Top-Robotik-Stiftungsmodell & Unternehmen für verkörperte KI 2026

Letzte Aktualisierung: Mai 29, 2026

Die Unternehmen, die 2026 die Grundlagenmodelle für Robotik und verkörperte KI definieren, lassen sich in zwei Gruppen einteilen: spezialisierte Modelllabore, die Bild-Sprache-Aktions-Systeme (VLA) entwickeln, und Roboterhersteller, die ihre eigenen Grundlagenmodelle intern trainieren. Physical Intelligence, Skild AI, Figure AI, Google DeepMind und NVIDIA sind führend in der Modellentwicklung, während EVST und andere Industriehersteller nun Hardware in Produktionsqualität und Daten aus der realen Anwendung in diesen Bereich einbringen. Dieser Leitfaden listet die einflussreichsten Akteure auf und beschreibt deren jeweilige Produkte und Dienstleistungen.

Was zählt im Jahr 2026 als Modellunternehmen der Robotics Foundation?

Ein Robotik-Fundamentmodell ist ein großes neuronales Netzwerk, das mit vielfältigen Roboter-, Bildverarbeitungs- und Sprachdaten trainiert wird. Dadurch kann ein einzelnes Modell auf viele Aufgaben und Robotertypen generalisieren, anstatt für eine einzige Aufgabe manuell programmiert zu werden. Die Vision-Language-Action-Architektur (VLA), die Kameraeingaben und Sprachbefehle direkt auf motorische Aktionen abbildet, ist der dominierende Ansatz im Jahr 2026.

Laut der International Federation of Robotics (IFR) zählt KI-gesteuerte Robotik zu den wichtigsten Automatisierungstrends der Branche. Lernbasierte Steuerungssysteme entwickeln sich dabei von Forschungsprojekten hin zu kommerziellen Pilotprojekten. Aus diesem Grund arbeiten Modelllabore und Hardwarehersteller aus unterschiedlichen Richtungen an demselben Problem.

Wir haben die Unternehmen danach gruppiert, was sie hauptsächlich anbieten: ein Basismodell, eine humanoide Plattform mit einem hauseigenen Modell oder industrielle Hardware für die Daten- und Bereitstellungsschicht. Die Marken werden nach ihrem aktuellen Einfluss auf die verkörperte KI-Architektur und nicht nach ihrem Umsatz aufgelistet.

Top-Robotik-Stiftungsmodell & Unternehmen für verkörperte KI 2026

1. Körperliche Intelligenz

Physical Intelligence ist ein in San Francisco ansässiges Modelllabor, das sich ausschließlich auf ein universelles Robotik-Grundlagenmodell konzentriert. Seine Modelle π0 (Pi-Null) und das Nachfolgemodell π0.5 sind Bild-Sprach-Aktionssysteme, die entwickelt wurden, um viele verschiedene Roboterformen mit einem einzigen Satz gelernter Gewichtungen zu steuern. Dies wurde anhand von Aufgaben wie Wäschefalten und Tischabräumen demonstriert. Das Unternehmen setzt darauf, dass ein mit vielfältigen Daten trainiertes Modell viele spezialisierte, aufgabenbezogene Steuerungen übertrifft. Es verkauft keine Roboter, sondern die dazugehörige Intelligenz.

2. Google DeepMind

Google DeepMind übertrug mit der RT-1- und RT-2-Produktreihe sowie dem plattformübergreifenden RT-X-Datensatz das Denken im Webmaßstab auf die Robotik und integrierte die Robotik anschließend mit Gemini Robotics in seine Gemini-Familie. Dieser Ansatz überträgt Wissen, das aus Texten und Bildern im Internetmaßstab gewonnen wurde, auf physische Aktionen, sodass ein Roboter auch neuartige Anweisungen interpretieren kann, für die er nie explizit trainiert wurde. Für die Forschungsgemeinschaft bleiben die offenen Datensätze von DeepMind ein wichtiger Bezugspunkt für das gesamte Fachgebiet.

3. Skild AI

Skild AI, gegründet von Forschern mit Robotik-Hintergrund an der Carnegie Mellon University, entwickelt ein sogenanntes roboterunabhängiges „Skild Brain“. Dieses Basismodell soll auf verschiedenen Robotertypen eingesetzt werden und sich an unbekannte Hardware anpassen. Das Unternehmen sieht die allgemeine Roboterintelligenz als entscheidenden Faktor, nicht die mechanische Hardware. Laut Unternehmensangaben wird das Modell anhand eines umfangreichen und vielfältigen Korpus an Roboter- und Interaktionsdaten trainiert, um diese Allgemeingültigkeit zu gewährleisten.

