Im Mai 2025 begann Seas the Day die große Pazifik-Expedition in Peru, Südamerika. Miriam Payne und Jess Rowe ruderten 15 Stunden am Tag in Richtung Westen und legten dabei 8.213 Seemeilen zurück. Am Samstag, dem 18. Oktober 2025, erreichten sie Cairns in Australien und wurden damit das erste weibliche Ruderteam, das den Pazifik von Festland zu Festland nonstop und ohne Unterstützung überquerte.

Das Duo stellte sich den Herausforderungen der hohen See und nutzte diese Gelegenheit, insbesondere junge Frauen zu stärken, mehrere Weltrekorde zu brechen und fast 120.000 Pfund für The Outward Bound Trust zu sammeln - eine britische Wohltätigkeitsorganisation, die Kindern durch Abenteuer dabei hilft, lebenslange Fähigkeiten zu entwickeln.

Die Geschichte ihrer „Great Escapade“ besteht aus zwei Teilen. Das Duo beleuchtet die Herausforderungen, vor denen sie standen, als ihr Ruder nur sieben Tage und 350 Meilen nach Beginn ihres ersten Versuchs brach, was sie zwang, an Land zurückzukehren und ihren Neustart zu planen. Bei ihrem zweiten Versuch zeigen sie die Entschlossenheit und Willenskraft, mit der sie sich trotz strömendem Regen und Wind, 30 Fuß hohen Wellen, Schlafentzug und dem Verlust eines Ruders im Meer ihre gute Laune bewahrten. Außerdem werden einige der eher technischen Probleme mit dem Antriebssystem und dem Ausfall der Not-Handpumpen-Wasseraufbereitungsanlage beleuchtet. Der Vortrag zeigt zudem, wie das Duo diese Probleme mit enormer Ausdauer und einer positiven Einstellung bewältigen konnten.

Die Geschichte von „Seas the Day” ist ein eindrucksvolles Beispiel für die Kraft einer positiven inneren Haltung und den unermüdlichen Willen, weiterzumachen. Das Duo möchte sein Publikum dazu inspirieren, sich den eigenen Herausforderungen zu stellen und die nahezu grenzenlosen Möglichkeiten zu entdecken, die jenseits der eigenen Komfortzone liegen.

Das Rennteam Uni Stuttgart e.V. gehört zu den erfolgreichsten studentischen Motorsport-Vereinen weltweit mit insgesamt elf Weltmeistertiteln. Nach einem kompakten Einblick in die Teamstruktur und Geschichte des Vereins liegt der Fokus auf der praxisnahen Entwicklung des elektrischen Formula-Student-Rennwagens. Im Rahmen des technischen Deep Dives stellt das Team die Systemarchitektur, die Fahrzeugauslegung sowie die interdisziplinäre Integration von Mechanik, Elektronik und Software vor. Der Schwerpunkt des Vortrags liegt auf dem selbstfahrenden autonomen System, das moderne Sensorik, präzise Lokalisierung sowie autonome Trajektorienplanung vereint. Der Vortrag präsentiert die erfolgreiche Zusammenarbeit von Studentinnen und Studenten sowie Industriepartnern im Rahmen der Entwicklung zukunftsweisender Technologien sowie deren Validierung unter realen Wettbewerbsbedingungen.

Bei der Expansion der Glasfasernetze stehen die Betreiber vor enormen logistischen Herausforderungen. Allein das Grabennetz erstreckt sich über eine Länge, die nahezu dem Erdumfang entspricht. Die präzise Abrechnung dieser gewaltigen Baumaßnahmen erfordert innovative Lösungen. Derzeitige Verfahren zur Verifizierung von Streckenlängen basieren auf dem Einsatz von Personal vor Ort, das mit einem Messrad die gebauten Abschnitte zu Fuß ablaufen muss. Dieser Prozess ist nicht nur zeitaufwendig und personalintensiv, sondern bei diesen Dimensionen kaum skalierbar.

In dem Vortrag stellen Thorsten Nieser, Dr. Sebastian Stamminger und Dr. Tetyana Kyrey einen Ansatz vor, der KI-Bilderkennung zur automatisierten Analyse von Straßenbelägen bzw. Gehwegoberflächen nutzt. Als Datenbasis dienen georeferenzierte Kamerabilder und LiDAR-Scans. Ein von ihnen nachtrainiertes Deep-Learning-Modell wertet die Daten aus und identifiziert relevante Oberflächenstrukturen. Die präsentierte Lösung ermöglicht eine deutliche Qualitätssteigerung durch Vollprüfung statt Stichproben und beschleunigt gleichzeitig den Abrechnungsprozess erheblich. Zudem gewährleistet die maschinelle Auswertung eine höhere Objektivität und Nachvollziehbarkeit der Ergebnisse.

Der Fokus des Vortrags liegt auf der praktischen Implementierung und den „Überraschungen des echten Lebens“ - und auf der klaren Antwort, wo KI hilft und wo nicht.

Large Language Models haben sich mit solcher Geschwindigkeit von einer Forschungsneuheit zu einer Produktionsrealität entwickelt, dass Sicherheitsteams kaum noch hinterherkommen. Unternehmen bemühen sich, LLMs in agentenbasierte Browser, KI-integrierte Entwicklungsumgebungen, Kundenservice-Chatbots und interne Wissenssysteme zu integrieren – oft ohne die damit verbundenen neuen Angriffsflächen vollständig zu verstehen.

