Physical AI 2026: Wer die Roboterintelligenz baut, wer sie offenlegt und was die Zahlen wirklich sagen

Chinesische Hersteller lieferten im ersten Halbjahr 2026 über 19'000 humanoide Roboter aus, 77,9 Prozent der Weltmenge und ein Plus von 432 Prozent, so rechnet es der Marktforscher IDC am 29. September vor. Dieselben Firmen geben auch die offensten Trainingsdaten der Branche heraus: AgiBot aus Shanghai hat über eine Million aufgezeichneter Roboterbewegungen freigegeben.

Im Westen läuft es umgekehrt. Offen ist dort im Wesentlichen, wer gar keine Roboter verkauft. Wer Hardware baut, von Tesla bis Figure, schweigt zu Stückzahlen, Modellen und Ausfallraten. Das Muster kennt man aus der Sprach-KI: Wer vorne liegt, macht zu, wer aufholt, macht auf. Nur nützt die grosszügigste Freigabe wenig, wenn ihre Lizenz jede kommerzielle Nutzung verbietet.

Physical AI, zu Deutsch etwa verkörperte künstliche Intelligenz, ist der Sammelbegriff für Systeme, die nicht Text produzieren, sondern in der physischen Welt handeln. Der Begriff stammt aus dem Marketing von Nvidia, beschreibt aber ein altes Problem. Honda zeigte 1996 mit dem P2 den ersten zweibeinigen Roboter, der ohne Kabel selbstständig ging, und 2000 den Nachfolger Asimo. Beide liefen beeindruckend und konnten fast nichts. Ihre Bewegungen waren im Voraus einprogrammiert, jede unerwartete Situation warf sie aus der Bahn. Honda stellte das Programm 2018 ein.

Der öffentliche Tiefpunkt kam im Juni 2015 bei der Robotics Challenge der amerikanischen Forschungsagentur DARPA. Fünfundzwanzig Teams liessen Roboter Türen öffnen, Ventile drehen und Trümmer räumen, und die Zusammenschnitte der stürzenden Maschinen gingen um die Welt. Gewonnen hat das koreanische Team KAIST mit acht Punkten in 44 Minuten. Entscheidend war weniger das Hinfallen als der Grund dafür: Die Roboter scheiterten nicht an der Mechanik, sondern daran, dass sie ihre Umgebung nicht verstanden, sobald diese vom Drehbuch abwich. Und aufstehen konnte am zweiten Tag keiner von selbst.

Warum das so lange dauerte, hat einen technischen Kern. Beim Gehen funktioniert klassische Regelungstechnik gut, weil der Roboter sich selbst exakt kennt und die Welt ihn nur über wenige kurze Fusskontakte berührt. Beim Greifen bricht das Modell zusammen. Der Kontakt mit einem Objekt ist sprunghaft, die Reibung schwer vorhersagbar, und die entscheidende Physik gehört nicht dem bekannten Roboter, sondern dem unbekannten Gegenstand. Ein Hemd, ein Kabel oder eine halbvolle Tasse lassen sich nicht in ein paar Zustandsgrössen fassen. Genau hier wechselte die Branche ab 2022 von programmierter Regelung auf Lernen.

Die Kette der Arbeiten, die das möglich machten, lässt sich gut datieren. Im Dezember 2022 zeigte Google mit RT-1 ein Modell, das aus 130'000 aufgezeichneten Episoden gelernt hatte und bei bekannten Aufgaben 97 Prozent erreichte, bei unbekannten noch 76. Im Oktober 2023 folgte Open X-Embodiment, ein gemeinsamer Datensatz von 21 Institutionen aus 34 Laboren mit über einer Million Bewegungsabläufen von 22 verschiedenen Robotertypen. Das war der Moment, in dem Robotikdaten zum ersten Mal wie Internetdaten behandelt wurden. Darauf bauen die heutigen VLA-Modelle auf, kurz für Vision-Language-Action, also Modelle, die ein Kamerabild und einen Satz in eine Bewegung übersetzen. Das kalifornische Startup Physical Intelligence legte im Oktober 2024 mit pi0 vor, Nvidia im März 2025 mit GR00T N1.

