Physical AI: Von Cloud-zentrierter KI zu Intelligenz dort, wo gearbeitet wird

KI tritt in ihre bislang folgenreichste Phase ein. Sie generiert nicht mehr nur Texte oder analysiert Muster, sondern bewegt sich, nimmt ihre Umgebung wahr und handelt in der physischen Welt – die Branche spricht von Physical AI.

Bis 2030 könnten weltweit bis zu 39 Milliarden IoT-Geräte im Einsatz sein, die alle Daten an der Edge erzeugen – in Produktionshallen, im Bergbau und in weit verzweigten Lagernetzwerken. Dennoch basieren die meisten KI-Strategien weiterhin auf zentralisierten Cloud-Architekturen, die nicht für eine verteilte, physische Welt konzipiert wurden.

Die transformative Wirkung von Physical AI wird sich nicht in Rechenzentren zeigen, die Tokens generieren und Text-Prompts verarbeiten. Sie wird dort zum Tragen kommen, wo gearbeitet wird – und wo sich Systeme keine Latenzen, Ausfallzeiten oder blinden Flecken leisten können.

Physical AI als Notwendigkeit: Über die Cloud hinausdenken

In einem Rechenzentrum betrifft ein Fehler eine Codezeile; in einem Bergwerk oder einer Fabrik hat er physische Folgen. Herkömmliche KI-Architekturen wurden für zentralisierte Intelligenz entwickelt. In der physischen Welt scheitert das Modell des „Umwegs über die Cloud“ jedoch aus drei entscheidenden Gründen:

1. Sicherheit und Latenz: In einem Hochgeschwindigkeitslager wird eine um 500 Millisekunden verzögerte Entscheidung zum Sicherheitsrisiko. Entscheidungen müssen in Echtzeit getroffen werden – mit Auswirkungen sowohl auf die Sicherheit als auch auf die Produktivität.
2. Komplexität der Umgebung: Anders als kontrollierte digitale Umgebungen arbeiten physische Systeme unter unübersichtlichen, unvorhersehbaren Bedingungen – bei wechselnden Lichtverhältnissen, veränderten Layouts, Interaktionen mit Menschen und zunehmendem Anlagenverschleiß. KI muss daher robust genug sein, um sich kontinuierlich anzupassen, statt nur unter den Bedingungen zuverlässig zu funktionieren, für die sie ursprünglich trainiert wurde.
3. Datensouveränität: In betrieblichen Umgebungen entstehen enorme Mengen an Sensordaten – etwa Videoaufnahmen, Vibrationssignaturen und Temperaturmesswerte. Diese sensiblen Daten sind häufig zu unternehmenskritisch, zu stark reguliert oder zu umfangreich, um sie in die Cloud zu übertragen.

Treiber für die Einführung von Physical AI

Unternehmen überdenken daher, wie und wo Intelligenz bereitgestellt werden sollte. Mehrere Faktoren beschleunigen die Einführung von Physical AI, darunter:

• Entscheidungen in Echtzeit: In physischen Umgebungen bedeutet jede Verzögerung ein Risiko. Branchen benötigen KI-Systeme, die ihre Umgebung unmittelbar erfassen, Entscheidungen treffen und handeln können – ob in einem Lagergang, auf einem Krankenhausflur oder in einer Produktionshalle.
• Geringere Abhängigkeit von der Netzwerkanbindung: Die kontinuierliche Übertragung großer Mengen an Sensordaten, Videostreams und Telemetriedaten in die Cloud stellt erhebliche Anforderungen an die Netzwerkinfrastruktur. Durch die lokale Datenverarbeitung an der Edge reduzieren Edge-Architekturen den Bandbreitenbedarf, senken die Betriebskosten und sorgen dafür, dass kritische Abläufe auch bei eingeschränkter oder unterbrochener Verbindung fortgesetzt werden können.
• Reife von Hardware und Sensorik: Fortschritte bei Sensoren, Motoren, Konnektivität und Edge Computing haben Physical AI von der Theorie in die praktische Anwendung gebracht. Maschinen können die reale Welt heute mit der Präzision und Ausdauer wahrnehmen und mit ihr interagieren, die komplexe Betriebsabläufe erfordern.
• Sicherheit und Risikominderung: KI kann Menschen in Gefahrenbereichen ersetzen und so Verletzungen und betriebliche Ausfallzeiten reduzieren.
• Souveränität und Compliance: Durch die Verarbeitung sensibler Daten an der Edge behalten Unternehmen die Kontrolle darüber, wo ihre Daten gespeichert werden und welchen Governance-Regeln sie unterliegen.

Der grundlegende Wandel von reaktiver Automatisierung hin zu adaptiver Intelligenz erfordert für Physical AI eine andere Architektur als für Cloud-native KI. Erfolgreich ist sie nur, wenn Intelligenz direkt in die Betriebsabläufe integriert und nicht lediglich nachträglich aufgesetzt wird.

Warum Physical AI jetzt Aufmerksamkeit verdient

Physical AI entsteht nicht im luftleeren Raum. Sie ist das Ergebnis zusammenwirkender Faktoren, die betriebliche Abläufe in Unternehmen verändern.

Arbeitskräftemangel und steigende Kosten machen ein Umdenken bei der Automatisierung erforderlich, denn statische Systeme, die lediglich vorgegebene Aufgaben ausführen, reichen nicht mehr aus. Unternehmen benötigen außerdem Intelligenz, die sich in Echtzeit anpasst. Gleichzeitig ist die zugrunde liegende Technologie inzwischen ausgereift: Edge Computing, fortschrittliche Konnektivität wie 5G und 6G sowie immer leistungsfähigere KI-Modelle bringen Physical AI von der Konzeptphase in die praktische Umsetzung.

