8 Minuten
Samsung treibt seine KI-Strategie zunehmend entschlossen voran. Nach den ersten Gauss-Versionen hat das Unternehmen seine generativen Modelle weiter verbessert und ein Agentic-AI-Toolkit entwickelt, das Entwicklung beschleunigen, die unternehmensinterne Suche optimieren und die Grundlage für systemweite KI-Funktionen in künftigen Galaxy-Smartphones legen soll.
Agentic Builder: No-Code-KI, die Agenten wie Lego zusammenfügt
Laut Berichten aus Südkorea hat Samsung Research einen sogenannten Agentic Builder entwickelt, der auf neueren Gauss-Varianten basiert — Gauss 2.3, Gauss 2.3 Think und Gauss O Flash. Das Werkzeug wird als No-Code-, Interface-gesteuerte Umgebung beschrieben, in der Teams geschäftskritische KI-Agenten durch Drag-and-Drop modularer Komponenten zusammenstellen können.
Diese Bausteine umfassen Eingabe- und Ausgabefenster, spezialisierte KI-Modelle und Samsungs eigene DoXA-Logik — eine Dokumentenanalyse-Engine, die Agenten hilft, geschäftlichen Kontext schnell zu erfassen. Das Ergebnis ist ein schneller Weg, Prototypen zu erstellen oder Agenten ohne hohen Engineering-Aufwand auszurollen.
Technische Architektur und modulare Komponenten
Der Agentic Builder ist so konzipiert, dass sich Module flexibel verknüpfen lassen: Datenquellen, natürliche Sprachverarbeitung (NLP), Domänenspezifische Modelle, Entscheidungslogik und externe Aktions-Trigger. Jedes Modul kann standardisierte Eingabe- und Ausgabe-APIs verwenden, was Interoperabilität zwischen internen Tools und bestehenden Microservices erleichtert. Diese modulare Architektur fördert Wiederverwendbarkeit, schnellere Iteration und eine klarere Abgrenzung zwischen Modell-, Daten- und Logikschichten.
DoXA: Dokumentenanalyse für geschäftlichen Kontext
Die DoXA-Engine ist ein zentraler Bestandteil des Ansatzes. Sie extrahiert strukturierte Informationen aus Dokumenten, interpretiert Tabellen, erkennt Entitäten und stellt Beziehungen her — kurz: Sie transformiert unstrukturierte Unternehmensdokumente in semantisch nutzbare Daten. Durch die Integration von DoXA können Agenten schneller relevante Informationen erkennen, Prioritäten setzen und in Workflows eingebettet werden. Diese Fähigkeit ist besonders relevant für Produktentwicklung, Qualitätskontrolle, Compliance und technische Dokumentation.
Anwendungsfälle und Vorteile
- Rapid Prototyping: Teams können Ideen in Tagen statt Wochen validieren.
- Automatisierung spezialisierter Workflows: z. B. Fehleranalyse oder Testfall-Generierung.
- Wissensbereitstellung: Agenten verbinden verstreute Informationen aus Dokumenten, Tickets und Repositories.
- Kosteneffizienz: Weniger Bedarf an Full-Stack-Entwicklung für erste Proof-of-Concepts.
In der Praxis reduziert ein No-Code-Ansatz Eintrittsbarrieren für Fachabteilungen, die keine tiefen ML- oder Software-Engineering-Ressourcen besitzen. Gleichzeitig erlaubt die zugrundeliegende Gauss-Modellfamilie die Integration leistungsfähiger Sprach- und Multimodal-Features, was die Agentenfunktionalität deutlich erweitert.
Sirius: Multimodale Suche und intelligenteres Wissensretrieval
Samsung hat die multimodalen Fähigkeiten von Gauss zudem in einen internen Wissenssuchdienst mit dem Codenamen Sirius eingebracht. Anstatt auf herkömmliche Schlagwortsuche zu setzen, verwendet Sirius einen Wissensgraph-Ansatz und kann Text, Zahlen, Tabellen, Bilder und Anhänge indexieren und abfragen. Ein Vertreter von Samsung Research teilte TheElec mit, dass Sirius derzeit als Beta-Service für Mitarbeiter angeboten wird, vor allem um Produktentwicklungswissen und technische Informationen zu bestimmten Aufgaben schnell zu finden.
