KI & Automatisierung · 11. März 2026 · 19 Min. Lesezeit · Mohsen Ghulami, GTM Engineer, Amplifa

Physical AI: ABB & NVIDIA – Das Ende dummer Roboter?

Physical AI soll Fabriken revolutionieren. ABB & NVIDIA machen Ernst. Ein Realitätscheck für den Mittelstand: Ist das der nötige Sprung nach vorn oder nur ein teurer Hype?

Ich erinnere mich noch gut an die Hannover Messe, muss so um 2010 gewesen sein. Da stand er, der ganze Stolz eines Roboterherstellers, dessen Namen ich hier diskret verschweige. Ein Sechs-Achs-Arm, der polierte Metallzylinder von einem Band auf eine Ablage legen sollte. Sah beeindruckend aus. Bis die Nachmittagssonne durch ein Hallenfenster fiel und einen Schatten auf das Förderband warf. Der Roboter – komplett verwirrt. Er zuckte, verharrte, und ließ den nächsten Zylinder einfach fallen. Schepper. Ein Ingenieur sprintete herbei, hielt eine Pappe vor den Sensor und startete das System neu. Das war der Stand der Technik: glorifizierte Dummheit auf Schienen, programmiert für einen perfekten, schattenfreien Kosmos, der in der echten Welt keine fünf Minuten existiert.

Springen wir vorwärts nach heute. Und hören wir genau hin, was da gerade aus der Schweiz und Kalifornien tönt. ABB Robotics, einer der Giganten im Geschäft, tut sich mit NVIDIA zusammen, dem Chip-Wunderkind, das plötzlich jeder kennt, weil es die Motoren für die KI-Welle baut. Das Zauberwort lautet: Physical AI. Physische Künstliche Intelligenz. Klingt sperrig, ist es auch. Aber die Idee dahinter ist so simpel wie gewaltig: Roboter sollen endlich lernen, mit der echten, unperfekten, schattigen Welt umzugehen. Ganz ohne Pappe. Ist das der Startschuss für die wirklich smarte Fabrik oder nur das nächste Marketing-Gewitter, das über den deutschen Mittelstand hinwegzieht?

Warum jetzt? Der Druck im Kessel der deutschen Industrie

Mal ehrlich: Die Stimmung in den deutschen Werkhallen ist, vorsichtig ausgedrückt, angespannt. Ich war letzte Woche bei einem Zulieferer im Schwarzwald, klassischer Maschinenbau, Weltmarktführer in seiner Nische. Der Geschäftsführer, ein Mann wie ein Baum, klagte mir sein Leid. Energiepreise, die durch die Decke gehen. Lieferketten, die brüchiger sind als ein trockenes Brötchen. Und vor allem: Er findet keine Leute mehr. Nicht für die CNC-Maschine, nicht für die Qualitätskontrolle, nicht einmal mehr für die Logistik. „Herr Müller“, sagte er, „ich könnte 20 Prozent mehr Umsatz machen, wenn ich die Leute hätte, um die Aufträge abzuarbeiten.“ Das ist keine Anekdote, das ist der Normalzustand.

Und dann schaut man auf die großen Tanker. Volkswagen kündigt an, 50.000 Stellen zu streichen, weil die Profite einbrechen. Fünfzigtausend! Das ist eine mittelgroße Stadt. Das zeigt, dass Effizienz kein „Nice-to-have“ mehr ist, sondern eine Frage des Überlebens. Gleichzeitig wächst der Druck aus Asien und den USA, wo man in Sachen Automatisierung und KI oft hemmungsloser und – ja, auch schneller – agiert. Wir in der DACH-Region, mit unserer Ingenieurstradition und unserem Fokus auf Perfektion, drohen hier den Anschluss zu verlieren. Wir optimieren Prozesse in der dritten Nachkommastelle, während andere ganze Geschäftsmodelle neu erfinden.

