Warum das Gehirn über den Roboter entscheidet

Ein humanoider Körper ist heute fast Massenware, das eigentliche Können steckt in der Software. Genau deshalb tobt der Wettbewerb nicht um Arme und Beine, sondern um das KI-Modell dahinter. Wer das beste Gehirn baut, kann es auf viele Roboter setzen und damit gleich einen ganzen Markt prägen.

Dieses Gehirn ist meist ein VLA-Modell, das Sehen, Sprache und Handlung verbindet. Wie das funktioniert, erklärt der Beitrag zu den VLA-Modellen.

Das große Bild der Physical AI ordnet die Zusammenhänge ein.

Alle genannten Finanzzahlen sind Melde- oder Anbieterangaben, ohne Gewähr, und dienen nur als Marktkontext.

Physical Intelligence

Physical Intelligence, oft PI oder π abgekürzt, gehört zu den heißesten Namen im Feld. Die 2024 gegründete Firma baut ein Generalist-Modell namens π0, das über verschiedene Roboterkörper hinweg funktionieren soll. Es ist teils offen verfügbar, mitsamt Code und Gewichten.

Der Nachfolger π0.5 zielt ausdrücklich auf die offene Welt und soll auch in zuvor ungesehenen Wohnungen zurechtkommen, etwa beim Aufräumen von Küche oder Schlafzimmer. Eine weitere Version namens π0.6 ist bereits dokumentiert. Das Tempo ist hoch.

Der offene Ansatz ist dabei mehr als eine nette Geste. Wenn Forscher und kleinere Firmen auf π0 aufbauen können, verbreitet sich die Technik schneller und die Datenbasis wächst gemeinsam. Physical Intelligence setzt also darauf, über Offenheit zum Standard zu werden, ähnlich wie es freie Software in anderen Bereichen geschafft hat.

Auch das Kapital ist beträchtlich. Laut Bloomberg sammelte Physical Intelligence im November 2025 rund 600 Mio. $ bei einer Bewertung von 5,6 Mrd. $ ein, angeführt von CapitalG, mit Beteiligung von Jeff Bezos (ohne Gewähr, Stand Bericht). Über eine noch größere Runde bei rund 11 Mrd. $ wurde berichtet, ohne bestätigten Abschluss.

Skild AI

Skild AI verfolgt einen ähnlich ambitionierten Ansatz. Das Unternehmen entwickelt das „Skild Brain“, nach eigener Aussage das erste „omni-bodied“ Modell. Es soll beliebige Roboterkörper steuern, vom vierbeinigen Roboter über Humanoide bis zum Tisch-Arm, ohne Vorwissen über deren Form.

Trainiert wird das Modell unter anderem aus Menschen-Videos und Physiksimulation. Die Idee dahinter: Ein Gehirn, das nicht an eine Bauform gebunden ist, lässt sich überall einsetzen. Das wäre ein starkes Verkaufsargument gegenüber spezialisierten Lösungen.

Bei der Finanzierung setzte Skild im Januar 2026 ein Ausrufezeichen. Laut TechCrunch sammelte die Firma rund 1,4 Mrd. $ bei einer Bewertung über 14 Mrd. $ ein, angeführt von SoftBank, mit Nvidia Ventures und Bezos an Bord (ohne Gewähr, Stand Bericht). Damit gilt es laut Bericht als bislang größte einzelne Finanzierungsrunde in diesem Bereich.

Figure und Helix

Figure geht einen anderen Weg als die offenen Generalisten. Das Unternehmen beendete Anfang 2025 die Zusammenarbeit mit OpenAI und baut sein Modell Helix seither hausintern. Die Begründung sinngemäß: Zugekaufte Sprachmodelle würden zwar klüger, aber zunehmend zur Massenware.

Helix ist ein Dual-System-Modell, das direkt auf dem Roboter läuft, ohne Cloud. Ein großes System denkt, ein kleines steuert die Bewegung mit hohem Tempo. So bleibt der Roboter auch ohne Internet handlungsfähig und schnell.

In der Praxis testet Figure seinen Humanoiden im Werk des Autobauers BMW in Spartanburg, laut Berichten mit rund 40 Einheiten im Logistik-Einsatz. Das ist einer der konkretesten Pilotversuche der Branche. Eine Series-C-Runde brachte laut Berichten über 1 Mrd. $ bei einer Bewertung von 39 Mrd. $ (ohne Gewähr, Stand Bericht).

