Der Jetson Orin Nano 2 von NVIDIA senkt den Stromverbrauch von Robotern um 40 Prozent
Der neue Robotik-Computer „Jetson Orin Nano 2“ von NVIDIA verdoppelt die Inferenzleistung und senkt den Stromverbrauch um 40 Prozent. Damit bietet er Entwicklern von Drohnen, Haushaltsrobotern und Bildverarbeitungs-KI bereits im Einstiegssegment Edge-Computing auf Spitzenniveau – noch vor der Markteinführung in der ersten Hälfte des Jahres 2027.

78 Billionen Operationen pro Sekunde setzen neue Maßstäbe im Einstiegssegment der Rechenleistung
NVIDIA stellte am Dienstag den Jetson Orin Nano 2 vor, einen Robotik-Computer, der 78 Billionen Rechenoperationen pro Sekunde im Bereich der KI-Rechenleistung bietet – und das bei gleichem kompakten Formfaktor wie sein Vorgänger. Damit verdoppelt er die Inferenzleistung des bestehenden Jetson Orin Nano Super und verbraucht im 15-Watt-Modus 40 Prozent weniger Strom. Das Modul und das Entwickler-Kit sollen in der ersten Hälfte des Jahres 2027 ausgeliefert werden, und die Ankündigung ist weniger für den Chip selbst von Bedeutung als vielmehr für das, was sie neu definiert: die Leistungsuntergrenze, die Entwicklern zur Verfügung steht, die keinen industriellen Rechenstack in voller Größe rechtfertigen können, aber genügend Onboard-Rechenleistung benötigen, um moderne Vision-Sprache-Aktion-Modelle auszuführen – anstelle der enger gefassten Wahrnehmungspipelines, für die Edge-Boards der Einstiegsklasse bisher konzipiert waren.
Der Jetson Orin Nano 2 kombiniert seine 78-TOPS-KI-Engine mit 8 GB Arbeitsspeicher und einer 8-Kern-Arm-CPU – Spezifikationen, die im Vergleich zu NVIDIAs Flaggschiff-Plattformen Thor und Orin AGX bescheiden wirken, jedoch auf eine bestimmte Zielgruppe zugeschnitten sind: Teams, die Lieferdrohnen, Inspektionsroboter, Heimrobotik-Plattformen und Bildverarbeitungs-KI-Systeme entwickeln, bei denen die Materialkosten und das Leistungsbudget ebenso wichtig sind wie der reine Durchsatz. Deepu Talla, Vice President für Robotik und Edge-KI bei NVIDIA, stellte die Markteinführung eher als einen Schritt zur Demokratisierung denn als eine Aktualisierung des Flaggschiffmodells dar. „Der Jetson Orin Nano 2-Computer macht diesen Durchbruch für Millionen von Entwicklern zugänglich und liefert die Leistung und Energieeffizienz, die für Echtzeit-Inferenz am Edge erforderlich sind“, sagte Talla und bezog sich dabei auf die generativen KI-Fähigkeiten, die NVIDIA in den letzten zwei Jahren von Rechenzentrums-GPUs in eingebettete Formfaktoren integriert hat.
