Connect with us

Künstliche Intelligenz

DeepSeek-OCR: Bilder vereinfachen Texte für große Sprachmodelle


Viele Unternehmensdokumente liegen zwar als PDFs vor, sind aber häufig gescannt. Obwohl es simpel klingt, können diese Dokumente oftmals nur unter großen Mühen in Text gewandelt werden, insbesondere wenn die Struktur der Dokumente komplexer ist und erhalten bleiben soll. Auch Bilder, Tabellen und Grafiken sind häufige Fehlerquellen. In den letzten Monaten gab es daher eine wahre Flut von OCR-Software, die auf großen Sprachmodelle (LLMs) setzt.

Weiterlesen nach der Anzeige

Auch der chinesische KI-Entwickler DeepSeek steigt nun in diesen Bereich ein und veröffentlicht nach dem Reasoning-Modell R1 ein experimentelles OCR-Modell unter MIT-Lizenz. Auf den ersten Blick mag das verblüffen, denn OCR schien bisher nicht die Kernkompetenz von DeepSeek zu sein. Und tatsächlich ist das neue Modell erstmal eine Technikdemo für einen neuen Ansatz in der Dokumentenverarbeitung von großen Sprachmodellen.




Prof. Dr. Christian Winkler beschäftigt sich speziell mit der automatisierten Analyse natürlichsprachiger Texte (NLP). Als Professor an der TH Nürnberg konzentriert er sich bei seiner Forschung auf die Optimierung der User Experience.

DeepSeek versucht, lange Textkontexte in Bildern zu komprimieren, da sich hierdurch eine höhere Informationsdichte mit weniger Token darstellen lässt. DeepSeek legt die Messlatte für die Erwartungen hoch und berichtet, dass das Modell bei hohen Kompressionsraten (Faktor 10) noch eine Genauigkeit von 97 Prozent erreicht, bei einer noch stärkeren Kompression fällt zwar die Genauigkeit, bleibt dabei aber relativ hoch. Das alles soll schneller funktionieren als bei anderen OCR-Modellen und auf einer Nvidia A100-GPU bis zu 200.000 Seiten pro Tag verarbeiten.

Large Language Models haben Speicherprobleme, wenn der Kontext von Prompts sehr groß wird. Das ist der Fall, wenn das Modell lange Texte oder mehrere Dokumente verarbeiten soll. Grund dafür ist der für effiziente Berechnungen wichtige Key-Value-Cache, der quadratisch mit der Kontextgröße wächst. Die Kosten der GPUs steigen stark mit dem Speicher, was dazu führt, dass lange Texte sehr teuer in der Verarbeitung sind. Auch das Training solcher Modelle ist aufwendig. Das liegt allerdings weniger am Speicherplatz, sondern auch an der quadratisch wachsenden Komplexität der Berechnungen. Daher forschen die LLM-Anbieter intensiv daran, wie sich man diesen Kontext effizienter darstellen kann.

Hier bringt DeepSeek die Idee ins Spiel, den Kontext als Bild darzustellen: Bilder haben eine hohe Informationsdichte und Vision Token zur optischen Kompression könnten einen langen Text durch weniger Token. Mit DeepSeek-OCR haben die Entwickler diese Grundidee überprüft – es ist also ein Experiment zu verstehen, das zeigen soll, wie gut die optische Kompression funktioniert.

Weiterlesen nach der Anzeige

Der dazugehörige Preprint besteht aus drei Teilen: einer quantitativen Analyse, wie gut die optische Kompression funktioniert, einem neuen Encoder-Modell und dem eigentlichen OCR-Modell. Das Ergebnis der Analyse zeigt, dass kleine Sprachmodelle lernen können, wie sie komprimierte visuelle Darstellungen in Text umwandeln.

Dazu haben die Forscher mit DeepEncoder ein Modell entwickelt, das auch bei hochaufgelösten Bildern mit wenig Aktivierungen auskommt. Der Encoder nutzt eine Mischung aus Window und Global Attention verbunden mit einem Kompressor, der Konvolutionen einsetzt (Convolutional Compressor). Die schnellere Window Attention sieht nur einzelne Teile der Dokumente und bereitet die Daten vor, die langsamere Global Attention berücksichtigt den gesamten Kontext, arbeitet nur noch mit den komprimierten Daten. Die Konvolutionen reduzieren die Auflösung der Vision Token, wodurch sich der Speicherbedarf verringert.

DeepSeek-OCR kombiniert den DeepEncoder mit DeepSeek-3B-MoE. Dieses LLM setzt jeweils sechs von 64 Experten und zwei geteilte Experten ein, was sich zu 570 Millionen aktiven Parametern addiert. Im Gegensatz zu vielen anderen OCR-Modellen wie MinerU, docling, Nanonets, PaddleOCR kann DeepSeek-OCR auch Charts in Daten wandeln, chemische Formeln und geometrische Figuren erkennen. Mathematische Formeln beherrscht es ebenfalls, das funktioniert zum Teil aber auch mit den anderen Modellen.

Die DeepSeek-Entwickler betonen allerdings, dass es sich um eine vorläufige Analyse und um ebensolche Ergebnisse handelt. Es wird spannend, wie sich diese Technologie weiterentwickelt und wo sie überall zum Einsatz kommen kann. Das DeepSeek-OCR-Modell unterscheidet sich jedenfalls beträchtlich von allen anderen. Um zu wissen, wie gut und schnell es funktioniert, muss man das Modell jedoch selbst ausprobieren.

