Physical AI könnte die nächste grosse Entwicklungsstufe der künstlichen Intelligenz einleiten. Während generative KI bislang vor allem Texte, Bilder, Software und digitale Inhalte verändert hat, beginnt künstliche Intelligenz nun zunehmend, die physische Welt zu verstehen und mit ihr zu interagieren. Roboter können sehen, lernen, Entscheidungen treffen und Handlungen ausführen. KI bekommt damit gewissermassen Augen, Hände und Beine.
Für die Industrie eröffnet diese Entwicklung eine neue Phase der Automatisierung. Industrie-Roboter, autonome mobile Systeme und humanoide Roboter könnten langfristig nicht nur Produktionsprozesse verändern, sondern ganze Wertschöpfungsketten neu gestalten.
Dabei entsteht ein neues technologisches Ökosystem, in dem künstliche Intelligenz, Halbleiter, Sensorik, Simulation, Robotik und industrielle Automatisierung zusammenwachsen.
Was bedeutet Physical AI?
Physical AI bezeichnet künstliche Intelligenz, die nicht ausschliesslich in einer digitalen Umgebung arbeitet, sondern physische Systeme steuert.
Ein Sprachmodell verarbeitet beispielsweise Informationen und erzeugt eine digitale Antwort. Ein Physical-AI-System muss dagegen seine Umgebung wahrnehmen, Situationen interpretieren und anschliessend eine Handlung in der realen Welt ausführen.
Vereinfacht lässt sich dieser Prozess in drei Schritte unterteilen:
Wahrnehmen → Verstehen → Handeln
Dafür benötigen intelligente Maschinen verschiedene technologische Komponenten gleichzeitig:
- Kameras, Sensoren und Machine Vision
- leistungsfähige Halbleiter
- KI-Modelle und Machine Learning
- Edge Computing
- industrielle Netzwerke
- digitale Zwillinge und Simulation
- Motoren, Aktuatoren und Steuerungssysteme
- Robotik-Software und Sicherheitssysteme
Physical AI verbindet damit die digitale KI-Welt mit industrieller Hardware.
Warum Physical AI gerade jetzt an Bedeutung gewinnt
Roboter sind keineswegs neu. In Fabriken werden sie bereits seit Jahrzehnten eingesetzt.
Der entscheidende Unterschied liegt in der Intelligenz der Systeme.
Traditionelle Industrie-Roboter führen meist klar definierte und wiederkehrende Bewegungsabläufe aus. Veränderungen in ihrer Umgebung können umfangreiche Neuprogrammierungen erforderlich machen.
Mit künstlicher Intelligenz verändert sich dieses Modell.
Moderne Robotersysteme können zunehmend visuelle Informationen interpretieren, Objekte erkennen, Bewegungsabläufe optimieren und mithilfe von Simulation neue Aufgaben erlernen.
Die International Federation of Robotics sieht AI und zunehmende Autonomie deshalb als einen der wichtigsten globalen Robotik-Trends des Jahres 2026. Generative KI ermöglicht laut IFR den Übergang von stark regelbasierten Automatisierungssystemen zu flexibleren Systemen, die neue Aufgaben erlernen und Trainingsdaten teilweise in Simulationen erzeugen können.
Aus einem programmierten Werkzeug wird damit schrittweise ein lernfähiges System.
ABB und NVIDIA: Physical AI mit Schweizer Verbindung
Wie konkret diese Entwicklung bereits wird, zeigt die Zusammenarbeit zwischen ABB Robotics und NVIDIA.
ABB Robotics gab im März 2026 in Zürich bekannt, NVIDIA-Omniverse-Technologien in seine RobotStudio-Plattform zu integrieren.
Mit RobotStudio HyperReality sollen industrielle Roboter zunächst in einer physikalisch realistischen virtuellen Umgebung entwickelt, trainiert und getestet werden, bevor sie in der realen Produktionsumgebung eingesetzt werden.
Damit soll eine der grössten Herausforderungen der Robotik adressiert werden: die Lücke zwischen Simulation und Realität.
ABB spricht bei seiner neuen Lösung von einer Simulationsgenauigkeit von bis zu 99 Prozent. Nach Angaben des Unternehmens könnten dadurch Engineering- und Implementierungskosten um bis zu 40 Prozent reduziert und Markteinführungszeiten um bis zu 50 Prozent verkürzt werden. Erste Pilotanwendungen werden unter anderem bei Foxconn getestet.
Das Beispiel zeigt, weshalb Simulation für Physical AI so wichtig werden könnte.
Ein Roboter kann Millionen unterschiedlicher Situationen virtuell erleben, bevor er einer realen Produktionsumgebung ausgesetzt wird. Fehler werden damit zunächst digital gemacht – nicht auf der Fabrikfläche.
Die Robotik-Industrie ist längst ein Milliardenmarkt
Physical AI beginnt nicht bei null.
