NEURA Robotics und die TUM eröffnen Europas größtes „Physical AI Gym“

NEURA Robotics und die Technische Universität München eröffneten am 22. Oktober 2026 im Forschungspark LabCampus in der Nähe des Münchner Flughafens das von NEURA betriebene „TUM RoboGym“ und nutzten diese Veranstaltung, um die vierte Generation des humanoiden Roboters „4NE1“ von NEURA vorzustellen. Die 2.300 Quadratmeter große Anlage verbindet das Münchner Institut für Robotik und Maschinelle Intelligenz (MIRMI) der TUM mit der Hardware und Rechenleistung von NEURA. Partner aus mehr als zehn Branchen, darunter Automobilindustrie, Pharmazie, Medizintechnik, Verpackungsindustrie, Logistik, Landwirtschaft und Pflege, trainieren dort bereits seit September Produktionsabläufe.

Der Zeitpunkt ist wichtiger als die feierliche Einweihung. Humanoid-Entwickler in ganz Europa, den Vereinigten Staaten und China haben das Jahr 2026 damit verbracht, in einem Wettlauf Roboter auf der Bühne zu präsentieren, die laufen, winken und Kisten heben können. Was jedoch fast keiner von ihnen gezeigt hat, ist ein wiederholbarer Prozess, um einem Allzweckroboter die Tausenden von spezifischen, körperlich anspruchsvollen Aufgaben beizubringen, die in einer echten Fabrik oder Apotheke tatsächlich erledigt werden müssen. NEURA und die TUM setzen darauf, dass das Unternehmen, das bereit ist, nicht nur den Roboter, sondern auch die Trainingsumgebung aufzubauen, die schwierigere und nachhaltigere Überzeugungsarbeit bei den Käufern leisten wird.

Eine gemeinsame Trainingsanlage, in die Kunden die schwierigen Aufgaben einbringen

Das Arbeitsmodell des RoboGym ist für eine von Anbietern finanzierte Einrichtung ungewöhnlich: Anstatt dass NEURA vorschreibt, was die Roboter üben sollen, bringen Partnerunternehmen ihr eigenes Prozesswissen ein und lassen Forscher und Ingenieure untersuchen, wie schnell ein Humanoid dies erlernen kann. Zu den ersten vor Ort erfassten Aufgaben gehören das Handhaben von Kartons, das Befüllen von Flaschen sowie das Be- und Entladen von Holzkomponenten – also jene wenig glamourösen, aber häufig wiederholten Bewegungen, die die tatsächlichen Arbeitskosten in einer Produktionshalle weitaus stärker bestimmen als jede einzelne, schlagzeilenträchtige Demonstrationsbewegung.

Drei Datenquellen speisen den Trainingszyklus. Roboter erfassen während ihrer Arbeit Interaktionsdaten aus der realen Welt; menschliche Bediener liefern Demonstrationen, die mittels Motion-Capture-Anlagen, Datenanzügen und Fernsteuerung aufgezeichnet werden, anstatt

skriptgesteuerte Aufzeichnungen; und eine Simulationsschicht, die NEURA als „Data Amplifier“ bezeichnet, vervielfacht begrenzte reale Demonstrationen zu größeren synthetischen Trainingsdatensätzen. Die Kombination gemessener physikalischer Daten mit simulierten Variationen ist ein Standardverfahren in Forschungslabors für verkörperte KI; die Umsetzung in einer gemeinsamen Einrichtung, in der Partner aus der Automobil-, Pharma- und Agrarindustrie gleichzeitig Aufgaben beisteuern, stellt jedoch eher ein organisatorisches als ein technisches Problem dar – und genau diesen Teil werden Wettbewerber nur schwer schnell nachahmen können.

David Reger, Gründer und Geschäftsführer von NEURA, stellte den Industriepartnern das Konzept eher anhand von firmeneigenem Prozesswissen als anhand von Roboterspezifikationen vor: „Unsere Unternehmen verfügen über Wissen, das über Generationen hinweg aufgebaut wurde.“ Prof. Lorenzo Masia, Geschäftsführer von MIRMI und Leiter des RoboGym, formulierte das strukturelle Ziel noch deutlicher und beschrieb die Zusammenarbeit als Beweis dafür, dass eine Universität und ein Hardware-Unternehmen Fähigkeiten bündeln können, die keiner von beiden allein aufbringen könnte, um etwas Dauerhaftes zu schaffen – und nicht nur eine einmalige Vorzeigeanlage.

