Start › Aktuelles
Physische KI · Robotik · Open Weights · 15. November 2026

Runway Praxis-1: KI lernt aus Videos, wie Roboter greifen – und wird offen verfügbar

Runway veröffentlicht Praxis-1 unter Apache 2.0: Ein Videomodell berechnet echte Roboterbewegungen. Was die Benchmarks belegen und wo es scheitert.

Redaktion: AgentenCode · 15.11.2026 · Quellengeprüfte Analyse
Eigenständige redaktionelle fotorealistische Szene eines Robotergreifers und physischer KI in einem modernen Robotiklabor, kein offizielles Runway-Bild
Originale redaktionelle Illustration – keine offizielle Produktoberfläche und kein Screenshot.

Vom Film zur Bewegung – eine ungewöhnliche KI-Idee

Am 11. November hat Runway Praxis-1 als offen verfügbares World Action Model veröffentlicht. Der Hersteller ist vor allem für generative Videotechnik bekannt. Nun soll ein Teil dieses Videowissens Robotern helfen, physische Bewegungen aus Kamerabildern und Aufgabenbeschreibungen abzuleiten.

Praxis-1 wurde bereits im September vorgestellt; neu ist die Veröffentlichung der Gewichte und des Inferenz- und Trainingscodes unter Apache 2.0. Der Schritt ist daher keine erstmalige Modellankündigung, sondern der Zugang zu einem praktisch erprobbaren Forschungswerkzeug. Die dokumentierten Resultate stammen vom Anbieter und sind keine unabhängige AgentenCode-Messung.

Das Modell stellt sich die nächsten Sekunden vor

In der technischen Beschreibung nimmt Praxis-1 eine Instruktion, neue Kamerabilder und den aktuellen Zustand eines Roboters entgegen. Das System sagt gleichzeitig voraus, wie die nächste Szene aussehen könnte und welche Steuerbewegung dazu passt. Ein spezialisierter Action Expert übersetzt dabei Videomerkmale in Positions- und Greifbewegungen.

Die Steuerung läuft stückweise: Typischerweise berechnet das Modell jeweils 24 Aktionsschritte bei 15 Hertz, also 1,6 Sekunden Bewegung. Nach der Ausführung fließen neue Kameraaufnahmen ein. Damit entsteht ein wiederholter Wahrnehmen-Vorhersagen-Handeln-Zyklus. Ein Robotersystem benötigt allerdings zusätzlich sichere Ansteuerung, Kollisionsschutz und menschlich festgelegte Grenzen.

27 Milliarden Parameter – aber kein Chatbot

Runway beschreibt ein Mixture-of-Experts-Modell mit rund 27 Milliarden Parametern. Bei jedem Rechenschritt ist nur ein Teil der Experten aktiv. Video-Backbone und Action Expert nutzen ein gemeinsames System, während kleine Anpassungen für unterschiedliche Roboterarme und Kameras verwendet werden.

Die Gewichte benötigen in bf16 rund 54,4 GB, sodass ein kräftiger Beschleuniger nötig ist; die Forschungsseite nennt eine 80-GB-GPU für das Standardmodell. Runway dokumentiert außerdem quantisierte Varianten als Forschungsrichtung. Dies ist kein Modell, das sich mit einer gewöhnlichen Browseranwendung unmittelbar in einen sicheren Haushaltsroboter verwandelt.

Schaubild: Kameras, Weltmodell, Bewegungsmodell und Roboter
Eigene AgentenCode-Erklärung – keine offizielle Herstellerdarstellung.

46,2 Prozent Erfolg auf dem Robotik-Benchmark

Auf dem RoboLab-120-Benchmark berichtet Runway 555 erfolgreiche Durchgänge bei 1.200 Versuchen – 46,2 Prozent. Das liegt in der veröffentlichten Tabelle vor anderen offenen World Action Models wie FLUX 3 Action mit 42,9 Prozent. Bei einem zusätzlichen Test mit einem echten Franka-Arm meldet Runway 88 Erfolge in 100 Versuchen, verglichen mit 80 bei einer Benchmark-Alternative.

Die Kennzahlen sind bemerkenswert, aber 46,2 Prozent bedeutet eben auch: Mehr als die Hälfte dieser standardisierten Aufgaben misslingt. Die Bewertungen betreffen definierte Manipulationsaufgaben, nicht beliebige Haushalts- oder Fabrikarbeit. Unterschiedliche Hardware, Gegenstände und Testprotokolle können die Leistung erheblich verändern.

Warum echte Roboter ein härterer Prüfstand sind

Runway zeigt Bewegungen auf verschiedenen Geräten: einem Franka-Arm, einem zweiarmigen System und angepassten Robotertypen. Die Architektur soll über gerätespezifische Ein- und Ausgabeschichten auf andere Kameras und Gelenksysteme übertragbar sein. So könnten Entwickler auf gemeinsamem Videowissen aufbauen, statt jedes Verhalten nur durch teure Fernsteuerungsdaten zu erlernen.