Weltweit wurden nach Angaben der International Federation of Robotics allein im Jahr 2024 rund 542.000 neue Industrieroboter installiert. Damit lag die Zahl der jährlichen Installationen zum vierten Mal in Folge über 500.000 Einheiten.
Insgesamt waren Ende 2024 weltweit rund 4,66 Millionen Industrieroboter im Einsatz.
Besonders stark ist die Entwicklung in Asien. Rund 74 Prozent der weltweiten Neuinstallationen entfielen 2024 auf asiatische Märkte. China allein stand für 54 Prozent der weltweiten Installationen.
Und das Wachstum könnte weitergehen.
Die IFR erwartet, dass die jährlichen Installationen von Industrierobotern bis 2028 die Marke von 700.000 Einheitenüberschreiten könnten.
Physical AI trifft damit auf eine bereits vorhandene industrielle Infrastruktur, die nun zunehmend intelligenter werden kann.
Humanoide Roboter: Revolution oder Hype?
Am sichtbarsten wird Physical AI derzeit bei humanoiden Robotern.
Die Idee ist einfach: Ein Roboter mit einer menschenähnlichen Körperform könnte besonders gut in Umgebungen eingesetzt werden, die ursprünglich für Menschen entwickelt wurden.
Treppen, Türen, Werkzeuge, Lagerhallen und Produktionslinien müssten dadurch möglicherweise weniger stark an automatisierte Systeme angepasst werden.
Vor allem Automobilhersteller und Logistikunternehmen testen deshalb humanoide Roboter für Tätigkeiten wie Materialtransport, Maschinenbestückung oder repetitive Produktionsaufgaben.
Doch zwischen beeindruckenden Demonstrationen und einem wirtschaftlich erfolgreichen Masseneinsatz liegt noch ein erheblicher Unterschied.
Auch die International Federation of Robotics weist darauf hin, dass humanoide Systeme ihre Zuverlässigkeit und Effizienz im industriellen Einsatz erst beweisen müssen.
Entscheidend sind dabei nicht spektakuläre Demonstrationen, sondern sehr praktische Kriterien:
- Wie lange kann ein Roboter ohne Unterbrechung arbeiten?
- Wie hoch sind Anschaffungs- und Wartungskosten?
- Wie hoch ist der Energieverbrauch?
- Wie zuverlässig kann er unterschiedliche Aufgaben ausführen?
- Wie sicher funktioniert die Zusammenarbeit mit Menschen?
- Wie schnell amortisiert sich die Investition?
Die IFR beschreibt viele heutige humanoide Anwendungen weiterhin als Pilotprojekte und frühe reale Tests. Für eine breite industrielle Einführung müssen die Systeme hohe Anforderungen bei Zykluszeiten, Sicherheit, Wartung und Produktivität erfüllen.
Genau hier trennt sich technologischer Hype von wirtschaftlichem Nutzen.
Physical AI ist mehr als humanoide Robotik
Der langfristig möglicherweise wichtigere Punkt ist deshalb: Physical AI beschränkt sich nicht auf humanoide Roboter.
Die Technologie kann viele unterschiedliche Formen annehmen.
Dazu gehören beispielsweise:
Industrie-Roboter
Intelligentere Roboterarme können komplexere Produktionsschritte übernehmen und flexibler auf unterschiedliche Produkte reagieren.
Autonome mobile Roboter
Lagerhäuser und Produktionsstätten können Waren zunehmend selbstständig transportieren und Materialflüsse dynamisch optimieren.
Machine Vision
KI-basierte Kamerasysteme können Qualitätskontrollen durchführen, Produktionsfehler erkennen oder Maschinen überwachen.
Autonome Maschinen
Baumaschinen, Landwirtschaftsmaschinen und industrielle Fahrzeuge können schrittweise autonomer werden.
Humanoide Roboter
Langfristig könnten humanoide Systeme dort eingesetzt werden, wo besonders hohe Flexibilität in einer für Menschen konzipierten Umgebung erforderlich ist.
Der eigentliche Investmenttrend ist deshalb möglicherweise grösser als das Thema „Humanoids“.
Es geht um die Intelligenz der gesamten physischen Wirtschaft.
Von AI Factories zu intelligenten Fabriken
Physical AI knüpft unmittelbar an einen weiteren grossen Technologietrend an: den Ausbau der AI Infrastructure.
In unserem Beitrag über AI Factories haben wir beschrieben, wie Halbleiter, Speicher, Netzwerke, Rechenzentren, Kühlung und Energieversorgung gemeinsam die Grundlage für künstliche Intelligenz schaffen.
Physical AI könnte die nächste Ebene dieser Entwicklung darstellen.
AI Factories erzeugen und verarbeiten Intelligenz.
Physical AI bringt diese Intelligenz anschliessend in Maschinen, Fabriken und reale Anwendungen.
