Physische KI
Physische KI bezeichnet Computerprogramme, die nicht nur Texte oder Bilder erzeugen, sondern Maschinen in der echten Welt steuern – etwa Roboterarme, Lagerroboter oder selbstfahrende Autos. Der Begriff grenzt solche Systeme von reinen Software-Anwendungen ab, die ihre Umgebung nie berühren.
Die meisten bekannten KI-Programme arbeiten nur mit Daten. Sie schreiben Texte, malen Bilder oder beantworten Fragen am Bildschirm. Physische KI dagegen steuert Maschinen, die sich in der echten Welt bewegen und Dinge anfassen. Dazu gehören Roboterarme in Fabriken, Lagerroboter, Drohnen und selbstfahrende Autos. Solche Systeme müssen ihre Umgebung wahrnehmen, entscheiden und dann eine Bewegung ausführen. Der Unterschied klingt klein, ist aber gewaltig: Ein falscher Satz ist peinlich, eine falsche Bewegung zerstört ein Werkstück oder verletzt einen Menschen.
Warum der Sprung in die echte Welt so schwer ist
In der Software gibt es keine Schwerkraft und keine kaputten Teile. Ein Programm kann eine Antwort verwerfen und eine neue erzeugen. In der Wirklichkeit ist eine umgestoßene Tasse umgestoßen. Deshalb gelten für physische KI viel härtere Anforderungen an Zuverlässigkeit.
Dazu kommt die Zeit. Ein Chatbot darf drei Sekunden nachdenken. Ein Auto, das eine Vollbremsung braucht, darf das nicht. Die Steuerung muss also innerhalb von Millisekunden reagieren, und zwar direkt im Fahrzeug, nicht in einem fernen Rechenzentrum.
Wirtschaftlich ist der Bereich interessant, weil ein sehr großer Teil der Arbeit weltweit körperlich ist: Pflege, Bau, Logistik, Landwirtschaft, Montage. Reine Text-KI erreicht diese Arbeit nicht. Wer sie automatisieren will, braucht Maschinen mit Sensoren und Gliedmaßen. Genau darauf setzen Chip-Hersteller wie Nvidia und viele Robotik-Start-ups ihre Wachstumshoffnungen.
Von Sensordaten zur Bewegung
Jede physische KI durchläuft immer wieder denselben Kreislauf. Zuerst nimmt sie ihre Umgebung auf, über Kameras, Abstandsmesser, Mikrofone oder Drucksensoren in den Fingern. Aus diesen Rohdaten baut sie ein inneres Bild der Lage: Wo steht welches Objekt, wie weit ist es entfernt, bewegt es sich? Dann plant sie eine Handlung und schickt Befehle an die Motoren. Anschließend beginnt der Kreislauf von neuem, oft hundertmal pro Sekunde.
Das Lernen findet meist zuerst in einer Simulation statt, also in einer virtuellen Nachbildung der Werkstatt oder Straße. Dort kann ein Roboter millionenfach scheitern, ohne Schaden anzurichten, und das schneller als in Echtzeit. Danach überträgt man das Gelernte auf die echte Maschine. Dieser Übergang ist die berüchtigte Schwachstelle: In der Simulation ist der Boden perfekt glatt, in der Halle liegt Öl darauf.
Neu ist, dass große Sprach- und Bildmodelle inzwischen als Gehirn dieser Roboter dienen. Sie verstehen einen Auftrag wie « räum den Tisch ab » und zerlegen ihn in Einzelschritte. Fachleute nennen solche Systeme Weltmodelle, weil sie vorhersagen, was als Nächstes passieren wird. Ein Beispiel: Das Modell schätzt ab, dass ein Glas kippt, wenn der Greifer es oben statt in der Mitte packt.
Wo physische KI heute schon arbeitet
Am weitesten ist die Technik in Lagerhallen. Bei großen Versandhändlern fahren Tausende Roboter Regale zu den Packstationen. Auch Staubsaugerroboter im Wohnzimmer zählen dazu, in sehr einfacher Form. In der Landwirtschaft erkennen Maschinen Unkraut zwischen Nutzpflanzen und entfernen es gezielt.
In den Nachrichten begegnet der Begriff meist im Zusammenhang mit humanoiden Robotern, also Maschinen in Menschengestalt. Firmen wie Tesla, Figure oder Agility zeigen Videos von Robotern, die Kisten stapeln. Solche Vorführungen sind allerdings vorsichtig zu lesen: Sie laufen oft in bekannter Umgebung, teils ferngesteuert und in gelungenen Versuchen.
Ein häufiger Irrtum ist, physische KI sei einfach ein Roboter. Ein klassischer Industrieroboter führt eine fest programmierte Bewegung aus und merkt nicht, wenn etwas fehlt. Von physischer KI spricht man erst, wenn das System aus Wahrnehmung lernt und mit ungeplanten Situationen umgeht. Der Maßstab ist also nicht die Hardware, sondern die Anpassungsfähigkeit.