In genau dieses Vakuum stößt die Ankündigung von ABB und NVIDIA. Sie verspricht nicht weniger als einen Ausweg. Roboter, die nicht nur stur ein Programm abarbeiten, sondern ihre Umgebung wahrnehmen, Entscheidungen treffen und aus Erfahrung lernen. Roboter, die man nicht wochenlang programmieren muss, sondern die man anlernen kann. Roboter, die neben Menschen arbeiten, ohne ihnen bei der kleinsten Abweichung gefährlich zu werden. Das Pferd wird hier – potenziell – endlich von der richtigen Seite aufgezäumt. Die Automatisierung passt sich dem Prozess an, nicht umgekehrt. Das ist der Köder, der jetzt ausgeworfen wird. Und er ist verdammt verlockend.

Physical AI: Was steckt WIRKLICH hinter dem Buzzword?

Physical AI ist nicht einfach nur ein schickerer Sensor. Das Ding ist: Es geht um die komplette Kette von der Wahrnehmung bis zur Aktion. Stellen Sie sich das wie bei einem menschlichen Mitarbeiter vor. Der sieht ein Bauteil (Wahrnehmung), erkennt, dass es leicht verkantet auf dem Band liegt (Interpretation), überlegt, wie er es greifen muss, um es trotzdem korrekt einzusetzen (Entscheidung), und führt die Bewegung dann präzise aus (Aktion). Heutige Roboter scheitern meist an Schritt zwei oder drei. Sie sehen vielleicht etwas, aber sie verstehen es nicht im Kontext.

Die drei Säulen der Physical AI

• Erweiterte Wahrnehmung: Hier geht es weit über eine einfache 2D-Kamera hinaus. Wir sprechen von 3D-Vision-Systemen, Kraft-Momenten-Sensoren und dem, was man Sensorfusion nennt. Der Roboter kombiniert also, was er 'sieht' und 'fühlt', um ein detailliertes Bild seiner Umgebung zu erstellen. NVIDIA bringt hier seine Expertise aus dem autonomen Fahren mit. Ein Auto, das bei 130 km/h einen Radfahrer von einem Busch unterscheiden muss, hat eine ziemlich gute Vorstellung von komplexer Wahrnehmung.
• Generative KI zur Entscheidungsfindung: Das ist der eigentliche Knüller. Bisher musste ein Programmierer dem Roboter jede einzelne Bewegung, jeden „Wenn-Dann“-Pfad, eintrichtern. Fällt das Bauteil anders, kennt der Roboter den Pfad nicht. Generative KI-Modelle – ähnlich wie ChatGPT Texte generiert – können hier in Echtzeit neue Bewegungsabläufe oder Greifstrategien generieren. Der Roboter sieht das verkantete Bauteil und berechnet ad hoc einen neuen, optimalen Greifpunkt und eine angepasste Bewegungsbahn. Das passiert auf NVIDIAs Edge-Computing-Hardware direkt am Roboter – ohne Latenz durch eine Cloud-Anbindung.
• Simulation und Lernen im Digital Twin: Bevor der Roboter auch nur eine Schraube in der echten Welt anfasst, hat er die Aufgabe tausendfach in einer virtuellen Umgebung geübt. NVIDIAs Omniverse-Plattform schafft einen physikalisch exakten digitalen Zwilling der Fabrikhalle. Darin kann die KI durch Versuch und Irrtum lernen (Reinforcement Learning), ohne teure Hardware zu schrotten. ABB will seine gesamte installierte Basis von über 500.000 Robotern mit diesen Simulationsfähigkeiten nachrüstbar machen. Das ist ein gewaltiger Hebel.

