Nicole Steinicke: Was genau versteht man unter „Physical AI“ und warum gewinnt diese Technologie gerade jetzt so stark an Bedeutung für die Industrie?
Dr. Timo Kistner: Physical AI erweitert klassische KI-Modelle um den räumlichen und physikalischen Kontext. Es geht also nicht mehr nur darum, Texte oder Bilder zu generieren, sondern Maschinen in die Lage zu versetzen, ihre Umgebung zu verstehen und darauf zu reagieren. Ziel ist es, intelligente Maschinen und Roboter virtuell zu trainieren, zu simulieren und so vorzubereiten, dass sie anschließend ohne aufwendige Anpassungen in realen Produktionsumgebungen eingesetzt werden können. Genau deshalb wird Physical AI für industrielle Anwendungen immer relevanter.
Nicole Steinicke: Welche technologischen Ankündigungen von NVIDIA sehen Sie als besonders wichtige Impulse für europäische Industrieunternehmen?
Dr. Timo Kistner: Um Technologien weiterzuentwickeln, kooperieren wir mit den Playern der Industrie. Dabei geht es unter anderem darum, Anwendungen im Umfeld von Computer-Aided-Engineering (CAE) deutlich zu beschleunigen und gleichzeitig KI-Modelle einzusetzen, die wiederum Simulationen effizienter machen.
Ein großes Thema ist dabei agentische KI im Engineering – etwa bei der Entwicklung neuer CAD-Modelle. Besonders spannend wird es im Bereich Physical AI und Robotik. Denn hier stellt sich ein zentrales Problem: Für das Training von Robotern fehlen oft die notwendigen Daten. Gerade kritische oder sicherheitsrelevante Situationen, die man eigentlich vermeiden möchte, treten in der Realität glücklicherweise nur selten auf. Deshalb gewinnen synthetische Daten enorm an Bedeutung. Mithilfe von KI-Modellen lassen sich praktisch alle denkbaren Szenarien virtuell erzeugen und simulieren – etwa Fehlersituationen oder komplexe Abläufe. Unternehmen können so Roboterverhalten realitätsnah testen, ohne riskante Situationen physisch auf dem Shopfloor nachstellen zu müssen.
Nicole Steinicke: Simulationsmodelle erzeugen enorme Datenmengen. Was bedeutet das in der Praxis?
Dr. Timo Kistner: Die Datenmenge selbst ist heute weniger das Problem. Entscheidend ist vielmehr die verfügbare Recheninfrastruktur dahinter. Deshalb arbeiten wir mit verschiedenen Partnern zusammen – von Cloud-Anbietern bis zu Deutscher Telekom und T-Systems, mit denen wir die Industrial AI Cloud in München aufgebaut haben. Gerade der deutsche Mittelstand hat einen hohen Bedarf an souveräner KI-Infrastruktur. Diese Anforderungen lassen sich heute technologisch sehr gut abbilden.
Nicole Steinicke: Wie verändern KI und Simulation konkret die Fähigkeiten moderner Industrieroboter? Was können sie heute, was vor wenigen Jahren noch nicht denkbar war?
Dr. Timo Kistner: Roboter werden vor allem intelligenter und anpassungsfähiger. KI kann beispielsweise optimale Bewegungsabläufe berechnen oder in Kombination mit Computer Vision die Umgebung präzise erfassen. Gleichzeitig ermöglichen physikbasierte digitale Zwillinge und Simulationen, Roboter deutlich schneller zu trainieren und in Betrieb zu nehmen.
Physical AI und digitale Zwillinge machen Industrieprozesse deutlich flexibler
Ein großer Vorteil zeigt sich insbesondere bei Änderungen in Produktionslinien oder Produktvarianten: Prozesse lassen sich virtuell testen, anpassen und optimieren, bevor sie real umgesetzt werden. Das verkürzt Inbetriebnahmezeiten erheblich und erhöht gleichzeitig die Flexibilität in der Fertigung – und das ist ein deutlicher Wettbewerbsvorteil.
Nicole Steinicke: Welche Kompetenzen müssen Ingenieure und Produktionsplaner künftig aufbauen, um solche Systeme effektiv einzusetzen? Wie wird sich deren Rolle verändern?
Dr. Timo Kistner: Der Ingenieur wird künftig stärker zum Orchestrator komplexer Systeme. Ich glaube allerdings nicht, dass jeder Ingenieur zum klassischen Data Scientist werden muss. Die Tools werden zunehmend einfacher und intuitiver bedienbar. Entscheidend ist vielmehr, dass Ingenieure durch KI deutlich effizienter arbeiten können. Sie können mehr Varianten simulieren, Prozesse umfassender analysieren und Optimierungspotenziale schneller identifizieren. KI unterstützt dabei, unterschiedliche Szenarien automatisiert zu generieren und zu bewerten. Dabei spielen synthetische Daten ebenfalls eine wichtige Rolle. Unternehmen können beispielsweise über Nacht tausende Simulationsläufe durchführen und am nächsten Morgen konkrete Erkenntnisse darüber gewinnen, welche Prozessvariante die besten Ergebnisse liefert.