Eine Schweizer Arbeit steht mitten in dieser Linie. Nikita Rudin und Kollegen der ETH Zürich zeigten 2021, dass sich Tausende simulierte Roboter gleichzeitig auf einer einzigen Grafikkarte trainieren lassen. Ergebnis: eine brauchbare Gehbewegung in unter vier Minuten, für unebenes Gelände in zwanzig. Der zugehörige Code namens legged_gym wurde zur Grundlage von Isaac Lab, dem Rahmenwerk, in dem heute ein grosser Teil aller Roboter-Lernverfahren trainiert wird und das Nvidia gemeinsam mit der ETH entwickelt. Wer in Zürich Robotik macht, arbeitet also seit Jahren im Werkzeugkasten des amerikanischen Marktführers.

Die jüngste Stufe heisst Weltmodell. Gemeint ist Software, die eine Umgebung samt Physik so durchrechnet, dass ein Roboter darin üben kann, bevor er etwas anfasst. Nvidia stellte im Januar 2025 Cosmos vor, Google im August 2025 Genie 3, und Fei-Fei Li, die Stanford-Forscherin hinter dem Bilddatensatz ImageNet, brachte im November 2025 mit ihrer Firma World Labs das Produkt Marble auf den Markt. Ende September 2026 kaufte AMD diese Firma für 8,2 Milliarden Dollar. Der praktische Nutzen ist dreifach: der Roboter kann Fehlversuche gefahrlos durchspielen, aus Internetvideos lassen sich Trainingsdaten gewinnen, und man kann eine neue Steuerung testen, ohne echte Hardware zu riskieren.

Bleibt die Frage, was davon heute wirklich funktioniert. Das US-Forschungsinstitut Epoch AI hat im Februar 2026 die beste verfügbare Bestandsaufnahme vorgelegt, und sie fällt zweigeteilt aus. In engen, wiederkehrenden Aufgaben ist die Sache entschieden: Amazons Greifsystem Vulcan liegt über 99 Prozent Zuverlässigkeit, der Batteriehersteller CATL setzt Steckverbinder mit 99 Prozent bei menschlichem Tempo, und ein Roboter der Firma Dyna faltete in einem Dauerlauf über 24 Stunden Wäsche mit 99,4 Prozent Erfolg und ohne einen einzigen menschlichen Eingriff. Sobald die Aufgabe variiert, bricht es ein. Dasselbe Faltmodell schafft bei T-Shirts 95 Prozent und bei Jeans noch 75. Ein Hemd, das auf links gedreht ist, dauert zwanzigmal länger als bei einem Menschen. Eine Küche komplett zu reinigen hat bis heute kein Roboter von Anfang bis Ende gezeigt.

Der Grund für diese Lücke ist erstaunlich einfach und hat nichts mit Rechenleistung zu tun. Ken Goldberg, Robotikprofessor in Berkeley, hat die Grössenordnung im August 2025 in Science Robotics beziffert: Sprachmodelle wurden auf dem Gegenwert von rund 100'000 Jahren menschlicher Lesezeit trainiert, der grösste veröffentlichte Robotikdatensatz entspricht etwa einem Jahr. Bei den heutigen Aufnahmeraten bräuchte man 100'000 Jahre, um einen Roboterdatensatz von der Grösse des ChatGPT-Trainings zusammenzubekommen. Epoch AI hat nachgerechnet, dass die grössten Greifmodelle mit rund einem Prozent der Rechenleistung der KI-Spitzenmodelle trainiert werden. Es fehlt also nicht an Chips, es fehlt an Erfahrung. Und Erfahrung entsteht in der Robotik nur, wenn jemand eine echte Maschine bewegt.

Damit sind wir bei der Machtfrage. Daten kommen heute im Wesentlichen aus drei Quellen: aus Teleoperation, also einem Menschen, der den Roboter mit Handschuh oder Datenbrille fernsteuert und damit jede Bewegung aufzeichnet, aus Simulation und aus Weltmodellen. Wer eine grosse Flotte im Feld hat, sammelt automatisch mehr als wer schöne Modelle baut. Das erklärt, warum die Karte der Branche heute so aussieht, wie sie aussieht.

China produziert die Masse. Der Berliner China-Thinktank MERICS zählt für 2025 rund 12'800 gebaute Humanoide, etwa neunzig Prozent der Weltproduktion, und rechnet vor, dass China 63 Prozent der weltweiten Zulieferer für Roboterbauteile kontrolliert. Getrieben wird das mit Staatsgeld: Ein nationaler Leitfonds über eine Billion Yuan, umgerechnet rund 138 Milliarden Dollar, läuft seit März 2025 über zwanzig Jahre. Im Juni 2026 wies das Industrieministerium gemeinsam mit der Staatsbetriebe-Aufsicht an, bis Ende 2026 über 10'000 Humanoide in den kommerziellen Einsatz zu bringen, mit Umsetzungsplänen der Provinzen und Fortschrittsberichten im November.

