RobotAIGeek

Vention eröffnet ein physisches KI-Labor für Fabrikroboter

Vention hat ein Labor in Montreal eröffnet, um die Forschung im Bereich der Roboterhandhabung in zuverlässige Fabrikanwendungen umzusetzen, wobei GRIIP und Produktionsdaten im Mittelpunkt stehen.

A
2 Min. LesezeitPosted: 10. Sept. 2026
Vention eröffnet ein physisches KI-Labor für Fabrikroboter

MONTREAL, Quebec, 9. September 2026. Vention hat am Mittwoch in Montreal ein „Physical AI“-Labor eröffnet, um die Forschung im Bereich der Roboterhandhabung in den industriellen Einsatz zu überführen. Das achtköpfige Team wird Wahrnehmungs-, Steuerungs-, Simulations- und Lernmethoden anhand von Produktionsanforderungen testen, während das Industrieautomationsunternehmen derzeit mehr als 16 weitere Stellen in den Bereichen Forschung und Ingenieurwesen besetzt.

Vention ist ein in Montreal ansässiges Automatisierungsunternehmen, dessen digitale Plattform Software für den Maschinenbau, modulare Hardware, Steuerungen und Implementierungsdienstleistungen vereint. Das Unternehmen gibt an, mehr als 28.000 Maschinen in 6.000 Fabriken im Einsatz zu haben, darunter Kunden aus 90 Fortune-500-Unternehmen. Das neue Labor zielt darauf ab, die kostspielige Lücke zwischen einer beeindruckenden Manipulationsdemonstration und einer Roboterzelle zu schließen, die den Produktionsplan standhält.

Das Labor geht von einer kommerziellen Herausforderung aus

Die Forschung im Bereich der Industrierobotik beginnt oft mit der Leistungsfähigkeit: Kann eine Maschine ein unbekanntes Objekt erkennen, dessen Lage einschätzen, eine kollisionsfreie Bewegung planen und es greifen? Einkäufer in Fabriken beginnen an einem weniger glamourösen Punkt: Wie oft funktioniert das System, was passiert nach einem Fehlgriff, wie lange dauert ein Umrüsten und wer ist um 2 Uhr morgens für die Wiederherstellungsmaßnahmen zuständig?

Vention hat das Labor rund um diese zweite Fragestellung aufgebaut. Sein Forschungsprogramm kombiniert Robotersteuerungstechnik und Bewegungsgenerierung mit älteren und neueren Bildverarbeitungsmethoden, demonstrationsbasiertem Training, verstärktem Lernen und der Erfassung von Fabrikdaten. Diese Bereiche sind aus Förderanträgen an Universitäten bekannt. Der Unterschied besteht darin, dass Vention beabsichtigt, diese unter realen Fertigungsbedingungen zu bewerten – einschließlich Teilevariation, Zuverlässigkeit, Kosten und der praktischen Grenzen beim Einsatz einer neuen Fähigkeit an verschiedenen Kundenstandorten.

Das Labor wird von Jimmy Li, dem Leiter des Bereichs „Physical AI“ bei Vention, geleitet, wobei Joelle Pineau, Chief AI Officer bei Cohere, als externe technische Beraterin fungiert. Das ursprüngliche Team besteht aus acht Mitgliedern, und Vention gibt an, dass derzeit mehr als 16 weitere Mitarbeiter eingestellt werden sollen.

Stellen in den Bereichen Robotersteuerung, Simulation und Forschung im Bereich der physikalischen KI. Dieser Personalplan macht die Einrichtung zu mehr als nur einem Vorführraum, doch die Mitarbeiterzahl allein entscheidet nicht darüber, ob die dort geleistete Arbeit auf die Kunden übertragbar ist.

Der entscheidende Test besteht darin, ob das Labor den Weg von einem Benchmark zu einer einsatzfähigen Maschine verkürzt. Ein Hersteller kauft kein „Reinforcement Learning“. Er kauft sich weniger Entwicklungsstunden, eine schnellere Inbetriebnahme, weniger Ausschuss und einen Fehlerbehebungsprozess, den gewöhnliche Techniker verstehen können.

