Ein Modell kann beschreiben, wie ein Gegenstand gegriffen werden sollte. Ob der Griff tatsächlich gelingt, entscheidet sich jedoch nicht im Text, sondern am Gegenstand. Physical AI verbindet künstliche Intelligenz mit dieser physischen Rückmeldung. Die Forschung zeigt, welches Potenzial daraus für Robotik, Industrie und Labor entsteht. Sie zeigt ebenso, warum zwischen einer eindrucksvollen Demonstration und einem verlässlichen System ein entscheidender Unterschied liegt.
Stellen wir uns einen Roboter vor, der ein Probengefäß aus einer Halterung nehmen und an einem Messgerät bereitstellen soll. Die Aufgabe klingt überschaubar. Doch das Gefäß steht etwas schief, seine Oberfläche reflektiert das Licht, und die tatsächliche Position stimmt nicht genau mit der hinterlegten überein. Ein System, das lediglich eine gespeicherte Bewegung abspielt, könnte daneben greifen. Ein anpassungsfähiges System müsste die Abweichung wahrnehmen, seine Handlung korrigieren und anschließend prüfen, ob das Gefäß tatsächlich sicher aufgenommen wurde.
Genau um diese Verbindung geht es bei Physical AI. Gemeint sind hier Systeme, die künstliche Intelligenz mit Sensorik, Entscheidungen und physischer Ausführung zu einem rückgekoppelten Prozess verbinden. Sie sollen nicht nur Informationen verarbeiten, sondern auf Grundlage ihrer Beobachtungen handeln und die Folgen dieser Handlungen berücksichtigen. Forschungen zu allgemeinen Robotermodellen und autonomen Laboren zeigen unterschiedliche technische Wege zu diesem Ziel. Ein humanoider Körper ist dafür keine Voraussetzung. Ein stationärer Roboterarm oder ein mobiles Laborsystem kann ebenso dazugehören. Robotics Proceedings
Was sich gegenüber klassischer Automatisierung verändert
Physical AI beginnt nicht dort, wo ein Roboter erstmals einen Sensor erhält. Rückkopplung, Regelung und adaptive Verfahren gehören seit Langem zur Robotik. Neuere Ansätze erweitern diese Grundlagen durch lernende Modelle, die Wahrnehmung und Verhalten aus Daten ableiten können. Die Forschung zu sicherem Roboterlernen verbindet deshalb ausdrücklich Methoden der Regelungstechnik mit maschinellem Lernen, statt beide gegeneinander auszuspielen. Annual Reviews
Ein wichtiger Entwicklungsschritt sind sogenannte Vision Language Action Modelle. Sie verknüpfen visuelle Beobachtungen und sprachliche Aufgabenbeschreibungen mit Roboteraktionen. OpenVLA ist ein wissenschaftlich dokumentiertes Beispiel. Das Modell wurde mit rund 970.000 realen Roboterdemonstrationen trainiert. Die Arbeit untersucht unter anderem, wie sich ein vortrainiertes Modell für neue Aufgaben und Umgebungen anpassen lässt. Damit verschiebt sich ein Teil der Entwicklungsarbeit von der vollständigen Neuprogrammierung eines Verhaltens hin zur gezielten Anpassung eines bereits trainierten Modells. Proceedings of Machine Learning Research
Auch die Erzeugung von Bewegungen verändert sich. In der Arbeit Diffusion Policy lernen Modelle, mögliche Aktionsfolgen aus visuellen Beobachtungen abzuleiten. Dabei werden Bewegungsabschnitte geplant, teilweise ausgeführt und anhand neuer Beobachtungen erneut berechnet. Dieser Ansatz verbindet generative Modellierung mit fortlaufender Rückkopplung. Die Forschenden untersuchten ihn an zwölf Aufgaben aus vier Benchmarks zur robotischen Manipulation. Robotics Proceedings
Das 2025 veröffentlichte Modell π₀ verfolgt ebenfalls das Ziel, unterschiedliche Aufgaben und Roboterplattformen mit einem gemeinsamen Modellansatz abzudecken. Die Arbeit kombiniert ein vortrainiertes Modell für Bilder und Sprache mit einem Verfahren zur Erzeugung kontinuierlicher Aktionen. Untersucht wurden unter anderem das Falten von Wäsche, das Reinigen eines Tisches und das Zusammenbauen von Kartons. Gleichzeitig benennen die Autoren Datenverfügbarkeit, Generalisierung und Robustheit ausdrücklich als offene Herausforderungen. Robotics Proceedings
Solche Ergebnisse zeigen Fortschritte beim Lernen physischer Fähigkeiten. Sie belegen nicht, dass ein Modell beliebige Aufgaben unter beliebigen Betriebsbedingungen zuverlässig beherrscht. Die untersuchten Aufgaben, verwendeten Roboter und jeweiligen Testbedingungen bleiben Teil der Aussage. Für eine andere Anwendung muss die Leistungsfähigkeit erneut nachgewiesen werden. Proceedings of Machine Learning Research
Warum eine plausible Vorstellung noch keine verlässliche Handlung ist
Wer physisch handelt, muss mit den Folgen seiner Entscheidung umgehen. Deshalb ist es interessant, nicht nur Aktionen vorherzusagen, sondern auch mögliche Veränderungen der Umgebung.