Bereits Anfang 2026 schätzte IDC*, dass „die weltweiten Ausgaben für Edge-Computing-Lösungen im Jahr 2025 bei 265 Milliarden US-Dollar lagen und bis 2029 mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 12,5 % auf fast 450 Milliarden US-Dollar steigen werden.“

Und während Edge Computing die unverzichtbare Basisinfrastruktur bildet, deutet eine prognostizierte CAGR von 33,3 % für Physical AI auf die zusätzlichen Investitionsausgaben von Unternehmen und die bereits laufende Transformation der Infrastruktur hin.

Ein weiterer Faktor ist die Wettbewerbsnotwendigkeit. Vorreiter erzielen bereits messbare Verbesserungen bei Sicherheit, Effizienz und operativer Agilität. In diesem dynamischen Umfeld vergrößert jede Verzögerung lediglich den Abstand.

• AUCH LESEN → Digitale Infrastruktur trifft auf menschenzentriertes Design: Wie Physical AI Städte verändert

Wie NTT DATA physische Intelligenz in die Praxis umsetzt

Im Juli 2024 führte NTT DATA die erste vollständig gemanagte Edge-AI-Plattform der Branche ein, die speziell auf die hohen Anforderungen von Physical AI ausgelegt ist. Anstatt physische Anlagen als „Datenquellen“ zu verwalten, betrachten wir sie als intelligente, softwaredefinierte Systeme, die direkt in die Betriebsabläufe integriert sind.

Die betrieblichen Auswirkungen sind messbar:

• Fertigung: Maschinen erkennen Mikrovibrationen und thermische Signale und passen ihre Parameter autonom an, um Ausfälle zu vermeiden und ungeplante Stillstandszeiten zu reduzieren.
• Energieoptimierung: Systeme gleichen den Verbrauch dynamisch mit dem aktuellen Bedarf und der betrieblichen Auslastung ab, ohne die Leistung zu beeinträchtigen.
• Autonome Inspektion: Vierbeinige Roboter arbeiten in Gefahrenbereichen, erkennen für das menschliche Auge unsichtbare strukturelle oder thermische Anomalien und verringern so die Gefährdung von Mitarbeitenden.

Physical AI in der Praxis

Mehr Produktivität auf dem Shopfloor

NTT DATA entwickelte für einen führenden Hersteller in der diskreten Fertigung eine Lösung zur Überprüfung von Arbeitsabläufen auf dem Shopfloor. Die Lösung analysiert laufende Produktionsprozesse in Echtzeit und direkt vor Ort, um die Einhaltung von Standardarbeitsanweisungen (SOPs) zu überprüfen und die Produktqualität sicherzustellen.

Indem das an der Edge betriebene System die Arbeitsschritte während ihrer Ausführung überwacht, trägt es zu konsistenten Abläufen bei und gibt Warnmeldungen aus, sobald Prozesse von den festgelegten Standards abweichen.

Mehr Transparenz und Resilienz – bereit für KI

Für einen globalen Batteriehersteller entwickelten wir eine skalierbare Industriearchitektur, die Anlagen verschiedener Original Equipment Manufacturers integrieren, Hochgeschwindigkeits-Produktionsumgebungen unterstützen und strenge Anforderungen an Cybersicherheit und Regulierung erfüllen kann. Unsere Lösung bot:

• Einheitliche Echtzeittransparenz und eine zentralisierte Überwachung sämtlicher Produktionsabläufe.
• Robuste, KI-fähige Datenpipelines, um die Gesamtanlageneffektivität zu steigern, vorausschauende Wartung zu ermöglichen und Physical-AI-Initiativen auszuweiten.
• Hohe Resilienz und Datenintegrität durch eine auf Redundanz und Store-and-Forward-Pufferung ausgelegte Disaster-Recovery-Architektur, die einzelne Ausfallpunkte beseitigt.

Intelligenz dort, wo sie zählt

Die Zukunft der KI beschränkt sich nicht mehr auf Dashboards oder Analysen auf einem Bildschirm. Es geht darum, Intelligenz direkt in die Maschinen, Anlagen und Lieferketten zu integrieren, die unsere Welt in Bewegung halten.

Für Unternehmen in Fertigung, Bergbau, Logistik und Energie liegen die Vorteile auf der Hand: Entscheidungen in Echtzeit ohne Abhängigkeit vom Netzwerk, Souveränität über betriebliche Daten, regulatorische Compliance und eine vereinfachte Integration bestehender OT in moderne IT-Systeme.

NTT DATA verfügt über die Plattformen, Partnerschaften und Expertise, um KI aus der Cloud an die Edge zu bringen und direkt in der Produktionsumgebung einzusetzen. Die Infrastruktur ist vorhanden und die Intelligenz einsatzbereit.

Die Frage ist nicht mehr, ob Physical AI Ihre Betriebsabläufe verändern wird. Das wird sie – entscheidend ist daher, wie schnell Sie diesen Wandel anführen können. Ist Ihre Infrastruktur bereit?

• AUCH LESEN → Factory Floor 2.0: Wie KI-fähige Netzwerke die Fertigung verändern

IHR NÄCHSTER SCHRITT

Erfahren Sie mehr über die Edge-AI-Services von NTT DATA und sprechen Sie mit unseren Expertinnen und Experten, um eine Strategiesitzung zu vereinbaren oder auf die Anforderungen Ihres Unternehmens zugeschnittene Proofs of Concept zu besprechen.

* IDC-Pressemitteilung. Weltweite Ausgaben für Edge Computing steigen um 15 % und erreichen bis 2029 450 Milliarden US-Dollar. 25. Februar 2026.