Der Schritt weg von OpenAI ist strategisch bemerkenswert. Figure will das Gehirn seiner Roboter nicht von einem Zulieferer abhängig machen, sondern selbst kontrollieren. Das kostet mehr Aufwand, sichert aber die eigene Zukunft. Ob sich diese Wette auf den Eigenbau auszahlt, wird der Wettbewerb mit den offenen Generalisten zeigen.

Tesla Optimus

Tesla verfolgt beim Roboter Optimus dieselbe Philosophie wie bei seinen Autos: alles aus einer Hand. Das Gehirn ist vom Fahrassistenten FSD abgeleitet und setzt auf reines Kamera-Sehen, ohne offenes Modell. Tesla baut Hardware, Software und Chip selbst.

Der eigene KI-Chip AI5 soll laut Roadmap Ende 2026 in Kleinserie gehen und ab 2027 in hohen Stückzahlen. Er ist für Optimus und die Rechenzentren gedacht, nicht für Autos. Diese vertikale Integration ist Teslas größter Vorteil und zugleich sein größtes Risiko.

Bei den Zielen ist Vorsicht geboten. Firmenchef Elon Musk nennt Preisziele unter 20.000 $, Berichte halten frühe Einheiten eher bei 50.000 bis 80.000 $ für realistisch (alle Angaben ohne Gewähr, spekulativ). Die Produktionsziele sind angekündigt, aber umstritten. Mehr zum Roboter selbst steht im Profil zu Tesla Optimus.

Nvidia und Google

Zwei der wichtigsten Akteure haben eigene, ausführliche Beiträge, weil sie Plattformen statt einzelner Roboter bauen. Nvidia liefert mit Isaac GR00T ein offenes Grundmodell samt Chip und Simulation für viele Hersteller. Die Details stehen im Beitrag zu Nvidia GR00T.

Google DeepMind wiederum baut mit Gemini Robotics auf seinem Sprachmodell auf und bleibt dabei deutlich geschlossener. Der eigene Gemini-Robotics-Faktencheck ordnet Fähigkeiten und Grenzen ein. Beide zeigen, dass auch die ganz großen Konzerne im Rennen sind.

Für diesen Überblick genügt die Einordnung: Nvidia und Google setzen auf die Breite vieler Partner, Figure und Tesla auf die Tiefe des eigenen Systems. Beide Strategien haben ihre Berechtigung.

1X und das World Model

Das norwegisch-amerikanische Unternehmen 1X baut den Haushalts-Humanoiden NEO und ein eigenes Modell namens Redwood. Es wurde aus echter Teleoperation trainiert und durch ein physik-gestütztes World Model ergänzt. Der Fokus liegt bewusst auf dem Zuhause, nicht auf der Fabrik, was 1X von den meisten Wettbewerbern unterscheidet.

Bemerkenswert ist eine ehrliche Aussage des Unternehmens. Frühe NEO-Auslieferungen im Jahr 2026 nutzen laut Firmenchef noch menschliche Teleoperatoren, die den Roboter aus der Ferne unterstützen. Das zeigt exemplarisch, wie relativ der Begriff „autonom“ derzeit ist.

Diese Offenheit ist selten und wertvoll. Sie erinnert daran, dass viele scheinbar selbstständige Roboter noch eine helfende Hand im Hintergrund haben. Mehr zum Gerät steht im Profil zu 1X NEO.

Neura Robotics aus Deutschland

Aus Deutschland kommt mit Neura Robotics ein ernstzunehmender Akteur. Das Unternehmen aus Metzingen baut den Humanoiden 4NE-1, rund 1,75 m groß, etwa 95 kg schwer und mit 42 Gelenken ausgestattet. Als Nvidia-Partner nutzt es die GR00T-Plattform.

Auch bei der Finanzierung spielt Neura vorn mit. Laut CNBC umfasste die jüngste Runde bis zu 1,4 Mrd. $ bei einer Bewertung um 7 Mrd. $. Angeführt wurde sie von Tether, mit Nvidia, Amazon, Bosch und Schaeffler an Bord (ohne Gewähr, Stand Bericht). Zuvor lag die Bewertung bei rund 4 Mrd. $.

Für den europäischen Markt ist Neura ein wichtiges Signal. Die KI-Gehirne der Roboter kommen nicht nur aus den USA und China. Details zum Unternehmen stehen im Profil zu Neura Robotics und dem 4NE-1.