Dieser Vortrag untersucht die Sicherheitsherausforderungen, die mit der Einführung von LLMs einhergehen: Prompt-Injection-Angriffe, die hilfreiche Assistenten zu unwissenden Komplizen machen, Risiken der Datenexfiltration, die sich in Konversationsschnittstellen verbergen, und die Gefahren, die damit einhergehen, dass KI-Agenten im Namen von Nutzerinnen und Nutzern reale Aktionen durchführen können. Ausgehend von akademischer Forschung, realen Implementierungen und dokumentierten Vorfällen wird in diesem Vortrag diskutiert, was gut funktioniert, was fehlschlägt und was Unternehmen verstehen müssen, wenn diese Systeme in kritische Arbeitsabläufe eingebettet werden.

Schachfiguren sind schwer und unsere Arme sind schwach. Glücklicherweise gibt es starke Roboter – und mit Simulationsumgebungen und Robot Foundation Models (RFMs) war es noch nie einfacher, ihnen beizubringen, wie man Schachfiguren bewegt. In diesem Vortrag zeigt unser Innovation Hacking-Team, wie Roboter in Simulationsumgebungen trainiert und in der realen Welt eingesetzt werden können.

Der Vortrag beginnt mit einer Einführung in RFMs, was sie so besonders macht und wie sie eingesetzt werden. Dann taucht das Team tief in NVIDIAs Gr00t ein, wie es aufgebaut ist, wie es trainiert wurde und wie es genutzt werden kann. Danach geht es um synthetische Datengenerierung: Unser Team zeigt, wie in NVIDIA Isaac Sim Roboter-Trainingsdaten generiert und wie die Daten mit generativer KI weiter verbessert werden können. Schließlich ist es an der Zeit, das simulierte Modell in die reale Welt zu übertragen: Unsere Speaker erläutern, wie die Lücke zwischen Simulation und Realität geschlossen werden kann, und zeigen, wie weit die Sprach- und Schlussfolgerungsfähigkeiten des trainierten Modells tatsächlich ausgereizt werden können.

Nebenbei werden die Inhalte mit Code-Beispielen und Live-Demos untermalt, die sowohl die beeindruckenden Fähigkeiten als auch die urkomischen Fehlschläge dieses Projekts zeigen. Spoiler-Alarm: Nicht jedes Spiel endet mit einem Schachmatt.

Ist Ihnen das auch schon einmal passiert: Sie haben gerade 50.000 € für einen humanoiden Roboter ausgegeben, aber er ist auf Partys nicht besonders unterhaltsam, also müssen Sie ihm mit Reinforcement Learning in einer Simulationsumgebung auf Ihrem 100.000 € teuren GPU-Cluster das Tanzen beibringen? Nein?

In diesem Vortrag zeigen Ihnen Thomas Endres und Jonas Mayer, wie Sie Ihren humanoiden Roboter mit Reinforcement Learning (RL) in Simulationsumgebungen zum Tanzen bringen können. Sie starten mit einer Einführung in RL, in der sie auf Grundlagen zu Policies und Belohnungen eingehen. Anschließend stellen sie Ihnen NVIDIA Isaac Sim und das Unitree RL Lab vor und begleiten Sie durch Ihre ersten Schritte in Simulationsumgebungen. Dabei gehen unsere Sprecher Schritt für Schritt vor, um eine Geh-Policy zu entwickeln, begleitet von einem lustigen Sturz nach dem anderen. Abschließend wird eine Tanz-Policy vorgestellt: Die Zuschauerinnen und Zuschauer lernen, wie menschliche Bewegungen aus Videos auf den Unitree-G1-Roboter übertragen werden können, um eine Imitations-Policy zu trainieren, die genauso schlecht tanzen kann wie sie selbst.

Während des Vortrags werden unsere Kollegen live auf der Bühne eine Geh-Policy trainieren. Damit beginnen sie bereits am Anfang des Vortrags und überprüfen den Fortschritt regelmäßig. Zum Abschluss wird der anwesende humanoide Roboter die Session mit einer Tanzeinlage ohne einen einzigen Fehltritt beenden.

Wünschen auch Sie sich einen Gegner, der Counterstrike genauso gut spielt wie Sie? Dank der jüngsten Entwicklungen im Bereich der Robot Foundation Models (RFMs) können Roboter lernen, Videospiele genauso zu spielen wie Sie, indem sie Ihr bestes und schlechtestes Verhalten imitieren.

In diesem Vortrag zeigen Thomas Endres und Jonas Mayer, wie Sie mithilfe von Imitationslernen einem RFM beibringen können, beliebige Spiele zu spielen. Sie beginnen mit einer Einführung in Robot Foundation Models. Dabei zeigen sie, wie RFM funktionieren, welche Art von Daten sie verarbeiten können und warum NVIDIA Gr00t dadurch perfekt für Videospiele geeignet ist. Anschließend geben sie einen kurzen Überblick über das Konzept des Imitationslernens, welche Daten sie für das Training von Gr00t benötigen und wie sie diese aus Spielen sammeln können. Abschließen berichten sie, wie sie das Modell von einem absoluten Neuling zur globalen Elite gebracht haben und teilen alles, was sie dabei gelernt haben.

Während des gesamten Vortrags werden immer wieder Live-Demos gezeigt. Zum Abschluss wird ein Mitglied des Publikums eingeladen, Gr00t live auf der Bühne in einem 1-gegen-1-Spiel zu schlagen.