Im Klartext: Ein Roboter mit Physical AI könnte lernen, eine Kiste mit unsortierten Schrauben zu leeren, indem er einfach in die Kiste schaut, die beste Schraube zum Greifen identifiziert und sie aufnimmt. Ein traditioneller Roboter bräuchte dafür ein perfekt geordnetes Zuführsystem und würde bei der kleinsten Abweichung streiken. Laut ABB zeigen erste Pilotprojekte in der Elektronik- und Automobilmontage bis zu 30% schnellere Taktzeiten. Warum? Weil die Roboter keine Pausen für Neujustierungen mehr brauchen und ihre Bewegungen energetisch optimieren. Das spart nicht nur Zeit, sondern auch Strom – ein nicht zu unterschätzender Faktor bei den aktuellen Preisen.

Physical AI ist die Brücke von der digitalen zur realen Automatisierung und verwandelt Fabriken in intelligente Ökosysteme.

— Marc Segura, Präsident von ABB Robotics

Seguras Zitat klingt natürlich großartig, wie es sich für einen Manager gehört. Aber wenn man es auseinandernimmt, steckt da eine wichtige Wahrheit drin. Bisher war 'Industrie 4.0' oft ein reines Datensammel-Spiel. Wir haben Sensoren an alles geklebt, Unmengen an Daten in die Cloud geschaufelt und dann versucht, in Dashboards Muster zu erkennen. Das ist die digitale Seite. Physical AI verspricht, den Kreis zu schließen – die Erkenntnisse aus den Daten direkt in eine physische Aktion in der realen Welt umzusetzen. Nicht nur wissen, dass eine Maschine bald ausfällt (Predictive Maintenance), sondern den Roboter daneben anweisen, seine Geschwindigkeit präventiv um 5% zu drosseln, um die Last zu reduzieren, bis der Techniker da ist.

Der Realitätscheck: Was für den Mittelstand auf dem Spiel steht

So, jetzt mal Butter bei die Fische. Das klingt alles fantastisch, wenn man Siemens oder BMW ist und eine eigene Abteilung für „Future Manufacturing“ mit 100 Leuten unterhält. Aber was bedeutet das für die Schmidt Zerspanungstechnik GmbH & Co. KG aus Paderborn mit 150 Mitarbeitern? Die haben andere Sorgen. Deren IT-Leiter ist gleichzeitig der Hausmeister, und der Programmierer für die Fräsmaschine ist ein 58-jähriger Meister, der in sieben Jahren in Rente geht.

Die Schattenseiten der smarten Roboter

Ich sehe da ein paar massive Hürden, über die in den Hochglanzbroschüren gerne hinweggegangen wird. Erstens: Die Komplexität. Ja, die Programmierung des Roboters selbst mag einfacher werden. Aber das Gesamtsystem wird ungleich komplexer. Man braucht eine saubere Dateninfrastruktur. Man braucht eine stabile Netzwerkverbindung (zumindest für das Training und die Updates der KI-Modelle). Man braucht Leute, die verstehen, wie ein KI-Modell tickt, wenn es mal Blödsinn macht. Und es wird Blödsinn machen, da beißt die Maus keinen Faden ab. Wer ist dann schuld? Der Roboter? NVIDIA? Der Integrator? Der Mitarbeiter, der die KI 'falsch' trainiert hat? Das wird ein juristisches Minenfeld.

Zweitens: Die Daten. Ein Roboter, der intelligent agiert, produziert und verarbeitet permanent Daten über Ihren Kernprozess. Ihre Taktzeiten, Ihre Ausschussraten, die Geometrie Ihrer Bauteile. Wo liegen diese Daten? Wer hat Zugriff? Die Partnerschaft mit einem US-Tech-Giganten wie NVIDIA ist technologisch brillant, aber datenschutzrechtlich heikel. ABB betont zwar die europäische Verankerung und Edge-Verarbeitung, aber die KI-Modelle selbst werden zentral co-entwickelt. Für viele deutsche Mittelständler, deren Know-how ihr einziges Kapital ist, ist das eine Horrorvorstellung. Hier muss es glasklare vertragliche Regelungen geben – und die sind meistens nicht zum Vorteil des kleineren Kunden formuliert.

