Die wichtigsten Highlights der Ultralytics YOLO Vision 2026!

Am 13. September öffnete Ultralytics YOLO Vision 2026 (YV26) seine Türen und brachte die globale Computer-Vision-Community erneut persönlich und online zusammen. Das diesjährige Motto „Offene Vision, für die reale Welt entwickelt“ prägte einen Tag, der die Rolle der Open-Source-Wurzeln in Produktionssystemen beleuchtete, die in der Fertigung, Logistik, Robotik und Sicherheit eingesetzt werden.

Führungskräfte aus der Industrie, Gründer, Ingenieure, Forschende, Studierende und Open-Source-Mitwirkende füllten den Veranstaltungsraum, während viele weitere das Geschehen auf YouTube verfolgten. In diesem Artikel stellen wir die wichtigsten Ankündigungen des Tages vor, darunter Ultralytics YOLO27, wichtige Neuerungen bei Ultralytics Platform, die Vorträge und die Community-Momente, die YV26 unvergesslich machten.

Auftakt: Ultralytics' Vision für offene KI in der realen Welt#

Die Veranstaltung begann mit einer Keynote von Glenn Jocher, Gründer und CEO von Ultralytics, gemeinsam mit Paula Derrenger, VP of Growth, und Jing Qiu, Senior Machine Learning Engineer. Gemeinsam erläuterten sie das Motto des Tages: Vision-KI schafft den größten Mehrwert, wenn sie offen und zugänglich ist und von den Menschen geprägt wird, die sie tatsächlich vor Ort einsetzen – und nicht nur im Labor anhand von Benchmarks bewertet wird.

Abb. 1. Ausstellungsbereich bei Ultralytics YOLO Vision 2026.

Diese Ausrichtung gab den Rahmen für das weitere Programm vor. YV26 widmete sich zu gleichen Teilen der Modellarchitektur und der Frage, was nach dem Training eines Modells geschieht: wie es in der Produktion bereitgestellt, überwacht und weiterentwickelt wird. Dieser Gedanke zog sich durch beide Hauptankündigungen des Tages.

Ultralytics YOLO27: Die nächste Flaggschiffgeneration live vorgestellt#

Die wichtigste Ankündigung bei Ultralytics YOLO Vision 2026 war Ultralytics YOLO27, die nächste Flaggschiffgeneration der YOLO-Familie. YOLO27 ist mehr als eine schrittweise Verbesserung und erweitert die Familie um weitere Aufgaben, Modellarchitekturen und spezialisierte Anwendungen.

Die Ankündigung umfasste drei Säulen:

• Ultralytics YOLO27: Eine Modellreihe mit 28 Modellen, die vier Größen (n, s, m und l) und sieben Aufgaben abdeckt: Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Klassifizierung, Posenschätzung und Erkennung orientierter Objekte. Kompakte Modelle sind auf schnelle Bereitstellung am Netzwerkrand ausgelegt, während größere Modelle Produktionslasten auf GPUs und anwendungen mit hohen Genauigkeitsanforderungen priorisieren. YOLO27l ist das erste Ultralytics-Modell, das bei COCO einen mAP-Wert von über 60 erreicht. Alle Größen verwenden dieselbe vertraute Ultralytics-Schnittstelle.
• Ultralytics-YOLO27-Enterprise-Modelle: Domänenspezifische vortrainierte Modelle für anspruchsvolle Unternehmensanwendungen, darunter Einzelhandel, Lagerhaltung, Sicherheit und KI für Luftbilddaten. Da die Modelle mit den für diese Bereiche typischen Objekten, Umgebungen und Sonderfällen trainiert werden, bieten sie Teams eine bessere Grundlage für spezialisierte, produktionsreife Erkennungssysteme.
• Ultralytics YOLOE-27: Die nächste Generation der Echtzeitmodelle von Ultralytics zur Erkennung und Segmentierung mit offenem Vokabular. YOLOE-27 kann Objekte anhand von Text, visuellen Eingaben oder ohne Prompts erkennen und erweitert so die Möglichkeiten von Bildverarbeitungssystemen über einen festgelegten Satz vordefinierter Klassen hinaus.

Gemeinsam erweitern diese drei Säulen YOLO27 über eine einzelne Modellveröffentlichung hinaus zu einer umfassenderen Familie: einer universell einsetzbaren Basis, einer Reihe domänenspezifischer Enterprise-Varianten und einem Modell mit offenem Vokabular, das sich direkt in die bereits im Ultralytics-Python-Paket verfügbare LLM-Schnittstelle integrieren lässt.

