Physical AI

Roboter, die selbstständig durch ein Lager fahren, landwirtschaftliche Maschinen, die ihre Umgebung erkennen, und Inspektionsroboter, die Abweichungen selbst melden. Maschinen werden zunehmend in der Lage, nicht nur Informationen zu sammeln, sondern auch selbstständig auf das zu reagieren, was um sie herum geschieht.

Diese Entwicklung wird Physical AI genannt, im Deutschen auch als physische KI bezeichnet. Bei Physical AI wird künstliche Intelligenz in Maschinen eingesetzt, die sich in der physischen Welt befinden. Sie nutzen Sensoren, um ihre Umgebung wahrzunehmen, verarbeiten diese Informationen und können anschließend selbst eine physische Handlung ausführen.

Für den IoT-Markt ist diese Entwicklung besonders relevant, da immer mehr vernetzte Maschinen nicht nur Daten sammeln, sondern ihre Umgebung auch selbstständig interpretieren, Entscheidungen treffen und handeln.

Aber wann sprechen wir genau von Physical AI? Ist jeder intelligente Roboter eine Form von Physical AI? Und was ist der Unterschied zu traditioneller Robotik, Embodied AI und generativer KI? In diesem Wissensdatenbank-Artikel erklären wir die Grundlagen.

Was ist Physical AI?

Physical AI ist künstliche Intelligenz, die es einem System ermöglicht, die physische Welt wahrzunehmen, Entscheidungen zu treffen und danach zu handeln.

Das geschieht in der Regel in drei Schritten:

1. Wahrnehmen: Sensoren sammeln Informationen über die Umgebung.
2. Entscheiden: Software und KI-Modelle interpretieren diese Informationen und bestimmen, was geschehen muss.
3. Handeln: Die Maschine führt anschließend eine physische Handlung aus.

Denken Sie zum Beispiel an einen autonomen Lagerroboter, der eine Person auf seiner Route erkennt. Die Sensoren erkennen das Hindernis, das System bestimmt, dass die aktuelle Route nicht sicher ist, und der Roboter bremst ab oder wählt eine andere Route.

Der Unterschied zu vielen anderen Formen von KI besteht daher vor allem darin, dass das Ergebnis nicht rein digital bleibt. Das System beeinflusst tatsächlich die physische Umgebung.

Wie funktioniert Physical AI?

Ein Physical-AI-System besteht meist aus mehreren Komponenten, die zusammenarbeiten.

Sensoren nehmen die Umgebung wahr

Eine Maschine muss zunächst verstehen können, was um sie herum geschieht. Dafür können verschiedene Arten von Sensoren eingesetzt werden, wie zum Beispiel:

• Kameras
• LiDAR
• Radar
• Ultraschallsensoren
• GPS
• Temperatursensoren
• Drucksensoren

Welche Sensoren benötigt werden, hängt vollständig von der Anwendung ab. Eine autonome Landwirtschaftsmaschine benötigt beispielsweise andere Informationen als ein Roboterarm in einer Fabrik.

KI interpretiert die Informationen

Die gesammelten Daten werden anschließend von Software und KI-Modellen verarbeitet. Ein Kamerasystem kann beispielsweise erkennen, dass eine Person vor einem Fahrzeug steht, während ein landwirtschaftlicher Roboter mithilfe von Bilderkennung zwischen einer Kulturpflanze und Unkraut unterscheiden kann. Das System nutzt diese Informationen, um zu bestimmen, was als Nächstes geschehen soll.

Die Maschine führt eine Handlung aus

Der letzte Schritt ist die physische Handlung. Das kann für einen Roboter beispielsweise bedeuten, dass er:

• stoppt
• beschleunigt
• eine andere Route wählt
• ein Objekt aufnimmt
• ein Produkt sortiert
• ein Bauteil inspiziert
• eine Kulturpflanze behandelt

Genau diese Kombination aus Wahrnehmen, Entscheiden und physischem Handeln kennzeichnet Physical AI.

Was ist der Unterschied zwischen Physical AI und traditioneller Robotik?

