In einer unscheinbaren Halle in einem Gewerbegebiet bei Ulm summt es nicht mehr nur vor sich hin, wie es noch vor fünf Jahren der Fall war. Heute bewegen sich Roboterarme mit einer neuen, fast intuitiven Flüssigkeit. Sie greifen nicht starr nach vorgegebenen Koordinaten, sondern reagieren in Echtzeit auf unregelmäßig geformte Werkstücke, erkennen Fehler im Material und passen ihren Griffdruck millisekundenschnell an. Dies ist keine Zukunftsvision aus einem Silicon-Valley-Labor, sondern die tägliche Realität bei einem mittelständischen Zulieferer der Automobilindustrie. Der Name dieses Spiels, das den deutschen Mittelstand vor dem drohenden Kollaps bewahren soll, lautet Physical AI.
Physical AI, oder verkörperte künstliche Intelligenz, ist die logische nächste Stufe der Automatisierung. Während sich der KI-Hype der letzten Jahre fast ausschließlich auf digitale Welten konzentrierte – auf Texte, Bilder und Code –, verbindet Physical AI intelligente Software mit physischer Hardware. Es geht um Maschinen, die ihre Umgebung wahrnehmen, verstehen und darin handeln können. Für den deutschen Mittelstand, das Rückgrat der Volkswirtschaft, ist dies kein technologischer Spielball, sondern eine Frage des blanken Überlebens. Der demografische Wandel hat die Betriebe in eine Zange genommen: Auf der einen Seite stehen explodierende Lohnkosten und ein akuter, dramatischer Fachkräftemangel, besonders in der Schweißerei, der Montage und der Logistik. Auf der anderen Seite der Zange fordert die globale Konkurrenz eine nie dagewesene Flexibilität und Geschwindigkeit.
Ein Familienunternehmen in dritter Generation, das präzise Metallteile fertigt, stand vor zwei Jahren vor der Wahl: Entweder die Produktion ins billigere Ausland verlagern oder einen radikalen technologischen Sprung wagen. Sie entschieden sich für Letzteres und investierten in ein Physical-AI-System. Das Ergebnis war verblüffend. Die KI-gesteuerten Roboter übernahmen nicht nur die monotonen, körperlich belastenden Aufgaben, sondern lernten durch maschinelles Sehen und Reinforcement Learning schneller dazu als jeder neue menschliche Azubi. Die Ausschussquote sank um 40 Prozent, und die menschlichen Mitarbeiter wurden nicht ersetzt, sondern zu „Robotik-Orchestratoren” hochqualifiziert, die die Systeme überwachen, warten und optimieren.
