Milliarden von Dollar fließen in Unternehmen, die eine universelle Intelligenz für Roboter entwickeln wollen.
Nehmen wir nur fünf Unternehmen, die 2026 große Finanzierungsrunden für ihre Modelle bekannt gegeben haben:
Das sind mehr als 2,6 Milliarden US-Dollar, die allein in diesem Jahr in nur fünf Unternehmen investiert wurden, die verschiedene Formen von Intelligenz für die physische Welt entwickeln.
Und es kommt noch mehr.
FieldAI, das seine Technologie als universelles Gehirn beschreibt, das auf unterschiedlichen Robotern und in unterschiedlichen Umgebungen arbeiten kann, hat Berichten zufolge kürzlich ein Term Sheet für eine Finanzierung von 700 Millionen US-Dollar bei einer Bewertung von 10 Milliarden US-Dollar unterzeichnet. Die Finanzierung ist noch nicht formell abgeschlossen, deshalb zähle ich sie nicht zu den 2,6 Milliarden.
Investoren glauben offensichtlich, dass Physical AI ein sehr großer Markt werden kann.
Und ich denke, sie könnten recht haben.
Doch in diesen Bewertungen steckt ein wichtiger Punkt:
Mit dem heutigen Robotermarkt geht die Rechnung noch nicht auf.
Damit diese Investitionen attraktive Renditen abwerfen, reicht es nicht, dass Physical AI Marktanteile in der bestehenden Robotikbranche gewinnt.
Sie muss dazu beitragen, die Robotikbranche drastisch zu vergrößern.
Genau hier wird es spannend.
Laut der International Federation of Robotics (IFR) wurden 2025 in den USA fast 38.500 Industrieroboter installiert. Zum Vergleich: China installierte im selben Zeitraum rund 354.000, Europa etwa 85.000. Jede Region hat ihr eigenes Robotik-Ökosystem, daher konzentriere ich mich im Folgenden auf die USA.
Der bestehende Roboterbestand ist für diese Rechnung nicht die richtige Bezugsgröße. Die meisten Roboter, die bereits in Fabriken stehen, wurden nie für die heutigen Foundation Models konzipiert und werden möglicherweise nie zu deren Kunden.
Betrachten wir also nur neue Installationen.
Angenommen, ein Anbieter von Physical-AI-Modellen kann für seine Intelligenz 3.000 US-Dollar pro Roboter und Jahr verlangen.
Treffen wir nun eine äußerst günstige Annahme: Jeder neue Industrieroboter, der in den USA installiert wird, nutzt dasselbe Modell.
38.500 × 3.000 US-Dollar = 115,5 Millionen US-Dollar an neuem ARR (jährlich wiederkehrendem Umsatz).
Das ist der gesamte jährliche US-Markt für Industrieroboter.
Geben Sie diesem Modellanbieter zehn Jahre in Folge den gesamten Markt bei heutiger Installationsrate, wobei jeder Roboter weiterhin zahlt, und Sie kommen auf etwa 385.000 Roboter, die 1,15 Milliarden US-Dollar ARR erzeugen.
Für einen einzigen Anbieter. Bei 100 % Marktanteil.
Der heutige Markt für Industrieroboter ist noch nicht groß genug, um die Wertdimension zu tragen, auf die Investoren setzen.
Das heißt nicht, dass die Investitionen falsch sind.
Es heißt, dass Investoren implizit auf einen ganz anderen zukünftigen Markt setzen.
Steigern wir die US-Installationen von rund 38.500 Robotern pro Jahr auf 3,85 Millionen.
Bei denselben 3.000 US-Dollar pro Roboter und Jahr würden die Neuinstallationen eines einzigen Jahres Folgendes erzeugen:
11,55 Milliarden US-Dollar an neuem Modell-ARR.
Jetzt sieht die Wirtschaftlichkeit völlig anders aus.
