Glossareintrag
Wir denken. KI tippt mit.
Physical AI (deutsch Physische KI, in der Fachwelt eng verwandt mit Embodied AI, der verkörperten KI) ist Künstliche Intelligenz, die die reale Welt über Sensoren wahrnimmt und daraus Entscheidungen ableitet. Über Motoren, Greifer oder Räder handelt sie selbst. Sprachmodelle wie ChatGPT, Gemini oder Claude beschreiben, wie ein Dübel in die Wand kommt. Physical AI bohrt das Loch. Der Digitalverband Bitkom nennt es in seinem Whitepaper zu Physical AI vom April 2026 eine „neue Phase der Künstlichen Intelligenz, in der KI-Systeme nicht mehr ausschließlich digitale Informationen verarbeiten, sondern in physischen Umgebungen wahrnehmen, entscheiden und handeln“.
Nvidia hat den Begriff verbreitet. Der Chiphersteller sprach schon 2024 von „generative physical AI“. Firmenchef Jensen Huang stellte Physical AI in seiner Keynote auf der CES im Januar 2025 als dritte Stufe vor. Davor kommen die Wahrnehmungs-KI (Bilder, Sprache und Töne verstehen) und die generative KI (Texte, Bilder und Töne erzeugen). Das Marktforschungshaus Gartner zählt Physical AI zu den zehn strategischen Technologietrends für 2026 und meint damit „Maschinen und Geräte, die wahrnehmen, entscheiden und handeln, wie Roboter, Drohnen und intelligente Ausrüstung“ (übersetzt).
Roboter gibt es seit Jahrzehnten. Neu ist die Steuerung. Ein klassischer Industrieroboter fährt eine Bahn ab, die ein Programmierer ihm Punkt für Punkt beigebracht hat, und benötigt dafür eine aufgeräumte Zelle, in der jedes Teil an derselben Stelle liegt. Ein Physical-AI-System sieht, was vor ihm liegt, und passt seine Bewegung an. Es ist also die Bilderkennung plus die Entscheidung plus die Ausführung in einem Kreislauf, der viele Male pro Sekunde durchläuft. Wie viel ein solches System allein erledigen darf, beschreiben die Autonomiegrade.
Hinweis: Das Fraunhofer IPA setzt die Grenze enger als Nvidia, Bitkom und Gartner. Dort ist „Physische KI“ eine KI, die über Sensoren wahrnimmt und auf dieser Basis mit ihrer Umgebung interagiert, z. B. Maschinenparameter optimiert oder Bauteile prüft. Erst die „Verkörperte KI“ (Embodied AI) hat einen eigenen Körper und handelt über Aktoren selbstständig. In der verbreiteten Lesart umfasst Physical AI beides.
Jedes Physical-AI-System durchläuft denselben Kreislauf aus Wahrnehmen, Entscheiden und Handeln. Am Anfang stehen Sensoren. Kameras liefern Bilder, Lidar-Scanner messen Entfernungen per Laser, Kraft- und Tastsensoren in Greifern melden, wie fest ein Gegenstand gehalten wird. Ein KI-Modell verarbeitet diese Daten und entscheidet über die nächste Bewegung. Aktoren, also Motoren, Hydraulik oder Greifer, führen sie aus. Danach liefern die Sensoren das Ergebnis zurück, und die Schleife beginnt von vorn. Weil eine Hand, die zu spät reagiert, ein Glas fallen lässt, muss dieser Zyklus in Bruchteilen einer Sekunde laufen. Die Inferenz findet darum fast immer direkt auf dem Gerät statt (Edge-KI), nicht in einem Rechenzentrum. Nvidia verkauft dafür seit August 2025 den Roboter-Rechner Jetson AGX Thor, der im Rumpf eines Roboters eingebaut wird.
Das Steuerungsmodell Helix des Humanoiden-Herstellers Figure AI besteht laut der Vorstellung von Helix im Februar 2025 aus zwei Teilen. Ein großes Sprach-Bild-Modell mit 7 Milliarden Parametern schaut sich die Szene an, versteht den gesprochenen Auftrag und plant, und zwar 7 bis 9 Mal pro Sekunde. Ein kleines Modell mit 80 Millionen Parametern setzt den Plan in Gelenkbewegungen um, 200 Mal pro Sekunde. Nvidia nutzt für sein offenes Roboter-Basismodell Isaac GR00T N1 dieselbe Aufteilung und nennt die beiden Hälften „System 1“ (schnell, reflexartig) und „System 2“ (langsam, überlegt). Das langsame Denken übernimmt eine multimodale KI, das schnelle Handeln ein spezialisiertes Bewegungsmodell.
