Humanoide Roboter 2026: Physical AI zwischen Serienproduktion und Systemrisiken

Elf Monate. Zehn Stunden täglich. Mehr als 90.000 gegriffene und platzierte Blechteile. Figure AI hat seinen Roboter F.02 von Anfang 2025 bis November 2025 im BMW-Werk Spartanburg eingesetzt und dabei zur Produktion von über 30.000 Fahrzeugen beigetragen.

Das war Serienfertigung in einer aktiven Montagelinie mit definierten KPIs: Zykluszeit unter 84 Sekunden, Platzierungsgenauigkeit über 99 Prozent, null menschliche Interventionen pro Schicht als Zielwert. Es war das erste humanoide Roboter-Deployment in einem BMW-Werk weltweit.

Im Februar 2026 folgte das nächste Kapitel: BMW kündigte den Einsatz des AEON-Roboters von Hexagon Robotics (Zürich) im Werk Leipzig an, konkret für Hochvolt-Batteriemontage und Komponentenfertigung ab einem Pilotstart im Sommer 2026. Das zugehörige Center of Competence for Physical AI in Production hat BMW am Talent Campus in München aufgebaut. Physische KI hat 2026 eine Qualitätsschwelle erreicht, die sich nicht mehr wegdiskutieren lässt. Gleichzeitig zeigt genau diese Konstellation, wie eng die Grenzen noch gezogen sind und welche systemischen Risiken mit dem Hochskalieren entstehen.

Physische KI: Strukturell anders als klassische Robotik

"Physical AI" klingt nach Marketingbegriff, kommt aber aus der Industrie. Die International Federation of Robotics (IFR) hat ihn in ihrem Position Paper 2026 trotzdem als eigenständige technologische Kategorie definiert, weil der Unterschied zur klassischen Industrierobotik strukturell ist, nicht graduell.

Klassische Industrierobotik ist deterministisch programmiert: Bewegungsabläufe werden einmalig definiert und danach exakt reproduziert. Eine Positionsabweichung von wenigen Millimetern genügt, um den Prozess zu stoppen, weil das System keine Adaptionsfähigkeit besitzt. Physical AI ersetzt diese starre Programmierung durch Training. Roboter lernen aus Demonstrationen (Learning from Demonstration, LfD) oder durch Verstärkungslernen (Reinforcement Learning, RL), wie sie mit Objekten umgehen, auf Störungen reagieren und sich in variablen Umgebungen bewegen. Das IFR identifiziert sechs KI-Bereiche, die bereits produktiv in der Robotik eingesetzt werden: Machine Learning, Computer Vision, Reinforcement Learning, natürliche Sprachverarbeitung, Large Language Models und Physical AI als Dachkonzept, das virtuelles Training mit realem Einsatz verbindet.

Was das konkret bedeutet, zeigt das Figure-02-System bei BMW: Das System musste Blechteile mit einer Toleranz von fünf Millimetern in zwei Sekunden platzieren, eine Kombination aus Präzision und Geschwindigkeit, die erst durch Hand-Augen-Koordinationsalgorithmen erreicht wurde, die kontinuierlich aus Echtzeit-Feedback lernten. Statt statischer Pfaddefinition zählt laufende Selbstkorrektur. Das Zielbild für jede Schicht: null menschliche Eingriffe. Das ist eine andere Qualitätsdefinition als "Roboter läuft stabil" und stellt andere Anforderungen an Validierung, Monitoring und organisatorische Integration.

Was humanoide Roboter 2026 nachweisbar können

Drei Fähigkeitsbereiche haben sich in Forschung und Deployment als belastbar herausgestellt.

Dexterous Manipulation. Eine automatisierte Analyse von über 10.000 Robotik-Papers jährlich identifiziert Teleoperation und beidhändige Manipulation als die am schnellsten wachsenden Forschungsfelder. Systeme wie RDT-1B (ein Diffusions-Foundation-Model mit 1,2 Milliarden Parametern für beidhändige Manipulation, Tsinghua University arXiv 2410.07864) zeigen, dass multimodale Modelle kontextabhängige Entscheidungen treffen können, die deterministische Systeme prinzipiell überfordern. Das klassische Beispiel aus der Forschung: Eine Tasse kann am Henkel oder am Körper gegriffen werden; die richtige Trajektorie hängt von der nachgelagerten Handlungsabsicht ab. Deterministische Systeme haben hier keine Antwort. Generative Modelle lernen die Verteilung über mögliche Aktionen. Das ist kein akademischer Punkt: Es erklärt, warum klassische Programmierung bei variablen Objekten und Positionen scheitert, während trainierte Systeme mit diesen Variationen umgehen können.

Humanoide Lokomotion. Boston Dynamics hat den Atlas-Roboter auf der CES am 5. Januar 2026 als produktionsreif vorgestellt. Die gesamte 2026-Produktion geht direkt an Hyundai RMAC und Google DeepMind; weitere Kunden werden ab 2027 beliefert. Peer-reviewed Benchmark: Scaramuzzas Gruppe an der Universität Zürich hat 2023 in Nature gezeigt, dass ein autonomer Drohnenrennpilot menschliche Weltmeister schlägt, ausschliesslich mit Deep Reinforcement Learning, ohne GPS, unter Echtzeit-Bedingungen. Davide Scaramuzza von der Universität Zürich gehört zu den Autoren der zugrundeliegenden Roadmap in Nature Machine Intelligence. Der Schweizer Forschungsbeitrag ist damit direkt messbar.

