Meta hat am Mittwoch rund 700 Angestellte in Reality Labs sowie weitere Beschäftigte in der Personalgewinnung, im Vertrieb und bei Facebook entlassen, berichtet die New York Times. Reality Labs ist Metas Hardware-Sparte und für die Entwicklung von Smart Glasses und VR-Brillen zuständig.

Meta hatte schon im Januar 1.500 Stellen in der Abteilung gestrichen. Betroffen war primär die VR-Sparte. Der Konzern erklärte damals, dass er Investitionen vom Metaverse hin zur Wearables-Sparte verlagere, weil diese stärker wachse. Meta ist Marktführer bei KI-Brillen und hat seit Ende 2023 knapp zehn Millionen Geräte verkauft. Aus dem Bericht geht nicht hervor, auf welche Sparten die 700 neuen Kündigungen entfallen. Meta beschäftigte Ende des vergangenen Jahres knapp 79.000 Angestellte, rund 15.000 davon in Reality Labs.

Die jüngsten Maßnahmen erfolgen vor dem Hintergrund einer strategischen Neuausrichtung hin zu künstlicher Intelligenz. Meta plant in diesem Jahr Investitionen von bis zu 135 Milliarden Dollar, die überwiegend in die eigene KI-Infrastruktur und den Bau von Rechenzentren fließen sollen. Im vergangenen Jahr gab Meta zudem Milliarden für hoch qualifizierte KI-Fachkräfte aus. Ziel ist es, im Rennen um eine KI-Superintelligenz eine führende Rolle einzunehmen.

Meta testet neue Strukturen für KI-getriebene Teams

Das US-Nachrichtenportal Business Insider berichtet derweil, dass in einem rund 1.000 Personen starken Team innerhalb von Reality Labs eine grundlegende Neuordnung von Rollen und Teamstrukturen mit Blick auf künstliche Intelligenz erfolgt. Das Pilotprogramm sieht kleinere, funktionsübergreifende Teams und flachere Strukturen vor. Laut Meta stehen die Neuorganisation und die aktuellen Entlassungen dabei in keinem direkten Zusammenhang.

Laut einem internen Memo werden die Beschäftigten als „AI Builders“ neu eingeordnet und in sogenannten „Pods“ organisiert. Diese Einheiten bestehen aus wenigen Personen, die ergebnisorientiert und oft disziplinübergreifend arbeiten sollen. Die Pods werden von „Pod Leads“ geleitet, die wiederum „Org Leads“ unterstellt sind. Prozesse wie Leistungsbewertungen und Beförderungen sollen dabei von nicht näher bezeichneten „KI-Systemen“ unterstützt werden. Bereits im Februar sickerte durch, dass Meta die Mitarbeiterleistung künftig daran messen will, wie stark diese KI-Werkzeuge nutzen.

Parallel dazu setzt Meta verstärkt auf finanzielle Anreize für seine Führungsspitze. Erstmals seit dem Börsengang 2012 bietet der Konzern Top-Managern neue Aktienoptionen an, die an ambitionierte Kursziele geknüpft sind, berichtet Bloomberg. Demnach könnte der Wert der Vergütung in den kommenden fünf Jahren um bis zu 921 Millionen Dollar pro Führungskraft steigen. Vorausgesetzt natürlich, dass Meta die hochgesteckten Wachstumsziele erreicht. Der Konzern erklärte, die Maßnahme solle dazu dienen, Schlüsselpersonal im KI-Zeitalter zu binden und das Unternehmen zum Wachstum anzutreiben.

(tobe)

Viele Unternehmen verfügen über einen immensen Datenschatz zu eigenen Produkten, Userinnen und Usern, internen Arbeitsabläufen und mehr. Lange Zeit galt als Maxime, so viele Daten wie möglich zu sammeln, irgendwann könnten sie schließlich hilfreich werden. Diese Datensammlungen sind aber derart umfangreich, dass eine händische Analyse außerordentlich zeitintensiv wäre. Künstliche Intelligenz kann hier helfen, Muster erkennen und Rohdaten vorstrukturieren, um daraus Strategien abzuleiten. Unser Classroom KI und Data Science im Unternehmen – von Rohdaten zu verwertbaren Erkenntnissen, vermittelt praxisnah Datenquellen zu erschließen und von den ersten Analysen bis zur überzeugenden Datenstory zu gelangen.

In fünf aufeinander aufbauenden Sessions lernen Teilnehmende die Fähigkeiten, um Daten strategisch zu nutzen und datengetriebene Entscheidungen im Unternehmen zu etablieren. Unser Experte etabliert dafür zunächst die notwendigen KI-Grundlagen. Darauf aufbauend widmet er sich etablierten Frameworks, etwa dem ACHIEVE-Framework und der Impact-vs-Effort-Matrix, um Use Cases systematisch zu bewerten und priorisieren. Im Folgenden lernen Teilnehmende alles Notwendige über Datenerfassung und -aufbereitung. Damit identifizieren sie strukturierte und unstrukturierte Datenquellen, führen explorative Datenanalysen (EDA) durch und wenden Techniken zur Datenbereinigung an. Dabei behandelt unser Experte auch ethische Aspekte der Datenanalyse und zeigt auf, wie man darin Bias erkennt und vermeidet.

Mit traditionellen Analysemethoden und KI zur überzeugenden Datenstory

Im weiteren Verlauf des Classrooms lernen Teilnehmende die praktische Anwendung von Python und Jupyter Notebooks, um traditionelle Analysemethoden und modernen KI-Tools zu kombinieren und so Arbeitsprozesse erheblich zu beschleunigen. Unser Experte widmet sich zudem der Visualisierung von Analyseergebnissen. Dabei erklärt er, wann statische oder interaktive Darstellungen sinnvoll sind und wie man komplexe Daten verständlich präsentiert.