Es gibt Platz für mehrere große Intelligenzanbieter, Roboterplattformen, Anwendungsunternehmen und Infrastrukturebenen.
Hinter den Milliarden, die in Physical AI investiert werden, steckt also eine Annahme, über die meiner Meinung nach zu wenig gesprochen wird:
Die Technologie muss den Robotikmarkt drastisch vergrößern.
Vielleicht um das 10-Fache.
Vielleicht um das 30-Fache.
Möglicherweise um das 100-Fache.
Die Frage ist nicht, ob Technologie jemals eine solche Marktexpansion ausgelöst hat.
Das hat sie.
Die interessantere Frage ist: Was muss sich in der Robotik ändern, damit diese Expansion stattfindet?
Die größten technologiegetriebenen Marktexpansionen entstanden selten, weil jemand ein Produkt entwickelt hatte, das 20 % besser war.
Sie entstanden, wenn ein neues Paradigma einen grundlegenden Engpass beseitigte, der die Nachfrage bis dahin gebremst hatte.
Nehmen Sie Cloud Computing.
Vor der Cloud bedeutete mehr Rechenleistung: Server kaufen, Infrastruktur installieren und künftige Kapazität vorhersagen. Die Cloud hat den Serverherstellern nicht einfach Marktanteile abgenommen. Sie hat die Notwendigkeit beseitigt, Infrastruktur zu besitzen, bevor man Rechenleistung nutzen kann. Die Nachfrage ist explodiert.
Nehmen Sie die Digitalfotografie.
Die analoge Fotografie verursachte bei jedem Bild Reibung: Film, Entwicklung, Aufbewahrung und eine eigene Kamera. Die Digitaltechnik und schließlich Smartphones haben die meisten dieser Hürden beseitigt. Das Interessante war nicht, dass Verbraucher mehr klassische Kameras kauften. Die eigentliche Tätigkeit, das Fotografieren, wurde allgegenwärtig.
Oder nehmen Sie das Smartphone selbst.
Seine Bedeutung lag nicht nur darin, dass es einen besseren Mobiltelefonmarkt schuf. Es machte Computer, Kameras, Navigation, Zahlungen, Unterhaltung und Kommunikation für Milliarden von Menschen jederzeit verfügbar. Auf dieser Veränderung sind ganze Branchen entstanden.
Das gemeinsame Muster ist wichtig:
Technologie führt zu massiver Marktexpansion, wenn sie verändert, was wirtschaftlich möglich ist, und wenn sie Hürden bei der Einführung beseitigt.
Und damit sind wir wieder bei der Robotik.
An körperlicher Arbeit mangelt es sicher nicht.
Gehen Sie durch fast jede Fabrik, jedes Lager, jede Baustelle, jedes Labor, jedes Restaurant oder jedes Krankenhaus, und Sie sehen Menschen, die körperliche Aufgaben erledigen.
Doch vergleichsweise wenige dieser Aufgaben sind automatisiert.
Warum?
Ein wesentlicher Grund: Klassische Automatisierung erfordert Engineering.
Die Anwendung muss verstanden werden.
Die Zelle muss konstruiert werden.
Der Roboter muss programmiert werden.
Variabilität muss eingeschränkt werden.
Sonderfälle müssen konstruktiv abgefangen werden.
Die Integration muss einen akzeptablen Return on Investment liefern.
Dieses Modell funktioniert einigermaßen gut, wenn die Aufgabe repetitiv genug und das Volumen hoch genug ist.
Aber es lässt einen enormen „Long Tail“ körperlicher Arbeit zurück, deren Automatisierung unwirtschaftlich bleibt und deren Einführung mit hohen Hürden verbunden ist.
Das ist einer der Engpässe, die Physical AI jetzt anzugehen beginnt.
Stellen Sie sich vor, ein Roboter müsste nicht für jedes Verhalten programmiert werden, sondern könnte ein Ziel verstehen, seine Umgebung wahrnehmen, durch Vorführen lernen und sich anpassen, wenn sich die Bedingungen ändern.