Roboter gibt es natürlich schon viel länger als Physical AI. Ein traditioneller industrieller Roboterarm kann beispielsweise tausende Male am Tag exakt dieselbe Bewegung ausführen. Das macht den Roboter automatisiert, aber nicht automatisch intelligent. Der wichtigste Unterschied liegt in der Fähigkeit, mit Veränderungen umzugehen.

Ein traditionelles Robotersystem arbeitet häufig nach vorab festgelegten Anweisungen: Nimm Bauteil A auf und platziere es an Position B. Wenn sich die Umgebung ändert, muss das System oft neu programmiert oder eingestellt werden.

Ein Physical-AI-System kann hingegen Informationen aus seiner Umgebung nutzen, um sein Verhalten anzupassen. Liegt Bauteil A beispielsweise ein paar Zentimeter anders, kann ein mit Kameras und KI ausgestatteter Roboter möglicherweise selbst bestimmen, wo sich das Bauteil befindet, und seine Bewegung entsprechend anpassen. Das bedeutet allerdings nicht, dass jeder moderne Roboter automatisch Physical AI ist. Viele Roboter arbeiten nach wie vor größtenteils nach festen Regeln oder programmierten Prozessen.

Was ist der Unterschied zwischen Physical AI und generativer KI?

Generative KI und Physical AI nutzen beide künstliche Intelligenz, werden jedoch für unterschiedliche Aufgaben eingesetzt. Generative KI ist vor allem für Systeme bekannt, die neue digitale Ausgaben erzeugen, wie zum Beispiel:

• Text
• Bilder
• Audio
• Video

Physical AI hingegen nutzt KI, um in einer physischen Umgebung funktionieren zu können. Ein Chatbot kann beispielsweise eine Route für einen Lagerroboter beschreiben. Ein Physical-AI-System muss diese Route tatsächlich fahren können, dabei Hindernisse erkennen und reagieren, wenn sich die Situation ändert.

Die beiden Formen von KI können übrigens auch zusammenkommen. Generative KI kann beispielsweise genutzt werden, um Anweisungen zu interpretieren, während andere KI-Modelle für Wahrnehmung, Navigation und physische Handlungen verantwortlich sind.

Ist Physical AI dasselbe wie Embodied AI?

Die Begriffe Physical AI und Embodied AI liegen eng beieinander und werden in der Praxis regelmäßig nebeneinander oder synonym verwendet.

Embodied AI betont vor allem die Idee, dass Intelligenz sich in einem physischen System befindet, das durch Interaktion mit seiner Umgebung lernen oder handeln kann. Physical AI wird im Allgemeinen breiter für KI-Systeme verwendet, die Intelligenz mit physischen Maschinen, Robotern und autonomen Systemen verbinden. Es gibt keine vollständig feste Trennlinie zwischen beiden Begriffen. Bei vielen Anwendungen besteht eine erhebliche Überschneidung.

Für Organisationen ist es daher meist relevanter zu betrachten, was das System tatsächlich kann:

• Kann es die Umgebung wahrnehmen?
• Kann es selbstständig Entscheidungen treffen?
• Kann es sein Verhalten anpassen?
• Kann es anschließend physisch handeln?

Beispiele für Physical AI

Physical AI ist nicht auf humanoide Roboter beschränkt. Die Technologie kann in vielen verschiedenen Arten von Maschinen und Fahrzeugen eingesetzt werden.

Logistik und Lagerhäuser

Autonomous Mobile Robots, häufig als AMRs abgekürzt, bewegen sich selbstständig durch Lagerhäuser und Distributionszentren. Sie können Waren transportieren, Routen anpassen und auf andere Fahrzeuge oder Mitarbeiter reagieren, die sich in derselben Umgebung bewegen. Auch autonome Gabelstapler und andere Fahrzeuge für den internen Transport gehören zunehmend zu dieser Entwicklung.

Autonome Fahrzeuge

Selbstfahrende Autos, Shuttles, Lastwagen und Fahrzeuge auf abgeschlossenen Industriegeländen nutzen Sensoren und Software, um ihre Umgebung fortlaufend zu bewerten. Das System muss beispielsweise andere Fahrzeuge, Fahrbahnmarkierungen, Personen und Hindernisse erkennen und darauf reagieren.

