Physical-AI-Unternehmen bauen nicht alle dasselbe. Manche entwickeln die Chips, mit denen ein Roboter an Bord rechnen kann. Andere trainieren Modelle, die Kamerabilder in Bewegungen übersetzen. Wieder andere bauen die Roboter selbst oder entwickeln Software, die Roboter mit den bereits vorhandenen Sensoren, Türen, Kameras und Maschinen eines Gebäudes oder Standorts verbindet. Eine Liste, die all diese Unternehmen nach Finanzierung oder Bekanntheit sortiert, sagt wenig darüber aus, wer bei Ihrem konkreten Projekt helfen könnte.

Dieser Artikel ordnet das Feld deshalb nach Ebenen. Er erklärt, was die Unternehmen auf jeder Ebene leisten, und nennt einige bekannte Beispiele, ohne sie zu bewerten. Die Namen veranschaulichen die jeweilige Ebene; sie bilden kein vollständiges Verzeichnis. Dafür verändert sich das Feld zu schnell.

Kurz erklärt

  • Physical AI umfasst mindestens vier Ebenen: Chips und Simulation, Embodied-AI-Modelle, Roboterhardware sowie die Verbindungsebene für einen ganzen Standort.
  • Große Chip- und Cloudunternehmen liefern Rechenleistung und Simulation, spezialisierte Labore und Start-ups trainieren die Basismodelle für Roboter.
  • KI-Robotik-Unternehmen reichen von traditionsreichen Herstellern industrieller Roboterarme bis zu jungen Anbietern humanoider und vierbeiniger Roboter.
  • Die Verbindungsebene entscheidet, ob ein Roboter erfährt, was der restliche Standort bereits weiß.

Physical-AI-Chiphersteller

Ein Roboter muss Kamera-, Tiefen- und Kraftdaten verarbeiten und innerhalb von Millisekunden entscheiden, was er tut. Häufig läuft er dabei auf Akku und hat keine verlässliche Netzwerkverbindung. Deshalb muss viel Rechenleistung direkt im Roboter sitzen, und nur wenige Unternehmen bauen dafür geeignete Chips.

NVIDIA ist hier besonders präsent. Seine Jetson-Module sind kleine Bordrechner für Roboter, Drohnen und Maschinen. Daneben bietet NVIDIA Software für weitere Teile der Entwicklungskette: Isaac-Werkzeuge für die Robotikentwicklung, Isaac Sim und Omniverse für Simulation sowie Cosmos, eine Familie von Weltmodellen zur Erzeugung und Verarbeitung physischer Szenen. Qualcomm bietet Robotikplattformen für Geräte mit geringerem Energieverbrauch, etwa Drohnen und Serviceroboter.

Simulation gehört auf diese Ebene, weil sie dieselbe Rechenleistung braucht. Für das Erlernen von Laufen oder Greifen werden Millionen virtueller Versuche auf großen GPU-Clustern ausgeführt, die meist bei Cloudanbietern gemietet werden. Wenn ein Roboter „in der Simulation gelernt“ hat, lief der Großteil dieses Lernens auf der Hardware eines Chipherstellers.

Wie Rechenaufgaben zwischen Roboter und Rechenzentrum verteilt werden, muss jeder Roboterhersteller entscheiden. Alles, was unmittelbar für die Sicherheit zuständig ist, etwa Gleichgewicht, Kollisionsvermeidung und Anhalten, muss im Roboter laufen. Eine halbe Sekunde Netzwerkverzögerung wäre dafür zu lang. Aufwendigere Aufgaben wie die Planung einer ganzen Schicht, die Auswertung stundenlanger Kameraaufnahmen oder das erneute Trainieren eines Modells können im Rechenzentrum stattfinden. Chiphersteller konkurrieren darum, möglichst viel aus der ersten Gruppe in kleinen, sparsamen Modulen unterzubringen.

Was entwickeln Embodied-AI-Unternehmen?