Die Wirtschaftlichkeit der Automatisierung ändert sich grundlegend, wenn der Programmieraufwand verschwindet.
Aufgaben, die nie wochenlanges Engineering gerechtfertigt hätten, könnten ein paar Stunden Inbetriebnahme rechtfertigen.
Eine einzige Roboterplattform könnte Dutzende Anwendungen abdecken statt nur einer.
Das kann den Markt enorm erweitern.
Und es erklärt, warum Investoren bereit sind, so hohe Wetten auf Foundation Models für Roboter einzugehen.
Doch die Gleichung hat einen wichtigen zweiten Teil:
Ein universelles Gehirn macht noch keinen universellen Roboter.
Intelligenz kann die Traglast eines Arms nicht ändern.
Sie kann seine Reichweite nicht vergrößern.
Sie kann ein unzuverlässiges mechanisches System nicht zuverlässig machen.
Sie kann Sicherheitsanforderungen nicht abschaffen.
Sie kann Wartung nicht abschaffen.
Und sie kann eine physische Bauform, die für eine Umgebung entwickelt wurde, nicht in jeder anderen Umgebung wirtschaftlich optimal machen.
Physical AI kann den Engpass Programmierung beseitigen. Die Engpässe bei der physischen Bauform (Embodiment) und der Systemintegration beseitigt sie nicht.
Diese Unterscheidung ist entscheidend dafür, wo Wert entsteht.
Irgendwann könnten Humanoide eine wirtschaftliche, universelle Bauform bieten.
Wenn sie leistungsfähig, zuverlässig und kostengünstig genug werden, könnte die Kombination aus universellem Gehirn und universellem Körper eine außergewöhnliche Zahl von Anwendungen erschließen.
Aber dieses Problem ist noch nicht gelöst.
In der Zwischenzeit sehen wir etwas anderes:
Inseln der Generalisierung.
Ein intelligenterer Industriearm kann eine viel breitere Familie von Handhabungsaufgaben abdecken.
Ein mobiler Manipulator kann viele verwandte Lagerabläufe übernehmen.
Ein Zweiarmsystem kann immer vielfältigere Montage- und Handhabungsaufgaben bewältigen.
Ein Bauroboter kann über viele Situationen hinweg generalisieren und trotzdem für den Bau optimiert bleiben.
Ein Laborroboter kann sehr anpassungsfähig werden, ohne Beine zu brauchen.
Die Intelligenz wird immer universeller.
Die Bauformen bleiben auf Wirtschaftlichkeit und Anwendungen optimiert.
Daraus ergeben sich mehrere mögliche Stellen, an denen Wert abgeschöpft werden kann.
Für die Investoren aus der Einleitung liegt eine Antwort auf der Hand: das Unternehmen mit dem besten Foundation Model.
Das könnte sich als richtig erweisen.
Wenn ein Modell auf vielen Bauformen funktioniert, mit wachsender Größe schnell besser wird und schwer zu ersetzen ist, könnte die Wirtschaftlichkeit spektakulär sein.
Aber das ist nicht die einzige Möglichkeit. Wer eine Anwendung erschließt, schöpft nicht automatisch den geschaffenen Wert ab.
Der Wert könnte sich in der Infrastrukturebene sammeln, die Foundation Models unterstützt: Rechenleistung, Simulation, Datenpipelines und Deployment-Tools, die Physical AI im großen Maßstab nutzbar machen.
Er könnte sich in der Roboterplattform sammeln, wenn eine bestimmte Bauform zum Standard für den Einsatz von Physical AI wird (die zentrale Wette hinter vielen Investitionen in Humanoide).
Er könnte sich in der sensomotorischen Ebene sammeln, denn Intelligenz schafft nur dann Wert, wenn eine Maschine die physische Welt in Echtzeit zuverlässig wahrnehmen, darauf reagieren und mit ihr interagieren kann.
