Gemini Robotics: Google DeepMind bringt KI in die Fabrik

Embodied Intelligence – die Verbindung von KI mit physischer Handlungsfähigkeit – wird zum entscheidenden Wettbewerbsfeld.

Auf dem Tokyo Humanoids Summit am 29. Mai 2026 skizzierte Carolina Parada, Vizepräsidentin und Leiterin der Robotik bei Google DeepMind, die strategische Ausrichtung des Unternehmens. Im Fokus steht Gemini Robotics, ein System, das komplexe manuelle Aufgaben bewältigen soll – vom Origami-Falten bis zum Befüllen von Lunchboxen. Die Botschaft ist klar: Die Zukunft der Künstlichen Intelligenz liegt nicht nur im Rechenzentrum, sondern in der realen Welt.

AGI rückt näher – Hassabis nennt 2029 als Zielmarke

Anzeige: Wer die Gemini-Robotics-Entwicklung für die eigene Fertigung nutzen will, findet in diesem Whitepaper die wichtigsten Integrationsschritte – von der Sim-to-Real-Vorbereitung bis zur ROI-Kalkulation. Jetzt kostenloses Whitepaper anfordern

Google-DeepMind-CEO Demis Hassabis hat seine Zeitprognose für die Künstliche Allgemeine Intelligenz (AGI) deutlich nach vorne verschoben. Statt wie bisher angenommen zwischen 2030 und 2035, rechnet er nun mit einem Durchbruch bereits 2029 oder 2030. Ausschlaggebend sei die rasante Entwicklung autonomer KI-Agenten.

In einem Vortrag an der Stanford Graduate School of Business am 29. Mai sprach Hassabis von einem „artspezifischen Übergang". Seine Einschätzung: Die KI-Entwicklung verlaufe zehnmal schneller als die Industrielle Revolution – und der Spielraum für Fehler sei entsprechend gering. Er plädierte für gezielte Regulierung und unabhängige Modellprüfungen, besonders angesichts autonomer Systeme, die bald komplexe Aufgaben wie Medikamentenforschung oder Urlaubsbuchungen übernehmen könnten.

Weitere Führungskräfte untermauerten den Kurs. Koray Kavukcuoglu, CTO des Unternehmens, betonte am 27. Mai die Bedeutung von Weltmodellen – also KI-Systemen, die physikalische Gesetze verstehen. Diese seien der Schlüssel zu AGI und würden völlig neue Anwendungen in Technik und Finanzwesen ermöglichen. Dr. Ed H. Chi, Vice President of Research, verglich die aktuelle Entwicklung mit einer intellektuellen Revolution – die KI übernehme dabei die Rolle, die einst die Dampfmaschine spielte.

Partnerschaften mit Industrie und Forschung

Google DeepMind treibt die praktische Anwendung seiner Roboterforschung durch strategische Allianzen voran. Am 27. Mai gab der japanische Industrieroboter-Hersteller Fanuc Corp. eine Zusammenarbeit mit Google bekannt. Ziel ist die Weiterentwicklung von Physical AI in der Industrieautomation. Seit der Einführung seines Physical-AI-Systems Ende 2025 hat Fanuc bereits über 1.000 Roboter ausgeliefert, die Schnittstellen wie Python und ROS unterstützen.

Parallel dazu baut Google DeepMind seine internationale Forschungspräsenz aus. Eine Partnerschaft mit Südkoreas Ministerium für Wissenschaft und ICT sieht vor:
* Die Einrichtung eines AI Campus in Seoul
* Gemeinsame Forschungsprojekte mit der Seoul National University und dem KAIST
* Abstimmung mit den K-Moonshot-Missionen in den Bereichen Energie, Klima und Biowissenschaften

Anzeige: Der Fachkräftemangel in der Produktion verschärft sich – während Wettbewerber bereits Physical-AI-Systeme von Fanuc und Google DeepMind testen. Dieser Leitfaden zeigt, wie Sie mit einer strukturierten 5-Schritte-Integration die Automatisierungslücke schließen. Integrations-Checkliste jetzt sichern

Spezialisierte Daten als Schlüsselressource

Je weiter die Technologie in Richtung physischer Autonomie voranschreitet, desto wichtiger werden lokale und spezialisierte Entwicklungsansätze. Luong Minh Thang, Principal Scientist bei Google DeepMind, betonte am 28. Mai, dass eine langfristige Forschungskultur und proprietäre Daten für nationale KI-Sektoren entscheidend seien. Seine Prognose: KI-Agenten werden die Softwarebranche innerhalb von fünf Jahren grundlegend umgestalten.

Der Robotik-Sektor erlebt derzeit einen Boom bei der sogenannten Sim-to-Real-Technologie. Am 28. Mai demonstrierten Branchenvertreter, dass das Training von Robotern in simulierten Umgebungen die Erfolgsquoten bei Greif- und Montageaufgaben in der realen Welt deutlich verbessert. Zudem stellte die Stanford University am 27. Mai EXPO-FT vor – eine Open-Source-Methode zur Feinabstimmung von Vision-Language-Action-Modellen, die mit weniger als 20 Minuten Verstärkungslern-Daten hohe Erfolgsquoten bei realen Aufgaben erzielte.

de | wissenschaft | 69443873 |