Die Firmen dahinter sind unterschiedlich gross und unterschiedlich ehrlich. Unitree, gegründet von Wang Xingxing, ging am 19. August 2026 an die Börse in Shanghai und schloss den ersten Handelstag 460 Prozent über dem Ausgabepreis. Der Umsatz stieg 2025 auf 1,7 Milliarden Yuan. AgiBot, in China Zhiyuan genannt, hat im Juni 2026 die 15'000ste Einheit gebaut und bereitet einen Börsengang in Hongkong vor. UBTech aus Shenzhen, bereits in Hongkong kotiert, verkaufte im ersten Halbjahr 2026 921 Humanoide in voller Grösse und meldet dafür 590 Millionen Yuan Umsatz, bei einem Verlust von über 300 Millionen. XPeng, der Autobauer, sammelte im August 2026 über 900 Millionen Dollar für seine Robotersparte ein und will bis Ende Jahr über tausend Einheiten pro Monat bauen können.

Die USA haben das Geld und die geschlossensten Bücher. Figure wurde im September 2025 mit 39 Milliarden Dollar bewertet, Apptronik im Februar 2026 mit rund fünf, Physical Intelligence im Verlauf von 2026 mit elf. Tesla nennt für Optimus bis heute keine einzige Produktionszahl; Anfang 2026 waren es Berichten zufolge einige hundert Einheiten zu Lernzwecken und keine einzige, die in einem Tesla-Werk produktiv arbeitet. Figure hat im Juli 2026 den tausendsten Roboter gefertigt, das ist die härteste Zahl, die ein amerikanischer Humanoid-Hersteller freiwillig herausgegeben hat. Die einzige Ausnahme ist Agility Robotics, und zwar unfreiwillig: Weil die Firma über eine Börsenhülle an die Nasdaq geht, mussten Zahlen in die Unterlagen. Dort steht, dass der vielzitierte Auftragsbestand über 300 Millionen Dollar von einem einzigen Kunden stammt und als Geschäft mit einer nahestehenden Partei verbucht ist.

Asien sortiert sich derweil staatlich. Südkorea kündigte am 27. August 2026 an, bis 2030 rund 1,66 Milliarden Dollar in eine komplette eigene Wertschöpfungskette zu stecken, samt Einkaufszusage für 1'080 heimische Humanoide. Japan finanziert über das Wirtschaftsministerium bis 2030 ein eigenes Basismodell für Roboter. Europa hat Geld, aber keine Masse: Neura Robotics aus Metzingen hat die Entwicklung seines Humanoiden nach Zürich verlegt, Hexagon steuert von Zürich aus die AEON-Flotte für Schaeffler, ANYbotics hat über zweihundert seiner vierbeinigen Inspektionsroboter ausgeliefert. Das sind ordentliche Firmen, aber keine Fabrikzahlen.

Und jetzt der Punkt, um den es eigentlich geht. Offenheit verteilt sich in dieser Branche genau entgegengesetzt zur Erwartung.

Auf der chinesischen Seite ist erstaunlich viel offen. AgiBot hat mit AgiBot World über eine Million aufgezeichneter Bewegungsabläufe im Umfang von rund 44 Terabyte veröffentlicht und dazu sein Modell GO-1. Das Pekinger Innovationszentrum X-Humanoid gab den Datensatz RoboMIND heraus, 107'000 Bewegungen über vier verschiedene Robotertypen, und darin stecken 5'000 dokumentierte Fehlversuche samt annotierter Ursache. Das ist eine Transparenzleistung, die im Westen kein Hersteller erbringt. Unitree stellt sein komplettes Entwickler-Werkzeug auf GitHub und hat im September 2026 ein eigenes Weltmodell freigegeben. Die Pekinger Akademie BAAI publiziert ihre Modellreihe RoboBrain sogar unter der Apache-Lizenz, die kommerzielle Nutzung erlaubt.