Als Testobjekt dient eine Seite aus einer iX, die im JPEG-Format vorliegt. DeepSeek-OCR kann in unterschiedlichen Konfigurationen arbeiten: Gundam, Large und Tiny. Im Gundam-Modus findet ein automatisches Resizing statt. Im Moment funktioniert das noch etwas instabil, bringt man die Parameter durcheinander, produziert man CUDA-Kernel-Fehler und muss von vorne starten.



Für den Test kommt eine Nachrichtenseite aus der iX 6/2025 zum Einsatz. Die ist dreispaltig gesetzt und enthält mehrere Haupt- und eine Zwischenüberschrift sowie ein Screenshot eines Diagramms.

Möchte man den Text aus Dokumenten extrahieren, muss man das Modell geeignet prompten. DeepSeek empfiehlt dazu den Befehl \n<|grounding|>Convert the document to markdown.. Als Ergebnis erhält man in einem Ordner die Markdown-Syntax und die zusätzlichen Bilder, außerdem eine visuelle Erklärung, welche unterschiedlichen Fragmente erkannt wurden. Im Gundam-Modus funktioniert das für die iX-Seite gut:



Im Gundam-Modus erkennt DeepSeek-OCR den gesamten Text und alle relevanten Elemente und kann auch Textfluss des Magazins rekonstruieren.

Den Text hat das Modell praktisch fehlerfrei erkannt und dazu auf einer RTX 4090 etwa 40 Sekunden benötigt. Das ist noch weit entfernt von den angepriesenen 200.000 Seiten pro Tag, allerdings verwendet Gundam auch nur ein Kompressionsfaktor von zwei: 791 Image Token entsprechen 1.580 Text Token. Immerhin erkennt das Modell den Textfluss im Artikel richtig. Das ist bei anderen Modellen ein gängiges Problem.

Mit etwa 50 Sekunden rechnet die Large-Variante nur wenig länger als Gundam, allerdings sind die Ergebnisse viel schlechter, was möglicherweise auch dem größeren Kompressionsfaktor geschuldet ist: 299 Image-Token entsprechen 2068 Text-Token. Im Bild verdeutlichen das die ungenauer erkannten Boxen um den Text – hier gibt es noch Optimierungsbedarf. Außerdem erkennt das Modell die Texte nicht sauber, teilweise erscheinen nur unleserliche Zeichen wie „¡ ¢“, was möglicherweise auf Kodierungsfehler und eigentlich chinesische Schriftzeichen hindeuten könnte.



Der Large-Modus komprimiert die Bilder stärker als Gundam, was zu einer ungenaueren Erkennung führt. Die Textboxen sind unschärfer abgegrenzt und es erscheinen unleserliche Zeichen, die auf eine fehlerhafte Kodierung hinweisen.

Fehler mit unleserlichen Zeichen gibt es beim Tiny-Modell nicht. Das rechnet mit einer Dauer von 40 Sekunden wieder etwas schneller und nutzt einen Kompressionsfaktor von 25,8 – 64 Image-Token entsprechen 1652 Text-Token. Durch die hohe Kompression halluziniert das Modell allerdings stark und erzeugt Text wie „Erweist, bei der Formulierung der Ab- fragen kann ein KI-Assistent helfen. Bis Start gilt es auf Caffès offiziell die Gewicht 50 Prozent der Früh-, der Prüfung und 50 Prozent für den Arzt- und NEUT und in Kürze folgen. (Spezielle)“. Das hat nichts mit dem Inhalt zu tun – auf diese Modellvariante kann man sich also nicht verlassen.



Die Tiny-Variante hat den höchsten Kompressionsfaktor für die Bilder und halluziniert bei der Text-Ausgabe stark. Hier sollte man sich also nicht auf die Ergebnisse verlassen.

Neben der Markdown-Konvertierung lässt DeepSeek-OCR auch ein Free OCR zu, das das Layout nicht berücksichtigt. Damit funktioniert das Modell sehr viel schneller und produziert auch in der Large-Version mit hoher Kompression noch gute Resultate. Diese Variante ist aber nur sinnvoll, wenn man weiß, dass es sich um Fließtexte ohne schwieriges Layout handelt.

DeepSeek-OCR hat beim Parsing die im Artikel enthaltenen Bilder erkannt und separat abgelegt. Das Diagramm speichert das Modell dabei in einer schlecht lesbaren Auflösung.



Das mit Gundam extrahierte Diagramm ist verschwommen und lässt sich mit bloßem Auge nur noch schlecht entziffern.

