17 Millionen Euro für den Robotik-Durchbruch in Europa
Große Sprach-Modelle haben einen klaren Wendepunkt erlebt. Milliarden Textdaten erzeugten plötzlich Fähigkeiten, die niemand erwartet hatte. Genau dieser ChatGPT-Moment der Robotik steht jetzt bevor. Doch Roboter brauchen keine Texte. Sie brauchen echte Interaktion mit der physischen Welt.
Die Technische Universität München (TUM) und Neura Robotics starten deshalb das RoboGym: ein Trainings-Zentrum für humanoide Roboter auf 2.300 Quadratmetern am Münchner Flughafen. Budget: 17 Millionen Euro. Ziel: Tausende Stunden realer Trainings-Daten sammeln, die kein Simulator liefern kann.
Im Interview erklärt Prof. Achim Lilienthal, Vize-Direktor am Munich Institute of Robotics and Machine Intelligence (MIRI), warum dieses Projekt den Robotik-Durchbruch in Europa beschleunigen könnte.
Warum der ChatGPT-Moment der Robotik an Daten scheitert
Bei Large Language Models reichte das Internet als Datenquelle. Milliarden Webseiten, Bücher und Artikel trainierten GPT-4 und Claude. Für Roboter existiert diese Datenbank nicht. Ein Roboter lernt nicht aus Text. Er lernt aus Bewegung, Berührung und Reaktion.
Simulationen helfen, bilden die Realität aber nur begrenzt ab. Achim Lilienthal formuliert es klar: 'Wir brauchen echte Interaktion mit der realen Welt.' Ein Roboter, der nur in der Simulation trainiert, scheitert an einem Kabelsalat auf dem Boden. Die Lücke zwischen Simulation und Realität bleibt das zentrale Problem.
Erste Anzeichen deuten darauf hin, dass auch in der Robotik Skalierungs-Effekte greifen. Mehr Daten erzeugen neue Fähigkeiten. Neue Verbindungen zwischen Wissen und Handeln entstehen. Genau dafür braucht es Orte wie das RoboGym.
So funktioniert das RoboGym: Hunderte Roboter in einer Halle
Das RoboGym nutzt humanoide Roboter von Neura Robotics als Hardware-Plattform. Die Firma investiert 11 der 17 Millionen Euro und liefert die Roboter. Die TUM steuert Forschungs-Kompetenz und akademische Vernetzung bei.
Der Trainings-Ablauf folgt zwei Methoden. Beim Teaching by Demonstration schlüpft ein Mensch in einen Motion-Capture-Anzug. Der Anzug zeichnet jede Bewegung auf. Ein Roboter übersetzt diese Daten in seine eigene Mechanik. Vorteil: Intuitiv und schnell. Nachteil: Der menschliche Körper funktioniert anders als ein Roboter-Gelenk.
Die zweite Methode ist Reinforcement Learning. Roboter versuchen eigenständig, Aufgaben zu lösen. Durch Versuch und Irrtum verbessern sie sich. Eine Kombination beider Ansätze verspricht die besten Ergebnisse. Wie wir in unserem Artikel über humanoide Roboter beschreiben, liegt der Schlüssel in der Verbindung von Hardware und lernfähiger Software.
Warum humanoide Roboter und nicht Spezial-Maschinen?
Lilienthal nennt zwei Argumente. Das alte: Die Welt ist für Menschen gebaut. Türklinken, Treppen, Werkzeuge. Ein menschlicher Formfaktor passt in jede Umgebung. Das neue: Menschen können Robotern direkt vormachen, was sie tun sollen.
Kinder lernen Laufen, Greifen und Balancieren in wenigen Jahren. Für Roboter sind diese Aufgaben extrem schwer zu programmieren. Doch wenn ein Mensch die Bewegung demonstriert, verkürzt sich der Lernprozess dramatisch. Der gleiche Körperbau macht die Übersetzung einfacher.