Die Energieeinsparung von 40 Prozent ist die Zahl, über die man am längsten nachdenken sollte. Edge-Robotikplattformen unterliegen fast immer thermischen und elektrischen Einschränkungen, wie sie bei Beschleunigern für Rechenzentren nicht auftreten: Die Flugzeit einer Lieferdrohne hängt direkt davon ab, wie
Ein Großteil der Rechenleistung, die das Batteriebudget beansprucht, geht zu Lasten des Antriebs, und die Laufzeit eines mobilen Serviceroboters zwischen den Ladevorgängen entscheidet darüber, ob er in die Betriebsschicht einer Einrichtung passt oder einen zusätzlichen Ladezyklus erfordert, der die Auslastung schmälert. Ein Rechenmodul, das die Leistung konstant hält und gleichzeitig den Stromverbrauch fast um die Hälfte senkt, macht nicht nur den Betrieb eines bestehenden Designs kostengünstiger, sondern erweitert auch die Grenzen dessen, was innerhalb eines gegebenen Batterie- und Wärmebudgets physikalisch realisierbar ist – genau diese Einschränkung hat dazu geführt, dass viele kostengünstige Robotik-Formfaktoren bislang auf einfache Hindernisvermeidung beschränkt blieben, anstatt die Art von integrierter Szenenerkennung zu ermöglichen, die Modelle mit den Komponenten „Sehen – Sprache – Aktion“ erfordern.Frühanwender zeigen, wo die Rechenleistung tatsächlich zum Einsatz kommt
NVIDIA nannte vier Early-Access-Partner: Cognex, Doosan Bobcat, Matic und Wing, die die Bereiche Bildverarbeitung, Baumaschinen, Heimrobotik und Luftfrachtabfertigung abdecken. Wing, die Drohnen-Liefertochter von Alphabet, evaluiert das Modul speziell im Hinblick auf die Wirtschaftlichkeit der Flugzeiten. „Wing untersucht den Jetson Orin Nano 2, um uns den Weg zu reaktionsschnelleren, energieeffizienteren Drohnen zu ebnen, die dazu beitragen können, Lieferungen für Kunden schneller und zuverlässiger zu gestalten“, sagte Dinuka Abeywardena, Leiter des Bereichs Wahrnehmung bei Wing. Diese Fokussierung auf Reaktionsfähigkeit und Zuverlässigkeit statt auf reine Leistungsfähigkeit ist ausschlaggebend dafür, wie gewerbliche Käufer Rechenleistungs-Upgrades tatsächlich bewerten: nicht „Kann es ein größeres Modell ausführen?“, sondern „Macht es den bestehenden Dienst zuverlässiger, ohne die Gewichtsklasse des Fahrzeugs zu verändern?“
Matic Robotics, ein Start-up im Bereich der Heimrobotik, nutzt das Modul in umgekehrter Richtung und setzt den zusätzlichen Spielraum dazu ein, Funktionen zu erweitern, anstatt den Stromverbrauch zu senken. „Mit dem Jetson Orin Nano 2 kann Matic modernste KI-Modelle am Edge auf einer kompakten Heimrobotik-Plattform ausführen, die für Wahrnehmung, Interaktion und Navigation in Echtzeit ausgelegt ist“, erklärte Navneet Dalal, Mitbegründer und Geschäftsführer von Matic. Der Kontrast zwischen Wings
Der „Effizienz-First“-Anwendungsfall und der „Fähigkeiten-First“-Anwendungsfall von Matic veranschaulichen recht anschaulich, wozu eine Rechenleistungserweiterung der Einstiegsklasse im Jahr 2026 tatsächlich dient: Es geht nicht darum, dass jeder Käufer dasselbe von mehr Leistungsreserven erwartet, sondern darum, dass ein breiterer Gestaltungsspielraum es verschiedenen Produktkategorien ermöglicht, ihre jeweils drängendsten Einschränkungen zu überwinden – sei es die Akkulaufzeit oder die Komplexität der integrierten Modelle –, ohne auf eine wesentlich teurere Rechenleistungsstufe umsteigen zu müssen.Warum das Einstiegssegment das eigentliche Volumen ausmacht
NVIDIAs Jetson-Reihe hat in den letzten Produktzyklen darauf hingearbeitet, Leistungsfähigkeit, die einst eine vollwertige Desktop-GPU erforderte, auf Modulformfaktoren zu reduzieren, die klein genug sind, um auf das Chassis eines mobilen Roboters montiert zu werden. Was sich von Generation zu Generation verändert hat, ist weniger die Obergrenze – Flaggschiff-Module wie Thor und Orin AGX waren beim reinen Durchsatz stets führend –, sondern vielmehr die Untergrenze. Ein Robotikprogramm mit einer wirklich begrenzten Stückliste, ein Hersteller von AMRs für Lagerhäuser, der über den Stückpreis konkurriert, ein Drohnen-Start-up, bei dem jedes Gramm Nutzlast umkämpft ist, oder ein Unternehmen für Heimrobotik, das eher einen Verbraucherpreis als einen Industriepreis anstrebt – all diese Akteure waren nie in der Lage, einfach das Flaggschiff-Modul zu spezifizieren und die Kosten weiterzugeben, da bei Verbraucher- oder leicht gewerblichen Preisklassen der Rechenaufwand nur einen kleinen Bruchteil der gesamten Produktkosten ausmachen darf. Diese Käufer stellen, gemessen an der Stückzahl, das größte Segment des Robotik-Rechenmarktes dar, auch wenn sie die geringste Aufmerksamkeit im Marketing erhalten, und genau dieses Segment zielt NVIDIA an, indem es generative KI-Leistung der Spitzenklasse in ein Einsteigermodul integriert, anstatt sie für die Spitze der Produktpalette zu reservieren.