Jetzt wird es spannend, denn DeepSeek-OCR soll aus diesem Diagramm auch Daten extrahieren können, das geht mit dem Prompt \nParse the figure.. Als Ergebnis erstellt das Modell die folgende Tabelle:

2024 2023 2022
I have a good understanding of what artificial intelligence is 67% 67% 64%
I know which types of products and services use artificial intelligence 52% 51% 50%
Products and services using artificial intelligence have profoundly changed my daily life in the past 3-5 years 50% 50% 49%
Products and services using artificial intelligence will profoundly change my daily life in the next 3-5 years 66% 66% 60%
Products and services using artificial intelligence have more benefits than drawbacks 55% 54% 52%
I trust people not to discriminate or show bias toward any group of people 45% 45% 44%
I trust artificial intelligence to not discriminate or show bias toward any group of people 54% 54% 50%
I trust that companies that use artificial intelligence will protect my personal data 47% 50% 50%
Products and services using artificial intelligence make me nervous 39% 39% 39%

Offenbar haben sich Fehler in die Tabelle eingeschlichen, aber zumindest hat das Modell den verwaschenen Text richtig erkannt. Hier zeigt sich die Stärke des Encoders, aber auch die englische Beschriftung vereinfacht den Prozess für das Modell. Die meisten Prozentwerte stimmen, ebenso die Struktur der Daten. Verwendet man eine höhere Auflösung, verbessern sich die Ergebnisse allerdings nur marginal.

Neben Diagrammen kann DeepSeek-OCR auch mathematische Formeln erkennen und sie in LaTeX-Syntax wandeln. Chemische Strukturformeln hat es auch im Repertoire und wandelt sie in das SMILES-Format.

DeepSeek hat sich erneut einen spannenden technischen Ansatz ausgedacht und mit DeepSeek-OCR überzeugend demonstriert. Die Erkennung von Texten funktioniert besonders im Gundam-Modus schon gut, auch das Parsing der Diagramme ist überzeugend. Allerdings sind andere Modelle wie MinerU, Nanonets und PaddleOCR-VL besonders bei der reinen Texterkennung ebenfalls sehr gut und liefern teilweise sogar bessere Ergebnisse, da sie etwa getrennte Wörter zusammenführen. Besonders das ebenso nagelneue PaddleOCR-VL ist hervorzuheben, das Daten aus Diagrammen verlässlich extrahiert und in eigenen Tests sogar besser als DeepSeek-OCR funktionierte. Um OCR ist ein wahres Wettrennen entbrannt.

DeepSeek scheint mit dem Modell jedoch nicht nur auf OCR zu setzen, sondern möchte zeigen, dass die Vision Token eine gute Darstellung sind, um den Kontext in großen Sprachmodellen besonders kompakt zu speichern. Mit einer geringen Kompression funktioniert das schon gut, mit höherer Kompression leiden die Ergebnisse aber spürbar. Dieser Ansatz steht allerdings noch ganz am Anfang.

DeepSeek-OCR ist in allen Konfigurationen verhältnismäßig schnell. Experimente mit MinerU, Nanonets und PaddleOCR-VL waren alle mindestens 50 Prozent langsamer. Nanonets erzeugte immerhin eine Tabelle aus dem Diagramm, aber ohne die Jahreszahlen, dafür war der Fließtext sehr viel besser erkannt. Das nagelneue PaddleOCR-VL konnte das Diagramm sogar besser als DeepSeek-OCR erkennen, ist aber nicht auf chemische Strukturformeln und ähnliche Inhalte trainiert.

DeepSeek-OCR ist – wie von den Entwicklern deutlich vermerkt – eine Technologiedemonstration, die dafür schon äußerst gut funktioniert. Es bleibt abzuwarten, wie sich die Technologie in klassische LLMs integrieren lässt und dort zur effizienteren Verarbeitung von längeren Kontexten genutzt werden kann.

Weitere Informationen finden sich auf GitHub, Hugging Face und im arXiv-Preprint.


(pst)



Source link

Künstliche Intelligenz

TheA1200: Remake des Amiga 1200 angekündigt – in Full-Size und mit 25 Spielen


close notice

This article is also available in
English.

It was translated with technical assistance and editorially reviewed before publication.

Es kann sein, dass Weihnachten dieses Jahr viele Amiga-Gutscheine unterm Baum liegen werden: Retro Games LTD., die neben TheA500 Mini und TheC64 Maxi viele weitere Retro-Neuauflagen auf den Markt gebracht haben, wollen zusammen mit Plaion im nächsten Jahr mit TheA1200 den nächsten Coup landen: Einen Amiga in Originalgröße mit funktionierender Tastatur und modernen Features wie HDMI-Ausgang für aktuelle Bildschirme sowie USB-Anschlüssen fürs Zubehör.

Weiterlesen nach der Anzeige

Sie versprechen damit eine Zeitreise in die 1990er mit dem Komfort und optimierten Bilddarstellungen der 2020er. Der Rechner soll am 16. Juni 2026 erscheinen und für 190 Euro ab dem 10. November 2025 vorbestellbar sein.

Im Lieferumfang von TheA1200 ist die klassische Amiga-Tank-Maus und ein Gamepad, sowie 25 Spiele, deren Liste noch nicht vollständig ist. Während die Tastatur voll funktionsfähig sein soll, ist ein Diskettenlaufwerk nicht im Lieferumfang – die Spiele sind vom Gerät aus startbar.

Die bisher bekannt gewordenen Titel lassen aufhorchen: Neben Adventures wie „Beneath A Steel Sky“ und „Lure of the Temptress“, einem flotten Ballerspiel namens „Ruff’N’Tumble“ stechen die Klassiker „Defender of the Crown I & II“ und erst recht die legendäre Turrican-Trilogie ins Auge. Außerdem wurde auf der Amiga40 angekündigt, dass die soeben erst für Amiga erschienene Umsetzung des Klassikers Die Siedler II ebenfalls dabei sein wird.

