Das Modell soll unterschiedliche Robotertypen steuern können und zielt ausdrücklich auf industrielle Anwendungen in Automotive, Elektronik, Pharma und Logistik. Besonders relevant ist der Ansatz, reale Bewegungsdaten von Industriearbeitern über sensorbestückte Handschuhe zu erfassen und daraus übertragbare Fähigkeiten für Roboter zu trainieren.

Für Aufgaben, an denen klassische Automatisierung häufig scheitert

Genesis will genau jene Aufgaben adressieren, an denen klassische Automatisierung häufig scheitert: flexible Montage, Kabelbäume, empfindliche Komponenten, variable Greif- und Handhabungsprozesse. Die damit einhergehende Botschaft lautet: Wenn Roboter nicht mehr für jeden Handgriff hart programmiert werden müssen, sondern Fähigkeiten aus Daten und Simulation generalisieren, erweitert sich der Automatisierungsraum erheblich. Damit rücken auch Prozesse in den Blick, die bisher wegen Variantenvielfalt, Taktunsicherheit oder feinmotorischer Anforderungen beim Menschen geblieben sind.

Neue Hände auf Roboterarme statt Humanoide

Der Markt bewegt sich parallel auf der Hardwareseite. Linkerbot aus China, Anbieter hochbeweglicher Roboterhände mit vielen Freiheitsgraden, strebt in der nächsten Finanzierungsrunde eine Bewertung von 6 Milliarden US-Dollar an. Das Unternehmen meldet, mehr als 80 Prozent des weltweiten Markts für Roboterhände mit vielen Freiheitsgraden zu halten und die Produktion von rund 5.000 auf 10.000 Einheiten pro Monat ausbauen zu wollen. Strategisch interessant ist dabei weniger der humanoide Showeffekt als die pragmatische Industrialisierung: Linkerbot betont, dass viele Kunden die Hände auf bestehende Roboterarme montieren, statt komplette Humanoide zu kaufen.

Physical AI erzeugt eine neue Wertschöpfungskette

Auch etablierte Zulieferer positionieren sich. Schaeffler erwartet bis 2030 ein humanoides Robotik-Auftragsbuch im dreistelligen Millionen-Euro-Bereich und arbeitet nach Angaben des CEO mit rund 45 Robotik-Akteuren weltweit zusammen. Der Konzern verweist auf erste relevante Verträge für Aktuatoren und Komponenten wie Wellgetriebe. Für die Industrie ist das ein wichtiges Signal: Physical AI ist nicht nur ein Softwarethema, sondern erzeugt eine neue Wertschöpfungskette aus Greifern, Aktuatoren, Sensorik, Antrieben, Getrieben, Trainingsdaten, Edge-Computing und Integrationskompetenz.

KI als operativer Kern des Trends

Auf der HANNOVER MESSE 2026 wurde diese Verschiebung in Richtung KI-gesteuerter Produktion besonders sichtbar. NVIDIA sprach dort von einem Wendepunkt für die Fertigung und zeigte mit Partnern Anwendungen rund um AI Physics, Agenten, Echtzeit-Simulation, Vision-AI und humanoide Roboter im Fabrikbetrieb. KUKA demonstrierte gemeinsam mit Microsoft, wie mobile Roboter und Cobots in einer cloud- und datenintegrierten Produktionsumgebung Materialfluss, Handling und Bearbeitung intelligenter orchestrieren können. Das ist der operative Kern des Trends: KI wird nicht als separates Tool eingeführt, sondern als Steuerungs- und Optimierungsschicht über Engineering, Simulation, Robotik und Shopfloor gelegt.

Praxiswissen aus industriellen Anwendungen

Auch die Forschung zieht in Richtung Industrialisierung. Das Fraunhofer IFAM präsentierte auf der HANNOVER MESSE 2026 den Machine Tool Robot, der die Lücke zwischen klassischem Industrieroboter und Werkzeugmaschine schließen soll. Durch modellbasierte Regelung, optimierte Antriebe und mechanische Struktur sollen dynamische Fehler kompensiert und Schwingungen gedämpft werden, was höhere Bahngenauigkeit bei anspruchsvollen Bearbeitungsprozessen ermöglicht. Parallel entsteht im norddeutschen Stade ein Trainings- und Kompetenzzentrum für humanoide Robotik, in dem Praxiswissen aus industriellen Anwendungen erfasst, KI-basiert abstrahiert und in systemunabhängige Modelle übertragen werden soll.

Nicht nur ein Effizienzthema, sondern eine Wettbewerbsfrage

Der geopolitische Kontext erhöht die Relevanz. Die International Federation of Robotics berichtete am 5. Mai, dass China Robotik im 15. Fünfjahresplan ins Zentrum seines modernen Industriesystems stellt und KI-Forschung stärker auf physische Anwendungen ausrichtet. China verfügt bereits über einen operativen Bestand von rund zwei Millionen Industrierobotern; 54 Prozent der weltweit jährlich installierten Industrieroboter entfielen laut IFR zuletzt auf China. Für europäische Unternehmen ist Physical AI damit nicht nur ein Effizienzthema, sondern eine Wettbewerbsfrage.

Neue mehrschichtige Sicherheitsmechanismen erforderlich

Gleichzeitig entsteht eine neue Risikokategorie. Ein am 29. April 2026 in Science Robotics veröffentlichter Beitrag warnt, dass KI-fähige Roboter nicht mit denselben Sicherheitsmechanismen behandelt werden können wie Chatbots. Wenn Foundation Models physische Systeme steuern, reichen klassische Alignment-Ansätze nicht aus; erforderlich sind kontextabhängige, mehrschichtige Sicherheitsmechanismen, weil Fehlverhalten nicht nur falsche Antworten, sondern reale Schäden auslösen kann.

Bestehende Produktionssysteme flexibler, robuster und skalierbarer machen

Physical AI ist zwar noch kein flächendeckender Ersatz für klassische Automatisierung, aber der strategische Prüfstein für die nächste Automatisierungswelle. Unternehmen sollten jetzt identifizieren, welche manuellen Prozesse nicht wegen mangelnder Wirtschaftlichkeit, sondern wegen Variabilität, Feinmotorik oder Integrationsaufwand bisher nicht automatisiert wurden. Genau dort entsteht der neue Business Case: nicht beim humanoiden Roboter als Symbol, sondern bei lernfähigen, datengetriebenen Fähigkeiten, die bestehende Produktionssysteme flexibler, robuster und skalierbarer machen.