Diese Sichtweise erklärt auch, warum NVIDIA bei der Ankündigung den Schwerpunkt auf Effizienz statt auf reinen Durchsatz gelegt hat. Das Marketing für Rechenleistung in der Robotik war in der Vergangenheit ein Wettrüsten, das in TOPS gemessen wurde, und nach diesem Maßstab ist der Wert von 78 TOPS des Jetson Orin Nano 2 zwar bedeutend, definiert die Kategorie jedoch nicht.
Sprung. Die bedeutendere Zahl ist die Leistungsreduzierung um 40 Prozent bei gleicher Leistung, da diese Kennzahl darüber entscheidet, ob ein bestimmter Roboterformfaktor überhaupt realisierbar ist – und nicht nur darüber, wie schnell er nach seiner Fertigstellung läuft. Ein „Vision-Language-Action“-Modell, das Echtzeit-Rechenleistung an Bord erfordert – um eine Szene zu verstehen, eine Manipulationssequenz zu planen und sich an unerwartete Hindernisse anzupassen, ohne Daten an einen Cloud-Server und zurück zu übertragen –, hat eine Rechenleistungsuntergrenze, unterhalb derer der Roboter die Aufgabe schlichtweg nicht zuverlässig ausführen kann. Bislang war es so schwierig, diese Mindestanforderung im Einstiegssegment hinsichtlich Preis und Leistungsstufe zu erfüllen, dass viele „KI-gestützte“ Verbraucher- und leichte gewerbliche Roboter tatsächlich mit eingeschränkten, regelbasierten Wahrnehmungsstacks ausgeliefert wurden und die KI-Fähigkeiten eher als Wunschvorstellung denn als funktionale Realität vermarktet wurden. Mit dem Jetson Orin Nano 2 setzt NVIDIA darauf, dass nun auch Geräte der Einstiegsklasse echte KI-Funktionen ausführen können.Die Beschaffungsüberlegungen vor der ersten Hälfte des Jahres 2027
Für ein Beschaffungs- oder Entwicklungsteam, das derzeit die Rechenleistung für einen Roboter, eine Drohne oder ein System mit feststehender Kamera der nächsten Generation spezifiziert, ist die praktische Frage eher der Zeitpunkt als die Entscheidung für oder gegen den Einsatz. NVIDIA hat noch keine Preise bekannt gegeben, und das Modul wird erst in der ersten Hälfte des Jahres 2027 ausgeliefert. Das bedeutet, dass jedes Programm, bei dem eine Entscheidung über die Stückliste vor diesem Zeitpunkt ansteht, standardmäßig auf der Grundlage des aktuellen Jetson Orin Nano Super oder einer konkurrierenden Einstiegsplattform statt auf dem Orin Nano 2 spezifiziert wird. Die entscheidende Frage für diese Teams lautet, ob ihr Hardware-Revisionszyklus einen Austausch ermöglicht, sobald das neue Modul verfügbar ist – da NVIDIA in der Regel die Pin- und Softwarekompatibilität über verschiedene Jetson-Generationen hinweg innerhalb eines Formfaktors beibehalten hat –, oder ob eine Entscheidung für die aktuelle Generation nun bedeutet, die Lücke bei Leistung und Energieeffizienz über den gesamten Produktlebenszyklus hinweg in Kauf zu nehmen.