Foundation Models für Robotik. Google DeepMind veröffentlichte Gemini Robotics im März 2025, Gemini-2.0-basierte Modelle, die physische Zusammenhänge direkt aus multimodaler Wahrnehmung verstehen und daraus handeln. Mit Gemini Robotics 1.5 (2026) kam Chain-of-Thought-Reasoning hinzu: Das Modell "denkt, bevor es agiert", wie DeepMind es formuliert; nach Unternehmensangaben soll es seinen Entscheidungsprozess nachvollziehbar machen. Das ist als Richtungsaussage relevant, weil die Forschungsgemeinschaft seit Jahren erklärbare Systeme in physischen Kontexten fordert, wo Fehler nicht einfach zurückgesetzt werden können. Ob dieser Anspruch unter realen Bedingungen eingelöst wird, steht noch aus.

Warum Robotik nicht wie ChatGPT skaliert

Die wichtigste Einordnung kommt aus einer peer-reviewed Roadmap in Nature Machine Intelligence (2025), verfasst von Forschungsgruppen der EPFL, des DLR, der TU München, der Universität Zürich (UZH) und der UC Berkeley: KI-Fortschritte aus dem Text- und Bildbereich lassen sich nicht direkt auf Robotik übertragen. Die physische Welt stellt strukturell andere Anforderungen.

Das Zitat verdient direkte Wiedergabe: "Action and sensing in the physical world pose different, and arguably greater challenges than playing games: the state space is bigger, training data are not readily available nor easily generated, and safety and reliability are non-negotiable."

Der Kern: Für Text und Bild gibt es das Internet als Trainingsdaten-Äquivalent. Für physische Sensordaten und Kontrollaufgaben gibt es das nicht. Wer einen Sprachassistenten trainiert, hat Billionen von Sätzen. Wer einen Greifroboter trainiert, hat vielleicht Tausende von demonstrierten Bewegungen. Dazu kommt ein grundsätzliches Sim-to-Real-Problem: In der Simulation trainierte Policies scheitern oft an physikalischen Abweichungen der echten Welt. Das ist Moravec's Paradox in moderner Form: Systeme, die im Schach Weltmeister schlagen, stolpern über das Greifen eines zerknüllten Papierstücks. Das gilt immer noch.

Ein weiterer Unterschied: Digitale KI-Fehler sind reversibel. Ein Roboter, der die falsche Entscheidung trifft, kann Gegenstände beschädigen, Prozesse gefährden oder Menschen verletzen. "Safety is non-negotiable" ist keine Phrase. Es ist die technische Anforderung, die den Massstab für akzeptable Fehlerraten fundamental verschiebt. Das hat Konsequenzen für Trainingsdaten, Validierungsaufwand und Haftungsfragen, die in der aktuellen Deploymentsgeschwindigkeit noch nicht vollständig gelöst sind.

Die geopolitische Dimension: China, 54%, Nationalstrategie

54 Prozent aller weltweit 2024 installierten Industrieroboter wurden in China deployt, laut IFR World Robotics Report 2025. China hat KI-gestützte Robotik zum Kern seiner industriellen Nationalstrategie erklärt. Das ist eine strukturelle Verschiebung, keine Ankündigung. Gleichzeitig führen USA und Europa in der wissenschaftlichen Publikationsleistung: Die USA produzieren doppelt so viele Robotik-Papers wie China (Platz 2), laut einer bibliometrischen Analyse von 2.564 Scopus-Papers (2000 bis 2024). Forschungsführerschaft und Deploymentführerschaft fallen auseinander. Wer die Trainingsdaten kontrolliert, schreibt die nächste Generation mit.

Risiken beim Hochskalieren

Physische KI funktioniert in kontrollierten Settings mit begrenztem Aufgabenspektrum. Der Transfer auf komplexere, unstrukturierte Umgebungen (eine Küche, eine Baustelle, ein Krankenhaus) ist nicht automatisch. Das IFR benennt die Risiken explizit: Datenvergiftung durch manipulierte Trainingsdaten, adversariale Angriffe auf KI-Systeme in physischen Umgebungen, und Halluzinationen in physischen Systemen. Letzteres ist besonders heikel: Ein LLM, das halluziniert, produziert falschen Text. Ein Roboter, der halluziniert, ergreift die falsche physische Aktion, mit realen Konsequenzen für Objekte, Prozesse, Menschen.

Haftungsfragen sind ungelöst. Wer trägt die Verantwortung, wenn ein teilautonomes System einen Fertigungsfehler verursacht? Hersteller, Betreiber, Software-Anbieter? Kein Rechtssystem der Welt hat diese Zuweisung für physische KI-Systeme im industriellen Einsatz bisher befriedigend beantwortet.

Lifelong Learning ist eines der dringlichsten Forschungsziele der Robotik. Es bezeichnet die Fähigkeit, nach dem Deployment kontinuierlich dazuzulernen. Das ist mit Safety schwer vereinbar: Wenn ein System nach dem Deployment weiterlernt, wie wird sichergestellt, dass Sicherheitsgrenzen erhalten bleiben? Das ist kein gelöstes Problem. Ähnlich wie beim Reward-Hacking in digitalen KI-Systemen gilt: Systeme optimieren, was gemessen wird, nicht unbedingt, was gewünscht ist. In physischen Umgebungen sind die Konsequenzen direkter.

Proprietäre Datensätze sind ein strukturelles Risiko für das gesamte Feld. Wer besitzt Fahrzeug-Sensordaten, Fertigungs-Demonstrationsdaten, chirurgische Bewegungsprofile? Derzeit primär grosse Konzerne mit den Ressourcen für teure Teleoperation-Setups. Das Open X-Embodiment-Projekt versucht, Datensätze verschiedener Roboterkörper zu aggregieren, aber es ist eine Forschungsinitiative, kein industrieller Standard. Wer die Daten kontrolliert, kontrolliert die Trainingsbasis. Die Demo-Videos zeigen, was möglich ist. Die Roadmaps zeigen, wie viel noch fehlt.