Physical AI: Wenn multimodale Sprachmodelle Roboter zum Denken bringen

Was ist Physical AI?

Physical AI bezeichnet künstliche Intelligenzsysteme, die Maschinen befähigen, die physische Welt autonom wahrzunehmen, zu verstehen, darüber zu urteilen und in Echtzeit mit ihr zu interagieren. Im Gegensatz zu traditionellen KI-Systemen, die ausschliesslich in digitalen Umgebungen operieren, integrieren Physical-AI-Systeme sensorische Eingaben, räumliches Verständnis und Entscheidungsfähigkeit – und ermöglichen so Maschinen, sich an dreidimensionale Umgebungen und physikalische Dynamiken anzupassen.

Deloitte beschreibt Physical AI in seinem Tech-Trends-Bericht 2026 als die Konvergenz von KI und Robotik, die Maschinen von blossen Automaten zu adaptiven, lernenden Systemen macht. Der entscheidende Unterschied zu früheren Generationen liegt nicht in der Automatisierung an sich, sondern in der Fähigkeit zur Wahrnehmung, Schlussfolgerung und Anpassung.

Die technologische Grundlage: Vision-Language-Action-Modelle

Das Herzstück moderner Physical-AI-Systeme sind sogenannte Vision-Language-Action-Modelle (VLA-Modelle). Diese multimodalen Architekturen vereinen drei Fähigkeiten, die bisher getrennt entwickelt wurden: Computer Vision (Sehen), Natural Language Processing (Verstehen) und motorische Steuerung (Handeln).

Ähnlich wie das menschliche Gehirn verarbeiten VLA-Modelle gleichzeitig visuelle Eingaben von Kameras, Sprachanweisungen von Operatoren und taktile Rückmeldungen von Sensoren – und übersetzen diese in präzise Bewegungssequenzen. Ein Roboter, der mit einem VLA-Modell ausgestattet ist, kann auf die Anweisung «Nimm das rote Werkzeug links vom Schraubenzieher» reagieren, ohne dass diese spezifische Situation jemals explizit programmiert wurde.

Google DeepMind hat mit Gemini Robotics 1.5, veröffentlicht im September 2025, einen Meilenstein gesetzt: Das multimodale Modell ermöglicht Robotern jeder Bauform, komplexe mehrstufige Aufgaben zu lösen, Werkzeuge zu nutzen und mit Menschen zu interagieren. NVIDIA zog im Januar 2026 mit der Veröffentlichung neuer Cosmos-Modelle nach – einer offenen Plattform für World Foundation Models, die synthetische Trainingsdaten in physikalisch korrekten Simulationen generiert und so den Datenhunger moderner Robotik-KI stillt.

Von der Simulation zur Realität: Das Sim-to-Real-Problem

Ein zentrales Hindernis bei der Entwicklung lernender Roboter war lange das sogenannte Sim-to-Real-Gap: Modelle, die in Simulationen perfekt funktionierten, versagten in der physischen Welt, weil die Simulation die Realität nie vollständig abbilden konnte. Moderne Physical-AI-Plattformen adressieren dieses Problem durch mehrere Ansätze.

Reinforcement Learning in physikalisch korrekten Simulationen erlaubt es Robotern, durch Millionen von virtuellen Versuchen Verhaltensweisen zu erlernen – von der Kompensation von Reibung und Schwerkraft bis zum Umgang mit unvorhergesehenen Hindernissen. Anschliessend wird das Modell durch gezielte Demonstrationen in der realen Welt verfeinert (Imitation Learning). NVIDIAs Isaac Lab-Arena, ebenfalls im Januar 2026 vorgestellt, bietet standardisierte Evaluierungsumgebungen, um diesen Übergang systematisch zu messen und zu verbessern.

Allzweckroboter: Der Heilige Gral der Robotik

Das ultimative Ziel von Physical AI ist der Allzweckroboter – eine Maschine, die nicht für eine einzige Aufgabe optimiert ist, sondern flexibel in verschiedensten Umgebungen eingesetzt werden kann. Humanoide Roboter gelten dabei als die natürlichste Verkörperung dieses Konzepts: Da die menschliche Welt für Menschen gebaut wurde, können Roboter mit menschlicher Körperform theoretisch jede Umgebung nutzen, die für Menschen zugänglich ist.

