Mit einer Demo-Zone für Physical AI in Krakau will GlobalLogic zeigen, wie KI den Schritt aus der digitalen Welt in reale industrielle Anwendungen schafft. Im Mittelpunkt stehen dort Robotik, digitale Zwillinge, autonome Betriebsabläufe, Computer Vision und intelligente Infrastrukturen. Grundlage dafür ist die rund 25-jährige Erfahrung des Unternehmens in Embedded Engineering, industrieller Automatisierung und softwaregesteuerten Systemen. Dank eines herstellerneutralen Architekturansatzes sollen sich solche Lösungen unabhängig von einzelnen Technologieplattformen in unterschiedlichen Branchen einsetzen lassen.
Interview mit Andrii Yavorskyi
Rolle: Senior Vice President Engineering und CTO for Hitachi bei GlobalLogic
Thema: Was Physical AI für Unternehmen bringt und wo die Hürden liegen.
Relevanz: Physical AI soll Maschinen flexibel für viele Aufgaben machen, ist für die Serienproduktion aber noch nicht zuverlässig genug. Yavorskyi zeigt, wo die Technologie heute steht, welche Sicherheitsvorkehrungen sie braucht und welche Entscheidungen beim Menschen bleiben.
KI KOMPASS: Herr Yavorskyi, bitte erklären Sie uns zunächst, was Physical AI ist und wo wir da heute in technologischer Hinsicht stehen?
Andrii Yavorskyi: Physical AI ist KI, die die physikalische Welt wahrnimmt, darüber Schlussfolgerungen zieht und über eine Maschine in ihr handelt. Herkömmliche industrielle KI gleicht vordefinierte Muster ab: Eine Kamera erkennt einen bekannten Fehler und stoppt die Produktionslinie. Physikalische KI interpretiert eine Szene und antizipiert, was als Nächstes geschieht, selbst unter ungewohnten Bedingungen. Sie durchläuft einen Zyklus aus Wahrnehmen, Planen und Handeln, der häufig auf Welt-Grundmodellen basiert: großen Modellen, die darauf trainiert sind, das Verhalten der physikalischen Welt vorherzusagen. Die Technologie befindet sich noch in einem frühen Stadium. In kontrollierten Tests bewältigen die derzeit besten Roboter-Grundmodelle etwa 70 bis 85 Prozent der allgemeinen, nicht spezialisierten Aufgaben und in ungewohnten Umgebungen noch weniger, während eine Produktionslinie eine Erfolgsquote von über 99 Prozent benötigt. Erwähnenswert ist außerdem, dass noch kein Grundmodell sicherheitszertifiziert ist, was bedeutet, dass solche Systeme nur in kontrollierten Umgebungen eingesetzt werden sollten.
KI KOMPASS: Was kann also eine Physical-AI-Maschine, was eine herkömmliche Maschine nicht kann?
Yavorskyi: Eine herkömmliche Maschine führt aus, wozu sie programmiert wurde, jede Reaktion ist im Voraus festgelegt. Ein Roboter mit Physical AI erhält ein Ziel und erarbeitet die einzelnen Schritte selbst. Bittet man ihn um eine Flasche Wasser, findet er die Flasche, plant einen Weg und einen Griff und führt die Aufgabe aus. Niemand hat diese Bewegung programmiert. Wenn sich die Flasche bewegt, passt er sich an. Für eine Fabrik bedeutet das, dass eine Aufgabe geändert werden kann, ohne den Arbeitsplatz neu programmieren zu müssen. Der Vorteil liegt in der Flexibilität: eine Maschine, viele Aufgaben.
Wahrnehmung, Szenenverständnis, Kommunikation, Entscheidungsfindung und Handeln müssen als Einheit zusammenwirken.
KI KOMPASS: Was ist demnach an Physical AI neu, was Robotik und Automatisierung bisher nicht konnten?