Die von NVIDIA zusammen mit der Ankündigung veröffentlichte Liste der Ökosystempartner umfasst mehr als 16 namentlich genannte Partner, darunter AAEON, ADLINK, Advantech, Aetina, Antmicro, Aptiv,
und AVerMedia ist ebenfalls ein Hinweis, den man besser direkt lesen sollte, anstatt ihn als Standardformulierung abzutun. Es handelt sich hierbei um Anbieter von Trägerplatinen und Systemintegratoren, die ein reines Rechenmodul in ein einsatzfähiges, robustes Produkt umsetzen. Eine breite Palette engagierter Integratoren zum Zeitpunkt der Markteinführung bedeutet in der Regel eine kürzere Vorlaufzeit zwischen der Verfügbarkeit des Chips und dem Zeitpunkt, zu dem ein Käufer eine fertige, zertifizierte Platine erwerben kann, anstatt eine Trägerplatine intern entwickeln zu müssen. Für ein mittelständisches Robotik- oder Automatisierungsunternehmen ohne eigenes Hardware-Entwicklungsteam ist die Tiefe dieses Ökosystems oft wichtiger als die reine TOPS-Zahl, da sie darüber entscheidet, wie schnell die neue Rechenebene zu etwas wird, das ein Integrator tatsächlich anbieten und ausliefern kann – und nicht nur ein Referenzdesign bleibt, das der Käufer selbst in ein Produkt umsetzen muss.Diese Breite des Ökosystems prägt zudem die Verhandlungsmacht in einer Weise, die Käufer bei der anfänglichen Spezifikation häufig unterschätzen. Ein Rechenmodul aus einer Hand bindet ein Programm für die gesamte Lebensdauer des Produkts an die Preise und Lieferzeiten eines einzigen Anbieters, während ein Modul, bei dem mehr als ein Dutzend Board-Level-Integratoren im Wettbewerb um dessen Verpackung stehen, einen echten Preiswettbewerb auf Systemebene schafft, auch wenn der zugrunde liegende Chip von einem einzigen Lieferanten stammt. Ein Beschaffungsteam, das Jetson Orin Nano 2 für eine Produkteinführung im Jahr 2027 spezifiziert, sollte die Entscheidung über die Trägerplatine als von der Entscheidung über den Chip getrennt betrachten und Angebote von mindestens zwei oder drei der genannten Integratoren einholen, anstatt sich standardmäßig für den Anbieter zu entscheiden, der die Platine der vorherigen Generation geliefert hat, da sich die Preise auf Platinenebene, das Layout der Anschlüsse, sowie das thermische Design bei den Integratoren, die auf demselben zugrunde liegenden Modul aufbauen, erheblich voneinander abweichen.
Einkäufer sollten zudem die Zeitspanne zwischen Ankündigung und Verfügbarkeit im Hinblick auf ihren eigenen Programmzeitplan abwägen. Eine Vorlaufzeit von acht bis zehn Monaten zwischen der Ankündigung eines Rechenmoduls und der Auslieferung der Hardware ist für Module der Jetson-Klasse typisch, jedoch lang genug, dass ein Programm mit einem festen Markteinführungstermin Anfang oder
Mitte 2027 muss nun entschieden werden, ob die Entwicklung spekulativ auf das neue Modul ausgerichtet werden soll – unter Verwendung vorläufiger Spezifikationen und in Kaufnahme eines gewissen Risikos hinsichtlich der Schaltpläne für den Fall, dass sich die endgültigen Spezifikationen ändern –, oder ob die aktuelle Generation ausgeliefert und eine Hardware-Überarbeitung zur Mitte des Lebenszyklus geplant werden soll, sobald Orin Nano 2 allgemein verfügbar ist. Keine der beiden Optionen ist offensichtlich richtig, und die richtige Antwort hängt davon ab, inwieweit die Wettbewerbsdifferenzierung des Produkts auf der Rechenebene selbst beruht im Vergleich zu anderen Faktoren wie mechanischem Design, Software oder Preis; dennoch ist es eine Entscheidung, die bewusst und nicht einfach aus Bequemlichkeit getroffen werden sollte.Die entscheidende Erkenntnis für alle, die Edge-AI-Plattformen mit Blick auf das Jahr 2027 vergleichen, ist einfach: NVIDIA hat nun gezeigt, dass es die Leistung konstant halten und gleichzeitig den Stromverbrauch innerhalb derselben Siliziumgeneration um 40 Prozent senken kann – eine Kurve, die sich wesentlich von den reinen TOPS-Steigerungen unterscheidet, die bisher die meisten Produktzyklen im Bereich Edge-Computing geprägt haben, und deutet darauf hin, dass die nächste Wettbewerbsachse im Bereich der Einstiegs-Robotik-Rechenleistung die Effizienz pro Dollar des Leistungsbudgets sein wird und nicht die Rechenleistung pro Dollar des Siliziums.
Haftungsausschluss: Dieser Artikel dient ausschließlich allgemeinen Informationszwecken und stellt keine Anlage-, Rechts- oder Beschaffungsberatung dar. Leser sollten Details anhand von Primärquellen überprüfen, bevor sie geschäftliche Entscheidungen treffen.












