Robotergehirne könnten bis Ende 2027 ihren „ChatGPT-Moment“ erleben, sagt Wang Xiaogang, Chairman von ACE Robotics. Seiner Ansicht nach bringen Fortschritte bei KI-Modellen und realen Trainingsdaten humanoide Roboter der kommerziellen Nutzung näher. Der Vergleich ist bewusst gewählt: ChatGPT, im November 2022 gestartet, erreichte binnen etwa zwei Monaten geschätzte 100 Millionen Nutzer – einen derartigen Durchbruch in der breiten Öffentlichkeit hat die verkörperte Intelligenz bislang noch nicht geschafft.

Humanoide Roboter können bereits gehen, tanzen und boxen, doch sie zuverlässig nützliche Arbeit in der unvorhersehbaren physischen Welt verrichten zu lassen, bleibt eine der größten Herausforderungen der Künstlichen Intelligenz. Wang ist überzeugt, dass neue KI-Modelle in Kombination mit der Erfassung von Umgebungsdaten Robotern bald die Intelligenz verleihen könnten, die nötig ist, um über Demonstrationen hinauszukommen und in den kommerziellen Einsatz zu wechseln, wie ein Bericht von Reuters meldet.

„Wir erwarten, den ‚ChatGPT-Moment‘ für verkörperte Intelligenz bis Ende des nächsten Jahres zu erreichen, angetrieben von Weltmodellen und der Erfassung von Umgebungsdaten“, sagte Wang gegenüber Reuters.

ACE Robotics ist ein im Juli 2025 gegründetes chinesisches Startup, das KI-Modelle für humanoide Roboter entwickelt. Gestützt von Ant Group und SenseTime, nahm das Unternehmen in der ersten Jahreshälfte 2026 mehr als 100 Millionen US-Dollar ein und plant laut Reuters einen Börsengang „sobald es zulässig ist“. Das Startup will seine Technologie zudem im kommenden Jahr in 1.000 Geschäften einsetzen und innerhalb von zwei Jahren Zehnmillionen Stunden realer Trainingsdaten sammeln – eine Ressource, die nach wie vor äußerst knapp ist. Es ist einer von mehreren gut finanzierten chinesischen Akteuren in diesem Feld, neben Unitree, UBTech und Agibot, die in einer Branche konkurrieren, die Peking zur strategischen Priorität erklärt hat und für die das Industrieministerium Massenproduktionsziele für humanoide Roboter festgelegt hat.

Während sich große Sprachmodelle wie ChatGPT und DeepSeek rasch verbreitet haben, fällt es Robotern nach wie vor schwer, ein breites Aufgabenspektrum in unbekannten Umgebungen zu bewältigen; der Mangel an Trainingsdaten bleibt ein großes Hindernis für das Fachgebiet.

Verkörperte KI (Embodied AI) befähigt Roboter und andere physische Agenten, ihre Umgebung über Sensoren und Aktoren wahrzunehmen, darüber zu schlussfolgern und Entscheidungen in Aktionen umzusetzen. Weltmodelle helfen der KI derweil, die Funktionsweise der physischen Welt zu verstehen, indem sie lernen, wie sich Objekte und Umgebungen verhalten. Für Roboter bedeutet das, vorhersehen zu können, was geschehen könnte, wenn sie sich bewegen, etwas aufheben oder anderweitig mit ihrer Umgebung interagieren, bevor sie eine Aktion ausführen.

„In den vergangenen Jahren hat die gesamte Branche Daten von rund 100.000 Stunden angesammelt – das ist bei Weitem nicht genug, um verkörperte Basismodelle zu trainieren“, sagte Wang.

Auch andernorts experimentieren Forscher mit ähnlichen Ansätzen. Im Oktober stellten Forscher HumanoidExo vor, ein tragbares Exoskelett, das menschliche Bewegungen erfasst, um humanoide Roboter zu trainieren.

Auch andere Unternehmen entwickeln eigene KI-Modelle für Roboter. Im Januar stellte Boston Dynamics die Produktionsversion seines Humanoiden Atlas vor und erklärte, Fortschritte bei der KI hätten den Roboter dem kommerziellen Einsatz nähergebracht. Im Juni führte Alibaba seine Qwen-Robot-Suite ein, eine Reihe von KI-Modellen, die Robotern bei der Navigation, bei physischen Aufgaben und bei der Simulation realer Umgebungen helfen soll. Tesla entwickelt seinen Humanoiden Optimus für den Einsatz in Fabriken, und Figure AI hat seine Roboter bereits an einer BMW-Produktionslinie getestet. Wangs Zeitplan gibt der Branche nun einen konkreten Anhaltspunkt: ob Einsätze im großen Maßstab – etwa die geplanten 1.000 Geschäfte von ACE – die realen Trainingsdaten liefern können, die Demonstrationen allein nicht liefern können.