YOLO27 wurde auf der Bühne bei YV26 angekündigt und wird noch dieses Jahr verfügbar sein. Trag dich in die Warteliste ein, um direkt zum Start benachrichtigt zu werden.

Ultralytics Platform: AutoTrain, Agents und Monitoring#

Nach den Modellankündigungen wandte sich das Team Ultralytics Platform zu und zeigte, wie die Plattform die tägliche Arbeit an Computer-Vision-Systemen vereinfacht. Drei Schwerpunktbereiche veranschaulichten, wie Platform den manuellen Aufwand zwischen Datenaufbereitung und dem Betrieb von Modellen in der Produktion verringert.

• AutoTrain: Eine dialogbasierte Umgebung zum Trainieren, Vergleichen und Verbessern von Modellen. Benutzer können in Alltagssprache beschreiben, was sie erreichen möchten, und anschließend Schritte wie das Finden von Datensätzen, das Starten von Trainingsläufen, das Vergleichen von Ergebnissen und die Vorbereitung von Modellen für die Bereitstellung ausführen.
• Agents: Eine visuelle Arbeitsfläche, auf der sich Bilder, YOLO-Modelle, Vision-Language-Modelle, Bedingungen und Aktionen zu vollständigen Workflows verbinden lassen. Eine Pipeline könnte beispielsweise ein Vision-Language-Modell nur dann aufrufen, wenn YOLO eine Person erkennt, oder Vorhersagen mit geringer Konfidenz zur Überprüfung an einen Datensatz senden. Vorlagen ermöglichen den Einstieg mit gängigen Mustern, die Benutzer anschließend an ihre eigenen Anwendungen anpassen können.
• Monitoring: Integrierte Einblicke in bereitgestellte Endpunkte, einschließlich Anfragevolumen, Latenz, Fehlern, Zustand und Protokollen. Kostenpflichtige, dedizierte Endpunkte bieten außerdem Live-Statistiken zu Vorhersagen sowie temporäre Beispiele, die Benutzer überprüfen und in Datensätzen speichern können.

Zusammen ermöglichen diese Funktionen einen stärker vernetzten Modelllebenszyklus: Daten vorbereiten, Modelle trainieren und vergleichen, das beste Ergebnis bereitstellen, Workflows rund um dessen Vorhersagen erstellen, das Verhalten in der Produktion überwachen und nützliche Beispiele in den nächsten Trainingszyklus zurückführen.

Vorträge: Von Edge-Silizium bis zu verkörperter KI#

Neben den Produktankündigungen brachte das Programm führende Vertreter des KI-Ökosystems zusammen, um zu erörtern, wie der Einsatz von Vision-KI in der realen Welt heute aussieht.

• Bauwesen und industrielle Inspektion: Keith Povich erläuterte, wie Ultralytics YOLO26 zum Verständnis von Baustellen eingesetzt wird. Dabei geht es über einfache Objekterkennung hinaus bis hin zum Kontext der gesamten Baustelle: Konflikte zwischen verschiedenen Gewerken werden markiert und durch Belege gestützte Korrekturvorschläge für die fachliche Prüfung vorbereitet.
• Offenes Computing für Vision-KI: Alex Zhang zeigte, wie Ultralytics YOLO über PyTorch und ROCm auf AMD-GPUs ausgeführt wird – vom Experimentieren und Trainieren bis hin zu Inferenzanwendungen in der realen Welt.
• Beschleunigung am Netzwerkrand: In Vorträgen von NVIDIA, Intel und Qualcomm ging es darum, YOLO-Modelle vom Training bis zur Bereitstellung auf Edge-Hardware der nächsten Generation zu beschleunigen, darunter OpenVINO™-Optimierungen von Intel für Core-Ultra-Prozessoren.
• Robotik im praktischen Einsatz: Lisa Li berichtete von Erfahrungen und Benchmark-Ergebnissen globaler Entwickler, die Ultralytics YOLO über das D-Robotics RDK auf Robotern in der realen Welt einsetzen.
• Verkörperte Vision-KI: Paul Li sprach darüber, wie sich Forschung in der Robotik in zuverlässige Robotersysteme für die reale Welt übertragen lässt – und über die praktische Herausforderung, Wahrnehmung aus dem Labor in funktionierende Roboter zu bringen.
• KI für die Menschheit: Dr. James Ong richtete den Blick über einzelne Produkte hinaus auf die umfassendere Verantwortung, die mit dem Einsatz von Vision-KI in großem Maßstab einhergeht.
• Wo künftig Mehrwert entsteht: Steve Nouri untersuchte, wie sich die Ökonomie der KI verändert, während Modelle leistungsfähiger und zur Massenware werden. Er argumentierte, dass ein nachhaltiger Vorteil nicht vom Modell selbst ausgeht, sondern von Daten, Kontext, Workflows und Vertrauen.

