physische KI – die Kombination aus Robotik, fortgeschrittener künstlicher Intelligenz und sensorbasierten Systemen – tritt in eine frühe Wachstumsphase ein, die zu erheblichen industriellen Umwälzungen führen könnte. Die Kategorie umfasst autonome Maschinen, intelligente Fertigungssysteme und andere Technologien, die reale Umgebungen wahrnehmen und in ihnen handeln können.

Laut PitchBook sammelten Start-ups aus den Bereichen Robotik und physische KI 2025 in 1.009 Finanzierungsrunden 27,6 Milliarden US-Dollar ein – mehr als doppelt so viel wie im Vorjahr. Der Finanzierungsschub hat die Aufmerksamkeit auf Unternehmen gelenkt, die universell einsetzbare Robotersysteme und Foundation-Modelle für physische Aufgaben entwickeln.

Genesis AI beispielsweise trat mit einer Seed-Finanzierungsrunde über 105 Millionen US-Dollar aus dem Verborgenen hervor und präsentierte einen Roboter auf Rädern, der für kommerziell relevante Umgebungen konzipiert ist, ohne den menschlichen Körper nachbilden zu wollen. Dyna Robotics nahm etwa ein Jahr nach seiner Gründung in einer Serie-A-Runde 120 Millionen US-Dollar auf. Das Unternehmen entwickelt Foundation-Modelle, die Robotern beim Erlernen von Servicetätigkeiten in Hotels, Restaurants und Waschsalons helfen sollen.

Systeme für physische KI kombinieren multimodale Sensoren, Edge-Computing, Simulationsumgebungen, Foundation-Modelle für Robotik und Technologien zur Modellierung der Welt. Gemeinsam ermöglichen diese Fähigkeiten Maschinen, Informationen zu sammeln, räumliche Zusammenhänge zu interpretieren, mögliche Ergebnisse zu bewerten und autonom zu handeln, während sie sich durch Rückmeldungen aus realen Betriebsabläufen weiter verbessern.

Auch die Wirtschaftlichkeit der Technologie verändert sich. Komponenten wie Lidar, Aktuatoren, Tiefenkameras und andere Sensoren sind günstiger geworden. Waymo erklärte, dass sein Fahrsystem der sechsten Generation die Kosten senkte und zugleich Auflösung, Reichweite und Rechenleistung erhöhte. Das System verwendet 13 Kameras, vier Lidar-Sensoren und sechs Radarsensoren.

Zu den Sektoren, die das meiste Kapital und die meisten Experimente anziehen, gehören die Fertigungsindustrie, die Automobilbranche, die Logistik und das Gesundheitswesen. Unternehmen testen Robotik, um Arbeitskosten und den Mangel an qualifiziertem Personal zu bewältigen, in anspruchsvollen Umgebungen arbeiten zu können und zugleich die Produktivität zu steigern.

Figure AI, dessen humanoide Roboter in BMW-Fabriken Fahrzeugteile montieren, erreichte laut dem Artikel innerhalb von drei Jahren nach seiner Gründung eine Bewertung von 39 Milliarden US-Dollar. Der Aufstieg des Unternehmens spiegelt die Erwartungen der Investoren wider, dass universell einsetzbare Robotermodelle eine ähnliche Wirkung auf Hardware haben könnten wie große Sprachmodelle auf Software.

Die Entwicklung physischer KI folgt einem Muster mit drei Phasen. Die erste ist ein Zustrom von Gründern und Kapital rund um eine neue Fähigkeit. Die zweite ist eine Hürde bei der Einführung in Unternehmen, wenn Organisationen von Pilotprojekten zur Produktion übergehen, dabei jedoch auf Verzögerungen bei der Beschaffung, Integrationsprobleme und internen Widerstand stoßen. Die dritte ist die Industrialisierung, bei der eine kleinere Gruppe von Unternehmen die Technologie in eine betriebliche Infrastruktur verwandelt.

Die physische KI befindet sich dem Artikel zufolge am Anfang der ersten Phase. Die nächste Herausforderung wird darin bestehen, die Einführungshürde zu überwinden. Unternehmen müssen Robotersysteme in bestehende Abläufe integrieren, Prozesse anpassen und verlässliche kommerzielle Ergebnisse nachweisen, anstatt lediglich Investitionen anzuziehen.

Der Artikel argumentiert, dass der stärkste langfristige Vorteil aus kontinuierlichem Lernen im Betrieb entstehen wird. Die physische Interaktion kann Daten erzeugen, die Simulationen und Modelle verbessern; diese Verbesserungen können anschließend die Leistung in realen Umgebungen steigern. Mit zunehmender Verbreitung der Einsätze könnten die daraus entstehende Infrastruktur, die Daten und die Rückkopplungsschleifen Vorteile schaffen, die spätere Marktteilnehmer zunehmend schwer nachbilden können.

Für Unternehmensleiter kann die Finanzierungsaktivität von Start-ups daher als Frühindikator dafür dienen, wo sich künftig Wettbewerbsdruck entwickelt. Anstatt den Dealflow lediglich als Quelle potenzieller Anbieter zu betrachten, können Organisationen ihn nutzen, um aufkommende Technologien zu identifizieren und ihre Entwicklungs- und Strategiepläne anzupassen, bevor der Markt eine groß angelegte Industrialisierung erreicht.

Quellen: The Robot Report.