Sehr geehrte Investierende und Freunde/Freundinnen von APUS Capital,

wenn man früher in der Schule „in die Ecke gestellt wurde“, dann war das eine Strafe für unangebrachtes Verhalten. Der Schüler musste oft mit dem Gesicht zur Wand so lange warten, bis der Lehrer ihn davon erlöste. Diese Strafe, die inzwischen in Deutschland verboten ist, war in ihrem pädagogischen Wert sicher zweifelhaft und für den Betroffenen alles andere als erfreulich. Wenn man künstliche Intelligenz in die „Ecke bringt“ ist das hingegen etwas sehr Vorteilhaftes. Die kleinen, dezentralen KI-Systeme werden uns zahlreiche neue Produkte und Anwendungen im professionellen wie auch im privaten Bereich bescheren und neue, stark wachsende Absatzmärkte entstehen lassen. Viele KI-Agenten (siehe unseren Investorenbrief von Juli 2025) werden nicht in großen LMM-Modellen wie ChatGPT, sondern in lokalen, verteilten Endgeräten zum Einsatz kommen. Sie werden dabei die Effizienz und Einsatzmöglichkeiten vieler traditioneller Technologien deutlich erhöhen bzw. ausweiten. Dezentrale KI wird einen wichtigen Beitrag dazu leisten, dass künstliche Intelligenz unsere Welt in den kommenden Dekaden so massiv verändern wird wie kaum eine Technologie davor. Damit ist und wird „Edge AI“ auch ein interessantes Investmentthema, das wir im Folgenden etwas genauer beleuchten möchten.

Was bedeutet „Edge AI“ konkret? 

Quelle: Whitepaper „Edge AI: KI nahe am Endgerät“, Lernende Systeme – die Plattform für künstliche Intelligenz, Darstellung: APUS Capital GmbH

Bei dezentralen KI-Systemen werden die Analyse der Daten und die daraus entstehenden Entscheidungen vor Ort getätigt. Das heißt: Kleine, energieeffiziente für spezielle Anwendungen optimierte KI-Lösungen laufen auf dezentralen Rechnern und fällen dabei Entscheidungen in Echtzeit. Sie bewegen sich dabei in der Regel nicht im „luftleeren Raum“ sondern sind häufig Teil einer „Multi-KI-Agenten“-Lösung, die zeitnah die dezentralen KI-Ergebnisse zusammenfasst und aufeinander abstimmt. Ein Beispiel hierfür ist das Steuerungssystem eines autonom fahrenden Autos, das die Informationen aus den verschiedenen KI-optimierten Sicherheits-Technologien wie Kamera, Radar oder Lidar, Motor und Navigationsinformationen wie auch externe Informationen anderer Verkehrsteilnehmer und der Straßeninfrastruktur koordiniert. Diese Daten werden dann über die Cloud wiederum in großen AI-Modellen zur Verkehrssteuerung genutzt. Umgedreht kommen die cloudbasierten LLM-AI-Modelle auch beim Training und der Entwicklung kleiner, dezentralen KI-Lösungen zum Einsatz. Mit anderen Worten, die AI-Systeme der Zukunft sind keine Insellösungen, sondern große Netzwerke, die sich über verschiedene Anwendungsebenen erstecken. 

Was sind die Vorteile von „Edge AI“?

Aktionen in Echtzeit

Der größte Vorteil einer dezentralen KI ist sicher die deutlich schnellere Datenauswertung und Umsetzung von Entscheidungen. Für viele Anwendungen ist eine Reaktion in Echtzeit notwendig. Dies können die großen cloudbasierten AI-Modelle nicht leisten. Als Beispiele für Bereiche, in denen eine möglichst kurze Reaktionszeit benötigt wird, wären autonomes Fahren, humanoide Roboter, Fertigungsmaschinen aber auch medizinische Geräte, die lebenswichtige Funktionen steuern oder kontrollieren, zu nennen.

