NVIDIAs neuer humanoider Referenzroboter quantifiziert, was „einsatzbereit“ bedeutet
Auf der GTC Berlin am 21. Oktober 2026 stellten NVIDIA und das Münchner Unternehmen Agile Robots den „Agile ONE SN“ vor, einen Referenz-Humanoiden mit offengelegten mechanischen Spezifikationen, der auf NVIDIA Jetson Thor und Isaac GR00T basiert. NVIDIA kombinierte die Hardware mit dem allgemein verfügbaren Trainings-Framework „Isaac Lab 3.0“, einer neuen Echtzeit-Laufzeitumgebung „Isaac OS“, die Sicherheitsplattform „Halos“, eine Simulationsbibliothek mit über 2.000 Assets, einen Datensatz menschlicher Bewegungen sowie Open-Source-Workflows für die DGX Station, unterstützt von einer Liste von mehr als zwei Dutzend namentlich genannten Ökosystempartnern.

BERLIN, 21. Oktober 2026. NVIDIA beendete seine Keynote auf der GTC Berlin nicht mit einem Slogan, sondern mit einer Reihe von Zahlen: ein 40 Kilogramm (88 lb) schwerer humanoider Körper mit 31 Freiheitsgraden, zwei Hände mit jeweils fünf Fingern, die jeweils 20 Freiheitsgrade hinzufügen, sowie 2.070 FP4-Teraflops an integrierter Rechenleistung. Diese Zahlen beschreiben den „Agile ONE SN“, einen Referenz-Humanoiden, den NVIDIA und Agile Robots als erste „Full-Stack“-Maschine vorgestellt haben, die mit dem NVIDIA Isaac GR00T-Software-Stack vorkonfiguriert ist und auf der NVIDIA Jetson Thor Edge-KI-Plattform basiert.
Agile Robots, der Hersteller des Roboterkörpers, hat seinen Sitz in München und wurde 2018 von Forschern des Deutschen Zentrums für Luft- und Raumfahrt (DLR) gegründet. Das Unternehmen baute sein Geschäft zunächst auf kraftsensitiven Roboterarmen auf, bevor es sich den Humanoiden und der physischen KI im weiteren Sinne zuwandte. Sein Geschäftsführer, Zhaopeng Chen, bezeichnete den Agile ONE SN eher als Abkürzung denn als Vorzeigeprojekt: eine einzige vorkonfigurierte Plattform, die das übliche Durcheinander beim Zusammenfügen separater Simulations-, Trainings- und Einsatzwerkzeuge ersetzen soll und die Einrichtungszeit von Wochen auf Tage verkürzt. NVIDIA strebt eine Verfügbarkeit Anfang 2027 an; als Forschungseinrichtungen, die bereits Interesse bekundet haben, wurden die Stanford University und die ETH Zürich genannt.
Der Humanoid ist das greifbarste Ergebnis eines umfassenderen Updates, das NVIDIA parallel dazu veröffentlicht hat: eine neue allgemeine Version seines Trainingsframeworks „Isaac Lab“, eine Echtzeit-Betriebsschicht namens „Isaac OS“, einen umfangreichen Datensatz menschlicher Bewegungsabläufe, eine Bibliothek mit simulationsfertigen Fabrikressourcen, drei für die „DGX Station“-Hardware entwickelte Open-Source-Trainingsworkflows sowie eine Sicherheitsplattform namens „Halos“. Jensen Huang, Gründer und Vorstandsvorsitzender von NVIDIA, beschrieb diesen Moment in weitreichenden Worten: Er erklärte, dass die Allzweckrobotik mit außergewöhnlicher Geschwindigkeit voranschreite, und bezeichnete dies als den bevorstehenden „ChatGPT-Moment“ für diesen Bereich. Dies ist eher eine Marketingaussage als eine messbare Behauptung, und man sollte sie auch als solche betrachten; doch die zugrunde liegende Palette der veröffentlichten Tools ist konkret genug, um sie zu bewerten.
nach eigenen Maßstäben.Ein Referenzmodell ist im Grunde ein Versuch, die Lieferkette zu standardisieren
Für einen Einkäufer im operativen Bereich ist es sinnvoll, „Agile ONE SN“ nicht als zu erwerbendes Produkt zu betrachten, sondern als eine Spezifikation, deren Übernahme NVIDIA vom Markt erwartet. Durch die Kombination einer namentlich genannten mechanischen Plattform, der geschickten Endeffektoren „WUJI Hand 2“, eines definierten Rechenbudgets von 128 GB einheitlichem Speicher und eines Software-Stacks tut NVIDIA für Humanoide im Großen und Ganzen das, was es schon seit Langem für Rechenzentren tut: Es legt ein Referenzdesign fest, damit Komponentenlieferanten, Integratoren und Forschungslabore sich auf kompatible Teile einigen, anstatt jeweils von Grund auf einen maßgeschneiderten Stack zu entwickeln. Die Nutzlast von 3 Kilogramm pro Arm und die taktile Kraftsteuerung mit 1 kHz an den Händen sind im Vergleich zu einem Industrieroboter in der Fertigungshalle bescheidene Werte, doch sie sind präzise genug spezifiziert, sodass ein Beschaffungsteam, das konkurrierende Anbieter von Humanoiden bewertet, nun über einen öffentlichen Maßstab verfügt, an dem es messen kann, anstatt sich allein auf die Marketingaussagen der Anbieter zu verlassen.