Den Abschluss des Tages bildete eine Podiumsdiskussion mit Modellentwicklern, Hardware-Innovatoren und Teams, die echte Produkte entwickeln. Dabei ging es darum, wie diese Technologien zusammenwachsen und was als Nächstes geschehen muss, um leistungsfähigere Vision-KI in die reale Welt zu bringen.

Messestände, Workshops und Live-Demos auf der Veranstaltungsfläche#

Während auf der Bühne die Zukunft der Vision-KI im Mittelpunkt stand, zeigte die Veranstaltungsfläche, wie viel davon bereits heute im Einsatz ist. YV26 sah im Laufe des Tages drei eigene Pausen für Demos sowie eine ausgedehnte Mittagspause vor. So hatten die Teilnehmenden viel Zeit, selbst Hand anzulegen, anstatt nur von ihren Plätzen aus zuzuschauen.

Die Demos dieses Jahres prägten einen großen Teil der Veranstaltungsfläche:

• LimX Dynamics brachte Hardware für verkörperte KI auf der Veranstaltungsfläche zum Leben und gab den Teilnehmenden einen direkten Einblick, wie Wahrnehmungsmodelle wie YOLO in reale Roboterplattformen integriert werden.
• D-Robotics präsentierte seine Entwicklungs-Kits mit Edge-SoC und knüpfte damit an Gespräche früherer YOLO-Vision-Veranstaltungen über die Ausführung von Sensorik, Bewegungssteuerung und Entscheidungsfindung auf einem einheitlichen Stack an.
• Axera präsentierte Chips und Computerplattformen für effiziente Inferenz mit geringem Stromverbrauch. So konnten die Teilnehmenden vergleichen, wie sich dieselben YOLO-Modelle auf verschiedenen Edge-Chips verhalten.

Zusätzlich zu den Messeständen der Sponsoren veranstaltete AMD einen eigenen Praxisworkshop, in dem Gruppen lernten, Ultralytics YOLO direkt auf AMD ROCm und AMD-Hardware bereitzustellen. Der Workshop ergänzte den technischen Vortrag von AMD auf der Hauptbühne am selben Tag.

Abb. 2. Workshops bei Ultralytics YOLO Vision 2026

In den Pausen für Demos konnte das Ultralytics-Team den Teilnehmenden die Ankündigungen des Tages auch direkt vorstellen. Bei einer Live-Demonstration von Auto-Training und Agents auf Ultralytics Platform konnten die Besucher Ask AI ausprobieren und selbst einen Workflow erstellen, statt ihn nur auf der Bühne vorgeführt zu bekommen.

Wie bei früheren Veranstaltungen spielten sich einige der besten Momente in diesen Zwischenbereichen ab. An den Ständen tauschten sich die Teilnehmenden über Herausforderungen bei der Bereitstellung aus, reihten sich mit Fragen an Partneringenieure ein und führten Gespräche fort, die bereits bei den YOLO-Vision-Veranstaltungen des Vorjahres in London und Shenzhen begonnen hatten. Die Mischung aus Führungskräften, Open-Source-Mitwirkenden, Studierenden und Hobbyentwicklern, die an denselben Ständen Seite an Seite stehen, prägt jede YOLO-Vision-Veranstaltung – unabhängig davon, wie sehr sich die Technologie auf der Bühne von Jahr zu Jahr verändert.

Die wichtigsten Erkenntnisse#

YOLO Vision 2026 zeigte, wie Ultralytics an zwei miteinander verbundenen Fronten Fortschritte erzielt: Die Ultralytics-YOLO-Familie wird durch YOLO27, Enterprise-Modelle und Funktionen mit offenem Vokabular erweitert, während Ultralytics Platform den gesamten Modelllebenszyklus zugänglicher macht.

Diese Entwicklungen weisen auf eine Bildverarbeitungs-KI hin, die nicht nur schneller und genauer, sondern auch in realen Umgebungen einfacher zu trainieren, anzubinden, bereitzustellen, zu überwachen und zu verbessern ist.

Entdecke noch heute die Ultralytics Platform und trag dich in die Warteliste ein, um Neuigkeiten zu erhalten, wenn YOLO27 der Veröffentlichung näher kommt. Werde Teil unserer Community und unseres GitHub-Repositorys, um mitzugestalten, was als Nächstes kommt.