Die Forschungsdokumentation nennt aber konkrete Ausfälle: Verwechselte ähnlich aussehende Objekte und ungenaue Anweisungen gehören dazu. Besonders schwer bleibt, mehrere aufeinanderfolgende Teilaufgaben aus nur einem längeren Befehl sicher abzuarbeiten. Im realen Einsatz sind Unterbrechbarkeit, Sicherheitsüberwachung und Tests außerhalb des Trainingsmaterials erforderlich.

Offene Gewichte, Code und Anpassbarkeit

Die Veröffentlichung enthält laut Runway Modellgewichte, Quellcode für Inferenz und Fine-Tuning sowie LeRobot-Anbindungen. Der Hersteller nennt Apache 2.0 und damit auch kommerzielle Nutzung im Rahmen der jeweiligen Lizenzbestimmungen. Für Entwickler werden unter anderem LoRA-Anpassungen an eigene Roboter und Werkzeuge für Simulation und Serving beschrieben.

Offen verfügbar heißt nicht sofort einsatzbereit: Ein Team braucht passende Roboterhardware, Kamerapipeline, GPU-Ressourcen, Trainingsdaten und technische Sicherheitsvorkehrungen. Auch bei kommerziellem Einsatz sind Robotersicherheitsnormen und etwaige Rechte an verwendeten Daten gesondert zu prüfen. Die Veröffentlichung ersetzt keinen Freigabeprozess für physische Systeme.

Roboter brauchen Planung UND schnelle Steuerung

Für langfristige Aufgaben könnte die eigentliche Stärke in einer Arbeitsteilung liegen: Ein großes Sprachmodell zerlegt ein Ziel in einzelne überprüfbare Schritte, während ein schnelleres World Action Model die Bewegung dazwischen kontrolliert ausführt. Runway beschreibt solche Kombinationen noch als Entwicklungsrichtung und nicht als allgemein verfügbares autonomes Haushaltssystem.

Das ist auch für Multi-Agenten-Systeme relevant: Aufgabenplanung und sicherheitskritische Ausführung dürfen nicht vermischt werden. Menschen müssen Ziele, Grenzen und Eskalationsregeln festlegen. Gerade wenn ein Roboter Dinge anfassen kann, darf eine überzeugende Videovorhersage niemals als Sicherheitsnachweis missverstanden werden.

AgentenCode-Einordnung: Video-KI verlässt den Bildschirm

Praxis-1 ist außergewöhnlich, weil hier die Brücke zwischen generativen Weltmodellen und tatsächlicher physischer Steuerung sichtbar wird. Die offene Veröffentlichung erlaubt mehr Teams, Hypothesen, Fehler und Transfer auf eigene Roboter zu überprüfen. Es handelt sich um einen wichtigen infrastrukturellen Schritt, nicht nur um ein neues Video-Feature.

Gleichzeitig zeigen die publizierten Fehlerfälle, wie viel bis zu universell zuverlässigen Robotern fehlt. Wir würden Erfolg pro Aufgabe, Kollisionsereignisse, Eingriffe, Anlernkosten und die Abweichung zwischen simulierten und echten Umgebungen getrennt messen. Die heutige Nachricht ist ein starkes Forschungssignal, keine Zusage autonomer Alltagstauglichkeit.

Häufige Fragen

Ist Praxis-1 ein neues KI-Videomodell für Filme?

Nein. Es nutzt Videowissen für ein World Action Model, das Roboterbewegungen berechnet; Runway hat die offen nutzbare Version am 11. November 2026 freigegeben.

Ist Praxis-1 Open Source?

Runway veröffentlicht Gewichte sowie Inferenz- und Fine-Tuning-Code unter Apache 2.0. Hardware, Daten und Sicherheitsbetrieb bleiben eigene Aufgaben.

Wie gut funktioniert es bereits?

Runway meldet 46,2 Prozent Erfolg bei 1.200 RoboLab-120-Versuchen und beschreibt weiterhin erhebliche Grenzen bei mehrstufigen Aufgaben.

Kann ich damit jeden Roboter sofort steuern?

Nein. Gerätebezogenes Fine-Tuning, geeignete Kameras, leistungsfähige Hardware und eine separate Sicherheitsprüfung sind nötig.

RECHERCHE & EINORDNUNG

Quellen zu diesem Artikel

Die folgenden Originalveröffentlichungen bilden die Grundlage dieser Analyse. Sie sind direkt nachprüfbar.

  1. Runway – Praxis-1 open-weights availability, 11 November 2026
  2. Runway Research – Praxis-1 technical report and measured limitations
  3. Runway – Praxis-1 open inference and fine-tuning code
  4. Runway – Praxis-1 model collection

Stand: 15. November 2026. Herstellerangaben, Rollout und Preview-Funktionen sind nicht unabhängig verifiziert; keine eigene Sicherheitszertifizierung.

NEWSLETTER · KOSTENLOS

Mehr Überblick. Weniger KI-Rauschen.

Die wichtigsten KI-News, Agenten-Updates und Wissensartikel direkt ins Postfach – unabhängig und quellenbasiert. Der wöchentliche Versand ist in Vorbereitung.

Double-Opt-in: Erst nach Bestätigung per E-Mail angemeldet. Beim Absenden werden die Daten an Brevo übertragen.