Die Marktentwicklung spiegelt diesen Optimismus wider. Laut MarketsandMarkets wird der globale Markt für humanoide Roboter von 2,92 Milliarden US-Dollar im Jahr 2025 auf 15,26 Milliarden US-Dollar bis 2030 wachsen – eine jährliche Wachstumsrate von 39,2 Prozent. Morgan Stanley geht noch weiter und prognostiziert, dass der Gesamtmarkt für Humanoide bis 2050 die Marke von 5 Billionen US-Dollar überschreiten könnte.

Konkrete Systeme sind bereits im Einsatz oder kurz vor der Marktreife: Figure AI (mit Investitionen von NVIDIA und Microsoft) präsentierte im März 2026 seinen Helix 02, der autonome Lagertätigkeiten demonstriert. Tesla Optimus wird intern in Fertigungslinien eingesetzt, und Boston Dynamics hat seinen Atlas-Roboter auf eine vollständig elektrische, KI-gesteuerte Plattform umgestellt.

Schweizer Perspektive: Zwischen Weltmarktführer ABB und aufstrebenden Startups

Die Schweiz nimmt in der globalen Physical-AI-Landschaft eine besondere Stellung ein. ABB, mit Hauptsitz in Zürich, ist einer der weltweit führenden Anbieter von Industrierobotik und hat angekündigt, sein Robotik-Geschäft im zweiten Quartal 2026 als eigenständiges börsennotiertes Unternehmen auszugliedern – ein Zeichen für die strategische Bedeutung des Bereichs.

Gleichzeitig entsteht ein lebendiges Startup-Ökosystem: Das Schweizer VC-Unternehmen Emerald hat im Februar 2026 gemeinsam mit dem japanischen Hersteller DIC eine 52-Millionen-Euro-Plattform für Physical-AI-Innovation lanciert. Das Zürcher Startup Algorized sicherte sich im selben Monat 13 Millionen US-Dollar in einer Series-A-Finanzierungsrunde und expandiert seine Engineering-Hubs in der Schweiz und im Silicon Valley. Physical AI war zudem das dominante Thema am Weltwirtschaftsforum in Davos 2026 – ein Signal, dass die Schweizer Wirtschaft die Technologie als strategische Priorität betrachtet.

Herausforderungen: Was Physical AI noch bremst

Trotz beeindruckender Fortschritte bestehen erhebliche Hürden. Die Kosten für Physical-AI-Systeme übersteigen jene traditioneller Industrieroboter deutlich, da fortschrittliche KI-Chips und Prozessoren erforderlich sind. Regulatorische Rahmenbedingungen für autonome Roboter in öffentlichen Räumen sind in den meisten Ländern noch im Entstehen. Und die Datensicherheit – insbesondere bei Robotern, die in sensiblen Umgebungen wie Spitälern oder Wohnungen eingesetzt werden – stellt neue Anforderungen an Datenschutz und Cybersicherheit.

Ein weiteres offenes Problem ist die Energieeffizienz: Aktuelle humanoide Roboter haben eine Betriebsdauer von wenigen Stunden, bevor sie aufgeladen werden müssen. Verbesserte Batterietechnologien und energieeffizientere Neural Processing Units (NPUs) sind aktive Forschungsfelder.

Ausblick: 2026 als Wendejahr

Die Konvergenz von multimodalen Sprachmodellen, leistungsfähiger Edge-Computing-Hardware und verbesserter Simulation macht 2025/2026 zu einem Wendejahr für Physical AI. Was vor zwei Jahren noch als Forschungsprojekt galt, steht heute kurz vor der industriellen Skalierung. Für Schweizer Unternehmen – ob Maschinenbauer, Logistikdienstleister oder Spitäler – bedeutet das: Die Frage ist nicht mehr ob Physical AI ihre Branche verändern wird, sondern wann und wie sie sich darauf vorbereiten.

Die Technologie ist bereit. Die Frage ist, ob die Organisationen es auch sind.

Quellen: Deloitte Tech Trends 2026, NVIDIA Cosmos (Januar 2026), Google DeepMind Gemini Robotics 1.5 (September 2025), MarketsandMarkets Humanoid Robot Market 2025, Morgan Stanley (Mai 2025), Startupticker.ch – Algorized (Februar 2026), EU-Startups – Emerald/DIC (Februar 2026), Reuters – ABB (April 2025)