Der humanoide Roboter der vierten Generation, auf den man setzt

Der zusammen mit der Anlage vorgestellte humanoide Roboter 4NE1 Gen 4 ist laut NEURA eher für die Serienproduktion als für Demonstrationszwecke konzipiert und etwa 20 Prozent leichter als die Vorgängergeneration, mit einem schlankeren Rahmen unter einer schwarzen Textilaußenhaut. Die Hände wurden für präzisere Greifbewegungen überarbeitet, und die Gliedmaßen sind mit sogenannten „Smart Limbs“ ausgestattet: eingebaute Reflexe, die es jedem Gliedmaß ermöglichen, unabhängig auf Berührungen zu reagieren, anstatt auf einen zentralen Verarbeitungszyklus zu warten – eine Designentscheidung, die auf die blitzschnellen Korrekturen abzielt, die ein Roboter benötigt, wenn ein Teil verrutscht oder eine Oberfläche uneben ist.

Wahrnehmung, Entscheidungsfindung und Handlung basieren auf „Neuron AI“, dem hauseigenen „Perception-Language-Action“-Grundmodell von NEURA, das Sehen, Tasten, Kraft, Geräusche und den eigenen internen Zustand des Roboters als kombinierte Eingaben berücksichtigt, anstatt jeden Sensorkanal separat zu behandeln. Das Modell der 4. Generation ist

Die Technologie ist bereits im RoboGym und in den anderen Trainingszentren von NEURA im Einsatz, und das Unternehmen hat sie diese Woche auf der GTC Berlin von NVIDIA öffentlich vorgestellt. Dabei wurde die Hardware genau jenem Publikum aus Entwicklern und Investoren präsentiert, das derzeit die Humanoid-Projekte von Figure, Apptronik, Unitree und Tesla unter die Lupe nimmt.

Die Architektur von Neuron AI deutet zudem an, wo NEURA den eigentlichen Wettbewerbsvorteil erwartet. Die Behandlung von Berührung und Kraft als erstklassige Trainingssignale – anstatt die taktile Wahrnehmung nachträglich an einen vorrangig auf Bildverarbeitung ausgerichteten Stack anzuhängen – stellt eine bewusste Abkehr von dem kamerazentrierten Ansatz dar, mit dem die meisten humanoiden Programme begonnen haben. Aufgaben im Lagerbereich und bei der Leichtmontage scheitern seltener daran, dass ein Roboter ein Objekt nicht sehen kann, als daran, dass er nicht einschätzen kann, wie fest er es greifen muss, wann ein Teil verrutscht ist oder ob eine gerade berührte Oberfläche tragfähig ist. Ein Grundmodell, das von Anfang an auf synchronisierte Sicht-, Berührungs-, Kraft-, Geräusch- und Propriozeptionsdaten trainiert wurde, sollte sich im Prinzip schneller auf die vielfältigen, nicht vorhersehbaren manuellen Aufgaben verallgemeinern lassen, an denen eine frühere Generation von rein visuell gesteuerten Pick-and-Place-Systemen gescheitert ist. Ob dieser theoretische Vorteil auch im Einsatz an einer echten Produktionslinie Bestand hat – und nicht nur bei einer kuratierten Aufgabenliste im RoboGym –, ist die offene Frage, deren Beantwortung jedes Partnerunternehmen, das sich für einen Schulungsplatz anmeldet, faktisch finanziert.

Wer bezahlt eigentlich die Fläche?

Das RoboGym ist mit einer anfänglichen Laufzeit von drei Jahren verbunden, die durch eine Gesamtinvestition von rund 17 Millionen Euro (etwa 18,4 Millionen US-Dollar) von NEURA und seinen Partnern abgesichert ist, wobei NEURA selbst rund 11 Millionen Euro (etwa 11,9 Millionen US-Dollar) zu diesem Gesamtbetrag beisteuert. NEURA stellt die Robotik-Hardware, die technische Infrastruktur, die Rechenleistung und das Betriebspersonal bereit; die TUM steuert die Räumlichkeiten, das wissenschaftliche Fachwissen und die Forschungsressourcen bei. Prof. Thomas Hofmann, Präsident der TUM, bezeichnete das Zentrum als einzigartig in Deutschland und Europa – eine Behauptung, die sich angesichts der Größenordnung leichter verteidigen lässt, bei

2.300 Quadratmeter und weiter wachsend – und nicht so sehr in Bezug auf das Konzept, da Konkurrenten wie Figure und Agility bereits seit über einem Jahr eigene, kundenorientierte Schulungsprogramme durchführen.

Was die Finanzierungsstruktur von einer typischen Robotik-Präsentation unterscheidet, ist die Tatsache, dass die Partnerunternehmen keine Kunden sind, die für fertige Roboter bezahlen; sie sind Mitinvestoren, die den Zugang zu ihren firmeneigenen Aufgabendaten gegen Vorabrechte an den von RoboGym produzierten Modellen eintauschen. Diese Vereinbarung funktioniert nur, wenn NEURA die Liste der teilnehmenden Branchen weiter ausbauen kann, ohne die Qualität der Trainingsdaten einzelner Partner zu verwässern – dies ist das operative Risiko, auf das Beschaffungsteams, die einen RoboGym-Platz evaluieren, am stärksten drängen sollten, bevor sie das Prozesswissen einer ganzen Produktionslinie einer gemeinsamen Einrichtung anvertrauen.

