Physische KI: Investitionen in den Boom humanoider Roboter im Jahr 2026

Die CES 2026 markiert den Übergang von virtueller zu physischer KI

Die CES, ehemals Consumer Electronics Show, ist die weltweit größte und einflussreichste Technologieausstellung. Wir berichteten bereits, dass eine der wichtigsten Neuheiten der Messe… war die allererste kommerziell erhältliche Festkörperbatterie, hergestellt von Donut Labs..

Doch der KI-Hardware-Marktführer NVIDIA verkündete eine weitere wichtige Neuigkeit: die „physikalische KI“. Diese wurde als NVIDIAs ChatGPT-Moment präsentiert. Das ist natürlich keine große Überraschung, denn das Unternehmen verfolgt das Konzept der physikalischen KI schon seit Längerem und hat erkannt, dass rein „intellektuelle“ LLMs (Large Language Models) nur der erste Schritt beim Einsatz von KI sind.

In der Praxis wird die KI ihre größte Wirkung entfalten, wenn sie direkt mit der physischen Welt interagiert, anstatt auf digitale und virtuelle Umgebungen beschränkt zu bleiben.

Und genau damit haben KIs bisher noch zu kämpfen. Die reale Welt ist viel komplexer als ein übersichtlicher Datensatz in einer Tabelle, ein Video oder eine Suchmaschine. Sie ist oft mehrdeutig, veränderlich und unvorhersehbar.

Aus all diesen Gründen ist eine neue Art von KI erforderlich, die die physikalische Realität nutzt und neuronale Netze auf neue Weise einsetzt. Genau das verspricht NVIDIAs Cosmos-Framework.

Warum 2026 der ChatGPT-Moment für die Robotik sein könnte

Der Vergleich von 2026 und physikalischen KIs für Robotik mit den Auswirkungen von ChatGPT auf LLMs stammt direkt von Jensen Huang, CEO und Gründer von NVIDIA, auf der CES 2026. Sie können seine gesamte Rede im folgenden Video ansehen:

Huang gab diese Ankündigung im Zuge der Veröffentlichung neuer offener Modelle seines Unternehmens bekannt. NVIDIA Cosmos und GR00T (Generalist Robot 00 Technology), die für das Lernen und Schlussfolgern von Robotern verwendet werden, Isaac Lab-Arena zur Roboterbewertung und die OSMO Edge-to-Cloud-Computing-Framework um die Trainingsabläufe für Roboter zu vereinfachen (mehr zu den einzelnen KI-Tools weiter unten).

Warum es wichtig ist?

Bislang haben LLMs, da sie erste Sprachmodelle darstellen, hauptsächlich Denkprozesse und sprachintensive Aktivitäten wie Schreiben, Programmieren, Suchen, Datenanalyse, Übersetzen, Kundenservice usw. beeinflusst.

Dies sind wichtige Aktivitäten, machen aber nur einen Bruchteil der Weltwirtschaft aus.

Viele weitere globale Aktivitäten, und oft die arbeitsintensivsten, erfordern die Interaktion mit der physischen Welt: Produktion, Gesundheitswesen, Transport und Logistik, Landwirtschaft, Bergbau, Hausarbeit usw.

Welche Branchen werden als erste durch physikalische KI transformiert?

Theoretisch werden alle Bereiche der physischen Welt und alle Wirtschaftssektoren von der Verbreitung der Robotik betroffen sein. In der Praxis werden jedoch einige Bereiche die Robotik deutlich schneller einführen und daher früher und stärker betroffen sein.

Self-Driving Cars

Autonome Fahrzeuge haben im Jahr 2025 große Fortschritte gemacht.und werden sich voraussichtlich auf ihren Einsatz vorbereiten, abhängig von der Genehmigung durch die Regulierungsbehörden und einem klareren Rechtsrahmen.