Keines der Spiele war zuvor beim A500 Mini dabei und von den Namen ist das mehr Qualität als seinerzeit zur Veröffentlichung des Mini-Amiga. Ein Feature, das viele beim TheA500 Mini vermissten, ist diesmal integriert: Workbench, die wegweisende grafische Benutzeroberfläche des Amiga, ist von Anfang an vorinstalliert.

Nachgebildet wird der Commodore Amiga 1200, der 1992 als Tastaturcomputer dem Jahre zuvor erschienenen Amiga 500 ähnelte, technisch aber runderneuert war: Mit Motorola 68020-CPU, zwei Megabyte RAM und vor allem dem AGA-Chipsatz, der ähnlich wie bei VGA 256 Farben gleichzeitig darzustellen ermöglichte, sollte der Amiga den Anschluss an PC und Konsolen zurückerlangen. Das gelang zwar nur bedingt, aber bis heute gilt der 1200er aufgrund seiner guten Erweiterbarkeit als bestes Amiga-Gaming-Gerät. Außerdem bot er sich wohl als Maxi-Version der Wahl an, weil er im Vergleich zum recht wuchtigen Amiga 500 wesentlich kompaktere Ausmaße hat.

Weiterlesen nach der Anzeige

Empfohlener redaktioneller Inhalt

Mit Ihrer Zustimmung wird hier ein externes YouTube-Video (Google Ireland Limited) geladen.

TheA1200 scheint dem Amiga 1200 bis ins Detail zu gleichen, nur dass kein Diskettenlaufwerk verbaut ist.

Ebenso unvollständig wie die Spieleliste sind die technischen Daten – Angekündigt ist, dass die Spiele sich exakt so anfühlen sollen, wie man sie in Erinnerung hat, dafür aber mit HDMI-Bildschirm, jeweils vier verschiedenen Speicherständen und USB-Sideloading. Retro-Games-Chef Darren Melbourne bestätigte kürzlich auf der Bühne der Amiga40-Party dass der TheA1200 die stärkste Maschine sei, die Retro Games je auf den Markt brachte. Wenn sie sich an den Konzepten der bisherigen Retrokonsolen orientieren, dann wird auch hier das Amiga-Spielerlebnis über ein ARM-SoC-System nachgebildet.

Retro Games hat bereits viel Erfahrung mit Retro-Geräten für die Fernsehecke. TheA500 Mini wirkte optisch an wie ein geschrumpfter Original Amiga 500 und die Neuauflage des VCS 2600 von Atari, der VCS 2600+ bestach durch seine Originalität. Die Geräte wurden mit viel Liebe zum Detail den Originalen nachempfunden.


(mawi)



Source link

Weiterlesen

Künstliche Intelligenz

Ecovacs Deebot X11 Omni Cyclone im Test: Saugroboter mit Station ohne Beutel


Der Ecovacs X11 Omni Cyclone setzt auf beutellose Staubentsorgung und Kletterfunktion. Zudem bietet das Flaggschiff wieder eine selbstreinigende Wischwalze.

Ecovacs wirft mit dem Deebot X11 Omni Cyclone dieses Jahr bereits das dritte Flaggschiff-Modell auf den Markt – und löst damit schon nach wenigen Monaten das bisherige Topmodell ab. Der X11 will mit einer beutellosen Reinigungsstation einen neuen Trend setzen. Statt Wegwerf-Staubbeutel nutzt das Gerät einen herausnehmbaren Kunststoffbehälter, den man einfach entleeren und wieder einsetzen kann. Das führt zu einem eigenwilligen Design, das an einen auf dem Boden stehenden Kaffeevollautomaten erinnert. Die Station ist deutlich wuchtiger als bei den Vorgängern X9 und X8 Pro Omni und benötigt entsprechend mehr Stellplatz. Mit 19.500 Pa Saugleistung, ausfahrbarer Seitenbürste und der Tru-Pass-Kletterfunktion für Schwellen bis 2,4 cm ist der X11 klar ein Premium-Gerät. Ob der Saugroboter mit Wischwalze sein Geld wert ist, zeigt unser Test.

Das Testgerät hat uns Ecovacs zur Verfügung gestellt.

Ecovacs Deebot X11 Omni Cyclone – Sieht auf den ersten Blick aus wie ein Kaffeevollautomat.

Design: Wie gut ist die Verarbeitung des Ecovacs X11 Omni Cyclone?

Die Station des X11 Omni Cyclone fällt sofort durch ihre wuchtige Bauweise auf. Mit Abmessungen von 380 × 465 × 493 mm nimmt sie deutlich mehr Platz ein als die Stationen der Vorgänger X8 und X9 Pro Omni. Tatsächlich erinnert die Station an einen Kaffeevollautomaten, der auf dem Boden steht – ein ungewöhnlicher Anblick im Wohnzimmer. Der zentrale Staubbehälter mit 1,6 Liter Fassungsvermögen dominiert die Front. Sein silberglänzender Griff wirkt hochwertig und lässt sich gut greifen. Beim Entnehmen funktioniert alles problemlos, beim Wiedereinsetzen zeigt sich aber eine Schwäche: Der runde Behälter muss exakt ausgerichtet werden, der Griff muss präzise nach vorn zeigen. Ist er nur leicht verdreht, passt er nicht in die Aufnahme. Das hätte Ecovacs flexibler lösen können.

