RobotAIGeek

NEURA Robotics entwickelt gemeinsam mit dem österreichischen Unternehmen NXAI ein humanoides Gedächtnis

NEURA Robotics und das österreichische Deep-Tech-Unternehmen NXAI entwickeln eine Ebene für das Arbeits- und episodische Gedächtnis für das Neuron-AI-Grundmodell von NEURA unter Verwendung der xLSTM-Architektur von NXAI, um die Zuverlässigkeitslücke zwischen humanoiden Demonstrationen und dem tatsächlichen Einsatz zu schließen.

martti
2 Min. LesezeitPosted: 21. Okt. 2026
NEURA Robotics entwickelt gemeinsam mit dem österreichischen Unternehmen NXAI ein humanoides Gedächtnis

Die meisten Roboter, die sehen, tasten und sprechen können, sind nach wie vor nicht in der Lage, sich Dinge zu merken. Ein humanoider Roboter, der am Montag einen Stecker korrekt einsteckt, hat am Dienstag keine Möglichkeit, sich daran zu erinnern, dass er diesen Vorgang bereits gelernt hat. Genau diese Lücke zwischen Wahrnehmung und Gedächtnis wollten NEURA Robotics und NXAI schließen, als die beiden Unternehmen am 20. Oktober 2026 in Metzingen eine Partnerschaft bekannt gaben, um eine gemeinsame Speicherarchitektur für physische KI zu entwickeln, bei der der Robotik-Stack von NEURA mit dem Design des rekurrenten neuronalen Netzwerks von NXAI, xLSTM.

Durch diese Vereinbarung erhält das Neuron-AI-Grundmodell von NEURA zwei neue Arten von Gedächtnis: ein Arbeitsgedächtnis, das den aktuellen Zustand einer Aufgabe verfolgt – beispielsweise, ob ein Teil eingesetzt wurde, eine Tür offen ist oder eine Taste bereits gedrückt wurde – sowie ein episodisches Gedächtnis, das es einem Roboter ermöglicht, auf frühere Erfahrungen bei der Bewältigung ähnlicher Situationen zurückzugreifen. Beide laufen innerhalb von „Neuron AI“, dem multimodalen Modell, das NEURA bereits nutzt, um 3D-Sicht, taktile und Kraft-Drehmoment-Sensorik, Audio, den Roboterstatus und Sprache zu einem einzigen Aktionsstrom zu verschmelzen, der lokal auf dem Roboter und nicht in der Cloud verarbeitet wird.

NXAI ist der neuere Name in dieser Kombination. Das Unternehmen ist eine Deep-Tech-Forschungsfirma mit Sitz in Linz, Österreich, die auf xLSTM basiert – einer erweiterten Version des Long-Short-Term-Memory-Netzwerks, das sein Gründer, Sepp Hochreiter, in den 1990er Jahren mitentwickelt und im Jahr 2024 wiederbelebt hat, um mit den Transformer-Architekturen zu konkurrieren, die heute große Sprachmodelle dominieren. Hochreiter, der zudem das Institut für Maschinelles Lernen und die ELLIS-Einheit an der Johannes-Kepler-Universität Linz leitet, stützte das Geschäftsmodell von NXAI auf eine konkrete Behauptung: dass xLSTM den Zustand über lange Sequenzen hinweg kostengünstiger beibehält und aktualisiert als ein Transformer, was für alle Anwendungen von Bedeutung ist, die den Kontext über Minuten oder Stunden hinweg verfolgen müssen, anstatt nur einen einzigen Vorwärtsdurchlauf durchzuführen. Das andere Produkt des Unternehmens, ein Zeitreihen-Prognosemodell namens TiRex, basiert auf derselben Architektur.

Das Amnesie-Problem in der physikalischen KI

Vision-Sprache-Aktion

Modelle – der vorherrschende Ansatz, um Robotern neue Aufgaben beizubringen – sind in der Regel so konzipiert, dass sie eine Momentaufnahme der Welt einer Aktion zuordnen, nicht jedoch, um den Zustand über eine gesamte Schicht hinweg weiterzuführen. Diese Designentscheidung ist für Einzelschritt-Kommissionierungen oder punktuelle Demonstrationen vertretbar, versagt jedoch in dem Moment, in dem eine Aufgabe eine Abfolge und eine Vorgeschichte aufweist: eine mehrstufige Montageaufgabe, eine Werksführung, die sich mit kleinen Abweichungen wiederholt, oder eine Wartungsrunde, bei der der Roboter wissen muss, was er vor einer Stunde überprüft hat. Ohne Gedächtnis wird jede dieser Situationen als neu behandelt, und das Modell versagt entweder stillschweigend oder benötigt einen Menschen, um den Kontext wiederherzustellen.

