Sie nehmen keine Routenliste mehr ab, sondern eine Verteilung.

Fragen zu physischer KI

Was heißt „physische KI“ hier konkret?

Der Begriff stammt aus dem Marketing der Technologieanbieter. NVIDIA beschreibt Physical AI im eigenen Glossar als Fähigkeit autonomer Systeme, die physische Welt wahrzunehmen, zu verstehen, darüber zu schließen und komplexe Handlungen auszuführen oder zu orchestrieren. Für den Betrieb verwenden wir eine engere Lesart: Ein Teil der Bewegungsentscheidung kommt aus einem gelernten Modell statt aus explizit programmierter Logik. Alles Weitere auf dieser Seite folgt aus dieser einen Unterscheidung.

Gibt es eine Norm, gegen die wir gelerntes Verhalten abnehmen können?

Nein. ISO/IEC TR 5469:2024 („Artificial intelligence — Functional safety and AI systems“) beschreibt Eigenschaften, Risikofaktoren, Methoden und Prozesse für den Einsatz von KI in sicherheitsbezogenen Funktionen, ist als Technical Report aber rein informativ und ohne normative Bindung. Eine verbindliche Abnahme- oder Validierungsregel für gelerntes Roboterverhalten existiert bis heute nicht. Diese Lücke schließen Betreiber selbst — über Betriebshülle, Out-of-Scope-Katalog und Szenarienabdeckung im Vertrag.

Was läuft heute produktiv, und was ist Demonstration?

Epoch AI zieht diese Linie im Bericht „Where Autonomy Works: Evaluating Robot Capabilities in 2026“: Navigation ist im kommerziellen Einsatz, etwa beim Warentransport im Lager, während die meisten Aufgaben, bei denen Roboter Objekte handhaben, montieren oder manipulieren, weitgehend im Labor bleiben. Die Kommissionierung im Lager gilt als klarster Fall kommerziell eingesetzter Manipulation in kontrollierter Umgebung. Der Transfer gelernter Fähigkeiten auf neue Objekte, Umgebungen und Aufgaben wird laut Epoch AI selten gezeigt, ist für die meisten Anwendungen aber entscheidend. Als Marktbeispiel gibt Amazon für sein System Vulcan rund 75 Prozent der in seinen Logistikzentren gelagerten Artikeltypen an, im Einsatz unter anderem in Spokane, Washington, und in Hamburg.

Wie erkennen wir, ob wirklich ein gelerntes Modell fährt?

Über drei Fragen an den Anbieter. Welcher Teil des Systems nutzt maschinelles Lernen — nur die Objekterkennung im Kamerabild oder die gesamte Trajektorienplanung? Wie wird die Bewegung berechnet — über feste mathematische Algorithmen oder als End-to-End-Inferenz über Netzgewichte? Und wie wird das Verhalten nachgewiesen — über Erkennungsgenauigkeit plus Pfadprüfung oder über die statistische Auswertung hunderter Läufe innerhalb der Betriebshülle? Der erste Fall bleibt klassisch prüfbar. Der zweite nicht.

Wann ist deterministische Programmierung weiterhin die richtige Antwort?

In den meisten Fällen. Wo Routen klar strukturiert, Prozesse getaktet und Umgebungsbedingungen beherrschbar sind, ist deterministische Software zuverlässiger, latenzärmer und in den Betriebskosten besser planbar. Gelernte Anteile gehören dorthin, wo unstrukturierte Ladungsträger oder wechselnde Übergabepunkte Flexibilität verlangen. Wir spezifizieren beides nebeneinander statt gegeneinander.

Baut oder trainiert werob diese Modelle?

Nein. werob ist herstellerunabhängiger Systemintegrator, kein OEM, kein Hersteller und kein Modellentwickler. Wir spezifizieren, wählen aus über 44 OEM-Partnern aus, binden an Ihre Systeme an und führen die Flotte im Betrieb. Die Modelle kommen von den Herstellern; unsere Aufgabe ist, dass Abnahme, Änderungsstand und Sicherheitsebene für Sie nachweisbar bleiben.

Ist das dasselbe wie die Lösung Forschung?

Nein. Bei der Lösung Forschung geht es um Testhardware für ein konkretes Forschungsprojekt, etwa eine umkonfigurierbare Plattform für Autonomietests. Diese Seite behandelt, was sich im laufenden Betrieb ändert, wenn ein Teil des Verhaltens einer produktiv eingesetzten Flotte aus einem gelernten Modell kommt.

Wo ordnet sich das im Betriebsmodell ein?

Das Betriebsmodell selbst steht auf der Seite Belegschaft: wie ein Auftragsbuch Mensch, Roboter und Software-Agent zusammenführt und warum der Rückfallpfad das eigentliche Produkt ist. Diese Seite bleibt bei der engeren Frage, was ein gelerntes Modell im Fahrzeug für Spezifikation, Abnahme und Änderungsstand bedeutet.