Generalist oder Eigenstack

Über alle Firmen hinweg zeichnen sich zwei Lager ab. Auf der einen Seite stehen die Generalisten wie Physical Intelligence und Skild, die ein körperunabhängiges Gehirn für viele Roboter bauen. Ihr erklärtes Ziel ist die möglichst breite Verwendbarkeit über viele Roboter hinweg. In dieselbe Richtung arbeitet Sereact als europäischer Vertreter dieses Lagers, allerdings zugespitzt auf das Greifen im Lager.

Auf der anderen Seite bauen Figure und Tesla geschlossene Eigenstacks, die nur im eigenen Roboter laufen. Der Vorteil ist die volle Kontrolle über Hardware und Software, der Nachteil eine engere Zielgruppe. Es ist der alte Gegensatz zwischen offener Plattform und geschlossenem System.

Welches Lager gewinnt, ist offen. Vieles spricht dafür, dass beide Ansätze nebeneinander bestehen, so wie es bei Computern und Smartphones auch der Fall ist. Für Käufer ist wichtig zu wissen, worauf ein Roboter setzt.

Zwischen den beiden Lagern gibt es zudem Mischformen. Neura Robotics etwa baut den eigenen Körper, nutzt aber die offene Plattform von Nvidia als Gehirn. Solche Kombinationen könnten sich als praktischer Mittelweg erweisen: eigene Hardware, zugekaufte KI-Basis. Die Grenze zwischen offen und geschlossen ist also nicht immer scharf.

Der Vergleich auf einen Blick

Preise fehlen bewusst, da die Technik nicht frei verkäuflich ist.

Die Tabelle zeigt die Vielfalt der Wege. Von offen bis geschlossen, von Forschung bis Pilot ist alles vertreten. Diese Bandbreite macht das Feld so schwer vorhersehbar, denn welcher Weg sich durchsetzt, ist heute noch völlig offen.

Warum die Bewertungen so hoch sind

Die Zahlen wirken paradox: Milliardenbewertungen für Firmen, deren Roboter im Alltag noch scheitern. Der Grund ist die Erwartung. Investoren wetten nicht auf das Heute, sondern auf einen möglichen Billionenmarkt in den 2030er-Jahren.

Das Tempo der Runden unterstreicht das. Physical Intelligence stieg laut Berichten binnen eines Jahres von rund 2,4 Mrd. $ auf 5,6 Mrd. $, Skild verdreifachte seine Bewertung in etwa acht Monaten (jeweils ohne Gewähr, Stand Bericht). So viel Kapital fließt selten in ein so frühes Feld.

Für die Einordnung ist Vorsicht angebracht. Hohe Bewertungen sind ein Vertrauensbeweis, aber kein Beleg für Serienreife. Manche der genannten Runden sind zudem nur gemeldet oder in Gesprächen, nicht bestätigt. Jede Zahl gilt darum nur mit Gewähr des jeweiligen Berichts.

Der Realitäts-Check

So viel Geld und Ehrgeiz das Feld auch antreibt, der nüchterne Blick bleibt wichtig. Der unabhängige Stanford AI Index 2026 misst bei echten Haushaltsaufgaben nur rund 12 % Erfolg, also etwa 88 % Fehler. Die vollständige Einordnung steht im Überblick zu Physical AI.

Dazu kommt die schon erwähnte Teleoperation. Wenn ein führender Anbieter wie 1X seine Roboter zunächst mit menschlicher Fernsteuerung ausliefert, ist klar: Die volle Autonomie ist noch nicht erreicht. Werbevideos zeigen den besten Fall, nicht den Durchschnitt.

Das ist keine Abwertung, sondern eine Einordnung. Die Firmen dieses Überblicks treiben eine echte technische Revolution voran. Doch zwischen der heutigen Demo und dem verlässlichen Alltagsroboter liegen noch Jahre harter Arbeit.

Fazit

Das Rennen um das Roboter-Gehirn ist eines der spannendsten Kapitel der aktuellen Technik. Offene Generalisten wie Physical Intelligence und Skild treffen auf geschlossene Eigenstacks von Figure und Tesla, während Nvidia und Google die Plattformen liefern. Aus Deutschland hält Neura Robotics mit.

Wenn Sie den Markt beobachten, zählt vor allem die richtige Erwartung. Die Bewertungen sind gewaltig, die Alltagsreife mit rund 88 % Fehlerquote aber noch fern. Wer die Ansätze und ihren echten Stand kennt, ordnet jede neue Ankündigung nüchtern ein, statt auf Hype hereinzufallen.