Das ist das wirtschaftliche Argument, das David Reger, Gründer und Geschäftsführer von NEURA, bei der Bekanntgabe der Partnerschaft vorbrachte. „Ein Roboter, der im Alltag und in der Industrie wirklich hilft, muss sich erinnern können“, sagte er und stellte das Gedächtnis nicht als Forschungskuriosität dar, sondern als das fehlende Puzzlestück zwischen einem Roboter, der einen Trick ausführt, und einem, der eine Aufgabe erfüllt. Hochreiters Sichtweise kommt aus architektonischer Perspektive zum gleichen Ergebnis: Er hat argumentiert, dass Gedächtnis und gesammelte Erfahrung es einem System ermöglichen, mehrstufige Aufgaben zuverlässig zu lösen, und dass die Effizienz von xLSTM bei der Beibehaltung des Zustands über lange Sequenzen hinweg dafür sorgt, dass der Einsatz auf einem Roboter statt auf einem Rechenzentrumscluster praktikabel ist.

Was sich ändert, wenn ein Roboter den Überblick behält

Die Unterscheidung zwischen Arbeitsgedächtnis und episodischem Gedächtnis ist nicht rein kosmetischer Natur; sie trennt zwei unterschiedliche kommerzielle Problemstellungen voneinander. Beim Arbeitsgedächtnis geht es darum, eine einzelne Aufgabe korrekt zu bewältigen: Ein Roboter, der weiß, dass eine Schraube bereits festgezogen ist, zieht sie nicht erneut an, und einer, der weiß, dass eine Tür bereits offen ist, drückt nicht dagegen. Beim episodischen Gedächtnis geht es darum, bei wiederholten Ausführungen einer ähnlichen Aufgabe schneller und zuverlässiger zu werden, indem auf gespeicherte Aufzeichnungen darüber zurückgegriffen wird, wie der Roboter zuvor mit vergleichbaren Situationen umgegangen ist, anstatt jedes Mal von Grund auf neu zu argumentieren. Zusammen genommen verleihen diese beiden Gedächtnisarten einem eingesetzten Roboter etwas, das einer Arbeitsschicht näherkommt

Gedächtnis: ein Gespür dafür, an welcher Stelle eines Prozesses man sich befindet und was bereits funktioniert hat.

Keines der beiden Unternehmen hat Benchmark-Werte für das kombinierte System veröffentlicht, und es sollten keine Annahmen getroffen werden, bis NEURA oder NXAI diese veröffentlichen; bestätigt wurden lediglich die Architektur und die Absicht, nicht jedoch eine gemessene Verbesserung der Erfolgsraten bei Aufgaben. Dieser Vorbehalt ist wichtig, da die Branche bekanntermaßen dazu neigt, eine überzeugende Demo als einsatzfähige Funktion zu betrachten. Die Unterscheidung zwischen einer Demo und einem einsatzfähigen System ist genau die Lücke, die „Memory“ schließen soll, und Käufer, die diese Art von Behauptungen bewerten, sollten nach Zuverlässigkeitsdaten auf Aufgabenebene fragen, bevor sie sich nach dem zugrunde liegenden Modell erkundigen.

Eine offene Plattform, auf der die Daten vor Ort verbleiben

Der Integrationspunkt ist Neuraverse, das Ökosystem von NEURA zur Verteilung von KI-Fähigkeiten über seine gesamte Roboterpalette hinweg. Im Rahmen der Partnerschaft wird das xLSTM-basierte Modell von NXAI neben Neuron AI selbst zu einer zweiten Option auf dieser Plattform, und Unternehmen, die es nutzen möchten, können es über die Neuraverse-Toolchain feinabstimmen, es in den physischen Trainingsumgebungen von NEURA – intern als „NEURA Gyms“ bezeichnet – testen und es auf einem der fünf Robotermodelle von NEURA einsetzen, die für die jeweilige Aufgabe geeignet sind, darunter der humanoide 4NE-1 der dritten und vierten Generation, eine Variante auf Rädern sowie zwei bimanuelle Plattformen. NEURA hat die Vereinbarung so gestaltet, dass ein Unternehmen, das das Gedächtnissystem einsetzt, die Kontrolle über sein eigenes Prozesswissen behält und selbst entscheiden kann, ob es die generierten Daten und Fähigkeiten weitergibt, anstatt diese standardmäßig an die Plattform abzugeben.

Diese Klausel zur Datenkontrolle ist ebenso sehr ein kommerzielles wie ein technisches Signal. NEURA hat das vergangene Jahr damit verbracht, eine Full-Stack-Strategie anstelle einer Einzelproduktstrategie zu entwickeln, bei der die eigene Hardware und das Basismodell mit externen Spezialisten kombiniert werden: eine Chip-Kooperation mit Qualcomm für die Berechnung auf dem Gerät, eine Virtual-Twin-Pipeline mit Dassault Systèmes und nun eine Speicherschicht von NXAI. Die Kundendaten verbleiben beim Kunden

Kontrolle ist die Voraussetzung, unter der ein industrieller Einkäufer – insbesondere aus der Automobil- oder Präzisionsfertigung – überhaupt bereit ist, einem Drittanbieter Zugang zu seinen Produktionsdaten zu gewähren.

