Wenn KI-Labore beginnen, Roboterunternehmen zu kaufen
Google, OpenAI, DeepMind und Anthropic verfolgen alle das Ziel einer verkörperten KI, wobei sie unterschiedliche Ansätze verfolgen. Diese Konvergenz macht deutlich, dass Inferenz allein die Kluft zwischen Simulation und Realität nicht überbrücken kann und dass die Übersetzungsebene zwischen Sprachmodellen und physischen Robotern das nächste wichtige Ziel auf dem Markt darstellt.

Anthropic versuchte, Physical Intelligence zu erwerben. Die Gespräche fanden im Frühjahr 2026 statt. Sie führten zu keiner Einigung. Doch dieser Versuch, der von „The Information“ und „Bloomberg“ bestätigt wurde, offenbart etwas, das wichtiger ist als jede einzelne Transaktion. Das Unternehmen, das „Claude“ entwickelt – eines der weltweit leistungsfähigsten Sprachmodelle –, kam zu dem Schluss, dass es die Software besitzen muss, die Sprachverständnis in die Steuerung physischer Roboter umsetzt. Es kam zu dem Schluss, dass die interne Entwicklung dieser Software zu lange dauern würde. Und es kam zu dem Schluss, dass der schnellste Weg darin bestand, ein Unternehmen zu erwerben, das dieses Problem bereits gelöst hatte.
Anthropic steht mit dieser Schlussfolgerung nicht allein da. Jedes große Unternehmen im Bereich der Grundmodelle ist auf unterschiedlichen Wegen zu demselben Ergebnis gelangt. Das Muster ist mittlerweile unverkennbar. Die Sprachmodellbranche integriert sich vertikal in den Bereich der verkörperten KI, da Inferenz allein – egal wie ausgefeilt sie auch sein mag – einen Roboter nicht dazu bringen kann, eine Tasse in einer Küche, die er noch nie gesehen hat, zuverlässig aufzuheben.
Die Beweiskette
Google war der Vorreiter. Im Jahr 2021 gründete das Unternehmen Intrinsic, eine interne Tochtergesellschaft, die sich der Entwicklung von Robotersoftware widmete. Die Idee dahinter war, Googles KI-Fähigkeiten direkt auf die Industrierobotik anzuwenden. Die Tochtergesellschaft war drei Jahre lang tätig. Sie stellte Hunderte von Ingenieuren ein. Sie gab Hunderte Millionen Dollar aus. Im Jahr 2024 wurde sie geschlossen, ohne ein kommerzielles Produkt auf den Markt gebracht zu haben. Der Misserfolg lag nicht an mangelndem Talent oder fehlender Finanzierung. Es war ein Versagen des Ansatzes. Der Aufbau von Roboterintelligenz von Grund auf in einem Unternehmen, dessen Kernkompetenz in den Bereichen Suche und Werbung liegt, erwies sich als schwieriger, als die Unternehmensführung erwartet hatte.
DeepMind schlug einen anderen Weg ein. Anstatt eine separate Tochtergesellschaft zu gründen, integrierte das Unternehmen die Robotikforschung in seine bestehende KI-Forschungsorganisation. Das Ergebnis, das am 30. Juli bekannt gegeben wurde, ist Gemini Robotics
2. Hierbei handelt es sich um ein Grundmodell, das speziell dafür entwickelt wurde, physische Roboter mit dem zu steuern, was DeepMind als „Ganzkörperintelligenz“ bezeichnet. Es verarbeitet visuelle Eingaben, propriozeptives Feedback und sprachliche Anweisungen gleichzeitig und gibt motorische Befehle aus, die den gesamten Roboterkörper koordinieren. Das Modell ist kein von Gemini getrenntes Produkt. Es handelt sich um eine Erweiterung von Gemini in die physische Welt. DeepMind setzt darauf, dass dieselbe Architektur, die Text und Bilder verarbeitet, auch Drehmoment und Kraft verarbeiten kann, wenn sie mit den richtigen Daten trainiert wird.OpenAI entschied sich für eine Investition statt einer Integration. Das Unternehmen investierte in Physical Intelligence, ohne zu versuchen, Robotik-Kompetenzen intern aufzubauen. Durch diese Investition erhält OpenAI Zugang zur Technologie von PI im Rahmen einer geschäftlichen Beziehung und nicht durch ein Beschäftigungsverhältnis. Dies ist der am wenigsten eingreifende Ansatz innerhalb der Gruppe. OpenAI erhält Optionen ohne operativen Aufwand. Sollte PI erfolgreich sein, profitiert OpenAI als Anteilseigner. Sollte PI scheitern, hat OpenAI keine technischen Ressourcen von seiner Kernarbeit an Sprachmodellen abgezogen.