Genau da liegt aber der Haken, und er ist für Schweizer Betriebe der praktisch wichtigste Satz dieses Artikels. AgiBots grosser Datensatz und das Modell GO-1 stehen unter einer Lizenz namens CC BY-NC-SA. Das Kürzel NC steht für non-commercial. Wer damit ein Produkt baut, das er verkaufen will, verletzt die Lizenz. Nvidias GR00T und die freigegebenen Modelle von Physical Intelligence stehen dagegen unter Apache 2.0 und sind kommerziell nutzbar. Die grosszügigste Freigabe der Branche ist für ein Unternehmen also wertlos, die kleinere brauchbar. Wer eine Pressemitteilung über Open Source liest und nicht die Lizenzdatei, hat den entscheidenden Teil nicht gelesen.

Im Westen sitzt die Offenheit fast vollständig bei denen, die keine Roboter verkaufen. Nvidia gibt Modelle und Simulationsdaten heraus, weil es Chips verkauft und jede offene Trainingsschicht die Nachfrage nach Rechenleistung erhöht. Hugging Face, die Plattform, auf der KI-Modelle geteilt werden, unterhält mit LeRobot eine offene Bibliothek. Physical Intelligence gab pi0 im Februar 2025 frei, und pi0.5 im September darauf. Dann hörte es auf: Das Nachfolgemodell vom November 2025 wurde nicht mehr veröffentlicht, das vom April 2026 ebenfalls nicht, es wird stattdessen als Dienst in der Cloud vermarktet. Dieselbe Kurve wie bei OpenAI, nur zehn Jahre später und in schneller.

Alle anderen schweigen, und einer sagt sogar warum. Elon Musk begründete im April 2026, dass der neue Optimus erst kurz vor Produktionsstart gezeigt werde, weil Wettbewerber jede Veröffentlichung Bild für Bild auseinandernehmen und kopieren. Figure-Chef Brett Adcock lehnte im Juni 2025 auf einer Bühne eine Live-Demonstration ab, es sei Zeitverschwendung, und zeigt stattdessen geschnittene Videos. Der Unterschied zur chinesischen Seite ist dabei kein Charakterunterschied, sondern ein Regulierungsunterschied. Unitree veröffentlicht seine Zahlen nicht aus Offenheit, sondern weil ein chinesischer Börsenprospekt diese Granularität verlangt.

Was dabei herauskommt, ist die ehrlichste Zahl, die diese Branche je produziert hat, und sie steht in Unitrees eigenem Prospekt: 73,6 Prozent des Humanoiden-Umsatzes der ersten neun Monate 2025 stammen aus Forschung und Bildung, und von dem als Industrie verbuchten Rest entfallen 50 bis 70 Prozent auf Werksführungen. Der Weltmarktführer verkauft seine Roboter also überwiegend an Universitäten und an Firmen, die sie Besuchern vorführen. Die amerikanische Sicherheitsforscherin Samm Sacks brachte es im Juni 2026 auf den Punkt, chinesische Humanoide seien bisher eher darstellend als funktional. Der Prospekt beweist es mit Zahlen.

Die Parallele zum Sprach-KI-Markt ist damit fast vollständig. Dort kippte es im Januar 2025, als das chinesische Labor DeepSeek sein Modell R1 unter einer freien Lizenz veröffentlichte. Heute stammen laut Hugging Face 41 Prozent aller Downloads auf der Plattform aus China, und von Alibabas Modellreihe Qwen existieren über 151'000 abgeleitete Versionen, fast das Fünffache von Metas Llama. Bei den offenen Modellen führen chinesische Labore, bei den geschlossenen Spitzenmodellen führt der Westen. Das Forschungsinstitut Epoch AI beziffert den Abstand seit Januar 2026 auf durchschnittlich vier Monate. Mark Zuckerberg hat die Logik 2024 selbst aufgeschrieben: Der Verkauf von Modellzugängen sei nicht Metas Geschäftsmodell, also koste die Freigabe nichts und bringe ein Ökosystem. AgiBot argumentiert wörtlich gleich, nur mit anderem Graben: Nicht die Daten seien der Vorsprung, sondern die Fertigung.