GRIIP ist das Produkt hinter dem Forschungsansatz

Die kommerzielle Brücke bildet GRIIP, die modulare Physical-AI-Pipeline von Vention, die im Februar 2026 eingeführt wurde. Das System kombiniert Szenendigitalisierung, Objektsegmentierung, Posenabschätzung, Greifauswahl und kollisionsfreie Bewegungsplanung. Vention nutzt neben eigenen Modellen auch Basismodelle von Anbietern wie Nvidia und verbindet diese Software-Stufen anschließend mit Roboterhardware und Fabrikaufgaben.

Einfach ausgedrückt versucht die Pipeline, einen unordentlichen Behälter oder einen Arbeitsplatz in eine Abfolge von Schritten umzuwandeln, nach der ein Roboter handeln kann. Die Kamera identifiziert, was vorhanden ist, die Software trennt die einzelnen Objekte voneinander, schätzt die Position jedes Gegenstands, wählt einen geeigneten Greifvorgang aus und überprüft, ob der Arm diesen erreichen kann, ohne dabei benachbarte Geräte zu berühren. Jeder Schritt kann fehlschlagen, und ein überzeugendes Laborergebnis ist nur der Anfang der Integrationsarbeit.

Vention plant die Veröffentlichung eines öffentlichen GRIIP-Software-Entwicklungskits, damit Ingenieurteams die Pipeline an ihre eigenen Anwendungen anpassen können. Das Wort „plant“ ist dabei von Bedeutung. Die Pipeline existiert bereits, während das öffentliche Entwicklungskit noch eine zukünftige Leistung darstellt. Beschaffungsteams sollten nach dem Veröffentlichungsdatum, der Liste der unterstützten Hardware, den Versionsrichtlinien sowie der Abgrenzung zwischen dem Code, den ein Kunde ändern kann, und den Funktionen, die weiterhin an die von Vention verwaltete Plattform gebunden sind, fragen.

Diese Unterscheidung wirkt sich auf die Wechselkosten aus. Ein offenes Entwicklungskit kann das Partner-Ökosystem erweitern und die Abhängigkeit von einem einzigen Integrator verringern.

Es kann zudem zu einer dünnen Schnittstelle über proprietäre Dienste werden, die schwer zu ersetzen sind. Käufer sollten die Lizenzbedingungen, die Datenportabilität, den Offline-Betrieb und die Kontrollmechanismen für Modellaktualisierungen prüfen, anstatt „SDK“ als Beweis für Offenheit zu betrachten.

Produktionsdaten könnten Ventions nachhaltiger Wettbewerbsvorteil sein

Ventions größter Trumpf ist nicht eine bestimmte Modellarchitektur. Es ist der Zugang zu Produktionsproblemen. Das Unternehmen gibt an, dass seine installierte Basis Tausende von Herstellern umfasst und Forschern einen kontinuierlichen Strom an Bearbeitungsaufgaben, Kundenfeedback und Industriedaten liefert. Dies kann eine Rückkopplungsschleife schaffen, die reine Forschungslabore nur schwer nachbilden können.

Eine fehlgeschlagene Entnahme im Labor ist ein Experiment. Eine fehlgeschlagene Entnahme am Fließband kann nachfolgende Arbeitsschritte zum Stillstand bringen, ein Bauteil beschädigen oder den Einsatz eines Technikers in der Zelle erforderlich machen. Dieser Unterschied bestimmt, was die Teams messen. Fabrikdaten erfassen Randfälle, die in kuratierten Benchmarks häufig übersehen werden, darunter reflektierende Verpackungen, beschädigte Kartons, flexible Materialien, abgenutzte Halterungen, Änderungen der Beleuchtung und Teile, die in falscher Ausrichtung ankommen.

Vention gibt an, dass „Physical AI“ sein am schnellsten wachsendes Segment ist, wobei der damit verbundene Umsatz im vergangenen Jahr um 400 Prozent gestiegen ist. Der Prozentsatz ist bemerkenswert, doch das Unternehmen hat weder die ursprüngliche Umsatzbasis noch die Bruttomarge, die Kundenkonzentration noch den Anteil dieses Wachstums offengelegt, der auf Pilotprojekte statt auf wiederholte Implementierungen zurückzuführen ist. Ein kleiner Geschäftsbereich kann sich vervierfachen und dennoch klein bleiben. Die Zahl sollte als Beleg für die Dynamik innerhalb von Vention gewertet werden, nicht als Beweis dafür, dass „Physical AI“ zu einer ausgereiften Kategorie im Fabrikbereich geworden ist.