Deutlich niedrigere Kommunikationskosten / Entlastung der Netze

Dadurch, dass Entscheidungen vor Ort getroffen werden und nur aggregierte, relevante Daten von den Endpunkten an zentrale KI-Systeme gesendet werden, verringert sich der Bedarf an Bandbreite deutlich. Das verhindert eine Überlastung der Netze und spart erhebliche Kosten.

Datenschutz und -sicherheit

Indem die meisten Daten lokal bleiben, verringern sich die Angriffsflächen für Cyberkriminelle. Das verbessert die Sicherheit beim Einsatz von KI in Industrieanlagen, kritischer Infrastruktur oder Verteidigungseinrichtungen. Auch unter Compliance Gesichtspunkten ist der dezentrale Ansatz vorteilhaft, da zum Beispiel Gesundheitsdaten die Endgeräte nicht verlassen.

Zuverlässigkeit und Resilienz  

Dezentrale KI-Systeme funktionieren auch bei schlechter oder unterbrochener Internetverbindung. Dies ist für den Einsatz in Fabriken oder beim autonomen Fahren eine entscheidende Voraussetzung für den Einsatz von KI. Auch der Ausfall eines Rechenzentrums führt bei dezentralen KI-Systemen nicht zum Stillstand.

Energieersparnis

Der Energieverbrauch ist dank der für dezentrale Anwendungen optimierten Hard-/Software deutlich geringer als in den großen LLM-Cloud KI Modellen. Da durch Edge-AI nur eine deutlich verringerte Datenmenge an die energiehungrigen Cloud Systeme geht, ist eine vernetzte KI-Lösung auch insgesamt deutlich energieeffizienter. Dezentrale KI-Lösungen tragen damit dazu bei, das aktuell größte Problem beim Ausbau von KI-Systemen zu lösen: den enormen Energiebedarf der großen Rechenzentren.

Mögliche Nachteile / Herausforderungen dezentraler KI-Lösungen

Natürlich gibt es auch bei dezentralen KI-Einsätzen Nachteile und Einschränkungen, die sich häufig aus der hohen Anzahl von KI-Endpunkten ergeben:

Technische Limitierung

Die vergleichsweise geringen Rechner-, Speicher und Energie-Ressourcen begrenzen die Anwendungsmöglichkeiten der lokalen KI-Systems. Das ist allerdings der Grundidee des dezentralen Ansatzes geschuldet. Große, komplexe Probleme werden auch in Zukunft von den dafür gedachten Cloud Modellen gelöst. „Man nutzt ja auch keine Mopeds, um Schwertransporte durchzuführen“.

Komplexität und Management

Der Rollout wie auch die Kontrolle von tausenden KI-basierter Endgeräten wie zum Beispiel in größeren Fertigungsbetrieben stellt eine Herausforderung dar. Auch muss die optimale Arbeitsteilung zwischen Endpunkt-KI, Zwischen-Servern und großen Cloud Systemen gefunden und umgesetzt werden. Die Wartung und das Einspielen von Modell Upgrades ist ebenfalls nicht trivial.

Robustheit und physische Angreifbarkeit

Die oft schwierigen Umweltbedingungen (Wärme, Vibration, Licht) stellen erhöhte Anforderungen an die Hard-/Software. Da die Endgeräte oft frei zugänglich sind, sind sie zudem anfälliger für manuelle Manipulationen als Server in Rechenzentren.   

Ein großer Teil der aufgeführten Nachteile bezieht sich allerdings auf dezentrale Anwendungen im industriellen Stil. Für die Nutzung in autonomen Fahrzeugen, Robotern oder medizinischen Geräten, die ständig von Patienten bei sich getragen werden, spielen diese Einschränkungen oft keine oder nur eine untergeordnete Rolle. Für diese Anwendungen ist Edge AI zudem meistens alternativlos, da sie sinnvoll nur „vor Ort“ gesteuert werden können.