Die Wassertanks auf der Oberseite sind ungewöhnlich angeordnet: Schmutzwasser rechts mit 2,7 Litern, Frischwasser links mit 3,2 Litern – bei den meisten Konkurrenten und auch bei Ecovacs’ Vorgängern war das genau andersherum. Warum der Hersteller hier die eigene Logik ändert, bleibt unklar. Die zwei Reinigungsmittelbehälter an der Vorderseite sind clever positioniert und ermöglichen automatisches Wechseln zwischen verschiedenen Mitteln für unterschiedliche Bodentypen oder Verschmutzungsgrade.

Der Roboter selbst misst 353 mm im Durchmesser und 98 mm in der Höhe. Die Bauhöhe von knapp 10 cm ist keine Verbesserung zum Vorgänger: Viele moderne Sofas und Schränke haben eine Bodenfreiheit von 90 bis 95 mm. Mit seinen 98 mm passt der X11 hier nicht immer drunter, das sollte man vor dem Kauf prüfen. Flachere Konkurrenten mit unter 90 mm Höhe haben hier einen klaren Vorteil. Der graue oder schwarze Kunststoff (je nach Modellvariante) fühlt sich solide an, Spaltmaße sind gleichmäßig. Die Verarbeitung liegt auf gutem Niveau, ohne jedoch Premium-Feeling zu vermitteln. Schade: Der Kunststoffdeckel auf der Oberseite wird wieder nur lose aufgelegt, statt magnetisch fixiert. Dreht man den Roboter um, fällt der Deckel sofort herunter.

Die ausfahrbare Seitenbürste und die Omzo Roller 2.0 Wischwalze sind gut in die Unterseite integriert. Die Tru-Pass-Kletterhilfen – zwei Gummihebel neben den Antriebsrädern – fallen im eingeklappten Zustand kaum auf.

Einrichtung: Wie schnell ist der Ecovacs X11 Omni Cyclone betriebsbereit?

Die Einrichtung erfolgt über die Ecovacs Home App aus den bekannten App-Stores. Nach Erstellung eines Accounts fügt man den Roboter über den QR-Code hinzu, der sich unter dem Deckel auf der Oberseite befindet. Der X11 benötigt ein 2,4-GHz-WLAN. Nach erfolgreicher Verbindung startet die Kartierung und anstehende Updates werden ausgeführt.

Die App selbst wirkt übersichtlich und bietet alle wichtigen Funktionen. Die Hauptansicht zeigt ein Bild des Saugroboters und ermöglicht die Auswahl spezieller Reinigungsmodi. Kartenverwaltung, Raumaufteilung, virtuelle Wände und No-Go-Zonen – alles vorhanden. Ecovacs hat an Details geschraubt und bietet nun eine verbesserte Übersicht über aktuelle Reinigungsaufgaben, deren Reihenfolge und die Ergebnisse. Die Wischwassermenge lässt sich zwischen 0 und 50, die Saugleistung zwischen Leise, Standard, Hoch und Max einstellen. Auch eine Live-Videostream-Funktion ist integriert, über die man sich vom Smartphone auf die Kamera des Roboters schalten kann.

Allerdings hat die App noch Fehler, die verwirren: Kartenänderungen speichert man etwa durch „Abbrechen“ statt „Bestätigen“ – das ist kontraintuitiv und sollte längst behoben sein. Die Sprachansagen des Roboters sind teilweise eigenwillig formuliert und sehr ausführlich. Der X11 kommentiert jede Aktion mit einer detaillierten Erklärung – das nervt schnell. Immerhin bietet der Hersteller inzwischen einen Button zum Verkürzen der Ansagen auf das Wesentliche. Wahlweise lassen sie sich komplett deaktivieren, dann verpasst man aber wichtige Meldungen wie leere Wassertanks oder Fehlermeldungen ohne Blick auf die App.

Der integrierte Sprachassistent Yiko lässt sich mit „OK Yiko“ aktivieren und versteht Befehle wie „Reinige die Küche“ oder „Fahre zur Station zurück“. Das funktioniert zuverlässig, ist aber nicht zwingend notwendig, da die App-Steuerung komfortabler ist. Die Integration von Amazon Alexa, Google Assistant und Matter erweitert die Smart-Home-Möglichkeiten. Insgesamt dauert die Ersteinrichtung etwa 30 Minuten – das ist Standard und geht nicht schneller oder langsamer als bei der Konkurrenz.

Navigation: Wie gut erkennt der Ecovacs X11 Omni Cyclone Hindernisse?

Die Navigation des X11 Omni Cyclone funktioniert grundsätzlich zuverlässig, wirkt aber eigenartig und teilweise unlogisch. Der Roboter reinigt alle Bereiche und lässt nichts aus, die Wegplanung erscheint jedoch oft willkürlich. Wo andere Roboter systematisch den ausgewählten Bereich in gleichmäßigen, durchgehenden Bahnen abarbeiten, wählt der X11 manchmal überraschende Routen – springt zwischen Bereichen hin und her oder fährt Zickzack-Kurse, wo gerade Bahnen effizienter wären. Das Endergebnis stimmt, der Weg dorthin wirkt aber unnötig kompliziert.