Die gleiche Vorsicht gilt für die vom Unternehmen gemeldeten 28.000 installierten Maschinen und 6.000 Fabriken. Diese Zahlen belegen zwar die Reichweite, zeigen jedoch nicht, an wie vielen Standorten GRIIP zum Einsatz kommt, wie viele KI-fähige Zellen kontinuierlich laufen oder welcher Anteil der installierten Anlagen Daten generiert, die für das Modelltraining geeignet sind. Die nächste aussagekräftige Angabe würde die installierte Basis mit der regelmäßigen Nutzung in Verbindung bringen,

erfolgreiche Aufgabenfamilien und die gemessene Bereitstellungszeit.

Der wahre Maßstab ist die Wirtschaftlichkeit von Umrüstungen

Das Labor arbeitet mit Industrie- und Elektronikherstellern zusammen, darunter ein nicht namentlich genannter großer Automobil-Erstausrüster, an unstrukturierten Aufgaben der Endmontage. Dies ist das ideale Umfeld, um den Mehrwert zu testen, da die Endmontage hochvariable Arbeitsabläufe, eine variable Teilezuführung, enge Taktzeiten und häufige technische Änderungen umfasst.

Hier müssen Behauptungen zudem am kritischsten hinterfragt werden. Automobilwerke haben Jahrzehnte damit verbracht, Schwankungen durch Vorrichtungen, standardisierte Behälter und sorgfältig getaktete Prozesse zu reduzieren. Ein lernfähiger Roboter kann wertvoll sein, wenn Schwankungen nicht durch technische Maßnahmen beseitigt werden können, doch er steht im Wettbewerb mit einfacheren Optionen: einem besseren Zuführer, einer überarbeiteten Vorrichtung, einer Spezialmaschine oder einem geringen Aufwand an manueller Arbeit.

Die Frage des Käufers lautet daher nicht, ob „Physical AI“ eine Aufgabe ausführen kann. Es geht vielmehr darum, ob das Gesamtsystem über seine Lebensdauer hinweg weniger kostet als herkömmliche Automatisierung oder ein neu gestalteter Prozess. Diese Berechnung umfasst Kameras, Rechenleistung, Netzwerktechnik, Sicherheitsvalidierung, Trainingsdaten, Modellüberwachung, Integration, Wartung, Cybersicherheit sowie den Arbeitsaufwand, der entsteht, wenn das Modell auf einen neuen Fehlermodus stößt.

Hier kann das neue Labor an Glaubwürdigkeit gewinnen. Wenn Vention wiederholbare Umrüstungsergebnisse über verschiedene Roboter-Marken, Bauteilfamilien und Werke hinweg veröffentlichen kann, bietet dies Käufern eine Grundlage für den Vergleich von KI-gestützten Zellen mit fest installierter Automatisierung. Veröffentlicht das Labor hingegen nur aufbereitete Greifvideos, wird es einem Markt, der bereits reich an inszenierten Demonstrationen ist, kaum etwas Neues hinzufügen.

Jüngste Entwicklungen unterstreichen diesen Unterschied. Samsung SDS ist von der Seite der Unternehmenssoftware in die Roboterorchestrierung eingestiegen, während

Hai Robotics hat gezeigt, welche Größenordnungen mit präzise konzipierten Lagersystemen möglich sind. Vention nimmt eine Position zwischen diesen Modellen ein. Das Unternehmen strebt nach softwarebasierter Flexibilität, ohne dabei die Verantwortung für die physische Automatisierungsinfrastruktur aufzugeben.

Käufer benötigen Fehlerdaten, keine weitere Demo-Präsentation

Die unangenehme Wahrheit ist, dass der Einsatz in der Fertigung in der Regel eher durch die Ausnahmebehandlung als durch die im Vordergrund stehende Leistung behindert wird. Ein Roboter mag zwar 98 von 100 Kommissionierungen erfolgreich abschließen, doch die verbleibenden zwei können die Einsparungen bei den Arbeitskosten zunichte machen, wenn bei jedem Ausfall ein Spezialist die Linie anhalten, die Zelle räumen und den Prozess neu starten muss.

