Auf der CES 2026 hat Razer mit Project Motoko ein Konzept vorgestellt, das deutlich macht, wohin sich tragbare Technik in den kommenden Jahren entwickeln könnte. Statt klassischer Gaming-Hardware präsentiert Razer hier ein KI-natives, kabelloses Headset, das Gaming, Alltag und Produktivität in einem intelligenten System zusammenführen soll.
Project Motoko basiert auf Snapdragon-Plattformen von Qualcomm Technologies und ist als universell kompatible Schnittstelle zu gängigen KI-Diensten gedacht. Im Zentrum steht die Idee eines persönlichen, ständig präsenten KI-Begleiters, der seine Umgebung wahrnimmt, Zusammenhänge versteht und situativ reagiert – ohne klassische Eingabegeräte.
Zwei auf Augenhöhe platzierte Kameras liefern eine Ego-Perspektive, die es dem System ermöglicht, Objekte, Texte und Situationen in Echtzeit zu erkennen. Übersetzungen von Straßenschildern, das Erfassen von Trainingsbewegungen oder das spontane Zusammenfassen von Dokumenten sollen so direkt im Alltag funktionieren. Ergänzt wird das visuelle System durch ein erweitertes räumliches Wahrnehmungsmodell, das Tiefe, Symbole und Details erfasst, die über das menschliche Sichtfeld hinausgehen.
Für die akustische Wahrnehmung setzt Motoko auf mehrere Mikrofone für Nah- und Fernfeld. Sie erfassen Sprachbefehle ebenso wie Umgebungsgeräusche oder Gespräche im direkten Sichtfeld. Die KI reagiert darauf mit unmittelbarem Audio-Feedback und fungiert als freihändig nutzbarer Assistent, der Termine, Gewohnheiten und Vorlieben berücksichtigt – egal ob beim Pendeln, Spielen oder Multitasking zu Hause.
Offen konzipiert ist auch die Software-Ebene. Project Motoko soll sich mit verschiedenen KI-Plattformen verbinden lassen, darunter Grok, OpenAI und Gemini. Damit positioniert Razer das Konzept nicht als geschlossenes Ökosystem, sondern als flexible Plattform, die sich an unterschiedliche Nutzungsszenarien anpassen lässt. Darüber hinaus sieht Razer Motoko auch als Werkzeug für maschinelles Lernen: Die erfassten Perspektiv- und Tiefendaten könnten genutzt werden, um humanoide Roboter realistischer zu trainieren.