Darüber hinaus wächst der Robotereinsatz in medizinischen Laboren, im Diagnosebereich und bei medizinischen Servicerobotern (zur Patientenüberwachung, Medikamentengabe und Desinfektion) stark Zusammenfassend kann man sagen: Edge AI bringt KI-Anwendungen und damit „Intelligenz“ in nahezu alle Lebensbereiche. Das „Internet der Dinge“ bekommt hierdurch eine völlig neue Dimension. Von „dummen Datensammlern“ werden IoT-Endpunkte zu autonomen, selbst handelnden Geräten. Diese „Edge-KI-Agenten“, die vor Ort planen, handeln und sich mit Ihren „Nachbarn“ abstimmen, stellen einen Paradigmenwechsel beim Thema IoT dar!

Dezentrale KI wird auch für uns im Privatbereich eine zunehmend größere Bedeutung bekommen. Viele Anwendungen und KI-Agenten werden nur auf KI-Systemen basieren, die auf unseren Smartphones, Laptops oder PCs installiert sind. Da die notwendige Hardware (leistungsfähige Sensoren, stromsparende, effiziente Prozessoren etc.) und ressourcenschonende Software weitgehend zur Verfügung stehen, müssen diese nun in sinnvolle Anwendungen umgesetzt werden. Hierfür lassen sich in nahezu allen Lebensbereichen spannende Einsatzmöglichkeiten finden. Neben der schon öfters erwähnten Fabrikautomation, autonomen Fahrzeugen, humanoiden Robotern oder medizinischen Geräten kann Edge Ai auch sehr gut im „Smart Home“, im Handel (automatische Warenerkennung, Inventur in Echtzeit, kassenlose Geschäfte), beim Sport oder in der Landwirtschaft (Smart Farming) zum Einsatz kommen. Der Fantasie für die Nutzung dezentraler KI sind keine Grenzen gesetzt. Ähnlich wie bei Apps auf dem Smartphone wird es eine nahezu unüberblickbare Anzahl an Anwendungsmöglichkeiten geben.

Sehr geehrte Investierende und Freunde/Freundinnen von APUS Capital,

künstliche Intelligenz wird unsere Welt dramatisch verändern. Auch wenn uns nicht alle daraus entstehenden Veränderungen gefallen und größere gesellschaftliche Umbrüche, insbesondere in der Arbeitswelt, die Folge sein werden. KI bringt einen großen Produktivitätsschub und wird neue Anwendungsmärkte kreieren. In vielen Bereichen befinden wir uns dabei erst am Anfang der Entwicklung. So soll allein der Edge KI Markt von aktuell 20 bis 30 Mrd. USD bis Anfang der 2030er Jahre auf 120 bis 270 Mrd. USD zunehmen, was einer jährlichen Wachstumsrate von 19% bis 27% entspricht. Von diesem Wachstum werden etablierte Unternehmen, aber sicherlich auch viele „Newcomer“ profitieren. Wie beim gesamten KI-Komplex werden sich bei „Edge AI “ zahlreiche spannende Investitionsmöglichkeiten ergeben. Sei es direkt durch neue Anwendungen oder bei den hierzu notwendigen Hardware-, Halbleiter- oder Softwarekomponenten. Die auf KI basierenden Veränderungen werden durch die aktuellen geopolitischen Brandherde und protektionistischen Bewegungen nicht aufgehalten, sondern schlimmstenfalls etwas abgebremst. Dafür sind die damit verbundenen wirtschaftlichen Vorteile einfach zu stark. KI stellt für fundamental orientierte Investoren eine Chance dar, die sich bestenfalls nur alle paar Jahrzehnte ergibt. Wir fühlen uns daher mit unserem auf die „Gewinner der Veränderungen“ basierenden Investmentansatz weiter richtig aufgestellt, insbesondere wenn hiervon zunehmend kleinere und mittlere Firmen profitieren sollten.    

Mit besten Grüßen von den Mauerseglern aus Frankfurt!

Jürgen Kaup, Stefan Meyer, Johannes Ries und Uwe Schupp