SAN FRANCISCO / LONDON (IT BOLTWISE) – Figure testet humanoide Robotik direkt in Wohnungen: Dort sollen die Roboter ohne Anpassung an neue Räume aufräumen und Handgriffe ausführen. Dafür betreibt das Unternehmen das KI-System Helix 2.5 in 30 angemieteten Wohnungen im Raum San Francisco, obwohl zuvor keine Trainingsdaten aus diesen Umgebungen vorlagen. Laut den vorliegenden Kennzahlen steigt die Erfolgsquote über alle Aufgaben von 9 auf 56 %, während einzelne Teilaufgaben weiterhin deutlich schwanken. Parallel nutzt BMW Erfahrungen aus Werksversuchen in US-Logistik und Produktion, um den nächsten Schritt in Richtung Physical AI abzustützen.
Figure setzt bei der Humanoiden-Robotik auf einen Test, der sich deutlich von Laboraufbauten unterscheidet: In 30 angemieteten Wohnungen im Raum San Francisco soll der Roboter Aufgaben erledigen, ohne dass das System vorher auf die konkreten Räume trainiert wurde. Die technische Basis heißt Helix 2.5, ein KI-gesteuertes Steuerungssystem des Unternehmens, das Roboter in Menschengestalt mit einer eigenen Lern- und Planungslogik ausstattet. Besonders aussagekräftig ist dabei die Frage, ob das Modell einmal gelernte Bewegungsmuster in eine neue Umgebung übertragen kann – also ob es Generalisierung nicht nur im Demo-Video, sondern in einer realen, räumlich variierenden Umgebung abbildet.
Die Kennzahlen zeigen zwar Fortschritt, aber auch die Grenzen der Domänenübertragung. Über alle Aufgaben hinweg steigt die Erfolgsquote von 9 auf 56 %, weil Helix 2.5 mit vortrainierten menschlichen Bewegungsdaten arbeitet. Gleichzeitig braucht das nachgeschobene Modell je Aufgabe nur etwa halb so viele Trainingsdaten wie der Vorgänger, bei gleichzeitig dreifacher Zahl an Wohnungen. Bei der Granularität wird es dann wieder greifbar: Das Bettenmachen klappt zu 67 %, das Einsammeln von Spielzeug nur zu 40 %. Genau dieser Kontrast ist für Entscheider relevant, weil er sichtbar macht, dass ein Humanoid zwar eine gewisse Motorik-„Grundintelligenz“ mitbringt, einzelne Arbeitsschritte aber weiterhin stark an Wahrnehmungsqualität, Objektklassifikation und Bewegungsplanung hängen.
Im Hintergrund läuft dabei nicht nur Algorithmusarbeit, sondern ein klassischer Engpass der KI-Entwicklung: Rechenleistung für Training und Iteration. Figure erhält Unterstützung von großen Technologiegebern, darunter NVIDIA und Intel sowie über den Kapitalmarkt auch Kapital von Jeff Bezos. Für die Trainings- und Entwicklungsarbeit steht zudem die Vera-Rubin-Plattform von NVIDIA im Fokus, die Rechenleistung für das Training liefern soll. Entscheidend für die Roadmap ist allerdings der Zeitpunkt der ersten GPU-Kapazität aus einem 3,5-Milliarden-Dollar-Vertrag: Die ersten Kapazitäten sollen erst in der zweiten Jahreshälfte 2027 in Betrieb gehen. Für Produkt- und Technologieverantwortliche bedeutet das: Der nächste Qualitätssprung bei Generalisierung und Teilaufgaben dürfte eng mit der Verfügbarkeit zusätzlicher Trainingskapazität verknüpft sein – nicht nur mit Modell-Updates.
Figure bekommt gleichzeitig „Generalprobe“-Signale aus der Industrie, und BMW liefert dafür ein konkretes Praxisbeispiel. In der BMW-Fabrik Spartanburg in South Carolina war der Vorgänger Figure 02 rund zehn Monate im Schichtbetrieb am Band eingesetzt. Dort ging es um hochpräzise Arbeitsschritte: Der Roboter legte Blechteile millimetergenau für Schweißroboter ein – mehr als 90.000 Teile, verbaut in über 30.000 BMW X3. Seit Juni wird dort zudem das Nachfolgemodell Figure 03 in der Logistik erprobt, wo es Bauteile sortiert. BMW sieht den Wert vor allem in der Übernahme monotoner und körperlich belastender Handgriffe, weil genau diese Tätigkeiten über lange Schichten hinweg die Human-Performance begrenzen und damit indirekt die Taktstabilität beeinflussen.