Dieser Standardisierungsschub erstreckt sich auch auf die geplante, noch nicht ausgelieferte Integration mit NVIDIA Halos, einer Full-Stack-Sicherheitsplattform, die auf dem IGX-Thor-Rechenmodul basiert. Halos zielt auf das zwar wenig glamouröse, aber wirtschaftlich entscheidende Problem der Zertifizierung eines Roboters oder autonomen Fahrzeugs für den Einsatz in der Nähe von Menschen ab. NVIDIA nannte fünf Unternehmen, die Halos bereits in ihre eigenen Sicherheitsarchitekturen integrieren, darunter Agile Robots, Agility, Dexory, FORT Robotics und KION, den deutschen Konzern für Lagertechnik und Gabelstapler, während der deutsche Sensorhersteller SICK das System für dynamische Sicherheitszonen evaluiert, die über feststehende Begrenzungszäune hinausgehen. Reynolds & Moore, Accenture und TÜV SÜD wurden als Partner genannt, die daran arbeiten, den Zertifizierungsprozess selbst zu verkürzen – ein Prozess, der in der Schwerindustrie routinemäßig den langsameren und kostspieligeren Teil des gesamten Vorhabens darstellt, einen Roboter überhaupt in einem Lager zum Einsatz zu bringen.
Die Software- und Datenebene ist der eigentliche Hebel
Hardware-Spezifikationen sorgen für eine einfache Schlagzeile, doch die Software
und Datenveröffentlichungen sind der Teil, mit dem ein Flottenbetreiber tatsächlich als Erstes in Berührung kommt. Isaac Lab 3.0 ist nun allgemein verfügbar als Open-Source-Framework zum Trainieren und Verfeinern von Robotersteuerungsstrategien über Multi-GPU-Cluster hinweg, das auf Physik-Engines wie Newton und NVIDIA PhysX läuft. Isaac OS, das auf der Holoscan-Laufzeitumgebung von NVIDIA basiert, wird als deterministische Echtzeit-Schicht beworben, die Sensoren, KI-Inferenz und Aktoren miteinander verbindet, sobald ein Roboter die Simulation verlässt und in die Fertigungshalle wechselt – ein seit jeher bestehender Schwachpunkt bei Robotik-Implementierungen, bei denen eine Strategie, die in der Simulation perfekt funktioniert, die zeitlichen Einschränkungen auf der realen Hardware nicht berücksichtigt.Beiden liegt ein Datenproblem zugrunde, das NVIDIA direkt zu verringern versucht. Die auf Hugging Face gehostete „SimReady Central Library“ umfasst nun mehr als 2.000 simulationsfertige Robotik- und Fabrik-Assets, die von Komponentenherstellern wie Comau, FANUC, Franka Robotics, LG Electronics, Robotiq, Standard Bots, Universal Robots und Vertiv bereitgestellt wurden. Damit erhalten Entwickler vorgefertigte digitale Zwillinge, anstatt jeden Greifer und jedes Förderband von Grund auf neu modellieren zu müssen. Daneben liefert das „Human 1M Dataset“ synchronisierte Drei-Ansichten-Videos und 3D-Hand-Tracking menschlicher Aktivitäten, wobei der vollständige Datensatz den Mitgliedern des Partnerprogramms „Cosmos Coalition“ von NVIDIA vorbehalten ist. NVIDIA veröffentlichte zudem drei Open-Source-Referenz-Workflows für seine DGX Station-Hardware, die die Verfeinerung von GR00T 1.7-Modellen mittels verstärkendem Lernen, das Training der geschickten Manipulation in Isaac Lab sowie das Nachtraining von NVIDIA-Cosmos-Weltmodellen zur Generierung synthetischer Daten mithilfe von ChatGPT Astra – eine ungewöhnliche explizite Verknüpfung mit einem Tool der Marke OpenAI innerhalb einer NVIDIA-Veröffentlichung.
