- Whitepaper zeigt auf, warum klassische Automatisierung mit Veränderungen oft nicht Schritt halten kann – und welches Potenzial Physical AI bietet
- Vorgestellt wird eine Methodik, bei der Robotik-Vision eine Schlüsselrolle für die schnelle Einführung von Physical AI in hochpräzisen Fertigungsprozessen spielt
- Veröffentlichung folgt auf die Partnerschaft von ABB Robotics und NVIDIA zur Schließung der „Sim-to-Real“-Lücke
ABB Robotics und NVIDIA haben ein Whitepaper veröffentlicht, das zeigt, wie Physical AI hochpräzise Fertigungsprozesse grundlegend verändern kann. Darin skizzieren die Partner einen Ansatz zur beschleunigten Einführung dieser Technologie, die den Fertigungsunternehmen ein neues Niveau an Geschwindigkeit und Vielseitigkeit eröffnet.
„Mit dem Durchbruch generativer KI vollzieht sich ein Wandel von Robotern, die vordefinierte Aufgaben ausführen, hin zu autonomen, vielseitigen Robotern (AVR™), die ihre Umgebung verstehen, sich in Echtzeit anpassen und kontinuierlich dazulernen“, betont Craig McDonnell, Leiter der Business Line Industries bei ABB Robotics. „Physical AI verändert grundlegend die Einsatzmöglichkeiten von Robotern und den Mehrwert, den sie schaffen. Ein entscheidender Durchbruch ist es, die Lücke zwischen digitalen Robotik-Zwillingen, die mit synthetischen Daten trainiert wurden, und ihren realen Gegenstücken zu schließen. Das volle Potenzial autonomer und vielseitiger Robotik lässt sich dabei nur erschließen, wenn hochrealistische digitale Zwillinge Teil eines skalierbaren industriellen Entwicklungsprozesses sind.“
„Physical AI verändert grundlegend die Art und Weise, wie intelligente Systeme für die reale Welt entwickelt und eingesetzt werden“, so Deepu Talla, Vice President Robotics and Edge AI bei NVIDIA. „Durch die Kombination von Simulation, synthetischen Daten, beschleunigter Rechenleistung und KI-Modellen können Hersteller deutlich mehr Szenarien analysieren, Grenzfälle frühzeitig erkennen und Innovationen schneller zur Einsatzreife bringen. Die eigentliche Chance liegt nicht allein in besseren Modellen, sondern in einem kontinuierlichen Lernkreislauf zwischen der digitalen und der physischen Welt.“
Das in Zusammenarbeit mit AsiaInfo, Deloitte und SKAI Intelligence erstellte Whitepaper beschreibt einen „Digital-First“-Ansatz im Engineering, der die Bewertung von Risiken bei Vision-Anwendungen bereits in die Entwicklungsphase verlagert. Mithilfe digitaler Zwillinge, aufgabenspezifischer synthetischer Daten und KI-basierter Validierung noch vor der realen Inbetriebnahme lassen sich mögliche Probleme frühzeitig erkennen und beheben. Gleichzeitig entstehen nachvollziehbare, wiederverwendbare und validierbare Engineering-Bausteine. Betriebsdaten aus realen Anwendungen fließen anschließend kontinuierlich zurück in das digitale Modell und schaffen einen geschlossenen Optimierungskreislauf für die fortlaufende Verbesserung der Systeme.
ABB Robotics entwickelt hierfür eine „Physical AI Toolchain“, die Unternehmen einen durchgängigen Weg zur Einführung von Physical AI eröffnet. Statt Roboter ausschließlich zu programmieren, können sie über einen kontinuierlichen Lernprozess trainiert werden, der Simulationsdaten, synthetische Daten und reale Betriebsdaten miteinander kombiniert. Dank eines offenen und flexiblen KI-Ökosystems können Kunden das industrielle Know-how von ABB Robotics mit den jeweils am besten geeigneten Datenquellen und KI-Modellen für ihre spezifischen Anwendungen verbinden – bei gleichzeitig hoher Präzision, Zuverlässigkeit und Skalierbarkeit im industriellen Umfeld.
Das Whitepaper beschreibt zudem, weshalb Risiken im Zusammenhang mit Vision-Systemen möglichst früh im digitalen Engineering-Prozess adressiert werden sollten. Es zeigt auf, wie Referenzarchitekturen, KI-Validierung, roboterspezifische Verifikation und kontinuierliche Feedback-Prozesse zusammenspielen können, um die Einführung KI-gestützter Automatisierungslösungen im industriellen Maßstab deutlich zu beschleunigen.
Die Veröffentlichung baut auf der strategischen Partnerschaft auf, die ABB Robotics und NVIDIA im März 2026 bekannt gegeben haben. Eines der ersten Ergebnisse dieser Zusammenarbeit ist RobotStudio® HyperReality. Die Lösung verbindet die Offline-Programmier- und Simulationsplattform RobotStudio® mit den physikalisch präzisen Simulationsfunktionen der NVIDIA-Omniverse™-Bibliotheken. Damit wird die seit langem bestehende „Sim-to-Real“-Lücke zwischen virtueller Entwicklung und realer Anwendung geschlossen. Hersteller können Physical-AI-basierte Roboteranwendungen dadurch schneller, zuverlässiger und skalierbarer entwickeln, testen und in Betrieb nehmen.
Nach erfolgreichen Pilotprojekten bei ausgewählten Kunden soll die Lösung in der zweiten Jahreshälfte 2026 der weltweiten Community von mehr als 60.000 RobotStudio-Anwenderinnen und -Anwendern zur Verfügung stehen.