Diese Aufgabe erfordert viel logisches Denken, während die eigentlichen mechanischen Vorgänge eines Autos relativ einfach sind (2D-Bewegungen, Beschleunigung, Bremsen, Blinken). Daher ist der wichtigste Teil eine Kombination der folgenden Elemente:

• Leistungsstarke On-Board-Hardware für Edge Computing (unabhängig von einer Netzwerkverbindung).
• Daten und Training, um realen Bedingungen gerecht zu werden, von allgemeinen Verkehrsregeln bis hin zu seltenen Fällen und unerwarteten Änderungen – wie zum Beispiel die Verknüpfung eines rollenden Balls mit dem Risiko, dass ein Kind plötzlich auf die Straße läuft, was zu einer präventiven Bremsung führt.
• Schlussfolgerungen basieren auf Modellen, die visuelle Reize mit sprachlicher Verknüpfung verknüpfen und visuelle Reize in die richtigen Handlungen umsetzen.

logistik

Die physikalische KI wird dieses Gebiet auf mindestens zwei verschiedene Arten beeinflussen.

Der erste Anwendungsbereich betrifft Lagerhaltung und Lieferkettenmanagement. Physikalische KI ermöglicht es autonomen mobilen Robotern (AMRs), sich in komplexen Umgebungen zurechtzufinden und Hindernissen, einschließlich Menschen, auszuweichen, indem sie direktes Feedback von integrierten Sensoren nutzen. Roboterarme und andere Manipulationswerkzeuge ermöglichen es ihnen zudem, Waren zu bewegen.

Die zweite Kategorie sind Lieferdienste, die eher autonomen Fahrzeugen ähneln. Hierbei übernimmt eine physikalische KI alles, vom Fahren zur richtigen Adresse über das sichere Abstellen der Waren an der richtigen Tür bis hin zum Umfahren von Zäunen, unebenem Gelände, Hindernissen usw.

Fertigung

Ähnlich wie in Lagerhallen muss auch die physische KI in Fabriken mit einer komplexen Umgebung zurechtkommen, in der Maschinen, Menschen und nun auch Roboter zusammenwirken.

Darüber hinaus werden in vielen Produktionsstätten Hochleistungswerkzeuge, gefährliche Produkte (heißes Metall, Laser, Chemikalien usw.) und wesentlich höhere Anforderungen an die Endqualität und Effizienz gestellt.

Während ein feststeckender oder defekter Lagerroboter wahrscheinlich von einem in der Nähe arbeitenden Menschen behoben werden kann, kann derselbe Fehler in einer Montagelinie oder einer komplexen Chemieanlage schnell gefährlich werden.

Chirurgie & Gesundheitswesen

Im Moment sind die meisten Operationsroboter, wie beispielsweise die von Intuitive chirurgische (ISRG -0.71 %) Sie ähneln eher von einem Chirurgen gesteuerten Roboterarmen als echten autonomen Robotern. Dies ändert sich jedoch rasant mit dem Wachstum der KI-Leistung:

• XRlabs nutzt Thor und Isaac for Healthcare, um chirurgische Endoskope, beginnend mit Exoskopen, mit KI-gestützter Echtzeitanalyse für Chirurgen auszustatten.
• LEM Chirurgie benutzt NVIDIA Isaac für das Gesundheitswesen und Cosmos Transfer, um die autonomen Arme seines Dynamis-Chirurgieroboters zu trainieren, der von NVIDIA Jetson AGX Thor™ und Holoscan.

Manuelle, sich wiederholende Aufgaben: Humanoide Roboter

Die meisten Arbeitsumgebungen, Räume und Werkzeuge sind für die Bedienung durch Menschenhände und -körper ausgelegt. Daher wäre es naheliegend, dass das ideale Design für einen Roboter, der Menschen bei eintönigen oder gefährlichen Aufgaben ersetzen soll, ebenfalls eine humanoide Form aufweist.

Allerdings ist auch der menschliche Körper eine sehr komplexe Maschine, und erst seit kurzem sind Roboter mechanisch so weit entwickelt, dass sie menschliche Bewegungen adäquat nachahmen können.

Daher könnte die Entwicklung dieser Fähigkeiten länger dauern – insbesondere die Grob- und Feinmotorik sowie die Fähigkeit, die physische Welt wahrzunehmen, zu verstehen, darüber nachzudenken und mit ihr zu interagieren, unabhängig davon, um welche Aufgabe es sich handelt.

NVIDIAs Physical AI Stack erklärt

In Anlehnung an die Idee, die mit der Programmiersprache CUDA entwickelt wurde – die es ermöglicht, GPUs für andere Anwendungen als die grafische Darstellung zu nutzen, was den größten Teil des aktuellen KI-Booms hervorgebracht hat – setzt NVIDIA auf offene Modelle, um den bevorstehenden Boom in der physikalischen KI anzuführen.