München als Vorbild, nicht als Endpunkt

NEURA hat angekündigt, weitere „Gyms“ in Europa, den Vereinigten Staaten und China zu planen, wobei bereits eine zweite deutsche Einrichtung in Zusammenarbeit mit der RWTH Aachen in Vorbereitung ist. Dieser Expansionsplan stellt die Eröffnung in München als Prototyp für ein Netzwerk und nicht als einzelnen Vorzeigestandort dar, was die Kaufentscheidung für einen Industriepartner verändert, der darüber nachdenkt, ob er bereits jetzt Prozessdaten bereitstellen soll. Ein Unternehmen, das sich frühzeitig in München anmeldet, positioniert sich damit effektiv innerhalb eines Schulungsnetzwerks, das NEURA in den Regionen replizieren will, in denen dasselbe Unternehmen möglicherweise irgendwann Humanoide einsetzen möchte – vom Logistikunternehmen mit Lagern in Europa und Nordamerika bis hin zum Automobilzulieferer mit Werken in Deutschland und China.

Für Beschaffungs- und Automatisierungsteams, die nicht auf der aktuellen Partnerliste von NEURA stehen, ist das RoboGym-Modell weniger als einmalige Einrichtung, sondern vielmehr als konkurrierende Vertriebsstrategie zum reinen Hardware-Verkaufsansatz der meisten Humanoid-Anbieter interessant. Anstatt einen Roboter zu verkaufen und es dem Kunden zu überlassen, das aufgabenspezifische Training zu lösen, verkauft NEURA einen Platz in einer gemeinsam genutzten Trainingspipeline, wodurch sowohl die

Kostenstruktur und das Risiko der Bindung: Ein Käufer erreicht zwar eine schnellere Abdeckung der Aufgaben, bindet jedoch seine Prozessdaten – und möglicherweise auch seinen Schulungsrhythmus – an den Expansionsplan und die Standort-Roadmap von NEURA. Teams, die in den nächsten ein bis zwei Haushaltszyklen die Einführung eines humanoiden Pilotprojekts in Erwägung ziehen, sollten jedem Anbieter, der ein ähnliches „Gym“-Modell betreibt, dieselbe Frage stellen, die NEURA bislang noch nicht öffentlich beantwortet hat: Was geschieht mit den gesammelten Aufgabendaten und den trainierten Fähigkeiten eines Partners, wenn dieser später den Hardware-Anbieter wechseln möchte?

Der Vergleich, auf den Käufer zunächst zurückgreifen werden, ist die „Helix“-Datenpipeline von Figure und das Daten-Flywheel für den Heim-Einsatz von 1X, die beide ebenfalls auf einer Kombination aus Fernsteuerung und Protokollierung in der realen Welt basieren, um die Trainingszeit zu verkürzen. Der Unterschied bei NEURA ist eher institutioneller als technischer Natur: Eine öffentliche Forschungsuniversität, die Räumlichkeiten, akademische Aufsicht und ein branchenübergreifendes Partnernetzwerk bereitstellt, verleiht dem RoboGym eine Neutralität, die das hauseigene Datenprogramm eines einzelnen Anbieters nicht ohne Weiteres für sich beanspruchen kann – was für europäische Hersteller von Bedeutung sein könnte, die zögern, proprietäre Prozessdaten an den Trainingskreislauf eines Konkurrenten aus dem Silicon Valley oder Shenzhen weiterzugeben. Ob sich diese Neutralität in einer schnelleren Partnergewinnung niederschlägt, als sie die durch Risikokapital finanzierten Konkurrenten von NEURA aus eigener Kraft erreichen können, ist die Kennzahl, die es im ersten vollen Betriebsjahr des RoboGyms zu beobachten gilt – und nicht die am Eröffnungstag bekannt gegebene Fläche.

Bis die ersten Holzkomponenten ihren nächtlichen Durchlauf durch den Verpackungsbereich des RoboGyms abgeschlossen haben, werden die Betreiber, die entschieden haben, ob sie einem Roboter ihre schwierigste Aufgabe anvertrauen oder diese für ein ausgereifteres System zurückhalten, bereits geprägt haben, was die nächste 4NE1-Generation leisten kann und was nicht.

Dieser Artikel fasst Unternehmens- und Hochschulaussagen zusammen, die im Zusammenhang mit der Eröffnung am 22. Oktober 2026 veröffentlicht wurden. Er dient ausschließlich allgemeinen Informationszwecken und stellt keine Anlage-, Beschaffungs- oder Fachberatung dar.