LONDON (IT BOLTWISE) – UBS beschreibt eine neue Ära „Physical AI“, in der KI die reale Umgebung nicht nur versteht, sondern aktiv mit ihr interagiert. Im Mittelpunkt steht In-Context Learning: Ein Roboter kann eine Aufgabe nach kurzer Beobachtung durch eine Kamera direkt übernehmen, ohne langes Retraining. Für Investoren verschiebt sich damit der Fokus auf die Zulieferer von Robotik-Bauteilen statt auf die Plattformen selbst. Besonders Motoren und Getriebe, Sensorik sowie energieeffiziente Chips und Batterien gelten laut der Bank als zentrale Werttreiber.
Die Aussicht klingt simpel, ist aber technisch anspruchsvoll: Wenn Künstliche Intelligenz (KI) nicht nur Text verarbeitet, sondern reale Abläufe in der Welt lernt, verschiebt sich die Wertschöpfung der Robotik spürbar. Genau auf diesen Punkt zielt eine UBS-Einschätzung ab, die eine „physical AI“-Phase skizziert. Im Kern geht es um Systeme, die ihre Umgebung wahrnehmen, physische Handgriffe ausführen und dabei nicht jedes einzelne Szenario im Voraus millimetergenau einstudieren müssen. Statt wochenlanger Vorbereitung setzt UBS auf einen Lernansatz, der nach einer kleinen Anzahl echter Beobachtungen sofort anwendbar sein soll.
Technisch ordnet sich das unter dem Schlagwort „In-Context Learning“ ein. Klassische Robotik-Setups mussten laut der Darstellung für konkrete Aufgaben mühsam trainiert werden: Millionen digitaler Simulationen und fest einprogrammierte Anweisungen galten als Voraussetzung, damit ein Roboter etwa eine Bewegung stabil ausführt oder einen Griff unter bestimmten Bedingungen hält. In-Context Learning soll dagegen funktionieren, indem der Roboter einen Menschen eine Tätigkeit einmal oder zweimal über eine Kamera ausführen sieht und diese Abfolge dann direkt nachahmt. Die Analogie der Bank zu Chatbots ist dabei hilfreich: Wie ein Sprachmodell mit wenigen Beispielen einen Stil überträgt, soll das Robotik-System aus kurzen Demonstrationen das passende Verhaltensmuster ableiten, ohne anschließend einen langen Retrainingszyklus zu durchlaufen.
Für die Frage, wer in diesem Modell wirtschaftlich profitiert, ist die Konsequenz entscheidend: Wenn Roboter schneller „von der Beobachtung zur Handlung“ kommen, dann steigt der Bedarf an Bauteilen, die präzise Kontrolle, zuverlässige Wahrnehmung und effiziente Ausführung in Echtzeit ermöglichen. UBS führt deshalb eine Art „Goldrausch“-Logik an und meint sinngemäß: Nicht der Goldsucher, sondern die Schaufelhersteller stehen zuerst im Fokus. Entsprechend nennt die Bank drei Teile der Lieferkette, in denen physische KI-gestützte Anwendungen besonders sichtbar Wert erzeugen sollen. Erstens geht es um präzise Bewegung, also spezialisierte Motoren und Getriebe, die Bewegungen von Robotergliedern so fein dosieren, dass ein humanoider Roboter Fingerarbeit oder das Balancieren auf unebenem Boden überhaupt stabil schafft.
Zweitens nennt UBS Sensorik als zweites Engpassgebiet. Bei physischer KI entscheidet sich sehr schnell, ob ein Greifvorgang gelingt oder scheitert: Ein Roboter muss Tiefe erfassen, Kontakt zuverlässig einschätzen und die Lage von Objekten auch dann erkennen, wenn diese fragil sind. In der UBS-Darstellung fallen darunter laserbasierte Tiefenscanner sowie Konzepte wie eine „elektronische Haut“, die dem System helfen soll, Kräfte beim Greifen zu kontrollieren. Die praktische Bedeutung ist dabei klar: Ein Sensorpaket, das fein genug ist, um zwischen „zu viel Druck“ und „gerade richtig“ zu unterscheiden, ist Voraussetzung dafür, dass ein Roboter einen zerbrechlichen Gegenstand ebenso sicher halten kann wie ein schwereres Werkzeug, ohne es zu zerdrücken oder fallen zu lassen.
Drittens rückt die Bank Edge Computing und Energie in den Vordergrund. Physische KI findet nicht im Rechenzentrum statt, sondern läuft auf Geräten, die sich bewegen, die begrenzte Kühlung haben und die über lange Schichten hinweg funktionieren müssen. Damit werden energieeffiziente Chips relevant, die die Modelle laufen lassen, während gleichzeitig Leistungsreserven für Sensoren und Aktoren bereitstehen. UBS nennt außerdem Batterien als kritischen Faktor: Nicht nur die reine Kapazität zählt, sondern auch die Fähigkeit, im realen Betrieb konstante Leistung zu liefern. In diesem Spannungsfeld zwischen Rechenbedarf und Energiebudget entscheidet sich, ob ein Roboter in der Praxis „kurz nach Beobachtung“ wirklich schnell einsatzfähig ist oder nur im Labor.
Marktseitig lässt sich die Argumentation als Verschiebung der Produktlogik lesen: Wenn Lernzyklen durch In-Context Learning kürzer werden, dann verlagert sich der Wettbewerb von „Wer hat das beste lange Trainingssetup?“ hin zu „Wer liefert die Komponenten, die das Lernen in der physischen Welt überhaupt robust machbar machen?“. Genau deshalb spricht UBS ausdrücklich von wirtschaftlichem Potenzial über mehrere Anwendungsfelder hinweg – etwa Logistik, Fertigung und Gesundheitswesen. Der entscheidende gemeinsame Nenner ist die Interaktion mit realen, unvorhersehbaren Situationen. Dort zahlen sich präzise Aktuatoren, belastbare Sensorik und ein effizientes Laufzeit- und Energie-Design besonders aus, weil schon kleine Fehler zu Kettenreaktionen führen: falscher Griff, falsche Kraft, falsche Position – und damit eine Aufgabe, die nicht zuverlässig erledigt wird.
Für Anleger ist die Botschaft folgerichtig: UBS empfiehlt einen Blick auf die Hersteller von Robotik-Bauteilen, also auf Firmen, die Motoren, Sensoren und Chips liefern, statt auf Anbieter, die vor allem „den Roboter als System“ vermarkten. Das passt auch zur allgemeinen Dynamik in der Robotik, in der Plattformen häufig auf spezialisierte Zulieferteile angewiesen sind und Skalierung oftmals an Fertigungs- und Zulieferkapazitäten hängt. Wenn sich physische KI tatsächlich als breiter nutzbare Technik durchsetzt, könnten sich damit Bewertungslogiken stärker an der Verfügbarkeit und Leistungsfähigkeit der Komponenten orientieren. Gleichzeitig bleibt offen, wie schnell sich In-Context Learning über unterschiedliche Roboterklassen hinweg in Produktion überführen lässt und wie sich die Lernfähigkeit im Dauerbetrieb in der Praxis hält.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "„Physical AI“: Lernen durch Beobachtung statt Wochen Training" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "„Physical AI“: Lernen durch Beobachtung statt Wochen Training" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »„Physical AI“: Lernen durch Beobachtung statt Wochen Training« bei Google Deutschland suchen, bei Bing oder Google News!