Embodied-AI-Unternehmen trainieren Modelle, die gewissermaßen das Gehirn eines Roboters bilden: Software, die seine Wahrnehmungen und eine Anweisung aufnimmt und daraus Bewegung erzeugt. Embodied AI bezeichnet Intelligenz, die über einen eigenen physischen Körper wahrnimmt und handelt, im Gegensatz zu einem Chatbot, der nur Text verarbeitet.

Auf dieser Ebene sind einige Gruppen besonders bekannt. Google DeepMind veröffentlichte 2023 RT-2 und später die Gemini-Robotics-Modelle, die ein großes multimodales Modell mit Robotersteuerung verbinden. NVIDIA veröffentlichte Isaac GR00T als offenes Basismodell für humanoide Roboter. Physical Intelligence, ein Start-up aus San Francisco, trainiert universell einsetzbare Robotermodelle und hat sein Modell π0 offen zugänglich gemacht. Skild AI entwickelt ein nach eigener Beschreibung allgemeines Robotergehirn für unterschiedliche Bauformen. Das Toyota Research Institute arbeitet an sogenannten Large Behavior Models für Manipulationsaufgaben.

Was diese Unternehmen verkaufen, ist unterschiedlich. Manche lizenzieren Modelle an Roboterhersteller, andere veröffentlichen sie offen, um eine Entwicklerbasis aufzubauen, und wieder andere behalten sie für eigene Roboter. Das gemeinsame Ziel ist ein Modell, dessen Fähigkeiten sich auf andere Aufgaben und Körper übertragen lassen, damit nicht jeder Roboter für jede neue Aufgabe von Grund auf trainiert werden muss.

Das erklärt den Begriff „Robot Foundation Model“, also ein Basismodell für Roboter. Sprachmodelle wurden besonders nützlich, als ein auf sehr viel Text trainiertes Modell mit wenig Zusatzdaten für viele Aufgaben angepasst werden konnte. Hersteller von Robotermodellen wollen dieses Muster auf Bewegung übertragen: einmal mit Demonstrationen vieler Roboter und Aufgaben trainieren, dann mit wenigen Stunden zusätzlicher Daten an einen bestimmten Arm in einem bestimmten Lager anpassen. Wie gut diese Übertragung auf zuvor unbekannte Hardware funktioniert, gehört weiterhin zu den zentralen offenen Fragen.

KI-Robotik-Unternehmen

KI-Robotik-Unternehmen bauen die physischen Maschinen. Diese Ebene hat die meisten Anbieter und lässt sich am leichtesten vorstellen. Sie teilt sich allerdings in Gruppen mit recht unterschiedlichen Geschäftsmodellen.

Industrieroboterhersteller wie ABB, FANUC und KUKA liefern seit Jahrzehnten Roboterarme an Automobilwerke und andere Fabriken. Ihre Maschinen werden zunehmend mit Bildverarbeitung und erlerntem Greifen kombiniert. Ihr Kernmarkt bleibt aber präzise, wiederholbare Arbeit in eingehausten oder sorgfältig geplanten Zellen.

Hersteller mobiler und laufender Roboter bauen Maschinen, die sich auf einem Gelände bewegen. Boston Dynamics, das zur Hyundai Motor Group gehört, verkauft den vierbeinigen Spot für Inspektionen und hat eine elektrische Version seines humanoiden Atlas vorgestellt. ANYbotics baut den vierbeinigen ANYmal für Industrieinspektionen. Unitree bietet preisgünstigere Vierbeiner und humanoide Roboter an. Amazon Robotics entwickelt Roboter für die eigenen Logistikzentren; Anbieter wie Locus Robotics verkaufen mobile Kommissionierroboter an andere Betreiber.

Humanoidenhersteller sind die jüngste Gruppe und ziehen besonders viel Aufmerksamkeit auf sich. Agility Robotics baut Digit für die Logistik, Figure AI entwickelt universell einsetzbare Humanoide mit einem eigenen Modell, und Apptronik sowie 1X arbeiten an humanoiden Robotern für Arbeitsplätze und Privathaushalte. Tesla entwickelt Optimus. Die meisten bisherigen Humanoideneinsätze sind Pilotprojekte mit wenigen Geräten.

