Physical AI: ABB und Roche automatisieren klinische Labore

Zwei Schweizer Konzerne schließen sich zusammen, um klinische Labore mit künstlicher Intelligenz und Robotik zu automatisieren.

ABB Robotics und Roche Diagnostics haben eine globale Partnerschaft bekannt gegeben. Ziel ist der Einsatz von „Physical AI“ – der Kombination aus lernfähiger Software und robuster Hardware – in medizinischen Laboren. Im Fokus stehen die Automatisierung von Routineaufgaben wie dem Transport von Objektträgern und der innerbetrieblichen Logistik.

Hintergrund ist der anhaltende Fachkräftemangel in der Gesundheitsbranche. Die Unternehmen versprechen sich davon, Laborpersonal von monotonen Tätigkeiten zu entlasten. Die Fachkräfte könnten sich dann auf komplexere diagnostische Aufgaben konzentrieren. Die Initiative reiht sich ein in einen globalen Trend: Immer mehr Unternehmen setzen auf Physical AI, um Arbeitsabläufe im Gesundheitswesen zu revolutionieren.

Roboter ertasten Bakterien mit hoher Präzision

Doch die Entwicklung geht weit über den bloßen Transport von Proben hinaus. Forscher der National Taiwan University haben ein robotisches Sensorsystem vorgestellt, das Bakterien durch Berührung identifizieren kann. Die Studie, veröffentlicht im Fachjournal Nano Energy, zeigt einen flexiblen Sensor an einem Roboterarm. Dieser interpretiert elektrische Signale von Bakterienzellwänden.

Die Ergebnisse sind beeindruckend: Das System unterscheidet grampositive von gramnegativen Bakterien mit einer Genauigkeit von 90,93 Prozent. Die Analyse dauert gerade einmal 620 Millisekunden – und das ganz ohne aufwendige Färbemethoden. Ein weiterer Durchbruch gelang Forschern der Nanyang Technological University. Sie entwickelten einen nanophotonischen Chip, der aus einem einzigen Tropfen Blut oder Speichel innerhalb von 20 Minuten mehrere microRNA-Biomarker nachweisen kann. Ein Deep-Learning-Modell automatisiert die Auswertung. Die kommerzielle Verfügbarkeit wird in drei Jahren erwartet.

Wer die ABB-Roche-Offensive für sein Labor nutzen will, findet in diesem Report die entscheidenden Hebel: Von der Checkliste für die erste Physical-AI-Installation bis zum ROI-Rechner, der zeigt, wie schnell sich die Investition amortisiert. Jetzt kostenlosen Integrationsleitfaden anfordern

Physical AI erobert die Chirurgie

Der Einsatz von Physical AI beschleunigt sich rasant – auch in der Chirurgie. Mistral AI veröffentlichte im Juli 2026 sein erstes Robotics-Foundation-Modell. Es soll die Entwicklung geschickterer Robotersysteme vorantreiben. Ein besonders spektakuläres Experiment gelang Forschern der UC San Diego. Sie nutzten einen ferngesteuerten Unitree G1 Humanoiden Roboter namens „Surgie“, um eine laparoskopische Gallenblasenoperation an Schweinen durchzuführen.

Die Studie, veröffentlicht in Nature, umfasste sowohl menschlich assistierte als auch vollständig robotische Eingriffe. Die Forscher betonten, dass vor einem Einsatz am Menschen noch technische Hürden zu überwinden seien. Dennoch zeige der Versuch das Potenzial kostengünstiger humanoiden Hardware in komplexen medizinischen Umgebungen. Ebenfalls im Juni 2026 brachte MediIntech den „Intion S AI“ auf den Markt. Das Unternehmen bezeichnet ihn als das weltweit erste robotische Endoskop, das Physical AI für Magen-Darm-Untersuchungen nutzt. Eine klinische Studie bescheinigt dem Gerät eine Trefferquote von 99,4 Prozent bei der Erkennung von Läsionen.

KI-gestützte Diagnostik auf dem Vormarsch

Der Fachkräftemangel zwingt Labore zur Automatisierung — doch viele scheitern an der Integration. Dieser Leitfaden zeigt, wie Sie mit Physical AI Routineaufgaben wie Probenlogistik und Objektträger-Transport automatisieren und Ihre Fehlerquote drastisch senken. Physical-AI-Checkliste jetzt sichern

Parallel zu den robotischen Entwicklungen drängen neue KI-gestützte Diagnosetools auf den Markt. Roche launchte sein „Liver Disease Panel“, eine Suite zertifizierter Algorithmen zur Behandlung chronischer Lebererkrankungen. Am selben Tag erhielt Beckman Coulter Diagnostics die EU-CE-Kennzeichnung für seinen „Access p-Tau217“-Bluttest. Der Biomarker-Assay für die Alzheimer-Krankheit basiert auf einer Lizenz von ALZpath aus dem Jahr 2024.

In Großbritannien steht ein KI-Bluttest von PinPoint Data Science kurz vor dem Einsatz im NHS. Eine Studie mit über 16.000 Patientinnen zeigte: Der Test analysiert rund 30 Blutmarker für Gebärmutterhalskrebs und erreicht bei Risikopatientinnen einen negativen Vorhersagewert von 99,8 Prozent. Auch die Infrastruktur für diese KI-Modelle wird massiv ausgebaut. Die israelische Innovationsbehörde sagte umgerechnet rund 17 Millionen Euro für die „Israel BioToken Factory Initiative“ zu. Das Projekt, an dem unter anderem NVIDIA und Teva beteiligt sind, soll eine standardisierte Plattform für KI-Modelle in der Biologie und personalisierten Medizin schaffen.

de | wissenschaft | 69758468 |