Die Arbeit Unified World Models untersucht genau diese Verbindung. Sie führt die Modellierung von Videos und Aktionen in einer gemeinsamen Architektur zusammen. Dadurch können unter anderem zukünftige Beobachtungen und passende Aktionen gelernt werden. Zudem untersucht die Arbeit, wie sich Videodaten ohne aufgezeichnete Roboteraktionen für das Training nutzen lassen. Die Ergebnisse aus Simulation und realen Roboterversuchen zeigen Potenzial für besser übertragbare Fähigkeiten. Ein solches Weltmodell bleibt allerdings ein gelerntes Vorhersagemodell und kein vollständiges Abbild der Wirklichkeit. Robotics Proceedings
Auch Simulation löst dieses Grundproblem nicht vollständig. Die Arbeit ASAP untersucht die Abweichung zwischen simuliertem und realem Bewegungsverhalten humanoider Roboter. Zunächst werden Bewegungen in der Simulation trainiert. Anschließend werden reale Bewegungsdaten genutzt, um die Unterschiede zwischen Modell und Wirklichkeit zu erfassen und das Training entsprechend anzupassen. Die Ergebnisse zeigen, wie wichtig reale Rückmeldungen für den Transfer sind. Robotics Proceedings
Für die industrielle Entwicklung lässt sich daraus eine klare Konsequenz ableiten. Simulation sollte helfen, Varianten zu untersuchen, Fehlerbilder vorzubereiten und Entwicklungsentscheidungen abzusichern. Sie sollte jedoch nicht als Ersatz für die Validierung am tatsächlichen System verstanden werden. Ein digital überzeugender Ablauf ist zunächst eine überprüfbare Hypothese darüber, wie sich die reale Anlage verhalten könnte. Robotics Proceedings
Im Labor wird das Potenzial besonders konkret
Ein anschauliches Beispiel für die Verbindung von algorithmischen Entscheidungen und physischer Ausführung veröffentlichte das Team um Benjamin Burger bereits 2020 in Nature. Ein mobiler Roboter führte innerhalb von acht Tagen 688 Experimente zur Suche nach verbesserten Photokatalysatoren durch. Die Auswahl der Versuche erfolgte mit einem bayesschen Suchverfahren innerhalb eines vorgegebenen experimentellen Raums. nature.com
Der wissenschaftliche Wert lag damit nicht allein in der automatisierten Bewegung von Proben. Entscheidend war die Verbindung zwischen Experiment, Messergebnis und nächster Entscheidung. Zugleich blieb die Aufgabe klar eingegrenzt. Das System bearbeitete eine definierte Forschungsfrage mit festgelegten Variablen. Aus dieser Leistung lässt sich keine allgemeine Fähigkeit ableiten, beliebige Laborarbeiten autonom zu übernehmen. nature.com
Eine weitere 2024 in Nature veröffentlichte Arbeit von Tianwei Dai und Kollegen erweitert diesen Gedanken. Mobile Roboter verbanden eine automatisierte Syntheseplattform mit Flüssigchromatografie und Massenspektrometrie sowie einem kompakten Kernspinresonanzspektrometer. Eine heuristische Entscheidungslogik wertete die unterschiedlichen Messdaten aus und überprüfte die Reproduzierbarkeit ausgewählter Ergebnisse. Die Architektur verband damit mehrere analytische Perspektiven, statt Entscheidungen nur auf einen einzelnen Messwert zu stützen. Nature
Daraus ergibt sich eine wichtige Perspektive für Physical AI. Ein nützliches autonomes System muss nicht jede Entscheidung mit einem großen Sprachmodell treffen. Die passende Kombination aus lernenden Verfahren, fachlichen Regeln, Messmethoden und zuverlässiger Ausführung kann für eine konkrete Aufgabe überzeugender sein als der Versuch, sämtliche Funktionen in einem einzigen Modell zusammenzuführen.