Landwirtschaft

Auch in der Landwirtschaft werden Maschinen zunehmend autonomer. Beispiele sind:

• autonome Traktoren
• Feldroboter
• Ernteroboter
• Roboter, die Unkraut erkennen
• autonome Mähmaschinen

Ein Feldroboter kann beispielsweise mithilfe von Kameras erkennen, wo sich Kulturpflanzen befinden, und seine Arbeit entsprechend anpassen.

Industrie

In Fabriken werden Roboter zunehmend in der Lage, mit Variationen umzugehen. Vision-Systeme können beispielsweise bestimmen, wie ein zufällig platziertes Bauteil aufgenommen werden muss, woraufhin ein Roboterarm seine Bewegung entsprechend anpasst.

Inspektion und Wartung

Roboter und Drohnen können beispielsweise zur Inspektion von Folgendem eingesetzt werden:

• Eisenbahnstrecken
• Stromnetzen
• Windturbinen
• Pipelines
• Industrieanlagen

Dabei können KI-Modelle helfen, Abweichungen oder Beschädigungen automatisch zu erkennen.

Öffentlicher Raum

Auch außerhalb industrieller Umgebungen entstehen zunehmend autonome Anwendungen. Beispiele sind autonome:

• Mähmaschinen
• Straßenreinigungsmaschinen
• Abfallsammelfahrzeuge
• Schneeräumfahrzeuge

Physical AI beschränkt sich also nicht auf eine einzige Branche. In nahezu jeder Umgebung, in der eine Maschine selbstständig auf Veränderungen reagieren muss, kann die Technologie eine Rolle spielen.

Warum erhält Physical AI jetzt so viel Aufmerksamkeit?

Ein Großteil der für Physical AI benötigten Technologie existiert bereits seit Längerem. Die Kombination dieser Technologien wird jedoch zunehmend leistungsfähiger.

Sensoren sind kleiner und erschwinglicher geworden, Computer können lokal immer mehr Informationen verarbeiten, und KI-Modelle sind unter anderem bei Bilderkennung, Navigation und der Interpretation komplexer Umgebungen besser geworden. Dadurch können Maschinen Aufgaben ausführen, die zuvor nur schwer vollständig zu automatisieren waren.

Ein Roboter muss beispielsweise nicht mehr ausschließlich in einer vollständig kontrollierten Umgebung funktionieren. Immer mehr Systeme können mit Menschen, sich bewegenden Objekten, Wetterbedingungen und anderen Veränderungen umgehen.

Dadurch verschiebt sich die Automatisierung allmählich von festen Prozessen hin zu Systemen, die sich an die jeweilige Situation anpassen können.

Welche Rolle spielt IoT innerhalb von Physical AI?

Physical AI und IoT sind nicht dasselbe. Bei IoT geht es im Kern darum, Geräte und Maschinen zu vernetzen, damit Daten gesammelt, ausgetauscht und verwaltet werden können. Bei Physical AI geht es um Maschinen, die auf Grundlage von Informationen selbstständig wahrnehmen, entscheiden und handeln können.

Die beiden Technologien kommen jedoch zunehmend zusammen. Ein autonomer Roboter kann beispielsweise lokal selbst bestimmen, wie er ein Hindernis umfährt, während gleichzeitig über eine IoT-Verbindung Daten an eine zentrale Plattform gesendet werden.

Dabei kann es sich zum Beispiel handeln um:

• Standort
• Batteriestatus
• Fehlermeldungen
• Sensordaten
• Nutzungsdaten
• Wartungsinformationen
• Software- und Modell-Updates

Die Verbindung muss also nicht zwangsläufig für jede Echtzeitentscheidung der Maschine verantwortlich sein. Viele kritische Entscheidungen werden gerade lokal auf dem Gerät oder am Edge getroffen.

Konnektivität wird vor allem dann wichtig, wenn Maschinen aus der Ferne verwaltet oder überwacht werden müssen oder mit anderen Systemen kommunizieren müssen.

