Ein Roboter, der sich selbst repariert?

Ein einziger falsch etikettierter Karton und plötzlich steht eine ganze Förderstraße still. In dieser Sekunde wirkt selbst die modernste Logistik wie ein Relikt aus dem letzten Jahrhundert. Genau genommen deckt ein solcher Moment die Achillesferse der klassischen Industrierobotik auf: Sie brilliert in streng geregelten Abläufen und perfekt kontrollierten Umgebungen, gerät jedoch schon bei kleinsten Abweichungen aus dem Takt. Und hier kommt eine neue Liga der Künstlichen Intelligenz ins Spiel – Physical AI.

Nur gucken reicht nicht!

Dahinter steckt die Idee, eine Brücke zwischen der digitalen und der physischen Welt zu schlagen. Diese Form der KI versteht räumliche Zusammenhänge, interpretiert Sensorinformationen in Echtzeit und interagiert aktiv mit ihrer Umgebung. Das Ziel sind Maschinen, die nicht nur wie bisherige Anlagen ein starres Programm abspulen, sondern die auf dem Shopfloor auch handeln – präzise und sicher. „Kennen wir schon“, mag mancher einwenden. Schließlich hat Computer Vision etwa bewiesen, dass Roboter „sehen“ können. Kameras in Kombination mit intelligenten Algorithmen analysieren Bilder, prüfen Produkte und übertreffen dabei menschliche Inspektoren an Tempo und Genauigkeit. Doch dieses KI-basierte Augenlicht hat nun einmal seine Grenzen: Die Systeme erkennen zwar Muster, aber sie verstehen nicht, was sie sehen. Eine Schraube identifizieren ist das eine – ihre Funktion begreifen etwas völlig anderes.

„Roboter entwickeln sich vom starren Automaten zum lernfähigen System“

Roboter, die nicht nur vorprogrammierte Abläufe ausführen, sondern ihre Umgebung wahrnehmen, aus sprachbasierten Informationen lernen und sich flexibel an veränderte Bedingungen anpassen, stehen für einen neuen Entwicklungsansatz in der Automatisierung: Physical AI. Was genau darunter zu verstehen und wie weit ist diese Technologie tatsächlich ist, erklärt Jürgen Schön von ServiceNow.

Kathrin Veigel

Der KI ein paar Hände geben

Heute stehen der Industrie zahlreiche KI-Disziplinen zur Verfügung, mit denen sie ihren Anlagen ein Eigenleben verleihen kann. GenAI ist vor allem ein Denker: Sie analysiert Daten, erkennt Muster, formuliert Empfehlungen und liefert Vorschläge. Deren Umsetzung liegt jedoch nach wie vor in menschlicher Hand. Die nächste Entwicklungsstufe ist Agentic AI: Systeme, die nicht nur Antworten formulieren, sondern aktiv planen, Prioritäten setzen, Workflows anstoßen und aus den Ergebnissen lernen. Sie werden zu autonomen Problemlösern – aber nur innerhalb des digitalen Raums. 

Das wiederum führt zum jüngsten Technologiesprung: Physical AI. Diese KI stattet Maschinen mit kognitivem Denken und räumlichem Bewusstsein aus und überwindet damit die Beschränkungen traditioneller Automatisierung. Die Systeme sind in der Lage, auf komplexe und unvorhersehbare Situationen zu reagieren und aus ihren Erfahrungen zu lernen – sie ahmen quasi menschliches Verhalten nach. Das heißt, die Maschinen verstehen nicht nur, was sie sehen, sondern auch, was es bedeutet: Eine Fertigungsanlage kann sich beispielsweise selbstständig auf neue Produktvarianten einstellen oder an geänderte Stückzahlen anpassen.

 Ebenso sind solche Industrieroboter in der Lage, ohne menschliches Eingreifen Diagnosen zu stellen, Reparaturen durchzuführen und das dafür notwendige Material eigenständig nachzubestellen. Damit schließt Physical AI die bisherige Lücke zwischen der digitalen und der echten Welt mit all ihren physikalischen Eigenschaften. Das Ergebnis ist ein in sich geschlossener Prozess: von den Daten über die Analyse und die Empfehlung zur Handlung und wieder zurück zu den Daten für den nächsten Durchlauf.

Aber: Physical AI steht erst am Anfang

Die Technologie steckt heute – so ehrlich muss man sein – noch in den Kinderschuhen. Sie ist faszinierend, aber weit entfernt von einer breiten industriellen Reife. Doch wer den Fortschritt von GenAI verfolgt hat, weiß, dass Innovationszyklen schnell explodieren können. Der Sprung von Gemini 2.5 auf 3 demonstriert eindrucksvoll, wie rasant sich Modellarchitekturen und Fähigkeiten heute weiterentwickeln. Gemini 3 ist extrem gut darin, den Kontext und die Absicht hinter Anfragen zu erkennen. Hinzu kommen ein besseres multimodales Verständnis sowie leistungsstarke Agentic- und Vibe-Coding-Möglichkeiten. Anstatt nur Text zu generieren, kann das System eigenständig mehrstufige Aufgaben planen und umsetzen. Genau dieses Tempo wird auch Physical AI mit voller Wucht erfassen.

Deshalb ist Abwarten für Fertiger keine echte Option. Jetzt zählt: Daten konsequent erschließen, Integration vorbereiten und wertschöpfende Einsatzszenarien entwickeln. Wer das verschläft, landet wie schon bei GenAI an der Seitenlinie und sieht zu, wie die Konkurrenz vorbeizieht.

Europas einmalige Chance

Gerade Europa hat eine historische Chance. Denn hier liegen Milliarden proprietärer Prozess- und Sensordaten auf Maschinen, kombiniert mit jahrzehntelanger industrieller Erfahrung und tiefem Ingenieurwissen. Ein Schatz, der mindestens genauso wertvoll ist wie die großen Sprachmodelle und gleichzeitig der Schlüssel, ohne den die nächste Evolutionsstufe der KI nicht funktioniert: Maschinen, die nicht nur denken, sondern auch handeln.