Physical AI und Robotik: Wenn Maschinen auf die reale Welt treffen

Jahrelang dominierte Künstliche Intelligenz (KI) Aufgaben im digitalen Bereich: Bild‑ und Objekterkennung, Textgenerierung und das Besiegen von Spiel‑KIs. Doch Physical AI – die KI, die die physische Welt erfasst und aktiv mit ihr interagiert – hat diese Domäne radikal verändert. Physical AI ermöglicht es Maschinen, Objekte zu greifen, Räume zu navigieren und in Echtzeit Entscheidungen zu treffen, weil hochauflösende Sensoren und Edge‑Compute die latente Verarbeitung von Bild‑ und Kraftdaten unmittelbar in Steuerbefehle übersetzen.

Die Kombination fortschrittlicher neuronaler Netze, hochpräziser Sensoren und präziser Aktoren hat eine neue Generation von Robotern hervorgebracht, weil sie gemeinsam ein geschlossenen Regelkreis bilden, der Wahrnehmung, Planung und Ausführung ohne externe Zwischenschritte verknüpft. Bereits im Jahr 2026 verlassen diese Maschinen die Labore und finden ihre Anwendung in Fabriken und Lagerhäusern, da die Kosten für Sensorik und Rechenleistung inzwischen so weit gesunken sind, dass sich die Wirtschaftlichkeit im industriellen Maßstab bereits ab 2026 zeigt. Eine breitere häusliche Nutzung bleibt jedoch eine längerfristige Zukunftsaussicht; Hausintervention erfordert noch leichtere Aktoren und strengere Sicherheitszertifikate.

Das Humanoid‑Rennen

Ein besonders bemerkenswerter Ausdruck von Physical AI ist der humanoide Roboter. In der aktuellen Berichterstattung tauchen regelmäßig zwei Plattformen auf: Tesla Optimus und Figure 03. Sie verkörpern unterschiedliche Design‑Philosophien – Tesla setzt auf Skalierbarkeit, Figure auf feinmotorische Präzision.

Tesla Optimus

Tesla präsentierte im Frühjahr 2026 die Gen‑3‑Version von Optimus. Diese Generation verfügt über Hände mit 22 Freiheitsgraden, was eine erhebliche Verbesserung gegenüber dem Vorgänger ist; die 22 Freiheitsgrade ermöglichen ein Finger‑ und Handgelenks‑Manövrieren, das zuvor nur menschenähnliche Hände erreichen konnten. Der Roboter nutzt eine Weiterentwicklung des Full‑Self‑Driving‑Neuronalsystems, das bereits in Teslas Fahrzeugen eingesetzt wird, und verlässt sich ausschließlich auf visuelle Eingaben, weil die Kamera‑Stacks dank ihrer hohen Auflösung und Bildrate eine zuverlässige Tiefenwahrnehmung ersetzen. Tesla hat etwa 8 000 Optimus‑Modelle in seinen Fabriken in Fremont und Texas eingesetzt, hauptsächlich für interne Tests; diese Zahl verdeutlicht, dass Tesla bereits eine signifikante Testflotte aufgebaut hat, um langfristige Zuverlässigkeit und Wartungsintervalle zu evaluieren. Alle in diesem Abschnitt genannten Zahlen stammen von Tesla, es sei denn, explizit anders angegeben.

Gemäß den von Tesla gemeldeten Daten sind die wichtigsten Spezifikationen:

• Gehgeschwindigkeit: etwa 8 km/h
• Akkulaufzeit: etwa 8 Stunden für eine 2,3 kWh‑Akkukapazität
• Sehvermögen: 8 Kameras für eine umfassende 360‑Grad‑Bildgebung ohne LiDAR
• Zielpreis bei Serienproduktion: 20 000 bis 30 000 Dollar

Tesla plant, die ehemaligen Model‑S‑ und Model‑X‑Produktionshallen in Fremont zu Optimus‑Fabriken umzurüsten. Da sich die Produktionszeitpläne bislang wiederholt verschoben haben, erwarten Analysten, dass erst kontinuierliche Ausbringungs‑ und Defektraten‑Daten aus den Werken den wahren kommerziellen Reifegrad belegen.

Figure 03

Figure AI's dritte Generation besticht durch außergewöhnliche Geschicklichkeit. Figure 03 verfügt über 22‑DoF‑Hände, die Kräfte so gering wie 3 Gramm erkennen können; damit kann der Roboter subtile Berührungen wahrnehmen, die für das Handling von empfindlichen Haushaltsgegenständen, etwa Porzellan, entscheidend sind. Er wird von Helix angetrieben, Figure AI's Vision‑Language‑Action‑Modell, das visuelle Eingaben unmittelbar in Motorbefehle übersetzt und damit die übliche Aufspaltung in separate Wahrnehmungs‑, Planungs‑ und Steuerungs‑Module eliminiert. Figure AI hat bereits in Pilotprojekten bei BMW autonome Aufgabenerfüllung demonstriert, etwa das Laden und Entladen eines Geschirrspülers.