Technisch betrachtet ist der Unterschied zwischen Fabrik und Wohnung so groß, dass er kaum auf „einfach mehr Daten“ reduziert werden kann. In der Fabrik wiederholt sich derselbe Handgriff am selben Ort: gleiche Geometrie, ähnliche Sichtbedingungen, wiederkehrende Teile und eine meist deterministischere Umgebung. Im Wohnzimmer hingegen ändern sich Raumlayout, Positionen und Verdeckungssituationen. Damit verschiebt sich der Schwerpunkt von reiner Bewegungssteuerung hin zu einer robusten Wahrnehmungs- und Planungsfähigkeit. BMW beschreibt Humanoide bereits als „keine Laborexperimente mehr“, und die Erfahrungen sollen in ein neues Kompetenzzentrum für Physical AI sowie in einen Pilotversuch im Werk Leipzig einfließen – dort allerdings mit einem Roboter des Anbieters Hexagon. Diese Kombination aus BMW-interner Lernkurve und externen Plattformen ist typisch für den Übergang vom Prototyp zur skalierbaren Linie, weil sie Software, Datenpipelines und Sicherheits- bzw. Betriebsprozesse gleichermaßen adressieren muss.
Auch die Marktmechanik zeigt, wie eng Robotik, Halbleiter und Finanzierung inzwischen zusammenhängen. Figure selbst ist nicht börsennotiert, wird aber seit der Serie-C-Runde im September 2025 mit 39 Milliarden Dollar bewertet. Das Thema landet an der Börse vor allem indirekt über Zuliefer- und Rechenleistungs-Ökosysteme: Nvidia notiert bei 223 Dollar, der nächste Widerstand wird am Allzeithoch von 236 Dollar verortet, während Unterstützung über der 200-Tage-Linie in etwa zehn Prozent darunter liegen soll. BMW wiederum schloss die Aktie bei 60,4 Euro; als nächster Bereich werden ein Boden um 57 Euro sowie Widerstände bei 64 und 67 Euro genannt. Für industrielle Anwender ist das zwar keine Kennzahl für die Güte eines Greif- oder Faltalgorithmus, aber ein Indikator dafür, wie viel Kapital gerade in Training, Sensorik und Infrastruktur fließt – also die Voraussetzungen, unter denen sich Humanoide in den Alltag weiter vorarbeiten können.
Für die nächsten Monate und Quartale dürfte deshalb weniger die Frage im Vordergrund stehen, ob humanoide Roboter „überhaupt funktionieren“, sondern wie schnell sich die Leistung von Teilaufgaben mit hoher Erfolgsquote in Richtung anspruchsvollerer Interaktionen verschiebt. Das Beispiel aus San Francisco legt nahe, dass Helix 2.5 zwar deutlich mehr Aufgaben zuverlässig abdeckt als frühere Ansätze, aber bei komplexen Haushaltstätigkeiten noch Lücken bleiben. Gleichzeitig zeigt BMWs Werkserfahrung, dass industrielle Wiederholung und stabile Prozesse die Grundlage liefern, um Kompetenz aufzubauen und später auf variablere Umgebungen zu übertragen. Wenn in der zweiten Jahreshälfte 2027 zusätzliche GPU-Kapazitäten verfügbar werden, wird genau dort der Hebel liegen: bei der Geschwindigkeit, mit der Modelle mit neuen Daten- und Trainingsschemata iterieren können, bis die Lücke zwischen Fabrik-Handgriff und Wohnzimmer-Realität weiter schrumpft.
💳 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 "Figure zeigt mit Helix 2.5 den Wohnungstest: KI-Roboter lernen für die Praxis" 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 "Figure zeigt mit Helix 2.5 den Wohnungstest: KI-Roboter lernen für die Praxis" 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: »Figure zeigt mit Helix 2.5 den Wohnungstest: KI-Roboter lernen für die Praxis« bei Google Deutschland suchen, bei Bing oder Google News!