Physical AI
Physical AI (dt. etwa: „Physische KI“[2]) bezeichnet die Anwendung moderner Verfahren und Algorithmen aus der künstlichen Intelligenz nicht nur in den Bereichen Text/Sprache (große Sprachmodelle), Audio/Akustik oder Bild/Video, sondern auch in der Verarbeitung von Informationen bzw. Daten aus der Umgebung.[3][4][5][6][7]
Damit sind die physikalischen Größen gemeint, beispielsweise ein Abstand oder eine Länge bzw. eine Objekterkennung aus einer Nah- oder Fernzone, die durch verschiedene Technologien erfasst wurde und zur weiteren computerbasierten Verarbeitung durch geeignete KI-Modelle genutzt wird.[8][9]
Diese neuen Systeme stellen eine Weiterentwicklung der Automatisierungstechnik sowie der autonomen und intelligenten Systeme dar. Mithilfe von Erweiterungen durch KI können Geräte, Maschinen oder Roboter im Austausch mit ihrer Umgebung um intelligente Funktionen erweitert werden – auch im Hinblick auf Fragen der Sicherheit oder Produktivität.
Dieses noch sehr junge Forschungs- und Entwicklungsgebiet ist seit den 2010er Jahren Gegenstand der Ingenieur- und Softwaretechnik.
Systembeschreibung
[Bearbeiten | Quelltext bearbeiten]„Physikalische KI“ (PKI) soll die Fähigkeiten von Geräten, Maschinen oder Anlagen erweitern, die sich in Wechselwirkung mit ihrer physischen Umgebung befinden. Dabei kommen verschiedene KI-Algorithmen in Kombination mit elektromechanischer Hardware infrage, die für die jeweilige Aufgabenstellung geeignet sind.
In der Regel handelt es sich bei physikalischer KI um Echtzeit-Applikationen, die über Sensorik, Steuerung/Datenverarbeitung – hier kommen neben konventionellen eingebetteten Systemen auch KI-Beschleuniger zum Einsatz – sowie Regelung/Aktorik eine komplexe Aufgabe übernehmen.[10] Dabei werden die KI-Modelle entweder mithilfe physikalischer Daten antrainiert und treffen anschließend Entscheidungen per Inferenz.
Anwendungsbereiche
[Bearbeiten | Quelltext bearbeiten]Viele repetitive und schwere Arbeitsaufgaben werden bereits von Maschinen ausgeführt, in anderen Bereichen ist der Mensch weiterhin notwendig. Das Potenzial der physikalischen KI (PKI) kann entweder die Verbesserung der Maschinen oder die kooperative Zusammenarbeit von Mensch und Maschine sein.[2] Es zielt auf Anwendungen aus den Bereichen Maschinenbau, Robotik, Prozesstechnik, Produktionstechnik u. a. ab.[11] Ein Anwendungsbeispiel sind humanoide Roboter, welche mit neuen, lernfähigen Funktion ausstattet sind, wie z. B. Service-Roboter. Im Spezialfall sind auch militärische Anwendungen möglich, beispielsweise die autonomen Waffensysteme.
Siehe auch
[Bearbeiten | Quelltext bearbeiten]Einzelnachweise
[Bearbeiten | Quelltext bearbeiten]- ↑ Raphael Memmesheimer, Jan Nogga, Bastian Pätzold, Evgenii Kruzhkov, Simon Bultmann, Michael Schreiber, Jonas Bode, Bertan Karacora, Juhui Park, Alena Savinykh, Sven Behnke: RoboCup@Home 2024 OPL Winner NimbRo: Anthropomorphic Service Robots Using Foundation Models for Perception and Planning. In: RoboCup 2024: Robot World Cup XXVII. Springer Nature Switzerland, Cham 2025, ISBN 978-3-031-85859-8, S. 515–527, doi:10.1007/978-3-031-85859-8_44 (englisch, springer.com [abgerufen am 15. Juli 2026]).
- 1 2 Physical AI – Intelligenz in der physischen Welt. In: Bitkom. 23. April 2026, abgerufen am 15. Juli 2026.
- ↑ Marcelo Coelho, Jean-Baptiste Labrune: Large Language Objects: The Design of Physical AI and Generative Experiences. In: Interactions. Band 31, Nr. 4, Juli 2024, ISSN 1072-5520, S. 43–48, doi:10.1145/3672534 (englisch, acm.org [abgerufen am 15. Juli 2026]).
- ↑ En-Hua Wu et al.: Physical AI: Evolution, Progress, Challenges, and Prospects. In: Journal of Computer Science and Technology. Band 41, Nr. 1, Januar 2026, ISSN 1000-9000, S. 271–288, doi:10.1007/s11390-026-6258-x (englisch, springer.com [abgerufen am 15. Juli 2026]).
- ↑ Partha Pratim Ray: Physical AI: bridging the sim-to-real divide toward embodied, ethical, and autonomous intelligence. In: Machine Learning for Computational Science and Engineering. Band 2, Nr. 1, Juni 2026, ISSN 3005-1428, doi:10.1007/s44379-025-00050-y (springer.com [abgerufen am 15. Juli 2026]).
- ↑ Yingbo Li, Zhao Li, Yucong Duan, Anamaria-Beatrice Spulber: Physical artificial intelligence (PAI): the next-generation artificial intelligence. In: Frontiers of Information Technology & Electronic Engineering. Band 24, Nr. 8, August 2023, ISSN 2095-9184, S. 1231–1238, doi:10.1631/FITEE.2200675 (springer.com [abgerufen am 15. Juli 2026]).
- ↑ Vahid Salehi: Fundamentals of Physical AI. In: Journal of Intelligent System of Systems Lifecycle Management. Band 2, 11. November 2025, ISSN 2944-8131, doi:10.71015/z6mc6967 (englisch, isl-journal.com [abgerufen am 15. Juli 2026]).
- ↑ From embodied intelligence to physical AI. In: Nature Machine Intelligence. Band 8, Nr. 4. Nature Publishing Group, April 2026, ISSN 2522-5839, S. 491–492, doi:10.1038/s42256-026-01239-3 (englisch, nature.com [abgerufen am 9. Oktober 2026]).
- ↑ Ruaridh Mon-Williams, Gen Li, Ran Long, Wenqian Du, Christopher G. Lucas: Embodied large language models enable robots to complete complex tasks in unpredictable environments. In: Nature Machine Intelligence. Band 7, Nr. 4. Nature Publishing Group, April 2025, ISSN 2522-5839, S. 592–601, doi:10.1038/s42256-025-01005-x, PMID 40391151, PMC 12088599 (freier Volltext) – (englisch, nature.com [abgerufen am 9. Oktober 2026]).
- ↑ Kun Xiang et al.: Aligning Perception, Reasoning, Modeling and Interaction: A Survey on Physical AI. 2025, abgerufen am 15. Juli 2026 (englisch).
- ↑ Physical AI markiert Wendepunkt der Robotik. In: Produktion.de. 17. April 2026, abgerufen am 15. Juli 2026 (deutsch).