Die Objekterkennung mit Kamera und Lidar arbeitet bei den meisten Hindernissen solide. Flache Gegenstände, Kabel und größere Objekte werden erkannt und umfahren. Problematisch wird es in unserem Standard-Testszenario mit mehreren unter einen Tisch geschobenen Stühlen. Hier zeigt der X11 echte Schwächen: Er navigiert sich zwischen die Stuhlbeine hinein und kommt dann nicht mehr elegant heraus. Stattdessen beginnt er, die Stühle mit seinem Frontschild durch die Gegend zu schieben und gegen Stuhlbeine anzufahren. Das ist kein komplettes Versagen – er befreit sich letztlich selbst – aber die Methode ist alles andere als intelligent und einem 2025er-Topmodell nicht angemessen.

Ecovacs Deebot X11 Omni Cyclone – Bilderstrecke

Gegen Glastüren zwischen Räumen stupst der Roboter gelegentlich, obwohl die Sensorkombination diese eigentlich erkennen sollte. Das passiert nicht durchgehend, aber häufiger als bei Premium-Konkurrenten. Die allgemeine Hinderniserkennung funktioniert bei normalen Möbeln, Wänden und größeren Gegenständen aber zuverlässig.

Sehr positiv ist die Kletterfunktion: Die zwei Gummihebel fahren bei Bedarf aus und drücken den Roboter nach oben. Schwellen bis 2,4 cm werden souverän überwunden, zusammenhängende Stufen sogar bis 4 cm. Das erweitert den Einsatzbereich erheblich – viele Konkurrenten scheitern schon an 2 cm hohen Türschwellen. Die ausfahrbare Seitenbürste verbessert die Kantenreinigung, auch wenn sie keine Wunder vollbringt.

Reinigung: Wie gut saugt und wischt der Ecovacs X11 Omni Cyclone?

Die Reinigungsleistung des X11 Omni Cyclone zeigt ein gespaltenes Bild. Auf Hartböden arbeitet das Gerät grundsätzlich zufriedenstellend. Mit 19.500 Pa Saugleistung und einem Luftdurchsatz von 18 Litern pro Sekunde sammelt der Roboter 85 bis 90 Prozent des ausgebrachten Testschmutzes ein. Krümel, Staub und leichte Verschmutzungen verschwinden meist im ersten Durchgang im 220 ml fassenden Staubbehälter. Die einzelne Bodenbürste arbeitet effektiv, könnte aber bei groben Verschmutzungen an ihre Grenzen stoßen – hier wären zwei Bürsten wie bei manchen Konkurrenten vorteilhaft.

Die Omzo Roller 2.0 Wischwalze wurde gegenüber dem Vorgänger verbessert und arbeitet nun mit höherem Anpressdruck. Sie rotiert während der Reinigung und wird regelmäßig in der Station mit 75 Grad heißem Wasser gewaschen. Das ist solide, aber nicht spitze – der Dreame Aqua Clean 10 Roller (Test folgt demnächst) reinigt seine Walze mit bis zu 100 Grad. Der 110 ml große interne Frischwassertank wird automatisch aus der Station nachgefüllt. Die Wischleistung auf Hartböden ist ordentlich, leichte Flecken werden überwiegend entfernt. Bei hartnäckigen, eingetrockneten Verschmutzungen muss der Roboter aber mehrfach darüberfahren.

Das große Problem zeigt sich bei Teppichen. Hier offenbart der X11 gleich mehrere Schwächen. Zunächst fehlt ihm eine automatische Abdeckhaube für die Wischwalze, wie sie etwa der Mova Z60 Ultra Roller (Testbericht) bietet. Zwar hebt der Roboter die Walze um 10 mm an und deaktiviert sie auf Teppichen, aber allein durch den Kontakt mit der feuchten Walze wird Feuchtigkeit auf den Teppich übertragen. Es ist nicht viel, aber es ist spürbar und bei empfindlichen Teppichen problematisch.

Die Saugleistung auf Teppichen enttäuscht ebenfalls. Bei unserem Test mit eingetretenem, feinem Schmutz (simuliert durch Mehl) bleibt selbst auf kurzflorigen Teppichen deutlich sichtbar Schmutz zurück. Wir mussten von Hand nacharbeiten. Auf längerflorigem Teppich weigert sich der X11 teilweise komplett zu fahren – erkennt er ihn, fährt er drumherum. Schafft er es doch darauf, ist die Saugleistung zu schwach, um Schmutz zwischen den längeren Fasern herauszuziehen. Insgesamt holt der Roboter aus Teppichen nur etwa 65 Prozent des ausgebrachten Testschmutzes – das ist deutlich unterdurchschnittlich.

Ecovacs Deebot X11 Omni Cyclone: Ergebnis auf kurzflorigem Teppich

Für unseren 60 m² großen Testraum benötigt der X11 etwa 75 Minuten bei maximaler Saug- und Wischleistung. Das ist schneller als der X9 mit 94 Minuten. Der Roboter fährt während dieser Zeit dreimal zur Station zurück, um die Wischwalze zu reinigen und nachzuladen. Die Station saugt den Staubbehälter automatisch ab und trocknet die Wischwalze nach der Reinigung mit Heißluft.