Nicole Steinicke: Wenn ein mittelständischer Maschinenbauer starten möchte: Was wäre ein realistischer erster Anwendungsfall für digitale Zwillinge oder KI-gestützte Simulationen?
Dr. Timo Kistner: Ein guter Einstiegspunkt ist die Frage: Wo existieren heute Datensilos, die noch nicht miteinander verbunden sind? Das kann beispielsweise in der Produktion der Fall sein, wenn Änderungen an Anlagen oder Produkten häufig Anpassungen im Engineering erfordern. Ebenso relevant ist der Bereich Forschung und Entwicklung. Dort liegen oft große Mengen an Daten in unterschiedlichen Systemen vor, die sich mithilfe von Plattformen wie Omniverse zusammenführen lassen. Einen universellen Startpunkt gibt es allerdings nicht. Unternehmen sollten zunächst identifizieren, wo ihre größten Engpässe oder Ineffizienzen liegen. Genau dort lohnt es sich, Datenquellen zu vernetzen und Simulationen einzusetzen.
Ein weiterer spannender Ansatz ist „Video Search and Summarization“. Dabei analysieren KI-Modelle Produktionsumgebungen visuell, ohne zuvor speziell auf diese Umgebung trainiert worden zu sein. Deshalb lohnt es sich bereits heute, Kameradaten aus der Produktion systematisch zu nutzen. So entstehen sehr schnell erste konkrete KI-Anwendungsfälle mit erkennbarem Mehrwert.
Nicole Steinicke: Lohnt sich das auch für kleine und mittelständische Unternehmen?
Dr. Timo Kistner: Definitiv, denn gerade kleine und mittelständische Unternehmen sind das Rückgrat der deutschen Industrie. Für sie wird das Thema sogar besonders wichtig. Entscheidend ist allerdings der richtige Einstieg. Deshalb spielt das Ökosystem eine zentrale Rolle. Gemeinsam mit Partnern wie Wandelbots schaffen wir Lösungen, die speziell darauf ausgelegt sind, auch ohne große KI-Teams eingesetzt werden zu können. Mittelständler müssen also nicht erst zehn KI-Experten einstellen, um von Physical AI zu profitieren. Aus meiner Sicht ist das nicht nur eine Option, sondern eine Notwendigkeit.
Unternehmen, die sich heute noch nicht mit Physical AI beschäftigen, sollten möglichst schnell damit beginnen. Die Entwicklung findet nicht erst in einigen Jahren statt – sie passiert jetzt.
Use Case: KION & Accenture Mega Omniverse Blueprint
Simulation-first-Ansätze ermöglichen es, Fabrik-, Lager- und Lieferkettenprozesse vollständig virtuell zu testen und zu optimieren, bevor sie real umgesetzt werden. Dabei müssen Unternehmen derartige Lösungen nicht mehr selbst entwickeln. Es existiert inzwischen ein breites Partnerökosystem mit einsatzfähigen Lösungen für unterschiedlichste Branchen und Unternehmensgrößen, wie dieses Beispiel zeigt:bit.ly/nvidia_usecase
Nicole Steinicke: Wie wird sich der Stellenwert von KI in der industriellen Wertschöpfung in den nächsten drei bis fünf Jahren verändern?
Dr. Timo Kistner: Die Entwicklung verläuft aktuell so dynamisch, dass sich Zeiträume nur schwer prognostizieren lassen. Wir sehen bereits heute den Übergang von generativer KI hin zu agentischen Systemen, die eigenständig konkrete Aufgaben übernehmen können. Das wird sich auch in der Industrie fortsetzen. Künftig werden viele spezialisierte KI-Agenten einzelne Aufgabenbereiche innerhalb der Produktion steuern und miteinander interagieren. Diese Systeme werden wiederum übergeordnet orchestriert, bis hin zur Steuerung kompletter Fabriken.
Nicole Steinicke: Welche Bedeutung hat Physical AI speziell für den Industriestandort Deutschland im globalen Wettbewerb?
Dr. Timo Kistner: Physical AI ist aus meiner Sicht der nächste Evolutionsschritt industrieller Wertschöpfung. KI und agentische Systeme werden nicht verschwinden – sie werden künftig ein zentraler Bestandteil moderner Fabriken sein. Gerade Deutschland und Europa verfügen über enormes industrielles Know-how. Deshalb liegt hier eine große Chance: Wenn wir diese Technologien konsequent einsetzen und weiterentwickeln,
können wir unsere industrielle Wettbewerbsfähigkeit langfristig stärken.
Das Interview führte Dipl.-Ing. (FH) Nicole Steinicke.
Bild: Vereinigte Fachverlage