Auf diese Weise sollte NVIDIA idealerweise ebenso sehr zu einer Aktie im Bereich der physischen KI werden, wie sie in den letzten 5 Jahren eine Aktie war, die von LLM getrieben wurde.

Der Kern der Hardware- und neuronalen Netzwerkkompetenz von NVIDIA wird nun zu ineinandergreifenden Teilen verfeinert, die alle fein auf physikalische KI-Anwendungen abgestimmt sind.

NVIDIA Cosmos

Cosmos ist „eine Plattform mit Open-World-Foundation-Modellen (WFMs), Leitplanken und Datenverarbeitungsbibliotheken, um die Entwicklung physikalischer KI für autonome Fahrzeuge (AVs), Roboter und KI-Agenten für Videoanalysen zu beschleunigen.“

Mehrere Unternehmen aus den Bereichen Robotik und autonome Fahrzeuge nutzen Cosmos bereits, um die Entwicklung ihrer physikalischen KI zu beschleunigen.

Cosmos ist eigentlich ein Zusammenschluss mehrerer vortrainierter Modelle, die es Robotern ermöglichen, vorherzusehen, wie die physikalische Welt reagiert und sich verändert, wie synthetische Daten (Simulationen) in realweltliche Videos umwandeln und wie man eine Argumentationskette anwendet, die auf realweltlichen physikalischen Daten und Beobachtungen basiert.

NVIDIA Isaac-GROOT & IsaacLab Arena

Isaac GR00T N1.6 ist ein speziell für humanoide Roboter entwickeltes Bildverarbeitungs- und Aktionsmodell, das Ganzkörpersteuerung und Kontextverständnis ermöglicht. Zu den Robotikunternehmen gehören unter anderem Franka Robotics, Neurorobotik und Humanoid benutze es schon.

Dies, in Kombination mit der Isaac Lab-Arena, bietet ein kollaboratives System zur Evaluierung und zum Benchmarking von Roboterstrategien in Simulationen. So können Forschungslabore und Robotikunternehmen die Leistung ihrer Modelle schnell bewerten und in einer standardisierten Umgebung mit anderen vergleichen.

Wichtig ist, dass das Isaac-Modell relativ geringe Rechenanforderungen hat und mit einem 3,500 US-Dollar teuren NVIDIA-Robotikchip-Modul auskommt. Jetson AGX Thor, ausreichend, um Isaac auszuführen, wodurch die Kosten für die Rechenhardware eines humanoiden Roboters auf eine sehr geringe Summe sinken.

Die Module der NVIDIA® Jetson Thor™-Serie bieten Ihnen die ultimative Plattform für physikalische KI und Robotik und liefern bis zu 2070 FP4 TFLOPS KI-Rechenleistung und 128 GB Speicher bei einer konfigurierbaren Leistungsaufnahme zwischen 40 W und 130 W.

Sie liefern eine über 7.5-mal höhere KI-Rechenleistung als NVIDIA AGX Orin™mit 3.5-fach besserer Energieeffizienz.

Boston Dynamics, Humanoid und RLWRLD haben Jetson Thor in ihre bestehenden Humanoiden integriert, um deren Navigations- und Manipulationsfähigkeiten zu verbessern.

NVIDIA Omniversum

Omniverse ist eine Sammlung von Bibliotheken und Microservices zur Entwicklung physikalischer KI-Anwendungen wie industrieller digitaler Zwillinge und Robotersimulationen.

Virtuelle Simulationen oder „synthetische Daten“ sind eine hervorragende Möglichkeit, eine Roboter-KI in vielen Situationen schnell zu trainieren, ohne diese Situationen physisch erzeugen zu müssen.

Für die Entwicklung von Omniverse nutzte NVIDIA seinen umfangreichen Fundus an Physikmodellen, physikalischen Simulationen und Datenbibliotheken, die bereits für andere Anwendungen wie die Physikforschung, Videospiele usw. verwendet wurden.