Positiv fällt die vergleichsweise niedrige Lautstärke von etwa 55 dB(A) auf. Allerdings stören wie schon bei den Vorgängern die ruckartigen Fahrgeräusche der Elektromotoren etwas. Statt gleichmäßig zu beschleunigen, steuert der X11 die Motoren in Schüben an – das klingt wie billiges Kinderspielzeug und nicht ganz so premium, ist am Ende des Tages aber Meckern auf hohem Niveau.

Der Hersteller bewirbt 150 Tage ohne Wartung, was unrealistisch ist. Nach unserer Erfahrung muss der kleine Schmutzwassertank auf der Rückseite des Roboters, wo das von der Kunststofflippe abgestreifte Schmutzwasser gesammelt wird, je nach Nutzung mindestens einmal pro Woche gereinigt werden. Auch der Abstreifer an der Wischwalze benötigt regelmäßige Reinigung, da sich hier durch die Feuchtigkeit sonst schnell unangenehme Gerüche bilden.

Akkulaufzeit: Wie lange arbeitet der Ecovacs X11 Omni Cyclone?

Bei maximaler Saugleistung und Wischwassermenge verbraucht er in unserem 60 m² großen Testraum knapp 60 Prozent der Akkuladung. Der Roboter fährt dreimal zur Station zurück und lädt währenddessen nach. Stellt man die Einstellungen herunter, verlängert sich die verfügbare Laufzeit.

Die Schnellladefunktion lädt den Akku in unter drei statt vier Stunden vollständig auf. Der Hersteller empfiehlt das Gerät für Räume bis 150 m². Für größere Wohnungen reicht das mit Zwischenladen aus. Die automatische Wiederaufnahme nach dem Laden funktioniert zuverlässig.

Preis: Was kostet der Ecovacs X11 Omni Cyclone?

Mit 1299 Euro UVP greift Ecovacs tief ins Regal. Zum Testzeitpunkt kostet der X11 bei Amazon 1201 Euro. Das ist viel Geld für einen Roboter, dessen größte Neuerungen der beutellose Staubbehälter und die Schnellladefunktion sind. Ja, die Omzo Roller wurde verbessert und bietet höheren Anpressdruck, zudem gibt es eine verbesserte Kletterfunktion. Im Alltag hat sich aber relativ wenig verändert. Zum gleichen Preis bekommt man bessere Modelle wie den Mova Z60 Ultra Roller (Testbericht) oder den Roborock Saros 10R (Testbericht). Letzterer glänzt mit hervorragender Navigation und einer der besten Apps am Markt. Das Vorgänger-Vorgängermodell X8 Pro Omni kostet aktuell nur 684 Euro – ein besserer Deal.

Fazit

Der Ecovacs X11 Omni Cyclone zeigt innovative Ansätze, kann aber nicht in allen Bereichen überzeugen. Die beutellose Staubentsorgung funktioniert einwandfrei und spart langfristig Folgekosten und Müll – ein echter Pluspunkt für umweltbewusste Nutzer. Die Kletterfunktion meistert Schwellen bis 2,4 cm und erweitert damit den Einsatzbereich erheblich. Zudem arbeitet der X11 angenehm leise, die Schnellladefunktion in unter drei Stunden ist praktisch im Alltag.

Die Navigation zeigt allerdings Schwächen. Wo Vorgänger und Konkurrenten eleganter um Hindernisse navigieren, schiebt der X11 manchmal Möbel durch die Gegend. Die Wegplanung wirkt mitunter ineffizient. Auf Hartböden reinigt der Roboter mit 85 bis 90 Prozent Schmutzaufnahme ordentlich, bei Teppichen schwächelt er aber deutlich und lässt einiges liegen. Die fehlende Walzenabdeckung führt zu leicht feuchten Teppichen – hier bieten andere Hersteller durchdachtere Lösungen. Die beworbenen 150 Tage ohne Wartung sind zu optimistisch, wöchentliche Reinigung einzelner Komponenten bleibt notwendig.

Für 1299 Euro UVP erwarten wir mehr Perfektion. Konkurrenten wie der Roborock Saros 10R oder der Mova Z60 Ultra Roller bieten zum gleichen Preis bessere Navigation und durchdachtere Details. Wer die bessere Kletterfunktion und Beutellosigkeit nicht benötigt, fährt mit dem X8 Pro Omni für nur 684 Euro deutlich günstiger. Der X11 Omni Cyclone ist kein schlechter Saugroboter, aber bei diesem Preis gibt es ausgefeiltere Alternativen. Für Nutzer, denen die beutellose Entsorgung und hohe Schwellen wichtig sind, kann er trotzdem die richtige Wahl sein.



Source link

Weiterlesen

Künstliche Intelligenz

Intel kommt für ein einziges Quartal aus dem Minus


Intel kommt für ein Quartal aus seinem roten Sumpf: Der Chiphersteller vermeldet für das dritte Quartal 2025 einen Nettogewinn von 4,1 Milliarden US-Dollar. Aus diversen Gründen wirkt der Vergleich zum Vorjahreszeitraum geradezu absurd – auf dem Papier steigt der Nettogewinn um mehr als 20 Milliarden Dollar. Grund sind mehrere Einmaleffekte in beiden Zeiträumen.