An vier Stellen bricht die Parallele allerdings, und das ist der Teil, den die meisten Analysen auslassen. Erstens nützen Modellgewichte ohne passende Hardware wenig. Googles Gemini Robotics 2 erreichte im Juli 2026 am selben Roboterkörper zwischen 32 und 92 Prozent Erfolg, je nachdem welche Hand montiert war. Nicht das Modell ist der Engpass, sondern die Hand. Zweitens ist der eigentliche Graben die Lieferkette, und dort hält China nach der Aufstellung von Morgan Stanley 63 Prozent der Zulieferer und rund 90 Prozent der Verarbeitung Seltener Erden. Das lässt sich durch Öffnen oder Schliessen von Software nicht verschieben. Drittens kostet ein Roboter Stückkosten, ein Sprachmodell nicht; eine kopierte Datei ist gratis, eine Roboterhand nicht. Und viertens gibt es hier eine Maschinenrichtlinie. Die Sicherheitsnorm ISO 25785-1, die erstmals aktiv balancierende Maschinen wie Humanoide erfassen soll, ist bis heute nicht verabschiedet.

Bleibt die eine Kennzahl, die beide Seiten verschweigen, und sie ist ausgerechnet die, die ein Käufer bräuchte. In der gesamten Recherche für diesen Beitrag liess sich weltweit kein einziger von einem Humanoid-Hersteller veröffentlichter MTBF-Wert finden, also die mittlere Zeit zwischen zwei Ausfällen, und ebenso wenig ein MTBI-Wert, die mittlere Zeit zwischen zwei nötigen menschlichen Eingriffen. Kein Hersteller nennt, welcher Anteil der gezeigten Betriebszeit ferngesteuert war. Agility veröffentlicht über 65'000 kumulierte Einsatzstunden, aber keine Fehlerquote dazu. Figures viel zitierter Dauerlauf im Mai 2026 wird je nach Quelle mit 50, 81 oder 100'000 Paketen beziffert und war ein selbst veranstalteter Livestream ohne unabhängige Kontrolle. Bei Tesla räumte Musk selbst ein, das bekannte Hemden-Faltvideo sei überhaupt nicht autonom gewesen, und beim Anlass We, Robot im Oktober 2024 wurden die Roboter ferngesteuert, ohne dass Tesla das kenntlich machte. Bei 1X in Norwegen stellte das Wall Street Journal im Oktober 2025 fest, dass die meisten gezeigten Aufgaben von einem Menschen mit Datenbrille gesteuert wurden.

Für Schweizer Betriebe folgen daraus fünf brauchbare Prüffragen. Erstens: die Lizenzdatei lesen, nicht die Pressemitteilung, denn NC bedeutet, dass die Software für ein Produkt nicht in Frage kommt. Zweitens Ergebnisse auf einem öffentlichen Vergleichsmassstab verlangen; solche Messreihen existieren unter Namen wie LIBERO, RoboArena oder RoboChallenge, und die Tatsache, dass kein einziger grosser Humanoid-Hersteller dort Ergebnisse einreicht, ist selbst eine Aussage. Drittens Betriebsstunden nur zusammen mit einer Fehlerstatistik akzeptieren, sonst ist die Zahl eine Marketinggrösse. Viertens auf einer Vorführung mit eigenen Objekten in den eigenen Räumen bestehen statt auf einem Video. Und fünftens die Rechtslage prüfen: Die amerikanische Regulierungsbehörde FCC hat am 29. Juli 2026 die Einfuhr neuer ausländischer Humanoide und Vierbeiner untersagt, unter anderem weil bei Unitree-Robotern eine Hintertür gefunden wurde, über die Daten an chinesische Server gingen. In der Schweiz gilt dieses Verbot nicht, man darf hier also kaufen, was ein amerikanischer Betrieb nicht mehr darf. Artikel 7 des chinesischen Geheimdienstgesetzes, der jede chinesische Firma zur Mitwirkung verpflichtet, gilt trotzdem, und eine Maschine mit Kameras und Mikrofonen in der eigenen Werkhalle ist keine Kleinigkeit.

Wohin es geht, hängt an einer einzigen offenen Frage. Wenn die Weltmodelle offen bleiben, wird die Trainingsschicht zur Allgemeinware und der Wettbewerb verschiebt sich vollständig auf Mechanik, Hände und Lieferkette. Bleiben sie geschlossen, entsteht dieselbe Abhängigkeit wie bei den Sprachmodellen, nur mit Maschinen in der Halle statt mit einer Programmierschnittstelle. AMD hat mit dem Kauf von World Labs eben die Mittel dazu bekommen und noch nichts entschieden. Für alle anderen gilt in der Zwischenzeit ein einfacher Massstab: Wer eine Zahl nennt, die man nachprüfen kann, verdient Aufmerksamkeit. Wer ein Video zeigt, verdient eine Nachfrage.