Diese Art von Werkzeug kann auch für Logistik- und Fertigungsanwendungen sehr nützlich sein, da es die Erstellung von Kundenspezifische digitale Zwillinge realer AnlagenDies ermöglicht es, den Einsatz von Roboter-KI zunächst virtuell zu testen und so das Risiko von Störungen beim Einsatz realer Roboter zu verringern.

Mehrere Industrieunternehmen, wie beispielsweise Schneider und Siemens, nutzen dieses Tool bereits.

NVIDIA OSMO

OSMO ist eine „Orchestrierungssoftware“, die speziell für physikalische KI entwickelt wurde.

Es ermöglicht den Nutzern, mehrere KI-Tools, darunter Isaac und Cosmos, in allen Phasen der Entwicklung einer physischen KI zu koordinieren und zu kombinieren: Datengenerierung, Training, Simulation, Evaluierung und Hardware-in-the-Loop-Tests.

NVIDIA DGX-Plattform

DGX ist NVIDIAs Verwendung seiner „SuperPOD„Rechenplattform zum Trainieren von KI-Modellen, einschließlich physikalischer KIs.“

Es ist auf Zehntausende von NVIDIA-GPUs skalierbar, einschließlich Rubin- und Blackwell-Chips, und schafft so einen sofort einsatzbereiten, schlüsselfertigen KI-Supercomputer.

NVIDIA – Umarmung

Gesicht umarmen ist eine Transformers-Bibliothek, die für Anwendungen der natürlichen Sprachverarbeitung entwickelt wurde und auch als „GitHub für maschinelles Lernen“ bezeichnet wird. Sie enthält Millionen von vortrainierten KI-Modellen, Datensätzen, Bibliotheken usw.

NVIDIA hat seine Open-Source-Technologien Isaac und GR00T in das führende Open-Source-Robotik-Framework LeRobot integriert. Angesichts einer Community von 13 Millionen KI-Entwicklern dürfte dies die Verbreitung von NVIDIA-Systemen als Standard in der physikalischen KI beschleunigen.

Fazit

Die Robotik macht dank des gleichzeitigen Zusammenwirkens zweier unterschiedlicher Kräfte plötzlich große Fortschritte.

Erstens ist die Technologie für Roboterkomponenten ausgereift und es kommt zu einer Massenproduktion von Roboterarmen, Gyroskopen, Elektromotoren und anderen Komponenten, die in Robotern, aber auch in Drohnen und anderen Elektronikgeräten verwendet werden. Dies führt zu einem schnellen Rückgang der Kosten für hochwertige Teile.

Die zweite Triebkraft ist die explosive Verbesserung der KI-Technologie.

Was vor einigen Jahren mit LLMs in das Bewusstsein der breiten Öffentlichkeit gerückt ist, dehnt sich nun auf neue Bereiche aus, wobei die reale Welt als nächstes die Auswirkungen der Ausweitung des Einsatzes von physischer KI in Automobilen, kundenspezifischen oder humanoiden Roboterkörpern zu spüren bekommen wird.

Es ist möglich, dass sich physikalische KI für die Technologiebranche als noch wichtiger erweist als LLM-Studiengänge, da sie eine ganze Reihe neuer Wirtschaftszweige erschließt. Dies dürfte dazu beitragen, mehr Wertschöpfung zu generieren und die Produktivität zu steigern – gerade rechtzeitig, da geopolitische Entwicklungen eine massive Neustrukturierung der Lieferketten und die Reindustrialisierung vieler Länder vorantreiben.

Die besten Aktien im Bereich physikalischer KI und humanoider Roboter für 2026

Boston Dynamics / Hyundai (HYMLF)

Hyundai ist vor allem für seine Automobilproduktion bekannt, und das zu Recht, denn es ist gemessen an der Anzahl der verkauften Autos der drittgrößte Automobilhersteller der Welt. Tatsächlich handelt es sich aber auch um einen riesigen Industriekonzern, der aus drei Geschäftsbereichen besteht:

• Die Automobilherstellung, einschließlich Elektroautos.
• Roboterhersteller Boston Dynamics, erworben im Jahr 2021, nicht zu verwechseln mit Hyundai-Robotik, ein Industrieroboterhersteller, der jetzt Teil des unabhängigen Unternehmens ist HD Hyundai / Hyundai Heavy Industries (aber in enger Zusammenarbeit mit Hyundai Motors).
• Hyundai Rotem ist in den Bereichen Eisenbahn- und Militärausrüstung sowie Wasserstoffenergie tätig.