Weiterlesen nach der Anzeige

Im dritten Quartal hat Intel mehrere Finanzspritzen erhalten: 5,7 Milliarden Dollar von der US-Regierung, die jetzt 9,9 Prozent Anteile an Intel hält, 2 Milliarden vom Investor Softbank, 4,3 Milliarden durch den Teilverkauf des FPGA-Spezialisten Altera und 900 Millionen durch den Teilverkauf des Automotive-Spezialisten Mobileye. Die 5 Milliarden von Nvidia fehlen noch.

Vor einem Jahr machte Intel dagegen vor allem durch Abschreibungen einen hohen Papierverlust von 16,6 Milliarden Dollar. In der Realität liegen beide Quartale viel näher aneinander. Das zeigt auch die Umsatzentwicklung: Er stieg binnen eines Jahres nur um drei Prozent auf 13,7 Milliarden Dollar. Immerhin ist das operative Ergebnis jetzt wieder leicht im Plus; Intel nennt konzernweit 683 Millionen Dollar.

Durch die vielen Einmaleffekte sind Intels Geschäftsberichte kaum noch verständlich interpretierbar. Er untermauert jedoch, dass die Massenentlassungen weitergehen: Im dritten Quartal mussten noch mal rund 10.000 Mitarbeiter gehen, zusätzlich verschwinden etwa 3300 Altera-Mitarbeiter aus der Übersicht. Inzwischen sind noch 83.300 Leute bei Intel selbst angestellt. Ein Jahr zuvor waren es noch 115.000, ein Rückgang von fast 28 Prozent.

Damit einhergehend sinken auch die Ausgaben für Forschung und Entwicklung. Zuletzt waren es gut 3,2 Milliarden Dollar, 20 Prozent weniger als im Vorjahreszeitraum. Die Investitionen durch Dritte nutzt Intel, um die eigenen Schulden zu reduzieren. Fast 3,8 Milliarden Dollar zahlte das Unternehmen zurück.

Weiterlesen nach der Anzeige

Prozessoren für Notebooks und Desktop-PCs bleiben Intels wichtigste Einnahmequelle. Deren Umsatz steigt binnen eines Jahres um fünf Prozent auf 8,5 Milliarden Dollar. Der Operativgewinn sinkt jedoch um acht Prozent, vermutlich aufgrund niedrigerer Verkaufspreise.



Hätte Intel nur seine Produktsparten, würde die Firma mehr Gewinn machen.

(Bild: Intel)

Produkte für Rechenzentren und Server sind minimal rückläufig mit 4,1 Milliarden Dollar. Die Gruppe ist mit fast einer Milliarde Dollar Operativgewinn (+153 Prozent) allerdings wieder deutlich profitabler.

Die Chipfertigungssparte Intel Foundry stagniert weitgehend mit einem Umsatz von 4,2 Milliarden Dollar. Alle Einnahmen kommen von Intels Produktsparte. Einen umsatzträchtigen externen Kunden hat der Hersteller weiterhin nicht. Die Sparte bleibt Intels größtes Sorgenkind: Sie macht 2,3 Milliarden Betriebsminus, weil sie mit Intel-Prozessoren allein nicht profitabel ist.



Die Fertigungssparte Intel Foundry macht kontinuierlich Minus.

(Bild: Intel)

Intels Finanzchef David Zinsner sieht Lieferengpässe über das komplette Produktportfolio kommen. KI-Workloads etwa sollen jetzt auch den CPU-Bedarf bei traditionellen Servern erhöhen.

Intel kann nur teilweise von dem Bedarf profitieren. „Definitive Engpässe“ gibt es etwa bei älteren Prozessoren aus den Fertigungsgenerationen Intel 10 und 7, deren Produktion die Firma nicht mehr erhöht. „In gewisser Weise leben wir von unseren Lagerbeständen“, gibt Zinsner in einer Analystenkonferenz zu.

Auf Fertigungsseite bahnen sich ebenfalls Probleme an. So sollen etwa Träger für Chips wieder knapp werden. Sie sind als Brücke zwischen Mainboard und CPU zwingend notwendig.

Im jetzt laufenden vierten Quartal erwartet Intel 12,8 Milliarden bis 13,8 Milliarden Dollar Umsatz. Im Bestfall hält das Unternehmen also das aktuelle Ergebnis. Gegenüber Ende 2024 soll der Umsatz hingegen schrumpfen; damals setzte Intel 14,3 Milliarden Dollar um.

Unterm Strich erwartet Intel wieder ein Nettominus von 14 US-Cent pro Aktie. Das entspricht gut minus 600 Millionen Dollar insgesamt. Offenbar sind darin schon fünf Milliarden Dollar inkludiert, die Nvidia in Intel investieren will. Intel erwartet diese Finanzspritze bis zum Jahresende.

Anlegern gefällt der Geschäftsbericht in Summe. Nach Bekanntgabe stieg Intels Aktie prompt um zehn Prozent. Seitdem war sie nur leicht rückläufig. Damit ist die Aktie auf dem höchsten Stand seit April 2024 – obwohl sie seitdem durch Neuausgaben verwässert wurde.


(mma)



Source link

Weiterlesen

Beliebt