Sicherheit entsteht nicht durch einen guten Prompt
Mit der Fähigkeit zu handeln wächst die Bedeutung technischer Grenzen. Die Übersichtsarbeit Safe Learning in Robotics unterscheidet zwischen Verfahren, die sicheres oder robustes Verhalten im Lernen fördern, und Methoden, die Sicherheit unter bestimmten Voraussetzungen formal absichern können. Diese Unterscheidung ist wesentlich. Eine hohe Erfolgsquote bei einer Aufgabe ist nicht dasselbe wie eine belastbare Aussage über das Verhalten in gefährlichen Situationen. Annual Reviews
Für einen industriellen Einsatz leite ich daraus ein Architekturprinzip ab. Lernende Modelle sollten innerhalb ausdrücklich definierter Handlungsspielräume arbeiten. Eine sprachliche Anweisung sollte nicht ungeprüft zur Bewegungsfreigabe werden. Grenzen für Bewegung und Prozessführung, die Behandlung ungültiger Zustände sowie die vorgesehenen Abbruchmechanismen müssen technisch wirksam sein und unabhängig von der sprachlichen Überzeugungskraft eines Modells bewertet werden.
Ebenso wichtig ist die Unterscheidung zwischen Anpassung und Freigabe. Dass ein Modell aus neuen Daten verbessert werden kann, bedeutet nicht, dass jede neue Modellversion sofort auf einer produktiven Anlage eingesetzt werden sollte. Für einen Pilot würde ich deshalb festlegen, welche Änderungen eine erneute Prüfung auslösen, welche Tests vor einer Freigabe erforderlich sind und wer über den Einsatz entscheidet.
Die entscheidende Frage lautet nicht nur, ob ein System eine Aufgabe erfolgreich ausführen kann. Sie lautet auch, unter welchen Bedingungen es die Aufgabe ablehnen, unterbrechen oder an einen Menschen übergeben soll.
Unternehmen sollten Fähigkeiten bewerten und nicht nur Autonomie versprechen
Ein 2026 in Communications Chemistry veröffentlichter, begutachteter Perspektivbeitrag schlägt mit dem ADePT Framework eine differenzierte Betrachtung autonomer Laborrobotik vor. Bewertet werden Anpassungsfähigkeit und Lernen, Geschicklichkeit, Wahrnehmung sowie Aufgabenkomplexität. Der Ansatz macht deutlich, dass ein System auf einer dieser Dimensionen weit entwickelt sein kann und auf einer anderen weiterhin deutliche Grenzen besitzt. Es handelt sich um einen wissenschaftlichen Bewertungsrahmen, nicht um einen allgemeinen Sicherheitsnachweis. Nature
Diese Betrachtung ist auch außerhalb des Labors hilfreich. Ein Roboter kann beispielsweise Objekte zuverlässig erkennen, ohne sie sicher manipulieren zu können. Ebenso kann er eine einzelne Bewegung beherrschen, während eine längere Abfolge mit wechselnden Zwischenzuständen noch nicht ausreichend abgesichert ist. Die Frage nach der benötigten Fähigkeit ist deshalb präziser als die pauschale Frage, ob ein System bereits autonom sei. Nature
Für einen ersten betrieblichen Pilot würde ich daraus eine einfache Vorgehensweise ableiten. Ausgangspunkt wäre eine eng beschriebene Aufgabe mit messbarem Ergebnis. Denkbar wäre etwa die Bereitstellung einer eindeutig identifizierten Probe an einem festgelegten Übergabepunkt. Bewertet würden nicht nur erfolgreiche Durchläufe, sondern auch notwendige Eingriffe, Wiederholungen, beschädigte oder falsch zugeordnete Objekte, Bearbeitungszeit und Aufwand zur Wiederherstellung nach einer Störung.
Anschließend müsste der Ansatz gegen die sinnvollste Alternative antreten. Das kann der bisherige manuelle Ablauf sein, aber ebenso eine konventionelle Automatisierung. Ein lernendes System sollte nicht allein deshalb bevorzugt werden, weil es technisch neuartig ist. Es sollte einen nachvollziehbaren Vorteil für die konkrete Aufgabe liefern.