Wissensgraph und multimodales Indexieren
Der Wissensgraph verbindet Entitäten, Beziehungen und Metadaten über verschiedene Dokumenttypen hinweg. Dadurch lassen sich semantische Abfragen stellen, die über einfache Keyword-Matches hinausgehen — zum Beispiel: "Finde Designentscheidungen für Feature X, die mit Fehlerbericht Y verknüpft sind." Multimodalität bedeutet, dass Bilder, Diagramme und Tabellen genauso berücksichtigt werden wie Fließtext und strukturierte Logs. Die Kombination aus Gauss-Multimodal-Modellen und einem Knowledge-Graph erhöht die Treffsicherheit relevanter Treffer und verbessert das Retrieval komplexer, fachlicher Fragestellungen.
Verbesserte Bildgenerierung und -transformation
Dieser multimodale Rückgrat ist mit einer verbesserten Bildgenerierungs-Pipeline gekoppelt. Samsung adressierte typische Limitationen von Bildmodellen — etwa das Auslassen angeforderter Details oder Probleme beim Erzeugen unbekannter Objekte — durch den Einsatz zusätzlicher Referenzbilder und eine Trainingsstruktur, die zentrale Eigenschaften eines Objekts beim Transformieren über natürliche Sprachaufforderungen bewahrt. Diese Technik erlaubt es, visuelle Varianten zu erzeugen, die konsistent mit vorhandenen Designvorgaben bleiben.
Solche Bildwerkzeuge sind besonders wertvoll für Produktteams: von Design Iterationen bis zur automatischen Erzeugung von Illustrationen für technische Dokumente. Indem Referenzbilder in den Generierungsprozess eingebettet werden, lassen sich Qualität und Reproduzierbarkeit deutlich steigern.
Datensätze, latente Diffusion und Open-Source-Modelle
Samsung hat interne Nutzungsdaten analysiert und einen spezialisierten Datensatz erstellt und optimiert, um Open-Source-Modelle zu unterstützen, die auf latenter Diffusion basieren. Ziel ist es, diese Modelle über ihre ursprünglichen Grenzen hinaus zu trainieren — etwa beim Erkennen seltener Formen oder spezifischer industrieller Objekte. Durch gezielte Kuratierung und Fine-Tuning lernen die Modelle, konsistenter zu bleiben und dominierspezifische Details zu reproduzieren.
Nach dem jüngsten Update stieg die interne Nutzung des neuen Bildmodells laut Samsung um 153 %. Das deutet auf eine beschleunigte Adoption innerhalb der Produkt- und Designteams hin, was wiederum Datenerzeugung und weiteres Training in einem iterativen Kreislauf fördert.
Warum das für Telefone und Unternehmenskunden wichtig ist
Samsung plant, die verbesserten Gauss-Modelle breiter sowohl intern als auch in Produkten einzusetzen. Es wird allgemein erwartet, dass das Galaxy S26 das erste Gerät sein könnte, das Agentic AI auf Systemebene unterstützt, mit angeblicher Kompatibilität zu mehreren Modellen einschließlich Gauss, Gemini und Perplexity. Das würde auf On-Device-Assistenten hindeuten, die Fähigkeiten nach Bedarf zusammensetzen, reichhaltigere Suchfunktionen bieten und intelligente Bildwerkzeuge direkt in nativen Apps integrieren.
On-Device-KI und Datenschutz
On-Device-KI reduziert Latenz, senkt Bandbreitenbedarf und erlaubt eine bessere Kontrolle über sensible Daten, da Informationen lokal verarbeitet werden können. Für geschäftskritische Anwendungen ist diese Kombination aus Leistungsfähigkeit und Datenschutz besonders relevant. Samsung muss dabei die Balance zwischen Modellgröße, Rechenbedarf und Akkueffizienz optimieren, um reibungslose Nutzererfahrungen auf Smartphones zu gewährleisten.
Mehrwert für Unternehmen
Für Unternehmen könnte eine Kombination aus Drag-and-Drop Agentic Builder und Sirius-ähnlicher Suche die Art und Weise vereinfachen, wie Teams auf institutionelles Wissen zugreifen und spezialisierte Workflows automatisieren. Beispiele:
- Produktentwicklung: Schnellere Rekonstruktion historischer Entscheidungen und Design-Grundsätze.
