Next Big Thing nach GenAI? Physical AI: Wenn Roboter mitdenken statt nur funktionieren

Anbieter zum Thema

Capgemini Deutschland GmbH

INFOMOTION GmbH

Der Hype um generative KI (GenAI) hat die Vorstandsetagen aufgerüttelt. Doch nun soll die nächste Evolutionsstufe in den Fokus rücken: „Physical AI“. Eine aktuelle Capgemini-Studie zeigt, dass die autonome Interaktion mit der physischen Welt für zwei Drittel der Großunternehmen zur Top-Priorität wird.

Industrieroboter schweißen, schrauben und sortieren seit Jahrzehnten mit hoher Präzision. Sie tun exakt das, was ihnen vorher beigebracht wurde. Physical AI ändert diese Gleichung: Statt starrer Programmierung erhalten Roboter die Fähigkeit, ihre Umgebung wahrzunehmen, Situationen zu bewerten und eigenständig zu handeln.

Wie weit Unternehmen auf diesem Weg sind, hat das Capgemini Research Institute in der Studie „Physical AI: Taking human-robot collaboration to the next level“ untersucht. Zwischen Januar und Februar 2026 wurden 1.678 Führungskräfte ab Director-Level aus 15 Branchen und 16 Ländern befragt. Alle Unternehmen haben einen Jahresumsatz von über einer Milliarde US-Dollar.

Die Ergebnisse zeigen: 79 Prozent der Befragten befassen sich aktiv mit Physical AI. Aber nur 27 Prozent befinden sich im Deployment oder in der Skalierung. Zwei Drittel stufen Physical AI als hohe Priorität für die nächsten drei bis fünf Jahre ein. 60 Prozent sehen Potenzial für Robotereinsatz in Bereichen, die bisher als unwirtschaftlich oder unpraktikabel galten. 43 Prozent betrachten Physical AI als Voraussetzung für industrielle Produktion im eigenen Land.

Was Physical AI von klassischer Robotik unterscheidet

Physical AI beschreibt KI-Systeme, die über Sensoren ihre physische Umgebung erfassen, diese Daten in Echtzeit durch Foundation Models verarbeiten und daraus Handlungen ableiten, ohne dass jeder Schritt vorprogrammiert sein muss.

Mehrere Technologieentwicklungen ermöglichen diesen Sprung gleichzeitig: Foundation Models wie NVIDIAs Cosmos generieren physikalisch plausible Simulationsumgebungen für das Robotertraining. NVIDIA Omniverse liefert die Digital-Twin-Infrastruktur. Edge Computing verlagert die Intelligenz direkt an den Roboter. Microsoft arbeitet mit Rho-Alpha daran, den Mangel an realen Trainingsdaten durch synthetische Daten zu kompensieren.

KI-Infrastruktur, Agenten und Daten-Souveränität dominieren

Gartner benennt die wichtigsten Trends für 2026

Warum die meisten nicht über den Piloten hinauskommen

Die Studie benennt vier zentrale Barrieren:

• 73 Prozent nennen mangelnde technologische Reife bei Zuverlässigkeit und Feinmotorik.

• 64 Prozent sehen offene Fragen bei Sicherheitsstandards.

• 53 Prozent identifizieren Cybersecurity als Hürde.

• 62 Prozent betonen die Notwendigkeit erheblicher operativer Veränderungen in der Organisation.

Physical AI ist demnach kein reines Technologieproblem. Es sei ebenso ein Organisations-, Kompetenz- und Governance-Thema.

Wo Physical AI zuerst Realität wird

Die Ergebnisse variieren nach Branchen. In der Hightech-Industrie sehen 93 Prozent Physical AI als Game-Changer, in Logistik und Lagerhaltung 69 Prozent, in der Landwirtschaft 59 Prozent. Das Muster: Überall dort, wo repetitive Aufgaben auf unstrukturierte Umgebungen treffe, entfalte Physical AI den größten Nutzen.

Parallel zeigt die International Federation of Robotics (IFR), wie die Branche sich Fortschritte verspricht, die nicht nur Produktionsprozesse effizienter und nachhaltiger machen sollen, sondern auch neue Anwendungsfelder erschließen können. Die Hardware-Basis würde wachsen und Physical AI jetzt die Intelligenz liefern.

gesponsert KI-gestützte Produktion

Wie die deutsche Fertigungsindustrie ihre Zukunft sichert

Vom Chemiewerk bis zur Montagelinie

Die Capgemini-Studie identifiziert konkrete Bereiche, in denen Physical AI Robotik erstmals wirtschaftlich oder überhaupt möglich macht:

• Gefährliche Umgebungen: Inspektionen in Chemieanlagen, Katastrophenbewertung, Arbeiten unter Extrembedingungen.

• Mikro-Logistik und Pick-and-Place: Autonome mobile Roboter, die sich dynamisch an wechselnde Lagerlayouts anpassen.

• Healthcare und Pflege: Assistenzroboter, die situativ auf Patienten reagieren.

• Landwirtschaft: Feldinspektionen und autonome Erntevorgänge, die auf Wetterbedingungen und Pflanzenzustand reagieren.

• Dynamische Montage: Produktionslinien, die ohne Umrüstzeit zwischen Produktvarianten wechseln.

Mehr als die Hälfte der Befragten erwartet das schnellste Wachstum bei autonomen mobilen Robotern, industriellen Roboterarmen und Cobots. Humanoide Roboter rangieren dahinter. Fraunhofer dokumentiert, dass Mensch-Roboter-Kollaboration großes Marktpotenzial hat. Physical AI könnte diesen Übergang beschleunigen: Cobots, die sich an die Arbeitsweise des Menschen anpassen, statt umgekehrt.

Für humanoide Roboter nennen die Befragten weiterhin hohe Hürden: 72 Prozent technische Unreife, 63 Prozent hohe Kosten, über 60 Prozent unklarer ROI.

Reshoring braucht Roboter, die mitdenken

43 Prozent der Führungskräfte sehen Physical AI als Voraussetzung für industrielle Produktion im eigenen Land. In einer Welt fragmentierter Lieferketten und steigender Lohnkosten in bisherigen Produktionsländern werde Reshoring zum strategischen Imperativ. Flexible Roboter könnten die Kostenvorteile günstiger Arbeitskräfte teilweise kompensieren.

Governance first: ohne Regeln keine Skalierung

Physical AI operiert allerdings nicht im regulatorischen Vakuum. Der EU AI Act klassifiziert KI-Systeme in Robotern nach Risikostufen. Hochrisiko-Einstufungen bei sicherheitskritischen Einsätzen oder im Arbeitsumfeld sind wahrscheinlich. Ab August 2026 gilt der AI Act vollständig. Ab Januar 2027 greift die neue EU-Maschinenverordnung mit verschärften Anforderungen an selbstlernende Systeme, sichere Mensch-Roboter-Interaktion und CE-Kennzeichnung. Unternehmen, die heute Physical-AI-Projekte starten, müssen beide Regelwerke von Anfang an einplanen.

Autonome Systeme in der physischen Welt brauchen klare Governance- und Compliance-Frameworks. Die Haftungsfrage bei KI-gesteuerten Roboter-Fehlentscheidungen sei in den meisten Unternehmen jedoch noch nicht abschließend geklärt.

(ID:50820173)