Vention hat für die Arbeit im neuen Labor keine Angaben zur mittleren Zeit zwischen Eingriffen, zu Wiederherstellungsraten, zur Verteilung der Zykluszeiten oder zur Leistung bei unterschiedlichen Beleuchtungsbedingungen und Teilevarianten veröffentlicht. Das ist am Eröffnungstag durchaus nachvollziehbar, doch genau diese Kennzahlen sollten die nächste Phase des Unternehmens bestimmen. Einkaufsteams sollten Ergebnisse in Einheiten anfordern, die sich auf den Betrieb beziehen: Eingriffe pro Schicht, Ausfallminuten, erfolgreiche Umrüstungen ohne Codeänderungen sowie die Anzahl der pro neuem Teil erforderlichen Technikerstunden.

Sie sollten zudem erfragen, wie Kundendaten getrennt werden. Vention gibt an, dass seine Plattform Produktionserfahrungen in bessere Modelle umwandelt und dabei Kundendaten sowie geistiges Eigentum schützt. Dieses Versprechen bedarf operativer Details. Hersteller sollten verstehen, welche Daten den Standort verlassen, welche verbleiben, ob Modelle, die anhand der Fehler eines Kunden trainiert wurden, einem anderen Kunden zugutekommen, und wie ein Werk seine Daten löschen oder exportieren kann, wenn ein Vertrag endet.

Der Pilotversuch von Hanshow und X-Era im Einzelhandel zeigt, warum dies über Fabriken hinaus von Bedeutung ist. Große Einsatzbereiche generieren wertvolle Ausnahmedaten, vervielfachen jedoch auch die Folgen einer undurchsichtigen Modellaktualisierung. Die

Der kommerzielle Marktführer wird nicht nur von mehr Maschinen lernen. Er wird dieses Lernen nachvollziehbar, rückgängig machbar und so sicher gestalten, dass die Bediener darauf vertrauen können.

Montreal muss nun übertragbare Ergebnisse vorweisen

Das Labor von Vention ist eine glaubwürdige Investition, da das Unternehmen bereits Hardware, Software und Automatisierungsdienstleistungen an echte Fabriken verkauft. Es verfügt über Kundenzugang, eine bestehende Pipeline im Rahmen von GRIIP, anerkannte technische Führungsrolle und einen Einstellungsplan. Diese Ressourcen verschaffen dem Forschungsteam einen besseren Ausgangspunkt als einem eigenständigen Labor, das erst im Nachhinein nach Anwendungsmöglichkeiten sucht.

Das Unternehmen muss noch nachweisen, dass der Regelkreis in beide Richtungen funktioniert. Produktionsprobleme müssen die Forschung prägen, und Forschungsergebnisse müssen als zuverlässige Werkzeuge, die Integratoren und Anlagentechniker nutzen können, in die Produktion zurückfließen. Dieser Nachweis wird sich anhand der Anzahl der eingesetzten Aufgaben, der Inbetriebnahmezeit, der Interventionsraten und der Kundenverlängerungen erbringen – nicht anhand der Anzahl der Modelle im Stack.

Für Einkäufer im Bereich Automatisierung sollte das Labor eher als Indikator für die Leistungsfähigkeit eines Anbieters betrachtet werden und nicht als Grund, den Einkaufsplan bereits heute zu ändern. Setzen Sie Vention auf die Auswahlliste für Aufgaben zur variablen Handhabung, fordern Sie einen Test auf Zellebene an, legen Sie vor der Installation Akzeptanzkriterien fest und bestehen Sie auf Nachweisen aus einer vergleichbaren Bauteilfamilie. Ein Anbieter, der diesen Test begrüßt, baut eine Infrastruktur für den Einsatz auf. Ein Anbieter, der das Gespräch auf eine Demonstration umlenkt, verkauft nach wie vor Forschung.

Vention hat die richtige Art von Einrichtung eröffnet. Ihr Wert wird daran gemessen, wie schnell das Labor im normalen Fabrikbetrieb in den Hintergrund tritt.

Bildnachweis für das Titelbild: Vention Inc.

Diese Analyse stützt sich auf die öffentliche Ankündigung von Vention vom 9. September sowie auf Unternehmensangaben zu seinen Physical-AI-Produkten, seinem Team, seinem Kundenstamm und seinen Einsatzplänen. Sie dient ausschließlich allgemeinen Informationszwecken und stellt keine Anlage-, Finanz-, Beschaffungs-, Rechts- oder technische Beratung dar.