Die Partnerschaft für ein Robotergedächtnis zwischen NEURA Robotics und NXAI wurde am 20. Oktober 2026 in Metzingen bekannt gegeben: Die beiden Unternehmen entwickeln gemeinsam eine Gedächtniskomponente für kognitive Roboter und verbinden NEURAs Physical-AI-Stack mit NXAIs rekurrenter xLSTM-Architektur, damit Roboter Aufgaben über viele Schritte hinweg verfolgen und aus gesammelter Erfahrung handeln können, statt jede Situation zu behandeln, als wäre sie die erste.
Eine Partnerschaft in zwei Hälften: Forschung und Plattform
Die erste Hälfte ist gemeinsame Entwicklung. Neuron AI, das NEURA am 14. Oktober vorgestellt hat, verbindet bereits 3D-Sehen, Tastsinn, Audio, Roboterzustand und Sprache mit einer Gedächtnisfunktion in einem multimodalen Grundlagenmodell; die Partnerschaft soll nun xLSTMs Fähigkeit, Zustand über lange Sequenzen effizient zu halten und zu aktualisieren, in diesen Stack einweben. Die zweite Hälfte ist Plattformoffenheit: NXAI plant, sein eigenes xLSTM-basiertes Modell auf der Plattform Neuraverse neben Neuron AI bereitzustellen. Unternehmen sollen dieses Modell mit der Neuraverse-Werkzeugkette für ihre eigenen Aufgaben feinabstimmen, in den NEURA Gyms testen und auf geeigneten Robotern einsetzen können, während sie selbst entscheiden, ob sie ihr Prozesswissen und ihre Daten teilen. Neuron AI selbst bleibt NEURAs eigenes Modell und wird unabhängig weiterentwickelt.
Warum ausgerechnet Gedächtnis den Robotern fehlt
NEURA benennt das Problem in der Mitteilung unverblümt: Ein Chatbot bearbeitet eine Anfrage nach der anderen, ein Roboter dagegen arbeitet in einer ununterbrochenen Schleife aus Wahrnehmen, Entscheiden und Handeln — viele Male pro Sekunde, möglicherweise eine ganze Schicht lang. Das verlangt Gedächtnis auf zwei Ebenen. Das Arbeitsgedächtnis kümmert sich um das Unmittelbare: Ist das Bauteil schon eingesetzt, ist die Tür offen oder geschlossen, wurde der Startknopf gedrückt? Das episodische Gedächtnis geht weiter: Ein Roboter, der einen Prozess schon oft ausgeführt hat, sollte auf diese Erfahrung zurückgreifen, wenn dieselbe Situation wiederkehrt. Fehlen beide Ebenen, liest ein Roboter die Welt bei jedem Schritt neu ein, und die Zuverlässigkeit bei langen Aufgaben bleibt stehen.
Warum ausgerechnet xLSTM diese Lücke füllen soll
xLSTM stammt von NXAI, gegründet von Sepp Hochreiter, einem der Erfinder von LSTM, und ist genau für diese Lücke gebaut: schnell, speichereffizient und fähig, Zustand über lange Sequenzen zu halten. Das steht im Kontrast zum gestern hier behandelten Roboter-Grundlagenmodell Dream-1: Dream-1 vermietet Robotern ein Gehirn aus der Cloud im Stundentakt, während NEURA auf Roboter setzt, die durch Erfahrung im Einsatz besser werden.
Die Ankündigung nicht mit einer Auslieferung verwechseln
Beim Fortschritt ist eine kühlere Lesart angebracht. Veröffentlicht wurden eine Partnerschaft und eine Roadmap: Für die Gedächtniskomponente gibt es keinen Starttermin, und die Ankunft des NXAI-Modells auf Neuraverse ist als Plan formuliert, nicht als Veröffentlichung. NEURA bringt eigene Roboterhardware, Sensorik, Trainingsdaten aus der realen Welt in den NEURA Gyms und eine Plattform für den industriellen Einsatz ein; NXAI bringt Jahrzehnte an Forschung zu rekurrenten Netzen ein. Ob die beiden xLSTMs Stärke beim Zustandshalten in messbare Erfolgsquoten in Fabrikhallen übersetzen können, wird man erst wissen, wenn die Komponente ausgeliefert und getestet ist. Für die europäische Physical AI ist das Signal dennoch klar: Während US-Rivalen um Cloud-Gehirne und Finanzierungsgrößen konkurrieren, konkurrieren europäische Anbieter darum, Roboter lokal, über lange Prozesse hinweg, mit jeder Schicht erfahrener zu machen — ein langsamerer Weg, der aber, wenn er funktioniert, Industriekunden weit fester bindet, als es eine API im Stundentakt je könnte.