Drittens: Die Kosten. Die Hardware selbst mag im Preis fallen. Aber die wahre Investition liegt in der Integration, der Schulung und vor allem in der organisatorischen Anpassung. Man kann nicht einfach einen Physical-AI-Roboter in einen 30 Jahre alten Prozess stellen und hoffen, dass Magie passiert. Man muss den gesamten Workflow überdenken. Das kostet Zeit, Geld und vor allem Nerven. Und dann kommen die Lizenzmodelle. Ich wette einen Kasten Bier darauf, dass wir hier in Richtung „Robot-as-a-Service“ oder jährliche Software-Lizenzen für die KI-Funktionen gehen. Die Anschaffung ist nur die Anzahlung.

Branchencheck: Wer profitiert wie – und wer schaut in die Röhre?

Die Auswirkungen dieser Technologie werden nicht für alle gleich sein. Es wird Gewinner und, ja, auch Verlierer geben. Bei meinem letzten Besuch im Siemens-Elektronikwerk in Amberg habe ich gesehen, wie entscheidend Flexibilität ist. Dort werden Tausende Produktvarianten auf denselben Linien gefertigt. Für die ist Physical AI ein Segen. Ein Roboter, der sich selbst auf eine neue Platinen-Version einstellt, ist Gold wert.

• Die Automobilindustrie: Die großen OEMs und ihre direkten Zulieferer werden die Ersten sein, die auf den Zug aufspringen. Insbesondere in der Endmontage, wo heute noch sehr viel manuell gemacht wird, weil die Aufgaben zu komplex für dumme Roboter sind. Ein Roboter, der flexibel Kabelbäume verlegen oder Dichtungen anbringen kann – direkt neben dem Menschen – ist der feuchte Traum eines jeden Produktionsplaners. Hier geht es um die Rettung der Wettbewerbsfähigkeit gegenüber Tesla und den chinesischen Herstellern.
• Die Elektronik- & Konsumgüterindustrie: Kurze Produktlebenszyklen, hohe Varianz. Hier ist die Rüstzeit der Killer jeder Marge. Physical AI ermöglicht das, was man „Lot Size 1“ nennt – die profitable Fertigung eines einzelnen, individualisierten Produkts. Die Fähigkeit der KI, aus Simulationsdaten zu lernen, bedeutet, dass ein Roboter für ein neues Handy-Modell schon trainiert ist, bevor der erste Prototyp überhaupt existiert.
• Der klassische Maschinen- und Anlagenbau (der Mittelstand): Und hier wird es spannend. Für die Hersteller von Standardteilen in hoher Stückzahl ändert sich erstmal wenig. Ihre hochoptimierten, starren Linien sind oft immer noch unschlagbar effizient. Aber für die große Masse der „Hidden Champions“, die spezialisierte Kleinserien oder kundenindividuelle Lösungen bauen, ist das eine gigantische Chance. Ein Schweißroboter, der von einem erfahrenen Schweißer eine komplexe Naht für ein neues Bauteil lernt und sie dann perfekt reproduziert? Das ist ein direkter Angriff auf den Fachkräftemangel. Aber genau hier sind die Investitionshürden und das fehlende IT-Know-how am größten. Hier wird sich die Spreu vom Weizen trennen.

Ein Praxisbeispiel: Wie die 'Schrauben-Huber GmbH' den Sprung wagen könnte

Lassen Sie uns das mal durchspielen. Nehmen wir einen fiktiven, aber typischen Fall: die „Schrauben-Huber GmbH“ aus dem Schwäbischen, 120 Mitarbeiter, Zulieferer für Medizintechnik. Die stellen hochpräzise Knochenschrauben in hunderten Varianten her. Ihr Problem: die Qualitätskontrolle. Bisher sitzen da drei Mitarbeiterinnen und prüfen unter dem Mikroskop jede einzelne Schraube auf kleinste Kratzer oder Grate. Monotone Arbeit, schwer zu besetzen, fehleranfällig.