Vergleichsübersicht

Die folgende Tabelle fasst unternehmensgemeldete Spezifikationen, Analystenschätzungen und Zahlen aus Drittanbieter‑Robotikberichten zusammen. Mit (Schätz.) markierte Einträge sind Schätzungen; alle anderen Daten stammen von den Unternehmen selbst.

Figure führt bei den gemeldeten Geschicklichkeitsspezifikationen. Tesla führt hingegen bei der eingesetzten Anzahl und den angestrebten Stückkosten.

Vision‑Language‑Action‑Modelle

Die Vision-Language-Action-Architektur (VLA) ist der zentrale KI-Durchbruch, der Physical AI ermöglicht. Traditionelle Roboter-Software-Pipelines teilen Wahrnehmung, Planung und Steuerung in separate Module auf, die über handgefertigte Schnittstellen kommunizieren. VLA-Modelle verbinden rohe Pixel-Eingaben direkt mit motorischen Aktionen von Ende zu Ende. Diese Methode erlaubt es, dass der Roboter aus menschlichen Demonstrationen lernt und auf neue Situationen verallgemeinert, anstatt dass Programmierer jeden Randfall spezifizieren müssen; dadurch reduziert sich der Aufwand für das Engineering, weil das Modell die zugrundeliegende Physik und Kinematik selbst abstrahiert. Google DeepMinds RT-2 und Physical Intelligences π0 gelten als frühe Beispiele; Figure AI's Helix und Teslas Adaption des FSD-Netzes bilden die aktuelle Generation. Dieses End-zu-End-Paradigma beschleunigt die Übertragung von Wissen aus Simulationen in die reale Welt, indem es die zerbrechlichen, handgefertigten Übersetzungsschichten eliminiert.

Physical AI jenseits der Humanoiden

Physical AI erstreckt sich weit über humanoide Roboter hinaus:

• Autonome Fahrzeuge: Vollständig selbstfahrende Systeme verarbeiten reale Sensordatenströme und treffen Fahrentscheidungen; Waymo betreibt bereits kommerzielle Flotten in Phoenix, San Francisco und Austin.
• Chirurgische Robotik: KI‑gestützte Assistenzsysteme erhöhen die Präzision im OP; das da‑Vinci‑System ist seit 2000 klinisch im Einsatz, während neuere Plattformen KI‑basierte Bild‑ und Struktur‑Highlighting‑Funktionen bieten.
• Industrielle Manipulation: KI‑visionierte Roboterarme übernehmen Sortierung, Montage und Qualitätskontrolle und ermöglichen rasche Umstellung auf neue Produktvarianten ohne umfangreiche Neu‑Programmierung.
• Landwirtschaftliche Roboter: Autonome Systeme schneiden, ernten und überwachen Pflanzen, wodurch Arbeitskräftemangel gemindert und datenbasierte Anbauentscheidungen ermöglicht werden.

Herausforderungen

Physical AI steht vor Einschränkungen, die digitale KI nicht hat:

• Aktoren und Hardware bleiben der Engpass. Aktoren machen einen großen Teil der Stücklistenkosten humanoider Roboter aus, und aktuelle Aktortechnologie begrenzt Kraft, Geschwindigkeit und Energieeffizienz gleichzeitig; deshalb können humanoide Roboter noch keine schnellen, kraftvollen Bewegungen ausführen, ohne den Energieverbrauch zu explodieren.
• Energiedichte begrenzt die Laufzeit. Akkus, die schwer genug für einen vollen Arbeitstag sind, fügen erhebliches Gewicht hinzu und beeinträchtigen die Balance; folglich muss ein Roboter entweder ein schweres Batteriesystem tragen und damit seine Stabilität opfern, oder häufige Ladepausen einplanen.
• Verallgemeinerung ist in der physischen Welt schwieriger. Ein Roboter, der zuverlässig Kisten in einem Lager stapeln kann, hat immer noch Schwierigkeiten in einem leicht anderen Umfeld – kleine Änderungen in Beleuchtung, Objektgeometrie oder Bodenoberfläche können Fehler verursachen, weil die Sensordatenverteilung leicht verschoben wird und das trainierte Steuerungs‑Policy nicht für diese Variation optimiert ist.
• Sicherheit ist nicht verhandelbar. Ein Fehler in einem Sprachmodell produziert falschen Text; ein Fehler in einem Roboter‑Steuerungssystem kann Menschen in der Nähe körperlich schaden. Daher erfordern reale Einsätze rigorose Verifikations‑ und Echtzeit‑Überwachungsmechanismen, die über die üblichen Software‑Tests hinausgehen.

Der Weg nach vorne

Hardware verbessert sich, Robotik‑Foundation‑Modelle reifen, und Hersteller beginnen die Produktion zu skalieren. Physical AI wird bereits in Logistik und Fertigung eingesetzt. Breitere häusliche Unterstützung bleibt eine längerfristige Möglichkeit, eher als etablierte Realität.