Gleichzeitig wird die Hardware günstiger. Neura Robotics hat in den letzten Monaten erheblich Kapital eingesammelt. Die Kosten pro Einheit sinken. Zusammen mit leistungsstarken Lern-Algorithmen entsteht erstmals ein realistisches Szenario für den Massen-Einsatz.
Europa gegen China und die USA: Kann das RoboGym mithalten?
China und die USA investieren Milliarden in Physical AI. Europa liegt bei Compute-Ressourcen und Datenmengen zurück. Doch Lilienthal sieht einen entscheidenden Vorteil: die Verbindung von Ingenieurskunst und KI-Forschung.
Ein Roboter, der brillant lernt, aber nach drei Tagen kaputtgeht, ist wertlos. Deutsche Ingenieurskunst liefert robuste Hardware. Die TUM liefert die Algorithmen. Neura Robotics verbindet beides als schnell wachsendes Unternehmen mit starker technischer Basis.
Das RoboGym soll über Bayern hinaus wirken. Über das Robotics Institute Germany wird die Infrastruktur national verfügbar. Lilienthal plant auch europäische Kooperationen. Sein Ziel: eine Win-Win-Win-Situation für Industrie, Forschung und den Standort Europa.
Erste Einsatz-Gebiete: Fabrik vor Pflege, aber Pflege drängt
Die ersten humanoiden Roboter werden in der Industrie-Produktion arbeiten. Der Grund ist pragmatisch: Fabriken bieten strukturierte Umgebungen. Wenn ein Kabel stört, räumt ein Techniker es weg. Die Umgebung kommt dem Roboter entgegen.
Doch ein anderes Feld drängt stärker. Die alternde Gesellschaft erzeugt enormen Bedarf in der Pflege. Häusliche Umgebungen sind chaotisch, jede Wohnung anders. Trotzdem arbeitet die TUM bereits an Lösungen für Roboter in der Altenpflege.
Auch Verteidigung und Sicherheit sind Einsatz-Gebiete. Das MIRI der TUM bündelt knapp 80 Lehrstühle von Gesundheit über Mobilität bis zur Verteidigung. Das RoboGym liefert die Trainings-Daten für alle diese Bereiche.
Basismodelle für Roboter: Der DeepSeek-Ansatz
Neben dem Daten-Problem gibt es eine zweite offene Frage: Wie sehen Foundation Models für Roboter aus? Große Modelle brauchen enorme Rechen-Leistung. Nicht jedes Labor kann sich das leisten.
Lilienthal verfolgt einen Ansatz, der an DeepSeek erinnert. Statt nur auf mehr Daten zu setzen, optimiert sein Team die Modell-Architektur. Schlaue Trainings-Methoden erzielen bessere Ergebnisse mit weniger Ressourcen. Für Europa ist das besonders relevant, weil die Compute-Budgets kleiner sind als in den USA oder China.
Das RoboGym startet Mitte 2026 den Regelbetrieb. Bis dahin werden Räume ausgebaut, Strom-Versorgung aufgerüstet und rechtliche Fragen geklärt. Industrie-Partner und Startups sollen Zugang zu der Infrastruktur bekommen.
Fazit: Der ChatGPT-Moment der Robotik braucht reale Daten
Der ChatGPT-Moment der Robotik wird nicht im Rechenzentrum entstehen. Er braucht echte Roboter in echten Umgebungen. Das RoboGym der TUM und Neura Robotics schafft genau diese Voraussetzung: 2.300 Quadratmeter, 17 Millionen Euro und Hunderte humanoide Roboter.
Europa hat bei Physical AI eine reale Chance. Robuste Hardware trifft auf starke KI-Forschung. Wenn das RoboGym seine Daten auch über Landes-Grenzen hinweg teilt, profitiert der gesamte Kontinent. Der Wettlauf um die besten Robotik-Trainingsdaten hat begonnen.
Top comments (0)