Anthropic entschied sich für den intensivsten Ansatz, abgesehen vom kompletten Neuaufbau. Das Unternehmen versuchte, PI vollständig zu übernehmen. Dies hätte ihm die vollständige Kontrolle über die Übersetzungsebene zwischen Sprachmodellen und physischen Robotern verschafft. Die Übernahme scheiterte, zumindest vorerst. Doch dieser Versuch zeigt, dass die Unternehmensführung von Anthropic die Übersetzungsebene als strategisch entscheidend erachtet, dass sie intern nicht schnell nachgebildet werden kann und dass der Preis für eine Übernahme es wert ist, gezahlt zu werden.
Die Kluft zwischen Simulation und Realität erklärt
Der Grund, warum sich alle vier Unternehmen auf verkörperte KI konzentrieren, ist ein einziges technisches Problem, das keines von ihnen aus seiner derzeitigen Position heraus gelöst hat. Ein Sprachmodell kann die Anweisung „Nimm den roten Becher und stelle ihn ins Regal“ verstehen. Es kann diese Anweisung in Teilaufgaben zerlegen. Es kann
Es kann zwar überlegen, welcher Becher rot ist, wo sich das Regal befindet und welche Abfolge von Handlungen erforderlich ist. Es ist jedoch nicht in der Lage, die präzisen motorischen Befehle zu generieren, die erforderlich sind, um einen Greifer um einen Keramikzylinder zu schließen, ohne diesen zu zerdrücken, ihn anzuheben, ohne seinen Inhalt zu verschütten, und ihn auf eine Oberfläche abzustellen, ohne ihn umzukippen.Diese Lücke zwischen Verständnis und Ausführung wird als „Sim-to-Real“-Problem bezeichnet. In der Simulation existiert diese Lücke nicht. Ein simulierter Roboter kann eine simulierte Tasse mit perfekter Genauigkeit aufnehmen, da die Physik-Engine exakte Informationen über jede Oberfläche, jede Kraft und jeden Kontaktpunkt liefert. In der Realität sind Oberflächen uneben. Die Lichtverhältnisse ändern sich. Die Reibung variiert. Die Tasse ist nass. Das Regal ist nicht waagerecht. Die Gummipolster des Greifers sind ungleichmäßig abgenutzt. Jede dieser Abweichungen aus der realen Welt führt zu Fehlern, die sich im Verlauf der Bewegungsabfolge summieren.
Das gesamte Geschäftsfeld von Physical Intelligence besteht darin, Software zu entwickeln, die diese Lücke schließt. Seine Modelle lernen aus Interaktionsdaten der realen Welt, nicht nur aus Simulationen. Sie passen sich ohne erneutes Training an neue Umgebungen an. Sie bewältigen die Unsicherheit und Variabilität, die eine Simulation nicht nachbilden kann. Aus diesem Grund wollte Anthropic das Unternehmen kaufen. Nicht, weil PI über ein besseres Sprachmodell verfügt. Das eigene Sprachmodell von Anthropic gehört zu den besten der Welt. Sondern weil PI über etwas verfügt, das Anthropic nicht besitzt und nicht schnell entwickeln kann: die Übersetzungsebene.
Die Plattformökonomie
Die strategische Logik wird deutlicher, wenn man sie aus der Perspektive der Plattformökonomie betrachtet. Im Zeitalter der Mobilgeräte waren Apple und Google die Plattformbetreiber. Sie kontrollierten die Betriebssysteme, die zwischen Hardware und Anwendungen lagen. Jeder App-Entwickler zahlte ihnen eine Gebühr. Jeder Hardwarehersteller war auf ihre Software angewiesen. Die Plattformebene vereinnahmte den Großteil der Gewinne der Branche.
Im Zeitalter der verkörperten KI entspricht die entsprechende Plattformebene der Übersetzungssoftware zwischen Grundmodellen und physischen Robotern. Wer diese Ebene besitzt, kann sowohl von den darüber liegenden Modellanbietern als auch von den darunter liegenden Hardwareherstellern Gebühren erheben. Ein Roboterhersteller, der möchte, dass seine Maschine Anweisungen in natürlicher Sprache versteht, benötigt Zugang zur Übersetzungsschicht. Ein Unternehmen für Basismodelle, das möchte, dass sein Modell physische Roboter steuert, benötigt Zugang zur Übersetzungsschicht. Das Unternehmen, das beide Seiten dieser Schnittstelle besitzt, kontrolliert den Engpass der Branche.
Physical Intelligence baut diese Ebene als unabhängiges Unternehmen auf. Gerade diese Unabhängigkeit macht das Unternehmen wertvoll. Es kann an jeden Modellanbieter und jeden Hardwarehersteller verkaufen. Es ist nicht an ein einziges Ökosystem gebunden. Der Übernahmeversuch von Anthropic war ein Versuch, diese Unabhängigkeit zu beenden und die Plattformschicht zu sichern, bevor deren Erwerb zu kostspielig oder zu schwierig wird. Die Ablehnung durch PI deutet darauf hin, dass die Unternehmensführung der Ansicht ist, dass die Position als eigenständige Plattform wertvoller ist als jeder derzeit angebotene Kaufpreis.