Für Käufer zeigen sich die praktischen Unterschiede in einigen Kennwerten: Traglast, Akkulaufzeit, Ladeverfahren, geeignete Böden und Steigungen sowie die zugrunde gelegten Sicherheitsnormen. Industrielle Roboterarme werden im Allgemeinen nach ISO 10218 gebaut. Bei Robotern, die ohne Schutzzaun mit Menschen zusammenarbeiten sollen, kommen die Hinweise zu Kontaktkräften aus ISO/TS 15066 hinzu. Ein Roboter, dessen Einsatz in der Nähe von Menschen nicht entsprechend beurteilt wurde, benötigt einen eingehausten oder getrennten Bereich. Das verändert die gesamte Wirtschaftlichkeitsrechnung.

Was entwickeln Physical-AI-Start-ups?

Physical-AI-Start-ups arbeiten häufig dort, wo große Unternehmen Lücken lassen. Fünf Schwerpunkte fallen auf:

Schwerpunkt Was entwickelt wird Warum hier eine Lücke besteht
Basismodelle für Roboter Allgemeine Modelle für verschiedene Aufgaben und Roboterkörper Nur wenige Roboterhersteller können deren Training allein finanzieren
Neue Roboterbauformen Humanoide, mobile Manipulatoren, Spezialmaschinen Herkömmliche Industrieroboter setzen feste Zellen voraus
Trainingsdaten Teleoperationssysteme und Dienste zur Aufzeichnung von Vorführungen Es gibt kein internetgroßes Archiv von Roboterbewegungen
Simulation und Tests Virtuelle Umgebungen zum Trainieren und Prüfen von Verhalten Reale Tests sind langsam und teuer
Verbindung und Betrieb Software, die Roboter mit Sensoren, Kameras und Gebäudesystemen verbindet Die eigenen Sensoren eines Roboters erfassen nur seine Umgebung

Aussagen von Start-ups richtig einzuordnen erfordert etwas Disziplin: Vorführungen lassen sich leicht inszenieren und schwer vergleichen. Drei Fragen helfen besonders:

  1. Ist das eine Demo, ein bezahlter Pilot oder produktiver Betrieb? Jede Stufe bedeutet einen großen Schritt gegenüber der vorherigen.
  2. Wie viele Geräte arbeiten an wie vielen Standorten und für wie viele Stunden? Ein einzelnes Video zeigt nicht, wie oft der Roboter erfolgreich ist.
  3. Wer kümmert sich um Fehler? Eine brauchbare Antwort erklärt, was bei Festfahren, Verbindungsverlust oder einer unbekannten Situation passiert.

Diese Fragen funktionieren bei einem Modelllabor ebenso wie bei einem Roboterhersteller oder Softwareunternehmen.

Physical-AI-Unternehmen für Gebäude und Standorte

Die letzte Ebene bekommt am wenigsten Aufmerksamkeit, entscheidet aber mit darüber, wie nützlich die anderen im Alltag werden. Ein Sicherheits-, Reinigungs- oder Inspektionsroboter kennt zunächst nur die Informationen seiner eigenen Kameras und Mikrofone. Gleichzeitig besitzt ein typisches Gebäude bereits Türkontakte, Bewegungs-, Leck- und Temperatursensoren, Kameras und Zähler, die jeweils in eigene Systeme melden. Physical AI in einem realen Gebäude bedeutet, diese Informationen zusammenzuführen, damit alle Teilnehmer gemeinsam handeln können. Der Roboter ist einer von ihnen.

Hier arbeiten verschiedene Arten von Unternehmen. Anbieter von Gebäudeautomation verbinden Heizung, Lüftung, Klima, Beleuchtung und Zutritt innerhalb ihrer Ökosysteme. Roboterhersteller bieten Flottenmanagement für ihre eigenen Maschinen. Branchenverbände veröffentlichen Schnittstellen zur Koordination gemischter Flotten: VDA 5050, vom Verband der Automobilindustrie und dem VDMA, beschreibt die Kommunikation zwischen fahrerlosen Transportfahrzeugen und einer zentralen Leitsteuerung.