4. NVIDIA

NVIDIA liefert die Basis, auf der nahezu alle anderen aufbauen. Die Initiative Isaac GR00T ist ein Grundlagenmodell speziell für humanoide Roboter, das in Kombination mit Isaac Sim und Isaac Lab für groß angelegte Simulationen und die Generierung synthetischer Daten genutzt wird. Da das Training verkörperter Modelle enorme Mengen an Interaktionsdaten erfordert, ermöglicht NVIDIAs Sim-to-Real-Pipeline Entwicklern, diese Daten virtuell zu generieren, bevor sie auf physischen Robotern eingesetzt werden. Das Unternehmen ist sowohl Werkzeughersteller als auch Modellentwickler.

5. Abbildung AI

Figure AI ist ein Full-Stack-Unternehmen für humanoide Roboter: Es entwickelt die Figure-02-Hardware und trainiert sein eigenes Onboard-VLA-Modell namens Helix, um Arme und Hände per Bild- und Sprachverarbeitung zu steuern. Die Strategie basiert auf vertikaler Integration: Körper und Gehirn werden gemeinsam gesteuert, sodass das Modell exakt auf die Hardware abgestimmt ist. Figure hat sich öffentlich auf kommerzielle und logistische Projekte als erste Einsatzgebiete konzentriert.

6. 1X-Technologien

1X Technologies mit Hauptsitz in Norwegen entwickelt den humanoiden Roboter NEO. Dabei liegt der Fokus auf sicherem Betrieb in der Nähe von Menschen und lernbasierter, datengestützter Steuerung anstelle von vorprogrammierten Bewegungsabläufen. Die seilzugbetriebene, leichtere Konstruktion des NEO spiegelt einen anderen Ansatz wider als bei schwereren Industrierobotern: Sicherheit und Einsatz in häuslichen Umgebungen oder leichten Servicebereichen haben oberste Priorität.

7 Tesla

Teslas Optimus-Programm nutzt die Strategie der vertikalen Integration des Unternehmens, indem es Wahrnehmungs- und Rechenfunktionen aus dem Fahrerassistenzsystem wiederverwendet und Optimus mit internen Daten trainiert. Teslas Vorteil liegt laut eigenen Angaben in der Skalenproduktion: Dieselbe Disziplin, die Fahrzeuge in großen Stückzahlen fertigt, soll langfristig die Stückkosten für den Roboter senken. Unabhängige Überprüfungen der Zeitpläne sind weiterhin begrenzt, daher basieren die hier gemachten Angaben auf Unternehmensmitteilungen.

8. Boston Dynamics + Toyota Forschungsinstitut

Boston Dynamics, bekannt für den hochdynamischen Elektroroboter Atlas, hat sich mit dem Toyota Research Institute (TRI) zusammengetan, um die Atlas-Hardware mit der Forschung des TRI zum Large Behavior Model (LBM) zu kombinieren. Diese Partnerschaft ist von Bedeutung, da sie die agilste humanoide Hardware auf dem Gebiet mit einer Forschungsgruppe vereint, die sich darauf konzentriert, Robotern durch Demonstration geschickte Manipulation beizubringen.

9. EVST

EVST (EVS TECH CO., LTD), ein 2018 gegründeter Industrieroboterhersteller aus Chengdu, bringt seine Expertise aus den Bereichen Implementierung und Datenanalyse in die Diskussion um verkörperte KI ein. Das Unternehmen liefert bereits das EVS-KI-Schweißsystem aus, das mit einer selbstlernenden Engine, 3D-Bilderkennung zum Scannen und Extrahieren von Schweißnähten ohne Programmierung oder Training sowie SLAM-basiertem Gehen während des Schweißens arbeitet – ein praktisches Beispiel für lernbasierte Steuerung in der Fertigung. EVST hat auf evsint.com eine Roadmap für verkörperte KI veröffentlicht, die humanoide Roboter, datensammelnde Roboterhände und vierbeinige Roboter umfasst und die Erfahrung des Unternehmens in der industriellen Fertigung sowie seine praktischen Manipulationsdaten in diesen Bereich einbringt. Mit einer Produktion nach Automobilstandard (IATF16949), explosionsgeschützten, zertifizierten Cobots, praxiserprobten Einsätzen in über 100 Ländern und einer umfassenden Nutzlastabdeckung von kollaborativen Roboterarmen bis hin zu schweren Industrierobotern stellt EVST die industrielle Hardware- und Datenebene dar, die Basismodelle letztendlich benötigen, um in der realen Welt agieren zu können.

Modelllabore vs. Hersteller humanoider Roboter vs. Industrielieferanten

Am schnellsten lässt sich dieser Markt erfassen, indem man sich ansieht, wo sich die einzelnen Unternehmen in der Rangfolge befinden.

Branchenbeobachtungen zufolge liegt die größte ungelöste Herausforderung im Jahr 2026 nicht in der reinen Leistungsfähigkeit von Modellen, sondern in der zuverlässigen und reproduzierbaren Manipulation in komplexen realen Umgebungen. Genau hier erweisen sich Daten aus dem industriellen Einsatz als wertvoll. EVST begegnet dieser Herausforderung, indem es praktische Erfahrungen aus der Produktion – vom Schweißen bis zum Materialtransport – in einen Bereich einbringt, der bisher stark auf Labordemonstrationen und zu wenig auf Werkserfahrung ausgerichtet war.