Diese Modellklasse heißt Vision-Language-Action-Modell (VLA). Sie nimmt Bilder und Sprache als Eingabe und gibt Bewegungen aus. Google DeepMind stellte im März 2025 mit Gemini Robotics ein solches Modell vor, das auf Gemini 2.0 aufsetzt und „physische Aktionen als neue Ausgabemodalität“ ergänzt (übersetzt). Die Variante Gemini Robotics On-Device lernt eine neue Aufgabe laut DeepMind mit nur 50 bis 100 Vorführungen durch einen Menschen. Im Juli 2026 folgte Gemini Robotics 2, das einen humanoiden Roboter am ganzen Körper steuert. Das Start-up Physical Intelligence verfolgt mit seinem Modell π0.5 den Ansatz eines Generalisten, der in fremden Wohnungen aufräumt, die im Training nie vorkamen. Ein großes Sprachmodell steckt in all diesen Systemen als Verständnis-Schicht. Es liefert das Weltwissen, was ein Schraubenzieher ist und wofür man ihn hält.
Der Unterschied zur klassischen Robotik liegt nicht an der Zahl der Roboter. Die gibt es längst. Der Weltverband IFR zählte für 2024 in seinem Bericht World Robotics 2025 weltweit 542.000 neu installierte Industrieroboter und einen Bestand von 4,66 Millionen. Deutschland kam auf 26.982 neue Roboter, Rang 5 weltweit, und ein knappes Drittel aller Installationen in Europa. Bei der Roboterdichte steht Deutschland mit 449 Robotern je 10.000 Beschäftigten auf Rang 3 hinter Südkorea und Singapur. Fast alle diese Maschinen sind blind. Sie wiederholen eine einprogrammierte Bewegung und stoppen, sobald etwas nicht an seinem Platz liegt. Physical AI ersetzt das Programmieren durch Wahrnehmen und Lernen. Nvidia und die Humanoiden-Hersteller zielen damit auf Umgebungen, die niemand aufräumt, also Lager, Baustelle, Krankenhaus und Haushalt.
Trainingsdaten sind knapp. Ein Sprachmodell lernt aus dem Internet, ein Roboter findet dort keine Beispiele dafür, wie sich ein Kabel anfühlt. Daten für Physical AI entstehen auf drei Wegen. Erstens durch Vorführen, wobei ein Mensch den Roboter per Fernsteuerung durch eine Aufgabe führt (Teleoperation). Der Hersteller 1X baut das in sein Haushaltsmodell NEO als Funktion ein. Kennt der Roboter eine Aufgabe nicht, bucht der Besitzer laut der Produktseite von NEO einen 1X-Experten, der ihn durch die Aufgabe führt, und NEO lernt mit. Zweitens durch Videos von Menschen. Figure AI zahlt über die App Index Geld für gefilmte Alltagsverrichtungen und hatte am 25. August 2026 nach eigenen Angaben über 16 Millionen Videos gesammelt. Drittens durch Simulation.
Simulation heißt hier, dass der Roboter in einer virtuellen Kopie der Welt übt: Millionen Griffe pro Nacht auf tausend parallelen Rechenkernen. Nvidia stellt dafür das quelloffene Framework Isaac Sim auf Basis seiner Omniverse-Bibliotheken bereit. Bildet die Simulation eine bestimmte Halle nach und bleibt sie mit deren Messdaten verbunden, ist sie ein digitaler Zwilling. Google DeepMind erzeugt mit Genie 3 begehbare Welten aus einer Textbeschreibung. Metas V-JEPA 2 lernt Physik aus Videos. Nach einem Nachtraining mit rund 62 Stunden Roboterdaten steuert es einen Roboterarm an fremden Orten mit fremden Gegenständen. Solche Weltmodelle (World Foundation Models) sagen voraus, was als Nächstes passiert, wenn der Roboter eine Bewegung ausführt. Nvidias Cosmos 3 vom Mai 2026 ist ein solches Modell, trainiert auf Text, Bildern, Videos, Ton und Bewegungsabläufen. Die Ausgaben sind synthetische Trainingsdaten, und sie lassen sich beliebig variieren, mit anderem Licht, anderem Boden, anderer Kiste. Diese Zufallsvariation (Domain Randomization) soll verhindern, dass der Roboter nur die eine Simulation beherrscht.