Von einer autonomen Maschine zu einer kompletten Flotte

Bei einem einzelnen Roboter an einem einzigen Standort ist die Konnektivitätsfrage relativ überschaubar. Das ändert sich, sobald eine Organisation Dutzende, Hunderte oder Tausende Maschinen an verschiedenen Standorten oder in mehreren Ländern einsetzt.

Dann entstehen neue Fragen: Wie werden alle Maschinen zentral überwacht? Wie werden Software-Updates durchgeführt? Wie wird eine Störung aus der Ferne untersucht? Was geschieht, wenn ein Mobilfunknetz an einem Standort schlecht erreichbar ist? Und wie werden Geräte verwaltet, wenn sie sich zwischen Ländern bewegen?

An diesem Punkt wird Konnektivität Teil einer breiteren Infrastruktur rund um Physical AI.

Benötigt jede Physical-AI-Anwendung Internet?

Nein. Ein Physical-AI-System muss nicht kontinuierlich mit dem Internet verbunden sein, um zu funktionieren. Viele wesentliche Aufgaben werden lokal ausgeführt. Ein autonomer Roboter sollte beispielsweise nicht von einer externen Cloud-Verbindung abhängig sein, um im letzten Moment für eine Person anhalten zu können.

Eine Verbindung zu externen Systemen kann jedoch beispielsweise für Monitoring, Fleet-Management, Software-Updates, Diagnose oder Datenaustausch erforderlich sein. Wie wichtig Konnektivität ist, unterscheidet sich daher stark je nach Anwendung. Ein industrieller Roboterarm, der immer in derselben Fabrik steht, hat andere Anforderungen als eine autonome Landwirtschaftsmaschine, die sich täglich über große Gebiete bewegt.

Ist jeder autonome Roboter Physical AI?

Nicht automatisch. Ein System kann autonom sein, ohne umfangreiche künstliche Intelligenz zu nutzen. Eine Maschine, die ausschließlich vorab festgelegten Routen und Regeln folgt, kann beispielsweise selbstständig funktionieren, muss deshalb aber noch kein Physical-AI-System sein.

Je mehr ein System KI nutzt, um seine Umgebung zu interpretieren und sein Verhalten entsprechend anzupassen, desto näher kommt es dem, was heute unter Physical AI verstanden wird.

Was bedeutet Physical AI für die Zukunft von Maschinen?

Maschinen werden zunehmend unabhängiger von vollständig vorhersehbaren Umgebungen. Während traditionelle Automatisierung vor allem dann gut funktioniert, wenn Prozesse und Bedingungen im Voraus bekannt sind, ermöglicht Physical AI den Einsatz von Maschinen in dynamischeren Umgebungen.

Das bedeutet nicht, dass jede Maschine vollständig selbstständig wird. In der Praxis werden verschiedene Formen nebeneinander bestehen bleiben: feste Automatisierung, ferngesteuerte Maschinen, teilweise autonome Systeme und Maschinen, die in hohem Maß selbstständig funktionieren.

Physical AI stellt dabei vor allem einen weiteren Schritt in der Art und Weise dar, wie Software, KI und Maschinen mit der physischen Welt zusammenarbeiten.

Fazit

Physical AI bringt künstliche Intelligenz und physische Systeme zusammen. Dadurch können Maschinen ihre Umgebung wahrnehmen, Informationen verarbeiten und auf dieser Grundlage selbstständig handeln.

Die Technologie wird unter anderem in der Robotik, bei autonomen Fahrzeugen, in der Landwirtschaft, in der Logistik und in industriellen Umgebungen eingesetzt. Dabei ist es wichtig, zwischen der Intelligenz der Maschine selbst und den Systemen zu unterscheiden, die benötigt werden, um diese Maschinen in größerem Maßstab zu verwalten und zu vernetzen.

IoT-Konnektivität spielt vor allem bei Anwendungen wie Monitoring, Fleet-Management, Software-Updates, Diagnose und der Kommunikation mit zentralen Systemen eine Rolle. Je mehr Physical-AI-Anwendungen über mehrere Standorte, Maschinen und Länder hinweg ausgerollt werden, desto wichtiger wird diese Infrastruktur.

Für weitere Informationen können Sie uns telefonisch unter +31-85-0443500 oder per E-Mail an info@thingsdata.com erreichen.