Wer diese Ebene bereitstellt, muss dieselben Grundprobleme lösen. Geräte verschiedener Hersteller sprechen unterschiedliche Protokolle, deshalb müssen Messwerte in eine einheitliche Form gebracht werden. Jede Aktion braucht ein Berechtigungsmodell: Eine Regel oder ein KI-Agent darf nicht mehr können als die verantwortliche Person. Befehle brauchen ein dokumentiertes Ergebnis, denn ein Roboter oder Ventil, das sich bewegen sollte, hat sich nicht zwangsläufig bewegt. Manche Ereignisse brauchen weiterhin einen Menschen. Dafür sind Alarme nötig, die die richtigen Personen in der richtigen Reihenfolge erreichen.

An dieser Ebene arbeiten wir mit Kilo, unserem Betriebssystem für IoT und Physical AI. Es verbindet LoRaWAN- und mioty-Sensoren, MQTT-Maschinen und Kameras in einer Organisation. Eine Regel kann den Messwert eines Geräts verwenden, um einem anderen einen konfigurierten Befehl zu senden, während ein Alarm Menschen hinzuholt. Navigation und Sicherheit bleiben beim Roboter; Kilo koordiniert die Aufgaben, die dessen Integration als Befehle bereitstellt. Wenn Sie überlegen, von welchen Geräten auf Ihrem Standort ein Roboter erfahren sollte, ordnen Sie diese zunächst nach Protokoll. Prüfen Sie dann, wie sie sich an ein Betriebssystem für Sensoren, Geräte und Roboter anbinden lassen.

Häufige Fragen zu Physical-AI-Unternehmen

Was ist ein Physical-AI-Start-up?

Ein junges Unternehmen, das einen Teil der Technik entwickelt, mit der KI die reale Welt wahrnimmt und beeinflusst: Robotermodelle, Roboterhardware oder Verbindungssoftware. Viele entstehen aus universitären Robotiklaboren oder KI-Teams großer Technologieunternehmen.

Wie verdienen Physical-AI-Unternehmen Geld?

Die Modelle unterscheiden sich nach Ebene. Chiphersteller verkaufen Hardware und Entwicklungskits. Roboterhersteller verkaufen oder vermieten Maschinen, oft als Robots-as-a-Service mit monatlichen Gebühren pro Gerät. Modellanbieter lizenzieren Software, und Anbieter der Verbindungsebene verlangen meist Abonnements nach Gerätezahl oder Standorten.

Welche Embodied-AI-Unternehmen veröffentlichen offene Modelle?

Mehrere tun das. NVIDIAs Isaac GR00T und π0 von Physical Intelligence sind für Forschung und Entwicklung verfügbar. Roboterhersteller können sie an ihre Maschinen anpassen, statt ein Modell von Grund auf zu trainieren.

Sind Physical-AI-Unternehmen ausschließlich Roboterhersteller?

Nein. Viele liefern überhaupt keinen Roboter, sondern Chips, Modelle, Simulationswerkzeuge oder Verbindungssoftware. Ein Standort kann mit vorhandenen Sensoren, Türen und Maschinen anfangen und Roboter später als weitere Teilnehmer hinzufügen.

Ein emulierter Lecksensor und eine emulierte Ventilsteuerung mit dem Befehl „close“ reichen aus, um die Verbindungsebene ohne Roboter oder neue Hardware auszuprobieren. Erstellen Sie eine Regel, die bei Wassererkennung das Ventil schließt und Sie alarmiert. Senden Sie dann gezielt einen einzelnen Nass-Messwert und verfolgen Sie den Ablauf vom Ereignis über das dokumentierte Befehlsergebnis bis zum Alarm auf Ihrem Telefon. Zwei Geräte und eine Regel passen in Kilos kostenlosen Tarif.