Seit ChatGPT den KI-Boom ausgelöst hat, arbeiten Unternehmen daran, künstliche Intelligenz aus dem Bildschirm in den Alltag zu holen. Auf der CES 2026 zeigte sich, wie stark das Konzept „physische KI“ bereits verbreitet ist.
Was hinter dem Begriff „physische KI“ steckt
Unter physischer KI verstehen Branchenvertreter:innen KI, die direkt in Hardware steckt, ihre Umgebung wahrnimmt, daraus Schlussfolgerungen zieht und dann eigenständig Handlungen ausführt oder koordiniert. Typische Beispiele sind autonome Fahrzeuge und Roboter, also Systeme, die nicht nur Berechnungen im Hintergrund durchführen, sondern aktiv in der realen Welt agieren.
Roboter, die Aufgaben automatisch erledigen, gibt es seit Jahrzehnten. Laut Anshuman Saxena, Vizepräsident und Geschäftsführer für automatisiertes Fahren und Robotik bei Qualcomm, geht physische KI jedoch einen Schritt weiter. Entscheidend ist für ihn die Fähigkeit eines Systems, zu „denken“, zu begründen, in einem Kontext zu handeln und mit der Umgebung zu interagieren – ähnlich wie ein menschliches Gehirn.
Ein humanoider Roboter soll damit nicht nur auf Anweisung Pakete bewegen, sondern seine Umgebung erkennen, Situationen einschätzen und darauf basierend intuitiv handeln können. Nvidia-Chef Jensen Huang zog auf der CES sogar einen Vergleich zur Einführung von ChatGPT und erklärte, der „ChatGPT-Moment“ der physischen KI sei erreicht, wenn Maschinen beginnen, die reale Welt zu verstehen, zu begründen und darin zu handeln.
Physische KI muss dabei nicht immer spektakulär aussehen. Ziad Asghar, Senior Vice President und Geschäftsführer für XR, Wearables und persönliche KI bei Qualcomm, sieht viele Beispiele bereits im Alltag. Er bezeichnet insbesondere smarte Brillen als derzeit beste Ausprägung physischer KI: Sie befinden sich direkt im Sichtfeld der Nutzer:innen, sehen, was diese sehen, hören, was sie hören, und wirken so unmittelbar in der physischen Umgebung.
Wearables als Datenquelle für Roboter
Saxena geht davon aus, dass humanoide Roboter vor allem dort eingesetzt werden, wo Menschen eine Aufgabe nicht übernehmen wollen, weil sie zu mühsam oder zu riskant ist. Er erwartet allerdings keine vollständige Verdrängung menschlicher Arbeit. Stattdessen sollen KI-Wearables wie smarte Brillen Menschen unterstützen und ihre Fähigkeiten erweitern.
Darüber hinaus könnten diese Wearables andere physische KI-Systeme mit Daten versorgen, etwa Roboter. Sie liefern reale Perspektiven und Beispiele aus dem Alltag, die sich zur Verbesserung von KI-Modellen eignen. Saxena verweist darauf, dass große Sprachmodelle deshalb so leistungsfähig seien, weil es im Internet enorme Datenmengen mit Kontextinformationen gibt. Vergleichbare Daten aus der physischen Welt existieren dagegen kaum.
Das ist ein zentrales Problem bei der Entwicklung physischer KI. Das direkte Training von Robotern im Alltag, etwa autonomen Autos im Straßenverkehr, ist oft zu riskant. Unternehmen sind daher auf synthetische Datensimulationen angewiesen, um Modelle zu trainieren und zu testen. Auf der CES versuchten mehrere Anbieter, diese Hürde anzugehen.
Nvidia stellte neue Modelle vor, die ihre Umgebung verstehen und daraus synthetische Daten sowie Simulationen realistischer Alltagsszenarien erzeugen können. Qualcomm präsentierte einen kompletten Technologie-Stack für physische KI, der den neuen Prozessor der Qualcomm-Dragonwing-IQ10-Serie, ebenfalls auf der CES angekündigt, mit Werkzeugen zur Datenerfassung und zum Training von KI verbindet.
Das Erzeugen geeigneter Datensätze für diese Trainingsprozesse ist oft aufwendig und teuer. Laut Saxena könnten Roboter daher von den Daten profitieren, die ohnehin durch Wearables wie smarte Brillen entstehen. Sensoren in diesen Geräten erfassen fortlaufend Informationen aus der menschlichen Perspektive und generieren so physische KI-Daten, die direkt an realen Erfahrungen ausgerichtet sind.
Gleichzeitig betont Saxena, dass die Daten aus Wearables unter höchsten Datenschutzstandards verarbeitet werden müssen. Sie sollten bereits durch die Anbieter anonymisiert sein, bevor sie für das Training von Robotern genutzt werden. Diese Roboter erzeugen anschließend wiederum neue Daten, wodurch ein Kreislauf entsteht, in dem physische KI-Systeme und Wearables voneinander profitieren.
Asghar beschreibt diesen Ansatz als Austausch von Kontext und KI zwischen Robotern und den KI-fähigen Wearables im Umfeld der Nutzer:innen. Aus seiner Sicht entsteht daraus ein Ökosystem, in dem beide Seiten voneinander lernen und die Anwender:innen den größten Nutzen erhalten.
Via: https://www.zdnet.com
Titelbild KI (Zur Illustration)