Der AI Index 2026 der Stanford University nennt zwei Vergleichswerte aus der Simulation. Auf dem Benchmark RLBench mit 18 kurzen Greif- und Stapelaufgaben erreicht das beste Verfahren 89,4 Prozent Erfolg. Beim Benchmark BEHAVIOR-1K, der lange Haushaltsaufgaben in simulierten Wohnungen nachstellt, löste das beste Team der BEHAVIOR Challenge 2025 nur 12,4 Prozent der Aufgaben vollständig. In der echten Welt kommt eine weitere Lücke hinzu, die die Fachwelt Sim-to-Real-Gap nennt. Reibung, Kabel, Spiegelungen und weiche Gegenstände verhalten sich in der Simulation nie ganz wie in der Realität. Nvidia beschreibt in seinem Glossar zu Physical AI drei Computer, die zusammenspielen. Ein Rechenzentrum trainiert das Modell, ein zweiter Rechner simuliert und erzeugt die synthetischen Daten, der dritte steckt im Roboter und führt aus. Für jeden der drei verkauft Nvidia die passenden GPUs. Nvidia bezifferte die Marktchance für Industrie und Robotik im Live-Blog zur Hausmesse GTC im März 2025 auf 50 Billionen Dollar.
Belegte Einsätze außerhalb von Vorführungen gibt es 2026 bei einer Handvoll Konzerne. Bei BMW in Spartanburg hat der Humanoide Figure 02 mehr als zehn Monate lang Blechteile in Schweißvorrichtungen eingelegt. Laut einer Pressemitteilung der BMW Group vom Juni 2026 wirkte er an über 30.000 Fahrzeugen des Typs X3 mit. Der Nachfolger Figure 03 sortiert jetzt Bauteile in der Logistik. Der Roboter Digit von Agility Robotics hat beim Logistiker GXO nach Herstellerangaben vom November 2025 über 100.000 Behälter bewegt. Boston Dynamics hat im Januar 2026 die Serienfertigung des elektrischen Atlas gestartet. Alle Auslieferungen für 2026 sind an Hyundai und Google DeepMind vergeben, weitere Kunden folgen laut Hersteller 2027. Der chinesische Hersteller Unitree verkauft seinen Humanoiden G1 laut Produktseite ab 13.500 US-Dollar und ging im August 2026 an die Börse in Shanghai. Teslas Optimus hatte bis zum Sommer 2026 keinen Kunden beliefert, Elon Musk nannte ihn in der Telefonkonferenz zum Quartalsbericht im Juli 2026 das am schwersten in Serie zu bringende Produkt der Firmengeschichte.
Die großen KI-Labore steigen mit unterschiedlichen Rollen ein. Google DeepMind liefert die Steuerungsmodelle für fremde Roboter. OpenAI baut eine eigene Robotik-Sparte auf, und Sam Altman sagte Anfang September 2026 in einem Podcast, OpenAI werde „definitiv“ einen Humanoiden bauen, ohne Prototyp oder Termin. Anthropic geht den Weg über eine Schnittstelle. Der Model Hardware Standard vom August 2026 beschreibt Laborgeräte und Roboterarme so, dass ein KI-Agent sie findet und bedient. Die Anbindung eines Geräts sinkt laut Anthropic von Wochen auf Stunden. Was der Standard kann und wo Claude im Labor an Grenzen stieß, steht in unserem Artikel zum Model Hardware Standard von Anthropic. Eine Vorstufe dieses Standards ist das Model Context Protocol für Software.
Nach der Bitkom-Presseinformation vom April 2026 setzen 6 Prozent der Industrieunternehmen Physical AI ein, 28 Prozent planen es. Die Mitteilung nennt weder Stichprobe noch Erhebungszeitraum.
Im Handwerk ist Physical AI heute kein humanoider Roboter, sondern ein Werkzeug mit Augen. Die Bitkom-Studie „Digitalisierung des Handwerks“ (504 befragte Betriebe, Juni bis Juli 2025) zeigt den Stand. 7 Prozent der Handwerksbetriebe setzen Roboter ein, 11 Prozent planen es, für 80 Prozent ist das kein Thema. Bei KI insgesamt liegt der Einsatz bei 4 Prozent. Als Hemmnis der Digitalisierung insgesamt nennen 69 Prozent die Investitionskosten und 57 Prozent die mangelnde Praxisreife. 51 Prozent erhoffen sich von digitalen Anwendungen körperliche Entlastung, und 75 Prozent melden Fachkräftemangel.