- Support & Service: Automatisierte Diagnoseprozesse auf Basis dokumentierter Fehlerfälle.
- Compliance & Audit: Automatisiertes Mapping von Regularien zu internen Prozessen.
Damit eröffnen sich Effizienzgewinne, geringere Einarbeitungszeiten für neue Mitarbeiter und eine bessere Nachvollziehbarkeit von Entscheidungen.
Verbesserte Nutzerfunktionen für Konsumenten
Für Endnutzer könnten diese Entwicklungen zu intelligenteren, kontextbewussten Funktionen in Flaggschiff-Geräten führen — etwa dynamische Assistenten, die mehrere Fähigkeiten kombinieren (Spracheingabe, Bildanalyse, lokale Datenzugriffe) oder Suchfunktionen, die Bilder, Texte und Dokumente gleichermaßen verstehen. Solche Features erhöhen den Mehrwert des Geräts, indem sie alltägliche Aufgaben vereinfachen und personalisierte Unterstützung bieten.
Zukunftsperspektiven und Wettbewerbsposition
Samsung positioniert sich durch diese Maßnahmen für eine selbstständigere KI-Zukunft, in der das Unternehmen nicht ausschließlich auf externe Plattformen angewiesen ist. Die Kombination aus proprietären Modellen wie Gauss, internen Tools wie DoXA und plattformnahen Integrationen (z. B. ins Betriebssystem) schafft strategische Unabhängigkeit. Zugleich bleiben Herausforderungen bestehen: Datensouveränität, Modell-Validierung, Bias-Reduktion und die effiziente Bereitstellung von On-Device-Modellen erfordern kontinuierliche Investitionen.
Im Wettbewerb bedeutet dies: Samsung kann langfristig differenzierte Nutzererlebnisse liefern, die tiefer ins System integriert sind als viele Cloud-basierte Lösungen. Unternehmen, die in eigene KI-Infrastrukturen investieren, profitieren von Kontrolle und maßgeschneiderten Lösungen, während Konsumenten von nahtloseren, reaktionsschnelleren Funktionen profitieren.
In Summe ist zu erwarten, dass Samsung Gauss, den Agentic Builder und Sirius weiter iteriert, um technologische Unabhängigkeit zu stärken und gleichzeitig praxisnahe Werkzeuge für interne und externe Anwender bereitzustellen. Die strategische Ausrichtung deutet darauf hin, dass sich sowohl Hardware- als auch Software-Stacks in den kommenden Jahren stärker um integrierte KI-Fähigkeiten herum entwickeln werden.
Während Details zur finalen Implementierung und den genauen Modellen, die im Galaxy S26 oder anderen Geräten eingesetzt werden, weiterhin Gerüchte unterliegen, zeigt Samsungs aktueller Kurs klare Prioritäten: Multimodale Verarbeitung, on-device Intelligenz, robuste Dokumentenanalyse und eine modulare No-Code-Plattform zur Beschleunigung von KI-Anwendungen. All dies positioniert das Unternehmen für eine aktive Rolle im sich schnell entwickelnden KI-Ökosystem.
Für Entwickler, Produktmanager und IT-Entscheider ist es ratsam, diese Entwicklungen aufmerksam zu verfolgen — sowohl im Hinblick auf Integrationsmöglichkeiten als auch auf neue Anforderungen an Datenschutz, Datenaufbereitung und Qualitätssicherung von KI-Modellen. Die Verbindung aus Agentic AI, Wissensgraphen und multimodaler Verarbeitung könnte in vielen Branchen zu spürbaren Produktivitätsgewinnen führen.
Erwartungsgemäß wird Samsung weiterhin in Forschung und Entwicklung investieren, um Gauss und das dazugehörige Toolset zu verfeinern. Unternehmen, die frühzeitig Schnittstellen und Workflows auf diese neue Architektur ausrichten, könnten einen Wettbewerbsvorteil in der Nutzung systemweiter, kontextsensitiver KI-Funktionen erzielen.
Quelle: sammobile
Kommentar hinterlassen