Europas etablierte Roboterhersteller warten nicht auf den Humanoiden
Angesichts der längeren Partnerliste, die NVIDIA veröffentlicht hat, wirkt die Ankündigung weniger wie die Einführung eines einzelnen Produkts, sondern eher wie eine Plattform-Eroberung, die sich über eine gesamte regionale Branche erstreckt. ABB Robotics integriert NVIDIA-Omniverse-Bibliotheken in seine
Das „RobotStudio HyperReality“-Tool dient der virtuellen Inbetriebnahme von Robotersystemen vor deren Installation. KUKA leistet ähnliche Arbeit im Rahmen seines Produkts „Visual Components FactoryLens“. Dies sind etablierte Namen aus der Industrie, die einem Beschaffungsmanager bereits bekannt sind; aussagekräftiger sind jedoch die kleineren Unternehmen, die direkt auf Isaac aufbauen. Sereact, ein deutsches Start-up für Lagerautomatisierung, nutzt Isaac GR00T in Verbindung mit dem Cosmos Transfer-Tool von NVIDIA, um seine Cortex-Plattform zum Greifen und Kommissionieren zu trainieren, die auf Robotern von Universal Robots läuft. Skild AI, ein Entwickler von Robotik-KI, der ein sogenanntes „omni-bodied brain“ entwickelt, das mehrere Roboterformfaktoren über ein einziges Modell steuern soll, gehört neben 1X, Humanoid, Maven Robotics, Mentee, MicroAGI und Rhoda zu den acht Unternehmen, die die neuen DGX Station-Workflows unterstützen.Einige der kleineren Einsatzbeispiele haben eine unmittelbarere wirtschaftliche Bedeutung als der in den Schlagzeilen erwähnte Humanoid. Bellboy, ein Start-up im Bereich Hospitality-Robotik, nutzt Jetson und GR00T zum Betrieb von „Billie“, einem Serviceroboter, der bereits in Hotels der Ketten Marriott, Hilton, IHG und OYO im Einsatz ist. Das bedeutet, dass mindestens ein auf Isaac basierender Roboter bereits im realen Betrieb eingesetzt wird, anstatt auf das Jahr 2027 zu warten. Toyota Material Handling Europe und SoftServe berichteten, dass sie die Einführungszeit im Bereich Materialfluss mithilfe von Omniverse und Isaac Sim um bis zu die Hälfte verkürzt haben – eine Zahl, die konkret genug ist, um für einen Logistikeinkäufer bei der Dimensionierung eines ähnlichen Projekts nützlich zu sein, selbst wenn man berücksichtigt, dass es sich um eine vom Anbieter angegebene Effizienzbehauptung handelt und nicht um eine unabhängig geprüfte.
Was ein Einkäufer angesichts dieser Ankündigung abwägen sollte
Nichts davon ist derzeit ein lieferbares Produkt in dem Sinne, dass eine Einkaufsabteilung es auf einem Bestellformular angeben könnte. Agile ONE SN ist geplant, wird aber noch nicht verkauft; „Anfang 2027“ ist ein Plan, und Zeitpläne für humanoide Referenzmodelle in dieser Branche verschieben sich bekanntermaßen häufig. Das Interesse von Stanford und der ETH Zürich signalisiert Glaubwürdigkeit in der Forschungswelt, nicht jedoch einen Produktionsvertrag, und die Sicherheitsplattform „Halos“
wird als Integration in Partnerarchitekturen beschrieben, die sich noch in der Entwicklung befinden, und nicht als fertiges, zertifiziertes Produkt, das ein Werksleiter bereits heute spezifizieren kann. NVIDIAs eigene Formulierung eines „ChatGPT-Moments“ ist eine ambitionierte Aussage eines Unternehmens, das die Rechenleistung für nahezu jeden Marktteilnehmer in diesem Bereich bereitstellt – was Grund genug ist, diesen Vergleich eher als Marketingmaßnahme denn als unabhängige Technologiebewertung zu betrachten.Nachweisbar ist hingegen der Umfang der Veröffentlichung: ein namentlich genannter Referenzkörper mit offengelegten mechanischen Spezifikationen, ein allgemein verfügbares Trainings-Framework, eine Echtzeit-Laufzeitumgebung, eine Sicherheitsplattform mit fünf namentlich genannten Integrationspartnern, eine Datensatz- und Asset-Bibliothek im vierstelligen Bereich sowie eine veröffentlichte Liste von mehr als zwei Dutzend Unternehmen, die auf diesem Stack in den Bereichen humanoide Robotik, Lager-, Gastgewerbe- und Industrierobotik aufbauen. Für einen Käufer lautet die praktische Erkenntnis, Isaac weniger als einen einzelnen Roboter zu betrachten, den es zu bewerten gilt, sondern vielmehr als die gemeinsame Toolchain, auf der ein zunehmend großer Anteil konkurrierender Anbieter aufbauen wird, bis all dies tatsächlich auf der Laderampe eintrifft. Eine Flotte, die sich heute auf Isaac-kompatible Hardware und Software standardisiert, setzt auf ein Ökosystem und nicht auf den Humanoiden eines einzelnen Anbieters – und diese Entscheidung lässt sich leichter rückgängig machen, wenn der Stack weiterhin als Open-Source-Lösung bereitgestellt wird, anstatt an die Hardware eines einzigen Anbieters gebunden zu sein.
Lässt man den Rahmen der Keynote außer Acht, sticht eine Zahl besonders hervor: Der „Agile ONE SN“ vereint 2.070 FP4-Teraflops und 128 GB einheitlichen Speicher in einem 40-Kilogramm-Gehäuse – dies ist der tatsächliche Maßstab, den konkurrierende Anbieter von Humanoiden nun erfüllen oder erklären müssen.
Dieser Artikel fasst Unternehmenserklärungen und öffentliche Produktangaben vom 21.10.2026 zusammen. Er dient ausschließlich allgemeinen Informationszwecken und stellt keine fachliche oder technische Beratung dar.