Yavorskyi: Das Neue daran ist, wie die Maschine aufgebaut ist. Zunächst wird das Training in die Simulation verlagert. In unserer Demo-Zone lernt ein virtueller Humanoid, zu einem Aufzug zu gehen, den Knopf zu drücken und einzusteigen, und zwar vollständig in NVIDIA Isaac Sim und Omniverse. Dadurch lassen sich Trainingsdaten weitaus schneller und kostengünstiger generieren als bei Versuchen in der realen Welt. Zweitens ist Physical AI ein System und keine einzelne Technologie: Wahrnehmung, Szenenverständnis, Kommunikation, Entscheidungsfindung und Handeln müssen als Einheit zusammenwirken. Jeden Teil davon gab es bereits zuvor. In ihrer Kombination sind sie jedoch neu, genauso wie Bausteine erst dann ein Haus ergeben, wenn sie richtig zusammengesetzt werden.
KI KOMPASS: Können Sie uns ein Beispiel aus der von Ihnen erwähnten Demo-Zone nennen und wie Physical AI hier eingesetzt wird?
Yavorskyi: Unser anschaulichstes Beispiel stammt von Hitachi Rail: das sogenannte „Digital Depot“. Züge, die ein Depot verlassen, müssen fehlerfrei sein, doch manuelle Außenkontrollen sind durch Zeit, Zugangsmöglichkeiten und Sichtverhältnisse eingeschränkt. Das Digital Depot automatisiert diese Kontrollen. Während ein Zug vorbeifährt, erfassen Kameras, Laser und Sensoren ihn aus verschiedenen Blickwinkeln. Mithilfe von KI werden diese Aufnahmen in Fehlermeldungen umgewandelt, die direkt an das Flottenmanagementsystem gesendet werden. In der Demo-Zone präsentieren wir dies anhand von Animationen und Videos, zusammen mit HMAX, dem digitalen Zwilling von Hitachi für den Schienenverkehr, der diese Daten in die vorausschauende Instandhaltung von Zügen, Signalanlagen und Infrastruktur einspeist.
KI KOMPASS: Für welche Kunden könnte sich ein Test in Ihrer Demo-Zone auszahlen, also auch für welche Branchen und Sektoren?
Yavorskyi: Die Demo-Zone ist ein Schaufenster, keine Testanlage. Sie richtet sich an B2B-Unternehmen, die physische Produkte herstellen oder deren Betrieb aufrechterhalten, und jede Branche findet hier ein funktionierendes Beispiel. Bahnbetreiber sehen HMAX und das erwähnte Digital Depot. Hersteller sehen KI-Agenten, die die Wartung von Halbleitermessgeräten planen, sowie einen selbstheilenden Wartungskreislauf, der für Industriebetreiber entwickelt wurde. MedTech-Teams sehen unseren Validierungsstand mit Submillimeter-Genauigkeit für Operationsroboter. Automobil-OEMs beobachten, wie ein Roboterarm rund um die Uhr Infotainment-Systeme testet. Telekommunikations- und Energieversorger sehen Drohneninspektionen über unser privates 5G-Netzwerk vor Ort.
KI KOMPASS: Gibt es Beispiele, wo Physical AI bereits in der Praxis eingesetzt wird?
Yavorskyi: Ja, vor allem in spezialisierten Anwendungen und weniger bei Allzweckrobotern. Die deutlichsten Beispiele sind embodied AI, also KI, die einen physischen Körper wie ein Fahrzeug oder einen Roboter steuert und Entscheidungen in Echtzeit direkt auf dem Gerät und nicht in der Cloud trifft. In der digitalen Fabrik von Hitachi Rail in Hagerstown (USA, Anm.) setzen wir Physical AI über ein privates 5G-Netzwerk in der Produktion ein, unter anderem für die automatisierte Bestandsverwaltung und die Videoqualitätsprüfung durch einen Roboterhund. Für eine autonome Straßenbahn haben wir in NVIDIA Isaac Sim einen digitalen Zwilling der Straßenbahnstrecke mit simuliertem Verkehr, Fußgängern und Sensoren erstellt, um das Fahrverhalten zu validieren, bevor die Bahn auf echte Straßen trifft. In der Fertigung hat Hitachi Roboter entwickelt, die vor Ort lernen, heikle Aufgaben wie die Montage von Kabelbäumen zu bewältigen, wobei sie mithilfe von Bildverarbeitung und Tastsensoren die Kraft präzise steuern.
