Innovationen im Fokus: Ergebnisse des Build Small Hackathons von Cohere und Hugging Face

Als spezialisierter Journalist und Analyst für Mindverse möchten wir Ihnen einen detaillierten Einblick in den kürzlich von Cohere und Hugging Face gemeinsam veranstalteten "Build Small Hackathon" geben. Diese Veranstaltung beleuchtet eine zunehmend relevante Entwicklung im Bereich der Künstlichen Intelligenz: die Konzentration auf kleinere, lokal ausführbare Modelle und deren praktische Anwendungen.

Die Philosophie hinter "Build Small"

Der "Build Small Hackathon" wurde mit einer klaren Zielsetzung ins Leben gerufen: die Entwicklung von KI-Modellen zu fördern, die nicht zwingend auf riesige Rechenzentren angewiesen sind. Im Vordergrund stand die Idee, "zurück zum Bauen im Kleinen" zu kehren. Dies bedeutet, Modelle zu entwickeln, die einerseits kostengünstig im Betrieb sind und andererseits auf der eigenen Hardware der Nutzer laufen können. Die Obergrenze für die Modellgröße wurde auf 32 Milliarden Parameter festgelegt, was eine Abkehr von den immer größer werdenden Modellen der letzten Jahre darstellt.

Die Organisatoren betonten, dass die Zukunft der KI nicht ausschließlich in den Datenzentren großer Konzerne liegen muss. Stattdessen sollten "tinkerable models" gefördert werden – Modelle, deren Gewichte offen zugänglich sind und die von Entwicklern modifiziert und neu geformt werden können. Dieser Ansatz zielt darauf ab, die Entwicklung von KI zu demokratisieren und die Innovation in den Händen einer breiteren Gemeinschaft zu fördern.

Zwei Tracks für unterschiedliche Ansätze

Der Hackathon war in zwei Hauptkategorien unterteilt, um sowohl praktische als auch kreative Anwendungen zu würdigen:

• The Practical Track (Backyard AI): Dieser Track konzentrierte sich auf praktische, problemlösende Anwendungen, die den Alltag verbessern sollen. Beispiele hierfür waren kundenspezifische Storybook-Generatoren, persönliche Studien-Tutoren, Beleg- oder Rechnungs-Parser sowie Dokumentenassistenten für lokale Geräte.
• The Whimsical Track (Thousand-Token Wood): Hier wurden skurrile, unterhaltsame und KI-native Anwendungen gesucht, die die Grenzen des Möglichen ausloten und zeigen, wozu kleine Modelle fähig sind.

Cohere stellte für die Teilnehmer des Hackathons spezifische Modelle zur Verfügung, die den Anforderungen an die Modellgröße entsprachen. Dazu gehörten Tiny Aya, eine mehrsprachige Textgenerierungsfamilie mit 3,35 Milliarden Parametern, die über 70 Sprachen abdeckt, und Cohere Transcribe, ein automatisches Spracherkennungsmodell mit 2 Milliarden Parametern, das 14 Sprachen unterstützt. Diese Modelle wurden als ideale Kandidaten für lokale mehrsprachige Assistenten, Sprachschnittstellen, Barrierefreiheitstools, Offline-Übersetzungshilfen und kleine Anwendungen für Endnutzer hervorgehoben.

Ausgezeichnete Projekte mit Cohere-Modellen

Im Rahmen des Hackathons wurden mehrere Projekte für ihre herausragende Arbeit ausgezeichnet. Insbesondere zwei Projekte, die auf Cohere-Modellen basierten, erhielten besondere Anerkennung:

Tiny Army: Heldengenerierung im Thousand-Token Wood

Das Projekt "Tiny Army" von Paul Gadi wurde im "Thousand-Token Wood"-Track mit dem zweiten Platz ausgezeichnet. Hierbei handelt es sich um ein Spiel, bei dem Nutzer ihren eigenen Helden durch die Beschreibung seiner Eigenschaften erstellen und auswählen können. Die Jury hob hervor, dass das Spiel nicht nur nützlich, sondern auch "skurril und einfach cool" sei und einen hohen Unterhaltungswert biete.

Eyas: Ein Sicherheitskamera-Agent für den Einzelhandel

Der Preis für den "Besten Agenten" ging an das Team von Hanhee Lee, Javier Huang und Joe Lee für ihr Projekt "Eyas". Dieses Projekt ist ein Sicherheitskamera-Agent, der speziell für den Convenience Store von Lees Familie entwickelt wurde. Die Anwendung löst ein "reales Problem mit einer realen Lösung", indem sie eine praktische KI-Anwendung für den täglichen Geschäftsbetrieb bereitstellt. "Eyas" demonstriert das Potenzial kleinerer KI-Modelle, konkrete Herausforderungen im Alltag zu adressieren und die Effizienz zu steigern.