Der nächste Schritt ist überprüfbares Handeln
Die hier betrachteten Arbeiten zeigen verschiedene Bausteine von Physical AI. Modelle verbinden Sprache und Bilder mit Aktionen. Generative Verfahren erzeugen Bewegungsfolgen. Simulation wird mit realen Erfahrungen abgeglichen. Autonome Labore koppeln physische Experimente mit der Auswahl weiterer Untersuchungen. Zusammengenommen entsteht daraus keine fertige Universalmaschine, sondern ein wachsender Werkzeugkasten für anpassungsfähige technische Systeme. Proceedings of Machine Learning Research
Für die praktische Umsetzung halte ich deshalb eine andere Leitfrage für wichtiger als die Suche nach dem beeindruckendsten Roboter. Welche konkrete Handlung soll ein System übernehmen, welche Abweichungen muss es beherrschen und woran erkennen wir verlässlich, dass das Ergebnis stimmt?
Dort beginnt der tatsächliche Nutzen von Physical AI. Nicht bei der Behauptung, eine Maschine könne die Welt verstehen. Sondern bei einer nachweisbar gelungenen Handlung, einem erkannten Fehler und einer klaren Grenze dessen, was das System selbst entscheiden darf.
Literatur
Kim, M. J., et al. (2025). OpenVLA: An Open-Source Vision-Language-Action Model. Proceedings of the 8th Conference on Robot Learning, PMLR 270, 2679–2713. Begutachteter Konferenzbeitrag zu vortrainierten Robotermodellen und ihrer Anpassung an neue Aufgaben. Proceedings of Machine Learning Research
Chi, C., et al. (2023). Diffusion Policy: Visuomotor Policy Learning via Action Diffusion. Robotics: Science and Systems XIX. DOI 10.15607/RSS.2023.XIX.026. Begutachteter Konferenzbeitrag zur Erzeugung von Roboteraktionen mit Diffusionsmodellen. Robotics Proceedings
Black, K., et al. (2025). π₀: A Vision-Language-Action Flow Model for General Robot Control. Robotics: Science and Systems XXI. DOI 10.15607/RSS.2025.XXI.010. Begutachteter Konferenzbeitrag zu einem allgemeinen Modellansatz für unterschiedliche Roboteraufgaben. Robotics Proceedings
Zhu, C., et al. (2025). Unified World Models: Coupling Video and Action Diffusion for Pretraining on Large Robotic Datasets. Robotics: Science and Systems XXI. DOI 10.15607/RSS.2025.XXI.015. Begutachteter Konferenzbeitrag zur gemeinsamen Modellierung von Beobachtungen und Aktionen. Robotics Proceedings
He, T., et al. (2025). ASAP: Aligning Simulation and Real-World Physics for Learning Agile Humanoid Whole-Body Skills. Robotics: Science and Systems XXI. DOI 10.15607/RSS.2025.XXI.066. Begutachteter Konferenzbeitrag zum Transfer gelernter Bewegungen aus der Simulation auf reale Roboter. Robotics Proceedings
Burger, B., et al. (2020). A mobile robotic chemist. Nature 583, 237–241. DOI 10.1038/s41586-020-2442-2. Experimentelle Studie zu einem mobilen Roboter für autonome Versuchsreihen. nature.com
Dai, T., et al. (2024). Autonomous mobile robots for exploratory synthetic chemistry. Nature 635, 890–897. DOI 10.1038/s41586-024-08173-7. Experimentelle Studie zur Verbindung von Robotik, Synthese, mehreren Analyseverfahren und automatisierten Entscheidungen. Nature
Brunke, L., et al. (2022). Safe Learning in Robotics: From Learning-Based Control to Safe Reinforcement Learning.Annual Review of Control, Robotics, and Autonomous Systems 5, 411–444. DOI 10.1146/annurev-control-042920-020211. Wissenschaftliche Übersichtsarbeit zu sicherem Lernen und sicherheitsbezogener Regelung. Annual Reviews
Salazar-Villacis, P., und Benyahia, B. (2026). The ADePT framework for assessing autonomous laboratory robotics.Communications Chemistry 9, Artikel 99. DOI 10.1038/s42004-026-01932-9. Begutachteter Perspektivbeitrag zur differenzierten Bewertung robotischer Fähigkeiten.
