Physical AI, also die Verschmelzung k\u00fcnstlicher Intelligenz mit physischen Systemen, treibt eine neue Generation von Robotern, autonomen Fahrzeugen und intelligenter Infrastruktur an. Dabei geht es nicht nur um Software, die in einer digitalen Welt agiert, sondern um KI, die in Echtzeit auf reale Umgebungen einwirkt \u2013 sei es in der Fabrikhalle, auf der Stra\u00dfe oder im st\u00e4dtischen Raum. Diese Technologie verspricht, industrielle Prozesse grundlegend zu ver\u00e4ndern und die Art und Weise, wie wir mit unserer Umgebung interagieren, neu zu definieren.<\/p>\n
Ein ideales Einsatzgebiet ist die vorausschauende Wartung (Predictive Maintenance). KI kann kontinuierlich \u00fcberwachen, ob die Software, die Maschinen steuert, ordnungsgem\u00e4\u00df funktioniert. Adnan Masood von UST erl\u00e4utert, dass agentenbasierte Pipelines mittlerweile in der Lage sind, Hardware-Schaltpl\u00e4ne und Chip-Pinbelegungen nativ auszulesen, automatisch Regressionstests zu erzeugen, die Ingenieure fr\u00fcher von Hand programmiert haben, und Live-Telemetriedaten der Anlagen mit digitalen Zwillingen zu vergleichen. Dadurch lassen sich Firmware-Fehler und Probleme bei der Signal\u00fcbertragung erkennen, bevor sie die Produktion beeintr\u00e4chtigen.<\/p>\n
Ein prominentes Beispiel ist der vierbeinige Roboter \u201eSpot\u201c von Boston Dynamics<\/a>. Tausende dieser Roboter sind bereits in mehr als 40 L\u00e4ndern im Einsatz \u2013 unter anderem bei Intel, Chevron, Michelin und Cargill. Spot automatisiert Industrieinspektionen, unterst\u00fctzt die vorausschauende Wartung und \u00fcbernimmt Sicherheitsrundg\u00e4nge. Boston Dynamics vertreibt zudem \u201eStretch\u201c, der das Entladen von Anh\u00e4ngern und Containern automatisiert, sowie \u201eAtlas\u201c, einen humanoiden Roboter, der Produkte heben, sortieren und montieren kann.<\/p>\n Auch kamerabasierte Physical-AI-Systeme gewinnen an Bedeutung. Intelligente Kameras und Sensoren k\u00f6nnen Produktionsprozesse \u00fcberwachen und Qualit\u00e4tspr\u00fcfungen direkt an der Fertigungslinie durchf\u00fchren. Parm Sandhu, Group Vice President f\u00fcr Enterprise AI, Edge Computing und Digital Innovation bei NTT DATA<\/a>, f\u00fchrt aus: \u201eUnternehmen m\u00f6chten sicherstellen, dass Produkte bereits beim ersten Fertigungsdurchlauf korrekt hergestellt werden. Wir setzen Foundation Models ein, die mit Kameras verbunden sind und durch selbstst\u00e4ndiges Lernen sehr schnell die Standardabl\u00e4ufe einer Produktionsstation verstehen.\u201c<\/p>\n Die Vision selbstfahrender Autos pr\u00e4gt seit Jahren die \u00f6ffentliche Wahrnehmung von physischer KI. Bereits 2025 hatte der Markt f\u00fcr autonome Fahrzeuge ein Volumen von mehr als 200 Milliarden Dollar<\/a>. Doch es dreht sich nicht nur um Autos: Autonome Landmaschinen \u2013 darunter Traktoren, Erntemaschinen und Drohnen \u2013 stellen einen wachsenden Markt dar. Sch\u00e4tzungen zufolge wird der Markt f\u00fcr autonome Landmaschinen bis 2035 auf rund 144,7 Milliarden Dollar anwachsen.<\/p>\n KI-gesteuerte Drohnen er\u00f6ffnen vielf\u00e4ltige Anwendungen, von milit\u00e4rischen Eins\u00e4tzen bis zu Lieferdiensten f\u00fcr Lebensmittel oder Pakete. Unternehmen wie Amazon experimentieren bereits seit Jahren mit Drohnenlieferungen. Eine Anwendung, die die Br\u00fccke zwischen autonomen Fahrzeugen und der Fertigungsindustrie schl\u00e4gt, sind selbstfahrende Gabelstapler. NTT DATA arbeitet gemeinsam mit dem Gabelstaplerhersteller Hyster-Yale daran, die Fahrzeuge mit autonomen Fahrfunktionen auszustatten. Sandhu erkl\u00e4rt: \u201eWenn man an die Fertigungsindustrie denkt, wurde nahezu jedes Produkt irgendwann einmal von einem Gabelstapler bewegt \u2013 oder zumindest seine Komponenten. Doch immer weniger Menschen m\u00f6chten Gabelstapler fahren. Das ist ein enormes Problem.\u201c<\/p>\n Physical AI, integriert in LKWs, Roboter und intelligente Regale, kann den Material- und Warenfluss vom Lager bis zum Endkunden verfolgen und besser koordinieren. Roboter kommissionieren, sortieren und transportieren G\u00fcter, w\u00e4hrend KI die Telemetriedaten von Fahrzeugflotten nutzt, um Transportrouten optimal zu planen. KI-Modelle<\/a> sind mittlerweile in der Lage, Tausende autonomer mobiler Roboter \u00fcber Fulfillment-Netzwerke hinweg zu koordinieren \u2013 eine Art \u201eFlugsicherung f\u00fcr Roboter\u201c, wie Masood von UST es beschreibt.<\/p>\n Die eigentliche Intelligenz befindet sich dabei nicht im einzelnen Roboter, sondern in der Koordinationsschicht. Diese entscheidet, welcher Roboter welche Aufgabe \u00fcbernimmt, legt die Reihenfolge der Auftr\u00e4ge fest und verhindert Konflikte zwischen den Fahrzeugen. \u201eSie l\u00e4sst sich in einer Weise skalieren, wie es die Programmierung einzelner Roboter niemals k\u00f6nnte\u201c, so Masood. Dass diese Technologie bereits produktiv eingesetzt wird, zeigt das Unternehmen Symbotic: Der Anbieter von physischer KI f\u00fcr Lagerh\u00e4user betreibt eigenen Angaben zufolge weltweit 22.000 autonome mobile Roboter, die allein im Jahr 2025 zusammen mehr als 200 Millionen Meilen zur\u00fccklegten. Der aktivste einzelne Roboter fuhr dabei knapp 84.000 Kilometer \u2013 mehr als zweimal um die Erde.<\/p>\nKamerabasierte Qualit\u00e4tskontrolle<\/h2>\n
Autonome Fahrzeuge und Drohnen<\/h2>\n
Flotten- und Lagerkoordination<\/h2>\n
\u00dcberwachung und physische Sicherheit<\/h2>\n