Das Gegenargument
Es gibt stichhaltige Argumente dafür, dass eine vertikale Integration unnötig ist. Die Grundmodelle verbessern sich rasant. Jede Generation schließt die Lücke zwischen Simulation und Realität durch besseres logisches Denken, bessere Weltmodelle und ein besseres Verständnis der Physik weiter. Es ist möglich, dass ein Sprachmodell innerhalb von zwei oder drei Generationen in der Lage sein wird, zuverlässige motorische Befehle ohne eine dedizierte Übersetzungsschicht zu generieren. Sollte dies geschehen, wird die gesamte Kategorie der „embodied AI“-Middleware überflüssig. Die Software von Physical Intelligence wird unnötig. Die Übernahmegespräche werden zur Fußnote.
DeepMinds „Gemini Robotics 2“ ist der stärkste Beleg für dieses Gegenargument. Es versucht, das Problem durchgängig zu lösen.
innerhalb einer einzigen Modellarchitektur und nicht über eine separate Übersetzungsschicht. Sollte Gemini Robotics 2 in Produktionsqualität funktionieren, würde dies beweisen, dass der Middleware-Ansatz eine vorübergehende Lösung für ein vorübergehendes Problem darstellt. Das Grundmodell kann alles selbst bewältigen, sobald es groß genug ist und mit ausreichend Daten zur physischen Interaktion trainiert wurde.Doch das „wenn“ spielt in diesem Satz eine entscheidende Rolle. Gemini Robotics 2 wurde am 30. Juli angekündigt. Es wurde bislang noch nicht in großem Maßstab in kommerziellen Umgebungen eingesetzt. Seine Leistung in kontrollierten Demonstrationen garantiert keine Leistung in den unkontrollierten Umgebungen, in denen echte Roboter zum Einsatz kommen. Die Kluft zwischen Simulation und Realität widersetzt sich seit einem Jahrzehnt End-to-End-Lösungen. Dies könnte auch weiterhin der Fall sein. Die sicherste Option für ein Unternehmen, das bereits heute über körperliche KI-Fähigkeiten benötigt, ist die Übernahme oder eine Partnerschaft mit einem Unternehmen, das bereits zuverlässige Leistung in der realen Welt unter Beweis gestellt hat. Genau das hat Anthropic versucht.
Die Auswirkungen auf Investitionen
Die Konvergenz von vier großen KI-Unternehmen im Bereich der verkörperten KI durch vier unterschiedliche Mechanismen vermittelt Anlegern eine konkrete Botschaft. Der Markt ist der Ansicht, dass die Steuerung physischer Roboter nach Sprache, Code und Bildgenerierung die nächste große Leistungsgrenze darstellt. Die Unternehmen, denen es gelingt, diese Herausforderung zu meistern, werden eine neue Einnahmequelle erschließen, die heute noch nicht existiert. Die Unternehmen, denen dies nicht gelingt, werden aus der physischen Welt ausgeschlossen, während ihre Konkurrenten in ihr agieren.
Die Vielfalt der Ansätze signalisiert Anlegern zudem, dass niemand weiß, welcher Ansatz sich durchsetzen wird. Googles interne Entwicklung ist gescheitert. Das integrierte Modell von DeepMind hat sich im großen Maßstab noch nicht bewährt. Die Investition von OpenAI ist passiv. Der Übernahmeversuch von Anthropic wurde zurückgewiesen. Jeder Misserfolg oder Teilerfolg schränkt den Lösungsraum ein. Doch der Lösungsraum ist nach wie vor groß. Das Unternehmen, das letztendlich die
Möglicherweise gibt es eine Plattformebene für verkörperte KI noch gar nicht. Oder es handelt sich um „Physical Intelligence“, die eigenständig agiert und ihre Lösungen an jedermann verkauft. Oder es ist DeepMind, das beweist, dass End-to-End-Modelle Middleware überflüssig machen. In dieser Ungewissheit liegt die Chance.Sicher ist, dass die Forschungslabore entschieden haben, dass diese Frage von Bedeutung ist. Vor achtzehn Monaten war verkörperte KI noch eine Forschungskuriosität, die zwar akademisches Interesse weckte, aber kein Unternehmenskapital anzog. Heute zieht sie Übernahmeangebote in Milliardenhöhe, gezielte Produkteinführungen der weltweit größten KI-Unternehmen sowie einen intensiven Wettbewerb an, der darauf hindeutet, dass die Beteiligten davon überzeugt sind, dass der Gewinn enorm ist. Möglicherweise irren sie sich alle. Doch selten irren sie sich alle gleichzeitig in derselben Sache.
Haftungsausschluss: Dieser Artikel dient ausschließlich zu Informationszwecken und stellt keine Anlageberatung, Befürwortung oder Empfehlung der genannten Unternehmen, Produkte oder Technologien dar.