Damit entsteht eine neue Wertschöpfungskette:
Halbleiter → AI Infrastructure → KI-Modelle → Simulation → Sensorik → Robotik → industrielle Anwendung
Für Investoren ist diese Betrachtung wichtig, weil wirtschaftlicher Wert nicht zwangsläufig nur bei den Herstellern fertiger Roboter entsteht.
Auch die Unternehmen, welche Rechenleistung, Sensoren, Netzwerke, Halbleiter, Automatisierungssysteme oder Simulationstechnologien bereitstellen, können Teil dieses Ökosystems sein.
Verbindung zu unseren Portfolios
Physical AI verbindet mehrere Investmentthemen, mit denen wir uns bei Global Strategic Capital beschäftigen.
AI Infrastructure Portfolio
Unser AI Infrastructure Portfolio konzentriert sich auf die technologische Infrastruktur hinter künstlicher Intelligenz.
Dazu gehören unter anderem Halbleiter, Rechenleistung, Speicher, Netzwerke, Rechenzentren und Energieinfrastruktur.
Auch Physical AI benötigt diese Basis. Bevor ein Roboter intelligente Entscheidungen treffen kann, müssen KI-Modelle trainiert, Daten verarbeitet und leistungsfähige Rechensysteme bereitgestellt werden.
Physical AI erweitert den KI-Infrastrukturtrend damit von der digitalen in die physische Welt.
NextGenTec Portfolio
Das NextGenTec Portfolio investiert systematisch in Technologien der nächsten Generation.
Dazu zählen unter anderem Artificial Intelligence, Machine Learning, Cloud-Infrastruktur, Halbleiter und Robotik. Das Portfolio fokussiert dabei auf wachstumsstarke Unternehmen mit hoher Skalierbarkeit und technologischem Vorsprung.
Physical AI liegt genau an der Schnittstelle dieser Technologien.
Innovation Portfolio
Auch im Innovation Portfolio spielen künstliche Intelligenz sowie Robotics & Automation eine Rolle.
Die Core-/Satellite-Struktur ermöglicht es dabei, globale Technologieunternehmen mit spezifischen Zukunftsthemen wie Artificial Intelligence, Halbleitern, Robotics & Automation oder anderen Innovationsfeldern zu kombinieren.
Damit bietet Physical AI ein gutes Beispiel dafür, wie ursprünglich getrennte Technologiebereiche zunehmend miteinander verschmelzen.
Wo liegen die Risiken?
Trotz des technologischen Potenzials befindet sich Physical AI in vielen Bereichen noch in einer frühen Entwicklungsphase.
Insbesondere bei humanoiden Robotern sind zahlreiche Fragen offen.
Hohe Entwicklungskosten, begrenzte Batterielaufzeiten, komplexe Mechanik, Sicherheitsanforderungen und Wartungskosten können die Kommerzialisierung bremsen.
Hinzu kommen regulatorische Anforderungen und Cybersecurity.
Je autonomer Maschinen werden und je enger sie mit Menschen zusammenarbeiten, desto höher werden die Anforderungen an Sicherheit, Zuverlässigkeit und Kontrolle.
Auch die IFR zählt Robotersicherheit und Cybersecurity deshalb zu den zentralen Robotiktrends des Jahres 2026.
Für Investoren bedeutet dies: Nicht jede technologisch beeindruckende Lösung wird automatisch zu einem erfolgreichen Geschäftsmodell.
Entscheidend bleiben Skalierbarkeit, Wettbewerbsvorteile, Umsatzwachstum und letztlich die Fähigkeit, aus technologischem Fortschritt nachhaltige Erträge zu generieren.
Fazit: KI bekommt einen Körper
Die erste grosse Welle generativer KI hat gezeigt, wie leistungsfähig künstliche Intelligenz in der digitalen Welt geworden ist.
Physical AI könnte nun dafür sorgen, dass diese Intelligenz zunehmend in die reale Wirtschaft gelangt.
Industrie-Roboter werden intelligenter. Maschinen lernen in virtuellen Welten. Autonome Systeme können ihre Umgebung interpretieren. Und humanoide Roboter beginnen, erste Aufgaben ausserhalb des Forschungslabors zu übernehmen.
Ob Humanoide tatsächlich zum Massenprodukt werden, ist heute noch offen.
Der grössere Trend dahinter ist jedoch bereits sichtbar: Künstliche Intelligenz entwickelt sich von einem digitalen Werkzeug zu einer Technologie, die physische Systeme steuern kann.
Für Investoren entsteht dadurch ein neues Ökosystem an der Schnittstelle von KI, Halbleitern, Infrastruktur, Simulation, Sensorik, Automatisierung und Robotik.
Nach der AI Factory könnte deshalb die intelligente Fabrik der nächste Schritt sein.