Abschließend steht das Storytelling mit Daten im Fokus, um eine überzeugende Datenstory für verschiedene Zielgruppen zu entwickeln, einen strukturierten Kommunikationsplan zu erstellen und eine fokussierte Mini-Datenstrategie für einen konkreten Use Case zu entwerfen. Mit diesem Wissen sind Teilnehmende dazu in der Lage, nachhaltige und datengetriebene Initiativen im Unternehmen zu etablieren. Die Termine der Sessions sind:

• 03.06.26: Künstliche Intelligenz strategisch nutzen – vom Buzzword zum konkreten Use Case
• 10.06.26: Explorative Datenanalyse (EDA) – Datenquellen identifizieren und Datenqualität sichern
• 17.06.26: Datenanalyse mit Python – Jupyter Notebooks, Pandas und ChatGPT als Analyse-Werkzeuge
• 24.06.26: Datenvisualisierung mit Python und Tableau – von der Analyse zum aussagekräftigen Dashboard
• 01.07.26: Datenanalyse erfolgreich kommunizieren – zielgruppenorientierte Präsentation und Strategieplanung

Praxis- und Expertenwissen – live und für später

Die Sessions haben eine Laufzeit von jeweils vier Stunden und finden von 9 bis 13 Uhr statt. Alle Teilnehmenden können sich nicht nur auf viel Praxis und Interaktion freuen, sondern haben auch die Möglichkeit, das Gelernte mit allen Aufzeichnungen und Materialien im Nachgang zu wiederholen und zu vertiefen. Fragen werden direkt im Live-Chat beantwortet und Teilnehmer können sich ebenfalls untereinander zum Thema austauschen. Der nachträgliche Zugang zu den Videos und Übungsmaterialien ist inklusive. Weitere Informationen und Tickets finden Interessierte auf der Website des Classrooms.

(cbo)

Wissenschaftler des Massachusetts Institute of Technology (MIT) haben ein Steuerungsgerät entwickelt, das am Handgelenk getragen die natürlichen Bewegungen einer menschlichen Hand auf eine Roboterhand überträgt. Die Forscher nutzen dazu kleine Ultraschallsensoren, um die Handbewegungen zu erfassen. Bisherige Techniken über Kameras, Datenhandschuhe und Muskelsignalerfassung hatten sich als zu kompliziert oder ungenau erwiesen.

Die Bewegungen einer menschlichen Hand ergeben sich aus dem Zusammenspiel von etwa 34 Muskeln, 27 Gelenken und mehr als 100 Sehnen und Bändern. Um diese Bewegungen präzise erfassen und auf eine Roboterhand übertragen zu können, wurden bisher verschiedene Techniken entwickelt, die allerdings einige Nachteile aufweisen. So ist die Bewegungserfassung über Kameras komplex und anfällig für visuelle Störungen. Datenhandschuhe stören die Empfindungen und schränken außerdem die natürlichen Handbewegungen ein. Eine dritte Technik, die Handbewegungen über elektrische Muskelsignale erfasst, hat sich als störanfällig gegenüber Fremdsignalen und zu unempfindlich erwiesen, um auch subtile Bewegungen zu erfassen.

Bewegungserfassung über Ultraschall-Aufnahmen

Das Steuergerät des MIT hat etwa die Größe eines Smartphones und wird mit einem Band an der Innenseite des Unterarms oberhalb des Handgelenks befestigt. Es nutzt miniaturisierte Ultraschall-Sensoren, um die Bewegungen von Muskeln, Sehnen und Bändern des Handgelenks zu erfassen, wie die Forscher in der Studie „Hand tracking using wearable wrist imaging“ schreiben, die in Nature Electronics erschienen ist. Die Forscher machen über die Sensoren kontinuierlich Ultraschall-Aufnahmen des Zustands des Bewegungsapparates des Handgelenks. Mit den so erfassten unterschiedlichen Positionen von Muskeln, Gelenken, Sehnen und Bändern trainierten die Forscher eine Künstliche Intelligenz (KI), um daraus die tatsächlichen Bewegungen der Hand, etwa in Form von Gesten, in Echtzeit ableiten und auf eine Roboterhand übertragen zu können.

Die Forscher testeten das System an acht Probanden. Dabei konnten Handbewegungen meist präzise erkannt werden. Die Gebärden der 26 Buchstaben der US-amerikanischen Gebärdensprache erkannte das System problemlos. Auch andere subtile Bewegungsabläufe, wie etwa das Halten eines Stiftes, das Greifen eines Tennisballs, Pinch- und Zoom-Gesten, konnte das System erfassen, um damit eine Roboterhand und Aktionen in virtuellen Umgebungen steuern zu können. Das System erwies sich auch als präzise genug, um das Spielen eines Klaviers zu erfassen.

Die MIT-Wissenschaftler sehen als Anwendungen für ihre Technik, neben der Steuerung von Prozessen in virtuellen Umgebungen, vor allem das feinmotorische Training humanoider Roboter. Mittels der mit dem Ultraschallarmband erfassten Bewegungsdaten einer menschlichen Hand können Roboterhände präzise auf die Ausführung schwieriger Aufgaben trainiert werden. Darunter fallen etwa medizinische Operationen oder komplexe Fertigungsprozesse, zu denen herkömmlicherweise eine hohe Feinmotorik benötigt wird.

(olb)