Warum Deutschland und Österreich, und warum gerade jetzt

Die zitierfähige Aussage in dieser Ankündigung ist zugleich die am besten überprüfbare: dass der Nutzen eines Roboters in einer realen Fabrik oder im Haushalt davon abhängt, was er sich merkt, und nicht nur davon, was er wahrnimmt. NEURA hat seine Neuron-AI-Trainingspipeline bereits auf der Grundlage von Datenpartnerschaften mit Schaeffler und Bosch aufgebaut, was dem Unternehmen Zugang zu echten industriellen Einsatzdaten statt nur zu Simulationen verschafft; die Überlagerung dieser Pipeline mit einer Speicherarchitektur ist eine Wette darauf, dass Zuverlässigkeit – und nicht ein weiterer Sensor oder ein weiterer Freiheitsgrad – der derzeitige Engpass beim Einsatz humanoider Roboter ist.

Für NXAI ist der Deal eine Chance, die Effizienzversprechen von xLSTM außerhalb einer Forschungsarbeit auf Hardware mit realen Leistungs- und Latenzbudgets unter Beweis zu stellen. Für NEURA ist es eine Absicherung gegen den alleinigen Aufbau jeder einzelnen Schicht seines Stacks – zu einem Zeitpunkt, an dem europäische politische Entscheidungsträger und Unternehmenskunden zunehmend hinterfragen, ob die führenden europäischen Anbieter im Bereich der physischen KI in der Lage sind, einen wettbewerbsfähigen Full-Stack aus europäischen Komponenten zusammenzustellen, anstatt ein Grundmodell aus den Vereinigten Staaten oder China zu importieren. Ob diese Sichtweise der Überprüfung durch Einsatzdaten standhält, wird davon abhängen, was die Industriekunden von NEURA berichten, sobald Roboter mit dem neuen Speichersystem tatsächlich in der Produktion – und nicht nur auf einer Demobühne – eine volle Schicht lang arbeiten, ohne erneut darauf hingewiesen werden zu müssen, was sie bereits wissen.

Was Beschaffungsteams tatsächlich fragen sollten

Für einen Einkäufer im Bereich Automatisierung, der diese Art von Ankündigung bewertet, sind die relevanten Fragen enger gefasst als die Pressemitteilung. Die erste betrifft den Zeitplan: NEURA und NXAI haben eine Architektur und einen Plattform-Slot beschrieben, jedoch keinen Liefertermin für das kombinierte System auf einer bestimmten Robotergeneration genannt; daher sollte ein Beschaffungsteam fragen, wann die speicherbasierte Version von

Neuron AI erreicht einen pilottauglichen Zustand, anstatt davon auszugehen, dass es bereits einsatzbereit ist. Der zweite Aspekt betrifft den Anwendungsbereich: Das Arbeitsgedächtnis und das episodische Gedächtnis befassen sich mit dem Kontextverlust innerhalb und zwischen Aufgaben, nicht mit den separaten Problemen der Manipulationsgeschicklichkeit, der Akkulaufzeit oder der Sicherheitszertifizierung, die nach wie vor die meisten humanoiden Einsätze behindern. Ein Käufer, der diese Ankündigung mit der Humanoid-Roadmap eines Konkurrenten vergleicht – sei es die eines chinesischen Plattformherstellers, der seine Auslieferungszahlen steigert, oder die eines US-amerikanischen Konkurrenten, der sich auf geschickte Handhabung konzentriert –, sollte sie als ein Zuverlässigkeitsmerkmal betrachten, das auf einen bestehenden Stack aufgesetzt wird, und nicht als eigenständigen Grund für einen Anbieterwechsel.

Die dritte Frage betrifft die Datenverwaltung, und genau diese versucht NEURA in seiner Stellungnahme am eindringlichsten im Voraus zu beantworten. Die Einbindung eines externen Modells aus einem österreichischen KI-Labor in den physischen KI-Stack einer Fabrik wirft dieselben Einwände auf, die bereits vor einem Jahrzehnt im Zusammenhang mit cloudbasierter Bildverarbeitung vorgebracht wurden: Wer hat Zugriff auf die Daten, und was geschieht mit ihnen, nachdem das Modell neu trainiert wurde? Die Antwort von NEURA, wonach Kunden die Kontrolle über ihr eigenes Prozesswissen behalten und selbst entscheiden, ob sie Daten und Kompetenzen weitergeben, ist ebenso sehr ein Verkaufsargument wie eine technische Tatsache; und genau diese Klausel sollte ein vorsichtiger Käufer vor Beginn eines Pilotprojekts am eindringlichsten in der Vertragssprache überprüfen, da die Standardeinstellungen einer Plattform und ihre Marketingaussagen nicht immer übereinstimmen.

Diese Analyse fasst Unternehmenserklärungen und öffentliche technische Dokumentationen im Zusammenhang mit der Ankündigung zusammen. Dieser Artikel dient ausschließlich allgemeinen Informationszwecken und stellt keine Anlage-, Rechts- oder Fachberatung dar.