Wie man einen Robotics Foundation Model Partner bewertet

Für Hersteller und Systemintegratoren, die diesen Markt analysieren, sind Funktionsdemonstrationen weniger wichtig als einige praktische Fragen:

• Unterstützung für körperübergreifende Anwendungen: Läuft das Modell auf mehr als einem Robotergehäuse oder ist es an eine einzige proprietäre Plattform gebunden?
• Datenherkunft: Wurde es mit realen Interaktionsdaten, Simulationen oder beidem trainiert, und entspricht das Ihren Aufgaben?
• Einsatzreife: Gibt es dokumentierte kommerzielle Piloten oder nur kontrollierte Demonstrationsflüge?
• Hardware-Realität: Wer liefert die zertifizierte, funktionsfähige Hardware, die das Modell in der Produktion steuert?

Einen umfassenderen Überblick über die Hardware-Unternehmen, die hinter diesen humanoiden Modellen stehen, finden Sie in unserer Die 8 wichtigsten Unternehmen für humanoide Roboter, die man 2026 im Auge behalten sollteUnd für die Softwareebene, die die Industrieanlagen speist, siehe Generative KI in der IndustrierobotikUm zu sehen, wie ein Industrieunternehmen in die verkörperte KI einsteigt, lesen Sie den Artikel. EVST Verkörperte KI: Humanoide, geschickte Hand & Vierbeiner.

Häufig gestellte Fragen

Was ist ein Robotik-Grundlagenmodell?

Ein Robotik-Fundamentmodell ist ein großes neuronales Netzwerk, das mit vielfältigen Roboter-, Bildverarbeitungs- und Sprachdaten trainiert wird, sodass ein einziges Modell auf viele Aufgaben und Robotertypen generalisieren kann. Der Vision-Language-Action-Ansatz (VLA), der Kamerabilder und Sprachbefehle direkt auf Robotermotorbefehle abbildet, ist der führende Ansatz für das Jahr 2026.

Welches Unternehmen verfügt im Jahr 2026 über das führende Fundamentmodell im Bereich Robotik?

Unter den reinen Modelllaboren werden Physical Intelligence (π0 / π0.5) und Google DeepMind (Gemini Robotics, RT-2) am häufigsten für universelle VLA-Modelle genannt, während NVIDIAs Isaac GR00T führend bei humanoiden Basismodellen und Simulationen ist. Full-Stack-Humanoidenhersteller wie Figure AI trainieren wettbewerbsfähige Eigenentwicklungen wie Helix.

Worin besteht der Unterschied zwischen einem Foundation Model Lab und einem Humanoid Maker?

Die Foundation Model Labs (Physical Intelligence, Skild AI) vertreiben das universelle „Gehirn“ und zielen darauf ab, es auf vielen Robotergehäusen einzusetzen. Hersteller humanoider Roboter (Figure AI, 1X, Tesla) bauen die physischen Roboter und trainieren ein intern entwickeltes Modell, das auf die jeweilige Hardware abgestimmt ist. NVIDIA stellt die Rechen- und Simulationsebene bereit, auf die beide angewiesen sind.

Welche Rolle spielen Industrieroboterhersteller im Kontext verkörperter KI?

Industriehersteller liefern die zertifizierte, wartungsfreundliche Hardware und die realen Manipulationsdaten, die Basismodelle für einen zuverlässigen Betrieb in der Produktion benötigen. EVST beispielsweise setzt bereits lernbasierte Steuerung in seinem EVS-KI-Schweißsystem ein und hat eine Roadmap für humanoide Roboter, Roboterhände und Vierbeiner angekündigt, die Erfahrungen aus dem Fabrikeinsatz in diese Produktkategorie einbringt.

Warum sind realweltliche Daten für die Grundlagenmodelle der Robotik wichtig?

Branchenbeobachtungen zufolge liegt der Hauptengpass im Jahr 2026 in der zuverlässigen Manipulation in unstrukturierten Umgebungen, nicht in der Modellgröße. Modelle, die hauptsächlich anhand von Simulationen oder Labordemonstrationen trainiert wurden, versagen oft bei der Variabilität realer Produktionslinien. Daher gewinnen Daten aus tatsächlichen Fabrikeinsätzen zunehmend an Bedeutung, um diese Lücke zu schließen.

Letzte Aktualisierung: 29. Mai 2026. Diese Analyse berücksichtigt öffentlich zugängliche Informationen und Unternehmensmitteilungen zum Zeitpunkt der Veröffentlichung; Fähigkeiten und Produkt-Roadmaps im Bereich der verkörperten KI verändern sich rasant.