Die Kehrseite ist der Hype. Fast jeder, der KI mit einem physischen Gerät kombiniert, nennt es mittlerweile Physical AI.
KI KOMPASS: Physical AI liegt jetzt offenbar im Trend. Was hat sich verändert, dass dies der Fall ist?
Yavorskyi: Vor zwei Jahren benutzte kaum jemand diesen Begriff. Zwei Entwicklungen haben das geändert: Modelle sind mittlerweile in der Lage, Verallgemeinerungen vorzunehmen. Sie können Ereignisse verarbeiten, die über ihre Trainingsdaten hinausgehen, was anpassungsfähige Maschinen realistisch macht. Gleichzeitig wollen Unternehmen genau das: Systeme, die Veränderungen ohne kostspielige Neukonfiguration bewältigen. Die Kehrseite ist der Hype. Fast jeder, der KI mit einem physischen Gerät kombiniert, nennt es mittlerweile Physical AI.
KI KOMPASS: Ein Sprachmodell kann falsche Antworten liefern, doch in der physischen Welt könnten sich Fehler viel gravierender auswirken. Welche Sicherheitsvorkehrungen braucht es bei Physical AI?
Yavorskyi: KI-Modelle werden eher gezüchtet als entwickelt. Wir entwerfen die Architektur und trainieren sie anschließend mit riesigen Datenmengen, sodass ihr Verhalten nicht vollständig vorhersagbar ist. Aus diesem Grund ist bislang noch kein Grundmodell sicherheitszertifiziert. Wir schließen diese Lücke auf drei Arten. Deterministische Sicherheitsvorkehrungen, also Regeln, die bei gleicher Eingabe immer dieselbe Ausgabe liefern, umgeben die KI und können unsichere Aktionen blockieren. Bei der Messung wird verglichen, was das System geplant hat und was physisch tatsächlich passiert ist: Unser Teststand für Operationsroboter verfolgt die Bewegung des Arms optisch auf den Bruchteil eines Millimeters genau. Vor jeder Inbetriebnahme erfolgt eine Validierung, sowohl in der Simulation als auch auf realer Hardware.
Die endgültige Verantwortung, wie beispielsweise die Freigabe eines Roboters für den Operationssaal, bleibt eine menschliche Entscheidung.
KI KOMPASS: Bleibt die Frage: Welche Entscheidungen muss letztlich immer ein Mensch treffen, gerade beim Einsatz von Physical AI?
Yavorskyi: Wir entwickeln nach dem Human-on-the-Loop-Prinzip. Das System agiert eigenständig, während eine Person die Aufsicht führt und jederzeit eingreifen kann. Bei drei Arten von Entscheidungen bleibt der Mensch maßgeblich beteiligt. Erstens: alles, was außerhalb vereinbarter Grenzen liegt. In unserer Demo zur selbstheilenden Instandhaltung diagnostizieren KI-Agenten einen Fehler, beschaffen Ersatzteile und planen die Reparatur, halten jedoch inne und fragen einen Bediener, wenn die Diagnosesicherheit oder die Kosten einen festgelegten Schwellenwert überschreiten. Zweitens: gefährliche Arbeiten. In einer unserer agentenbasierten Lösungen führen Agenten Ingenieure durch Hochspannungs- und Laserverfahren mit obligatorischen Sicherheitsschranken, doch die Arbeit wird vom Ingenieur selbst ausgeführt. Drittens: Die endgültige Verantwortung, wie beispielsweise die Freigabe eines Roboters für den Operationssaal, bleibt eine menschliche Entscheidung.
Zur Person
Andrii Yavorskyi ist Senior Vice President Engineering und CTO for Hitachi bei GlobalLogic. Das auf Digital Engineering spezialisierte Unternehmen gehört seit 2021 zur japanischen Hitachi Group, der Hauptsitz befindet sich im Silicon Valley. Bei GlobalLogic begleitet Yavorskyi die technologische Weiterentwicklung des Unternehmens und die Umsetzung von KI- und Softwarelösungen für internationale Kunden.