Er könnte demjenigen zufallen, der das stärkste Schwungrad aus realen Daten besitzt, bei dem jedes eingesetzte System die nächste Installation verbessert.
Er könnte sich in der Anwendungs- und Deployment-Ebene sammeln, wo Technologie letztlich in ROI für den Kunden umgewandelt wird.
Und einige Unternehmen werden gezielt versuchen, alle diese Ebenen gleichzeitig zu besetzen.
Diese Full-Stack-Strategie, die auf standardisierte Hardware- und Software-Bausteine setzt, könnte kurzfristig besonders schlagkräftig sein.
Solange die Schnittstellen zwischen den Ebenen unausgereift sind, Standards sich noch bilden und Kunden funktionierende Ergebnisse statt Technologiekomponenten wollen, kann es die Wertschöpfung deutlich erleichtern, Gehirn, Bauform, Anwendung, Deployment und Datenerfassung in einem Paket zu bündeln.
Zudem kann ein Unternehmen so einen größeren Teil der Wirtschaftlichkeit jeder Installation für sich sichern.
Das ist ein Grund, warum einige der ambitioniertesten Physical-AI-Unternehmen von heute weder nur Modellanbieter noch nur Roboterhersteller werden wollen.
Sie wollen den gesamten Weg von der Intelligenz bis zur produktiven Arbeit so schnell wie möglich zu einem Produkt machen und nutzen ihre Installationen, um ihr Schwungrad aus realen Daten zu beschleunigen. Mehrere von ihnen setzen auf Robotiq-Komponenten, um schneller voranzukommen und dabei industrietaugliche Zuverlässigkeit zu gewährleisten.
Wenn Physical AI die heutigen jährlich einigen Zehntausend Industrieroboter-Installationen in den USA nur etwas intelligenter macht, wird sich das aktuelle Investitionsniveau kaum rechtfertigen lassen.
Wenn sie die Installationen in den Bereich von Hunderttausenden bringt, ändert sich die Wirtschaftlichkeit.
Wenn sie den Markt auf Millionen neuer intelligenter Maschinen pro Jahr bringt, sprechen wir nicht mehr über einen Markt für Industrieroboter.
Dann sprechen wir über eine neue Computing-Plattform für physische Arbeit. Eine Plattform, auf der ein ganzes Ökosystem aus Hardware, Software, Anwendungen und Dienstleistungen gedeihen kann.
Ich glaube, wir sind bereits auf diesem Weg. Wir sehen klare Belege dafür, wie unsere Kunden Physical AI einsetzen und skalieren.
Ein universelles Gehirn könnte einen der größten Engpässe beseitigen, die die Robotik heute bremsen.
Es wird nur nicht alle Engpässe auf einmal beseitigen.
Neben der Frage:
Wer hat das beste Robotergehirn?
sollten Investoren meiner Meinung nach zwei weitere Fragen stellen:
Welchen Engpass beseitigt Physical AI gerade?
Und dann:
Wenn dieser Engpass gelöst ist, was wird zum nächsten Flaschenhals, der eine weitere Verzehnfachung der Verbreitung verhindert?
Manchmal wird das Unternehmen, das diesen nächsten Flaschenhals löst, ein Spezialist sein.
Manchmal wird es dasselbe Unternehmen sein, das auf Full Stack setzt.
So oder so: Folgen Sie dem Engpass.
Denn die Chancen stehen gut, dass genau dort der nächste große Wertpool in Physical AI entsteht.
Hinweise zu den Daten: Die Zahlen zu den Industrieroboter-Installationen in den USA 2025 stammen von der International Federation of Robotics. Die Finanzierungszahlen basieren auf Unternehmensmitteilungen und Medienberichten zu Skild AI, Rhoda AI, Generalist, General Intuition und Enigma. Die FieldAI-Finanzierung basiert auf Berichten über ein unterzeichnetes Term Sheet und ist nicht als abgeschlossene Finanzierung berücksichtigt.