Danijar Hafner entwickelt KI-Agenten, die für das Unerwartete planen

Der 31-jährige KI-Forscher Danijar Hafner hat Google DeepMind im Herbst 2025 verlassen, um in San Franciscos SoMa-Viertel ein neues Startup im Stealth-Modus zu gründen.

Das Unternehmen konzentriert sich auf die Entwicklung von KI-Agenten, die in unbekannten Umgebungen vorausschauend planen und unerwartete Situationen bewältigen können. Die Technologie soll später in humanoiden Robotern verkörpert werden, die aus China importiert werden.

Hafner setzt auf modellbasiertes Reinforcement Learning. Dabei werden sogenannte Weltmodelle entwickelt – KI-Modelle, die die physikalische Realität emulieren. Innerhalb dieser Simulationen trainierte Agenten lernen, zukünftige Ergebnisse vorherzusagen. Hafner beschreibt diesen Prozess als „träumen oder sich vorstellen“.

Dieser Ansatz soll es ermöglichen, komplexe Aufgaben in der realen Welt auszuführen, ohne umfangreiches Trial-and-Error-Training in der physischen Umgebung.

Hafner hat zuvor bei Google Brain und DeepMind an einflussreichen Projekten gearbeitet. Zu seinen bekanntesten Entwicklungen zählen PlaNet, die Dreamer-Serie (Dreamer 2 bis 4) sowie DayDreamer. Diese Arbeiten demonstrierten Fortschritte bei vorausschauender Planung in Simulationen und der Übertragung auf reale Robotik.

Timothy Lillicrap, ehemaliger Manager bei Google DeepMind, bezeichnet Hafner als herausragenden Forscher.

Quelle: MIT Tech AI

FAQ

Welche Kerntechnologie nutzt Danijar Hafner für seine KI-Agenten?
Modellbasiertes Reinforcement Learning mit sogenannten Weltmodellen, die die physikalische Realität emulieren und vorausschauende Planung ermöglichen.

Was ist das Ziel des neuen Stealth-Startups?
Die Entwicklung von KI-Agenten, die in unbekannten Umgebungen navigieren und unerwartete Situationen meistern können, mit physischer Umsetzung durch humanoide Roboter.

Welche früheren Projekte hat Hafner maßgeblich geprägt?
PlaNet, Dreamer 2, Dreamer 3, Dreamer 4 und DayDreamer – Systeme, die Fortschritte bei der Planung in Simulationen und der Übertragung auf Roboter zeigten.