Embodied AI: Warum jetzt über die industrielle Zukunft entschieden wird

Produktion: Embodied AI verspricht Maschinen und Robotern, ihre Umgebung zu verstehen, aus Erfahrungen zu lernen und eigenständig zu handeln. Welche industriellen Anwendungen sind heute bereits realistisch – und wo beginnt noch die technologische Vision?

Prof. Thomas Bauernhansl: Realistisch ist deutlich mehr, als viele vermuten. In teilstrukturierten Umgebungen arbeiten solche Systeme bereits produktiv, etwa in der Intralogistik, bei der Maschinenbeladung oder in der mobilen Manipulation. Auch humanoide Roboter haben die Laborphase verlassen. Sie laufen heute in Pilotanwendungen bei Automobilherstellern und Zulieferern in Deutschland, den USA und China. Der entscheidende Unterschied zur bekannten KI liegt im Weltbezug. Ein Sprachmodell kennt die Welt nur aus Texten. Eine handelnde Maschine braucht ein Weltmodell, das räumliche Strukturen, Kausalität und Dynamik abbildet und Handlungen simulieren, planen und ausführen kann. Genau daran arbeitet die Forschung mit hohem Tempo, auch bei uns am Fraunhofer IPA. Mit dem Humanoid Capabilities Navigator bewerten wir die Fähigkeiten solcher Systeme herstellerunabhängig. Das Muster ist eindeutig. In der Fortbewegung sind die Systeme reif, bei Feinmanipulation, situativem Verstehen und sicherer Kollaboration mit dem Menschen liegt noch echte Arbeit vor uns. Der Nutzen entsteht aber nicht erst mit dem Universalroboter, sondern schon jetzt, Anwendungsfall für Anwendungsfall.

Produktion: Klassische Automatisierung basiert auf klar definierten Abläufen und reproduzierbarem Verhalten. Wie müssen Produktionssysteme gestaltet werden, wenn Maschinen künftig lernen und ihr Verhalten situativ anpassen?

Prof. Thomas Bauernhansl: Das ist die eigentliche Systemfrage. Klassische Automatisierung ist deterministisch, ein Ablauf wird millionenfach identisch reproduziert. Lernende Maschinen werden mit der Zeit besser, handeln aber nicht mehr exakt gleich. Darauf müssen wir die Produktion in drei Dimensionen ausrichten. Strukturell passt starre Verkettung nicht zu adaptiven Systemen. Die Matrixproduktion mit frei verketteten Modulen ist die natürliche Umgebung für Embodied AI, denn das System sucht sich seine Aufgabe, statt dass die Linie den Takt diktiert. Datentechnisch brauchen lernende Maschinen Simulation und digitale Zwillinge, um vor dem realen Einsatz trainiert zu werden. Die Fabrik wird damit selbst zur Trainingsumgebung und erzeugt genau jene physikalischen Interaktionsdaten, aus denen Weltmodelle lernen. Über diese Daten verfügt kein Hyperscaler. Und schließlich Safety und Zertifizierung. Wir müssen künftig nicht nur Prozesse validieren, sondern Fähigkeiten, und nachweisen, dass ein lernendes System dauerhaft sicher bleibt. Wer das löst, definiert den Standard. Das sollte in Europa geschehen.

Maschinenbau-Gipfel 2026

Das Thema 'Embodied AI' bildet auf dem kommenden Maschinenbau-Gipfel einen Schwerpunkt. Prof. Thomas Bauernhansl wird zum Thema sprechen.
Der Maschinenbau-Gipfel 2026 ist der wichtigste Treffpunkt für Entscheiderinnen und Entscheider aus der Branche. Wer die aktuellen technologischen, wirtschaftlichen und politischen Trends im Maschinen- und Anlagenbau aus erster Hand verstehen will, sollte den Gipfel besuchen: Hier treffen sich führende Köpfe aus Industrie, Politik, Wissenschaft und Start-ups, um die zentralen Zukunftsfragen der Branche zu diskutieren.

• Wann: 10. und 11. November 2026.

• Wo: Vienna House Andel’s Berlin

• Veranstalter: PRODUKTION und VDMA

• Programm und Anmeldung

Produktion: Der deutsche Maschinenbau verfügt über große Stärken in Mechanik, Produktionstechnik und Automatisierung. Reicht diese technologische Basis aus, um bei Embodied AI eine führende Rolle einzunehmen, oder fehlen entscheidende Kompetenzen bei Daten, KI-Modellen und Software?

Prof. Thomas Bauernhansl: Die Basis ist notwendig, aber nicht hinreichend, und zugleich unterschätzen wir sie. Embodied AI bedeutet eine Renaissance der Hardware, und Hardware können wir. Ohne Präzisionsantriebe, Sensorik und Greiftechnik gibt es keine verkörperte Intelligenz. Humanoide sind auch hier nur die Spitze des Eisbergs. Die eigentliche Revolution liegt in den Technologiebausteinen, also in Wahrnehmung, Weltmodellen, lernender Regelung und sicherer Autonomie, die in jede Werkzeugmaschine, Verpackungsmaschine oder Baumaschine gehören. Unser Trumpf ist die physikalische Interaktion. Weltmodelle lernen aus Prozessdaten, Maschinendaten und Sensordaten, und genau diese Daten samt dem zugehörigen Prozessverständnis liegen im deutschen Maschinenbau in einzigartiger Tiefe vor. Weltmodelle made in Germany sind daher eine realistische Option. Heben kann sie allerdings kein Unternehmen allein. Datenbasis und KI-Kompetenz erfordern enge Kooperationen mit KI-Firmen, Start-ups und der Forschung sowie gemeinsame Datenökosysteme. Das Zeitfenster schließt sich in zwei bis drei Jahren. Warten ist keine Strategie, kooperieren schon.