Implikationen für die B2B-Welt

Der "Build Small Hackathon" und die prämierten Projekte liefern wichtige Erkenntnisse für die B2B-Branche. Die Fähigkeit, kleinere, spezialisierte KI-Modelle zu entwickeln und lokal auszuführen, bietet mehrere Vorteile:

- Kosteneffizienz: Kleinere Modelle erfordern weniger Rechenleistung und Speicherplatz, was die Betriebskosten erheblich senken kann. Dies ist besonders für kleine und mittelständische Unternehmen (KMU) attraktiv, die möglicherweise nicht über die Ressourcen für den Betrieb großer KI-Infrastrukturen verfügen. - Datenschutz und Sicherheit: Die lokale Ausführung von Modellen verringert die Abhängigkeit von Cloud-Diensten und ermöglicht eine bessere Kontrolle über sensible Daten. Dies ist ein entscheidender Faktor in Branchen mit strengen Datenschutzbestimmungen. - Anpassbarkeit: "Tinkerable models" fördern die individuelle Anpassung an spezifische Geschäftsprozesse und Kundenbedürfnisse. Unternehmen können KI-Lösungen entwickeln, die präzise auf ihre Anforderungen zugeschnitten sind, ohne auf generische Cloud-Dienste angewiesen zu sein. - Offline-Fähigkeit: Lokale Modelle können auch ohne ständige Internetverbindung funktionieren, was ihre Anwendung in Bereichen mit eingeschränkter Konnektivität oder für mobile Lösungen erweitert. - Entwicklung von Nischenlösungen: Der Fokus auf kleinere Modelle ermöglicht die Entwicklung hochspezialisierter KI-Anwendungen, die genau auf bestimmte Nischenmärkte oder Problemstellungen zugeschnitten sind.

Die Zusammenarbeit von Unternehmen wie Cohere und Plattformen wie Hugging Face bei der Förderung solcher Initiativen zeigt einen wachsenden Trend in der KI-Entwicklung. Es geht nicht mehr nur um die Größe und Leistungsfähigkeit der Modelle, sondern auch um deren Zugänglichkeit, Anwendbarkeit und die Fähigkeit, echte Probleme im Alltag von Unternehmen und Einzelpersonen zu lösen. Für Mindverse-Kunden bedeutet dies eine Erweiterung der Möglichkeiten zur Integration von KI in ihre Geschäftsstrategien, mit einem Fokus auf maßgeschneiderte, effiziente und datenschutzkonforme Lösungen.

Fazit

Der "Build Small Hackathon" hat erfolgreich demonstriert, dass Innovation im Bereich der Künstlichen Intelligenz nicht ausschließlich von Gigantismus abhängt. Die prämierten Projekte "Tiny Army" und "Eyas" sind beispielhaft für den Wert von kleineren, spezialisierten KI-Modellen, die sowohl kreative als auch praktische Anwendungen ermöglichen. Für Unternehmen bietet dieser Trend die Chance, KI-Technologien auf eine kostengünstigere, sicherere und anpassungsfähigere Weise zu nutzen. Die Rückkehr zu "tinkerable models" und der Fokus auf lokale Ausführung könnten die Landschaft der KI-Anwendungen in den kommenden Jahren maßgeblich prägen.

Bibliography

- Cohere. (2026, July 13). *We co-sponsored the @huggingface hackathon with one purpose: get back to building small.* LinkedIn. [https://www.linkedin.com/posts/cohere-ai_we-co-sponsored-the-hugging-face-hackathon-activity-7482530492526002176-YhoC](https://www.linkedin.com/posts/cohere-ai_we-co-sponsored-the-hugging-face-hackathon-activity-7482530492526002176-YhoC) - CohereLabs. (2026, June 4). *Build Small Hackathon With Cohere Models*. Hugging Face Blog. [https://huggingface.co/blog/CohereLabs/build-small-hackathon-with-cohere-models](https://huggingface.co/blog/CohereLabs/build-small-hackathon-with-cohere-models) - Hugging Face. (n.d.). *Build Small · Hackathon Field Guide*. [https://build-small-hackathon-field-guide.hf.space/](https://build-small-hackathon-field-guide.hf.space/) - Hugging Face. (2026, June 11). *Build Small with Cohere Labs*. YouTube. [https://www.youtube.com/watch?v=TYIT3nRMXak](https://www.youtube.com/watch?v=TYIT3nRMXak) - Godoy, H. M. (2026, July 9). *Build Small Winners Reveal*. Open World News. [https://openworld.news/build-small-winners-reveal/](https://openworld.news/build-small-winners-reveal/) - Cohere. (2026, June 2). *Build Small Hackathon Registration - a Hugging Face Space by build-small-hackathon*. LinkedIn. [https://www.linkedin.com/posts/cohere-ai_build-small-hackathon-registration-a-hugging-activity-7467680537860767744-rATn](https://www.linkedin.com/posts/cohere-ai_build-small-hackathon-registration-a-hugging-activity-7467680537860767744-rATn) - Ciletti, M. (2026, June 13). *Clue Vibes: Taboo, except the tiny model is the one guessing*. Hugging Face Blog. [https://huggingface.co/blog/build-small-hackathon/clue-vibes](https://huggingface.co/blog/build-small-hackathon/clue-vibes) - Curie. (2026, June 14). *Voice Reach Running Notes*. Hugging Face Blog. [https://huggingface.co/blog/build-small-hackathon/voice-reach-running-notes](https://huggingface.co/blog/build-small-hackathon/voice-reach-running-notes)