrener Ingenieurinnen und Ingenieure. In Fachbüchern und öffentlichen Daten findet es sich nicht. Deshalb wissen Basismodelle wenig über thermische Batterien oder über die Gewinnung von Regolith, dem Staub, der die Mondoberfläche bedeckt.

Dazu kommen strenge Vorgaben zu Sicherheit, Handel und Exportkontrolle, also den gesetzlichen Grenzen für den Verkauf sensibler Technologien ins Ausland.

Will Brennan, Vice President Enterprise Technology bei Blue Origin, sagt, die erste Generation generativer KI habe vor allem bei Routineaufgaben geholfen. Blue Origin habe aber eine KI gebraucht, die «die Spezialarbeit tatsächlich erledigt», so Brennan.

Mit dem klassischen Vorgehen zogen sich die Entwicklungszyklen über Jahre hin. Kleine Expertenteams gingen Schritt für Schritt von den Anforderungen über die Simulationen bis zu den Prototypen.

Eine Plattform für die Fachleute

Blue Origin hat darauf mit einer Plattform geantwortet, nicht mit einem einzelnen Tool.

BlueGPT besteht aus drei Bausteinen.

• Ein abgesicherter Zugang zu den Sprachmodellen, der die Daten filtert.
• Ein interner Katalog, in dem jedes Team seine Agenten veröffentlicht und die Agenten anderer Teams wiederverwendet.
• Ein System, mit dem mehrere Agenten an derselben Aufgabe zusammenarbeiten.

Die Basis bilden AWS-Dienste. Mit Strands Agents SDK werden die Agenten entwickelt, Amazon Bedrock bringt sie in den Betrieb und stellt den Zugang zu den Modellen bereit. Amazon EKS betreibt sie, und Amazon OpenSearch hilft ihnen bei der Suche in internen Dokumenten.

Hier liegt aus meiner Sicht der entscheidende Schritt. Wer den Prozess kennt, baut den Agenten, und die IT stellt ihm dafür einen sicheren Rahmen bereit.

Die präsentierten Zahlen

Alle folgenden Angaben stammen aus der Case Study von AWS^[1], also vom Anbieter der Technologie.

• Tempo: Die Entwicklung der Mondhardware ist um 75 % schneller.
• Verbreitung: 70 % der Mitarbeitenden sind an der KI-Innovation beteiligt.
• Umfang: Mehr als 2.000 KI-Agenten laufen auf BlueGPT.
• Zeitrahmen bei TEAREx: Wenige Tage von der Idee bis zum 3D-gedruckten Bauteil, statt Jahre wie beim klassischen Vorgehen.

Blue Origin bezeichnet TEAREx als weltweit erste Hardware für die Mondoberfläche, die von KI-Agenten konstruiert wurde. Das ist die Einschätzung des Unternehmens, wiedergegeben von AWS.

75 % von was?

An diesem Punkt wird die Geschichte lehrreich.

Die 75 % werden ohne angegebene Vergleichsbasis genannt. Wer sie einordnen will, sucht nach dem Vergleichsprojekt, dem gemessenen Zeitraum und der Berechnungsmethode.

Dasselbe gilt für die 70 % der Mitarbeitenden. Offen bleibt, was als Beteiligung zählt.

Auch der Sprung «von Jahren auf Tage» vergleicht ein neues Bauteil mit einem historischen Durchschnitt. Es fehlen eine Kontrollgruppe und eine externe Prüfung. Bis es eine solche Prüfung gibt, bleiben es Ergebnisse, die Kunde und Anbieter selbst melden.

Vier Schritte im kleineren Maßstab

Ein kleineres Unternehmen kann die Struktur dieses Vorgehens übernehmen.

1. Halten Sie fest, wo das Wissen liegt, das öffentlichen Modellen fehlt: in Archiven, Datenbanken und bei internen Fachleuten.
2. Richten Sie einen zentralen, abgesicherten Zugang zu den Modellen ein, bevor Sie Agenten einführen, mit den Regeln zu Daten und Exportkontrolle von Anfang an integriert.
3. Starten Sie einen internen Katalog, in dem jedes Team seine Agenten veröffentlicht und die anderen sie wiederverwenden.
4. Legen Sie die Kennzahl vor dem Start fest, zum Beispiel die durchschnittliche Zeit von der Idee bis zum Prototyp bei vergleichbaren Projekten.

Diesen vierten Schritt lässt die Darstellung von Blue Origin offen.

Die Frage an Ihr Unternehmen

Können in Ihrem Unternehmen die Menschen, die einen Prozess am besten kennen, ihren eigenen KI-Agenten bauen? Und an welcher Zahl werden Sie erkennen, dass er funktioniert?