Wenn Maschinen verstehen, was sie tun – die fünf Technologien hinter Physical AI

München, 1. September 2026 – Physical AI gilt als nächster Evolutionsschritt industrieller Digitalisierung, doch der Begriff bleibt oft abstrakt. Was genau versetzt Maschinen in die Lage, ihre Umgebung zu verstehen und eigenständig zu handeln? Ein Blick auf die zugrunde liegenden Technologien zeigt: Erst das Zusammenspiel weniger, aber entscheidender Bausteine macht aus datengetriebenen Systemen tatsächlich handlungsfähige Akteure. NTT DATA, ein weltweit führender Anbieter von KI-, digitalen Business- und Technologie-Services, verrät, welche fünf Technologien dafür notwendig sind.

Lange Zeit war Künstliche Intelligenz auf die Analyse von Daten beschränkt. Mit Physical AI erweitert sich dieser Ansatz um eine neue Dimension: Die Systeme erfassen ihre Umgebung direkt über Kameras, Lidar-Technologie und andere Sensoren. Dadurch können sie die reale Welt interpretieren und flexibel auf Veränderungen reagieren. Im Unterschied zur klassischen Automatisierung müssen nicht mehr alle Regeln und Szenarien im Vorfeld explizit definiert beziehungsweise programmiert werden. Damit diese Form der KI funktioniert, reicht es jedoch nicht aus, bestehende Technologien einfach weiterzuentwickeln. Physical AI entsteht erst dort, wo mehrere technologische Disziplinen ineinandergreifen und einen geschlossenen Regelkreis aus Wahrnehmung, Interpretation und Aktion bilden. Fünf Bausteine sind dabei besonders entscheidend:

1. Sensorik und Sensorfusion als Grundlage der Wahrnehmung: Physical AI beginnt mit der Fähigkeit, die reale Welt präzise zu erfassen. Moderne Sensorsysteme übernehmen dabei die Rolle eines fein abgestimmten Nervensystems: Sie messen Temperatur, Druck, Vibrationen, Positionen in Räumen oder optische Eigenschaften und wandeln physikalische Zustände in digitale Signale um. Entscheidend ist jedoch nicht der einzelne Sensor, sondern das Zusammenspiel vieler Datenquellen. Erst durch Sensorfusion entsteht ein konsistentes Gesamtbild, das Rückschlüsse auf komplexe Zusammenhänge erlaubt. In der industriellen Praxis bedeutet das beispielsweise, dass sich Zustände von Maschinen nicht mehr isoliert bewerten lassen, sondern im Kontext mehrerer Parameter interpretiert werden. Diese Fähigkeit ist essenziell, um Anomalien zuverlässig zu erkennen und adaptive Prozesse zu ermöglichen.
2. Edge Intelligence und energieeffiziente Chips für Echtzeitentscheidungen: Die Verarbeitung großer Datenmengen direkt dort, wo sie entstehen, ist eine zentrale Voraussetzung für Physical AI. Moderne Sensoren und eingebettete Systeme verfügen zunehmend über eigene Rechenkapazitäten und führen Machine-Learning-Modelle lokal aus. Diese Verlagerung von Intelligenz an den Rand des Netzwerks reduziert Latenzen erheblich und ermöglicht Reaktionen in Millisekunden. Voraussetzung dafür sind hochspezialisierte, energieeffiziente Chips, die selbst komplexe KI-Modelle unter begrenzten Ressourcen ausführen können. Solche Architekturen sind darauf optimiert, Muster in Datenströmen unmittelbar zu erkennen – etwa um Verschleiß frühzeitig zu identifizieren oder Qualitätsabweichungen direkt im Produktionsprozess zu korrigieren. Gleichzeitig sinkt der Bedarf, große Datenmengen zentral zu übertragen, was sowohl Bandbreite als auch Energie spart.
3. Künstliche Intelligenz als analytischer Kern: Die eigentliche Wertschöpfung von Physical AI entsteht durch die Fähigkeit, Daten nicht nur zu sammeln, sondern in verwertbares Wissen zu überführen. Hierfür kommen Verfahren des maschinellen Lernens, der Mustererkennung und zunehmend auch generative KI-Modelle ins Spiel. Insbesondere Foundation Models und sogenannte Vision-Language-Action-Modelle (VLA) verändern die Entwicklung intelligenter Umgebungen grundlegend. Anstatt jede Anwendung mit großen Mengen spezifischer Daten von Grund auf neu zu trainieren, können Unternehmen auf bereits vortrainierte Modelle aufbauen und diese gezielt für komplexe Einsatzszenarien anpassen. Dadurch verkürzen sich die Entwicklungszeiten erheblich und neue Anwendungsfälle lassen sich schneller produktiv umsetzen. VLA-Modelle interpretieren wiederum visuelle Informationen, Sprache und Kontext gemeinsam. Das bedeutet, dass die Maschinen gesprochene Befehle verstehen, auf unerwartete Situationen reagieren und konkrete Aktionen für Greifarme oder Antriebe auslösen können. Für deterministische Steuerungs-, Regelungs- und Sicherheitsaufgaben bleiben klassische KI-Verfahren jedoch weiterhin unverzichtbar. Das größte Potenzial entsteht dort, wo beide Ansätze zusammenwirken: Generative Modelle übernehmen Wahrnehmung, Kontextverständnis und Planung, während klassische KI-Methoden eine präzise und verlässliche Ausführung sicherstellen.
4. Vernetzung durch 5G/6G und industrielle Kommunikationsstandards: Damit Physical-AI-Systeme konsistent arbeiten können, müssen Daten in hoher Geschwindigkeit und mit minimaler Verzögerung sicher übertragen werden. Moderne Kommunikationsinfrastrukturen wie 5G und perspektivisch 6G schaffen dafür die Grundlage. Sie ermöglichen eine zuverlässige, latenzarme Vernetzung von Maschinen, Sensoren und IT-Systemen – selbst in hochdynamischen Produktionsumgebungen. Parallel dazu gewinnen standardisierte Protokolle und Datenmodelle an Bedeutung, etwa zur semantischen Beschreibung von Maschinendaten und zur Sicherstellung von Interoperabilität. Nur wenn unterschiedliche Systeme dieselbe „Sprache“ sprechen, lassen sich Daten effizient integrieren und weiterverarbeiten. Diese durchgängige Konnektivität ist entscheidend, um isolierte Insellösungen zu vermeiden und eine ganzheitliche Sicht auf Produktionsprozesse zu schaffen.
5. Fortschrittliche Robotik und adaptive Aktorik: Während Sensorik und KI die Wahrnehmung und Entscheidungsfindung übernehmen, liegt die physische Umsetzung in der Hand moderner Robotiksysteme. Neue Generationen von Robotern sind nicht mehr auf starre Abläufe beschränkt, sondern reagieren flexibel auf ihre Umgebung. Möglich wird das durch verbesserte Aktorik, präzisere Steuerungssysteme und die enge Integration von KI-Modellen. Kollaborative Roboter, autonome Transportsysteme oder adaptive Greifsysteme sind in der Lage, ihre Bewegungen dynamisch anzupassen und auch in unstrukturierten Umgebungen zuverlässig zu agieren. Damit schließt sich der Regelkreis: Systeme erfassen ihre Umwelt, interpretieren die Daten und setzen Entscheidungen unmittelbar in physische Aktionen um.

„In klassischen Fertigungsumgebungen war das mechanische Zusammenspiel der Maschinen jahrzehntelang der entscheidende Faktor für Effizienz und Produktivität. Stückzahlen, Taktzeiten und Materialfluss bestimmten das Geschehen auf dem Shopfloor. Zwar hat sich die Perspektive heute nicht grundlegend verschoben, denn nach wie vor zählt das Ergebnis. Verändert hat sich jedoch unser Verständnis von Automatisierung insgesamt“, erklärt Oliver Köth, Managing Director Technology & Innovation DACH bei NTT DATA. „Mit Physical AI lassen sich Systeme schaffen, die eigenständig mit Unsicherheit und Varianz umgehen und daraus die richtigen Entscheidungen ableiten. Gerade im Fertigungsbereich sind solche Fähigkeiten gefragt. Voraussetzung dafür ist das Zusammenspiel mehrerer technologischer Entwicklungen. Erst wenn Sensorik, KI, Konnektivität und Robotik nahtlos ineinandergreifen, entstehen Systeme, die ihre Umgebung verstehen und eigenständig handeln können.“