Boston Dynamics, zusammen mit Caterpillar und Franka Robotics, Humanoid, LG Electronics und NEURA Robotik, nutzt die NVIDIA-Robotik-Plattform, um neue KI-gesteuerte Roboter vorzustellen.

Das Unternehmen ist insbesondere für seinen Roboter ATLAS und seine Pionierarbeit im Bereich des Roboterhund-Designs bekannt.

Das Unternehmen konzentriert sich außerdem auf den B2B-Markt für physische Roboter und physische KI mit Stretch, einem Lagerroboter zum Manipulieren von Paketen und Ladungen in Lagerhallen mit einem Gewicht von bis zu 50 Pfund.

Als einer der Pioniere im Bereich Robotik und Partner von NVIDIA ist Boston Dynamics ein guter Kandidat, um sich einen bedeutenden Anteil am Markt für physische KI zu sichern.

Ein Börsengang des Unternehmens, das aus Hyundai hervorgegangen ist, ist in der Zukunft durchaus möglich, allerdings gibt es noch keine konkreten Pläne, weshalb er wahrscheinlich nicht vor 2027 erfolgen wird.

„Was einen Zeitplan oder Pläne für den Börsengang von Boston Dynamics angeht, ist noch nichts bestätigt, daher gibt es im Moment nicht viel zu sagen, aber wir werden (mit den Stakeholdern) kommunizieren, sobald wir einen Zeitplan oder Pläne für den Börsengang haben.“

Ähnlich wie beim Börsengang von Hyundai Motor India sind wir auch Boston Dynamics gegenüber aufgeschlossen. Allerdings haben wir den Börsengang von Boston Dynamics derzeit nicht geprüft und planen auch kurzfristig keine Prüfung.

– Lee Seung-jo, Finanzvorstand und Strategievorstand der Hyundai Motor Co.

Das Unternehmen hat damit begonnen, humanoide Roboter von Boston Dynamics in seinen Automobilfabriken einzusetzen. und enthüllte eine kommerzielle Version von ATLAS.

NVIDIA

Ausgehend von seinen Anfängen als Hersteller von GPU-Hardware für Videospiele und andere Grafikrendering-Aufgaben hat sich NVIDIA zu einem riesigen KI-Hardwareunternehmen entwickelt, dessen Aktien die weltweit größte Marktkapitalisierung aufweisen.

NVIDIA erkannte das Potenzial der KI früh, lange bevor sich irgendjemand außerhalb des Kreises spezialisierter Forscher für neuronale Netze interessierte.

Dies war damals ein riskanter Vorstoß in einen noch nicht erprobten, kaum existierenden Sektor, oder wie Jensen Huang es ausdrückte:

"Wir investieren in Null-Milliarden-Dollar-Märkte."

In den Jahren 2016 und 2017 veröffentlichte NVIDIA die Architekturen von Pascal und Volta, der erste GPU-basierte KI-Beschleuniger, während Volta die Tensor Cores einführte, die Deep-Learning-Aufgaben um das bis zu 12-fache beschleunigten.

Dieses Fortschrittstempo hat sich seither fortgesetzt.

Anleger befürchteten, dass NVIDIA bald keine neuen Märkte mehr finden könnte, um die hohen Bewertungskennzahlen zu rechtfertigen. Mit der Ankündigung auf der CES 2026 zum Thema physikalische KI scheint dies jedoch vorerst nicht der Fall zu sein.

Der physische Einsatz von KI in Robotern, selbstfahrenden Autos und anderen autonomen Systemen wird NVIDIA viele neue Märkte für den Verkauf seiner Hardware eröffnen.

Und das komplette Ökosystem mit offenem Design und der Partnerschaft mit Hugging Face garantiert nahezu, dass bis auf die größten Technologieunternehmen alle auf NVIDIA-Technologie für die Steuerung ihrer Roboter setzen werden, da der Versuch, das Rad neu zu erfinden, einfach zu kostspielig wäre und ein Unternehmen im Vergleich zu seinen Wettbewerbern zu sehr zurückwerfen würde.

Aktuelle Nachrichten und Entwicklungen zur Nvidia-Aktie (NVDA)