Was es heute zu kaufen oder zu mieten gibt, nach Gewerken:
Nicht jeder Roboter ist Physical AI. Ferngesteuerte Abbruchroboter von Brokk oder Husqvarna werden von einem Menschen am Joystick bedient. Der Kuka-Roboter, der in der Glaswerkstatt Ahne in Pirna Spiegel in die CNC-Maschine einlegt, wiederholt eine eingelernte Bewegung. Der 18-Mann-Betrieb hat dafür rund 85.000 Euro des 300.000-Euro-Pakets ausgegeben, und der Geschäftsführer nennt als Bedarf einen IT-Experten für den Fall, dass etwas nicht läuft wie geplant. Die Teilefertigung MX3 in Radeburg (8 Mitarbeiter) lässt einen Roboter die mannlose Nachtschicht an der Drehmaschine fahren und rechnet mit einer Amortisation nach eineinhalb bis zwei Jahren. Beide Fälle lohnen sich, beide sind klassische Automatisierung. Physical AI beginnt dort, wo die Maschine auf etwas reagiert, das niemand vorher einprogrammiert hat, also auf die krumme Naht, das verrutschte Bauteil, den Hund auf dem Rasen.
Wer einen Cobot mit Wahrnehmung nachrüsten will, bekommt die Augen mittlerweile als Zubehör. Universal Robots verkauft für seine neueren Arme den AI Accelerator, einen Entwickler-Baukasten aus Nvidia-Rechner und 3D-Kamera für Anwendungen, bei denen der Arm Teile erkennt und greift. Die Münchner Firma robominds liefert einen KI-Rechner mit Kamera für den Griff in die Kiste.
Mietmodelle senken die Investitionshürde. Der Konstanzer Hersteller fruitcore robotics vermietet seinen Roboter HORST monatlich mit Anrechnung auf den Kauf. ABB bietet Cobots im Abo mit sechs Monaten Kündigungsfrist. Diese Form heißt Robots-as-a-Service (RaaS). Vor dem Vertrag lohnt der Weg zur Handwerkskammer. Das Kompetenzzentrum Robotik im Handwerk der HWK Dresden berät kostenlos, hat ein Testfeld mit Cobots und Exoskeletten und vermittelt Herstellerkontakte. Die HWK Erfurt bildet bis Mai 2027 kostenfrei zum „Geprüften Berufsspezialisten für Robotik“ aus. Für Exoskelette übernimmt die BG BAU die Hälfte der Kosten für Einweisung und einen zweiwöchigen Praxistest im eigenen Betrieb, gedeckelt auf 1.500 Euro. Ein Betrieb kann also gefördert ausprobieren, bevor er kauft.
Ab dem 20. Januar 2027 gilt die neue EU-Maschinenverordnung, die erstmals selbstlernende Steuerungen erfasst, soweit sie Sicherheitsfunktionen übernehmen. Und vor dem Einsatz steht die Gefährdungsbeurteilung. Für Exoskelette stellt das Institut für Arbeitsschutz der DGUV ein Muster bereit und merkt an, dass die Wirksamkeit der Geräte im Betriebsalltag bislang weitgehend unbelegt ist. Wer Drohnen zur Dachinspektion einsetzt, muss sich als Betreiber beim Luftfahrt-Bundesamt registrieren und einen Kompetenznachweis führen. Die BG BAU nimmt Drohnen samt Fernpilotenzeugnis A2 ab Juli 2026 in ihre Prämien auf.
Als der Roboterhund Spot von Boston Dynamics für Drees & Sommer in Stuttgart einen Neubau per Laserscanner vermaß, durfte er nach Darstellung des Unternehmens nicht autonom laufen, weil die gesetzlichen Rahmenbedingungen das verbieten. Ein Mitarbeiter steuerte ihn per Tablet. Das Ergebnis war eine Punktwolke für den Abgleich zwischen Plan und Rohbau. Der Roboter nahm wahr und dokumentierte, die Entscheidung blieb beim Menschen.