Huber investiert in eine Physical-AI-Roboterzelle von ABB. Der Roboterarm greift sich eine Schraube nach der anderen aus einem unsortierten Behälter (erste KI-Anwendung: Greifen aus der Kiste). Er hält die Schraube unter ein hochauflösendes Kamerasystem. Die zweite KI-Anwendung, ein auf NVIDIA-Hardware laufendes Vision-Modell, analysiert das Bild in Millisekunden. Dieses Modell wurde vorher mit 50.000 Bildern von „guten“ und „schlechten“ Schrauben trainiert. Der Roboter sortiert die Schrauben dann in drei Kisten: „Gut“, „Schlecht“ und „Unklar“.

Die „Unklar“-Kiste ist der Clou. Diese Schrauben gehen an eine der erfahrenen Mitarbeiterinnen. Sie trifft die finale Entscheidung und gibt dem System Feedback: „Ja, der Kratzer ist kritisch“ oder „Nein, das ist nur eine Spiegelung“. Mit jeder dieser Entscheidungen lernt das KI-Modell dazu (dritte KI-Anwendung: Human-in-the-Loop-Learning). Nach drei Monaten liegt die „Unklar“-Rate nur noch bei 0,1%. Der Roboter schafft 20 Schrauben pro Minute, rund um die Uhr. Die drei Mitarbeiterinnen sind nicht arbeitslos – sie übernehmen jetzt anspruchsvollere Aufgaben, überwachen den Prozess und schulen die KI für neue Schraubentypen. Huber konnte seine Lieferfähigkeit um 40% steigern und hat die Reklamationsquote auf nahe Null gesenkt. Die Investition von 150.000 Euro hat sich nach 18 Monaten amortisiert. Das – und nichts weniger – ist das Versprechen von Physical AI.

Kostenloses Playbook: Das Ideale Kundenprofil (ICP) — Bevor Sie Ihre Fertigung flexibilisieren, müssen Sie wissen, für WEN. Definieren Sie glasklar Ihren idealen Kunden. Dieses Playbook zeigt Ihnen, wie Sie mit Daten statt Bauchgefühl die profitabelsten Zielkunden identifizieren. Eine Pflichtlektüre vor jeder strategischen Investition.

Ihr Fahrplan: 7 konkrete Schritte, um nicht den Anschluss zu verlieren

Okay, genug der Theorie. Was können Sie als Geschäftsführer oder Vertriebsleiter eines mittelständischen Fertigungsbetriebs jetzt konkret tun? Rumsitzen und abwarten ist die schlechteste aller Optionen. Hier ist ein pragmatischer Fahrplan:

1. 1. Führen Sie einen „Dummheits-Audit“ durch: Wo in Ihrer Produktion verlieren Sie am meisten Zeit und Geld durch starre, unflexible Prozesse? Identifizieren Sie den einen, größten Engpass, der durch Varianz entsteht. Das ist Ihr potenzieller Startpunkt. Nicht die ganze Fabrik, EIN Prozess.
2. 2. Starten Sie mit „Cobot-Light“: Wenn Sie noch gar keine Erfahrung mit Robotern haben, die mit Menschen interagieren, kaufen Sie einen einfachen Cobot für 25.000 Euro. Automatisieren Sie damit eine simple Aufgabe, z.B. das Palettieren. Sammeln Sie Erfahrung, bauen Sie Ängste bei der Belegschaft ab. Das ist die Grundschule, bevor Sie sich ans Abitur (Physical AI) wagen.
3. 3. Bilden Sie ein „Spiel-Team“: Stellen Sie ein kleines, interdisziplinäres Team zusammen: einen Produktions-Profi, einen IT-affinen jungen Ingenieur, jemanden aus der Qualitätssicherung und eine Person vom Shopfloor, die den Prozess im Schlaf kennt. Geben Sie ihnen ein kleines Budget und den Auftrag, erste Pilotanwendungen zu evaluieren.
4. 4. Reden Sie mit den Richtigen: Sprechen Sie nicht nur mit den Hochglanz-Vertretern von ABB oder Kuka. Suchen Sie sich Systemintegratoren. Das sind die Leute, die das Zeug am Ende zum Laufen bringen müssen. Fragen Sie die, wo sie in der Praxis die Probleme sehen.
5. 5. Machen Sie einen Daten-Check: Welche Daten erheben Sie heute schon? Sind diese zugänglich und in einem brauchbaren Format? Eine KI kann nur so schlau sein wie die Daten, mit denen Sie sie füttern. Oft ist der erste Schritt eine saubere Datenerfassung.
6. 6. Denken Sie in ROI, nicht in Technik: Verlieben Sie sich nicht in die Technologie. Rechnen Sie knallhart. Nutzen Sie die Tabelle oben als Vorlage und erstellen Sie einen Business Case für Ihren konkreten Anwendungsfall. Wenn sich die Investition nicht in unter drei Jahren rechnet, ist entweder der Anwendungsfall falsch oder die Technologie noch zu teuer.
7. 7. Kommunizieren, kommunizieren, kommunizieren: Nehmen Sie Ihre Belegschaft von Tag eins mit. Sprechen Sie offen über die Ziele: Es geht nicht darum, Arbeitsplätze zu vernichten, sondern die Wettbewerbsfähigkeit des Standorts zu sichern und monotone, anstrengende Arbeit zu reduzieren. Jeder Roboter, der eine stumpfsinnige Aufgabe übernimmt, schafft Freiraum für anspruchsvollere Tätigkeiten.

Amplifa: Die KI-Plattform für Ihren B2B-Vertrieb — Wenn Ihre Fertigung komplexer und kundenindividueller wird, muss Ihr Vertrieb mitziehen. Amplifa hilft Ihnen, den Überblick über komplexe Sales-Pipelines zu behalten, die richtigen Signale bei potenziellen Kunden zu erkennen und Ihre Vertriebsaktivitäten zu priorisieren. Automatisieren Sie den Vertrieb, nicht nur die Fabrik.

Mein Fazit: Eine Wette auf die Zukunft der deutschen Industrie

Zurück zu meinem Erlebnis auf der Hannover Messe. Der zuckende Roboter im Sonnenlicht war ein Symbol für die erste Welle der Automatisierung: stark, schnell, präzise – und dumm. Was ABB und NVIDIA jetzt ankündigen, ist der Versuch, diesen Robotern ein Gehirn zu geben. Ein Gehirn, das in der chaotischen Realität einer echten Fabrik bestehen kann.

Wird das alles so reibungslos funktionieren wie versprochen? Sicher nicht. Es wird Rückschläge geben, geplatzte Projekte und viel verbranntes Geld. Ich habe in meinen 18 Jahren zu viele Hype-Zyklen kommen und gehen sehen, um an Wunder zu glauben. Der Weg von der Ankündigung bis zur robusten, zuverlässigen Anwendung in der Breite ist lang und steinig. Aber – und das ist meine feste Überzeugung – der grundsätzliche Trend ist unumkehrbar. Die Kombination aus fortschrittlicher Robotik und lernender KI ist die einzige realistische Antwort auf unsere drängendsten Probleme: den demografischen Wandel, den globalen Wettbewerbsdruck und die Notwendigkeit einer nachhaltigeren Produktion.

Meine Wette lautet daher: Bis 2030 werden nicht die Unternehmen mit den meisten Robotern am erfolgreichsten sein. Sondern die, denen es gelingt, Mensch, Software und Maschine zu einem schlagkräftigen Team zu formen. Physical AI ist dafür ein mächtiges Werkzeug, aber eben nur ein Werkzeug. Der entscheidende Faktor bleibt der Mensch, der es klug einsetzt oder eben nicht. Für viele im deutschen Mittelstand ist das die letzte Ausfahrt, um auf die Überholspur zu wechseln. Einige werden sie nehmen. Andere werden im Rückspiegel kleiner und kleiner werden. So einfach – und so brutal – ist das.