Embodied AI ist der technische Weg, einer KI einen Körper zu geben, damit sie in der echten Welt mit ihren Händen arbeitet. Sie kann mehr als chatten, schreiben und zeichnen: Mit Kameras, Roboterarmen und Rädern als Körper nimmt sie ihre Umgebung wahr, handelt und trägt die realen Folgen ihres Handelns. Ein Modell ohne Körper kann noch so klug sein – es denkt nur innerhalb eines Bildschirms. Embodied AI muss denken und dann handeln – und sich korrigieren, wenn etwas schiefgeht. Ihre technische Basis bilden multimodale Basismodelle, Vision-Language-Action-Modelle (VLA) und Weltmodelle.
Worin sie sich von gewöhnlichen Robotern und reinen Software-Agenten unterscheidet
Herkömmliche Roboter folgen meist festen Programmen: Ein Saugroboter kennt seinen Weg, ein Roboterarm greift entlang einer festen Bahn, und eine veränderte Umgebung bringt sie leicht aus dem Takt. Reine Software-Agenten sind das Gegenteil: Sie können im Netz recherchieren, Code schreiben und Flüge buchen, berühren aber keinen einzigen realen Gegenstand. Embodied AI steht dazwischen: Ein großes Modell übernimmt das Denken, der Körper das Ausführen, und Wahrnehmen, Entscheiden und Handeln bilden einen geschlossenen Kreislauf. Bildlich gesprochen ist ein Chatmodell ein kluger Berater, der nur denkt, ein herkömmlicher Roboter ein Arbeiter, der nur handelt, ohne zu denken, und Embodied AI ein Lehrling, der beides tut – und aus echter Interaktion lernt.
Wie heiß sie 2026 geworden ist
Embodied AI steht inzwischen im Regierungsarbeitsbericht, und der 15. Fünfjahresplan hat ihre Richtung festgelegt. Der im Oktober 2026 von der Tsinghua-Universität und der China Academy of Information and Communications Technology veröffentlichte Embodied-AI-Entwicklungsbericht zeigt: Die inländische Finanzierung des Feldes erreichte im ersten Halbjahr 2026 rund 93,5 Milliarden Yuan, etwa das Fünffache des Vorjahreszeitraums; die weltweiten Auslieferungen humanoider Roboter überstiegen im selben Halbjahr 22.000 Einheiten; in China wurden über 70 Trainingsgelände gebaut, und es gibt 405 inländische Unternehmen in diesem Bereich. Heißes Geld, Politik und Auslieferungen steigen gleichzeitig – das ist der Grund, warum sie dieses Jahr immer wieder Thema ist.
Die kalte Seite: Ausgeliefert heißt nicht im Einsatz
Hinter der Begeisterung gibt es drei Realitäten. Erstens: Ein erheblicher Teil der Geräte ist weniger als 10 Tage im Monat eingeschaltet; die meisten stehen in Ausstellungsräumen und Lagern, und nur wenige arbeiten tatsächlich in Fabriken oder Haushalten. Zweitens: Der Kaufpreis der Maschine macht nur 40 bis 60 Prozent der gesamten Lebenszykluskosten aus – Bereitstellung, Wartung und Trainingsdaten kosten mehr. Drittens: Ändert sich die Umgebung, fällt die Modellleistung stark ab. Kontrollierte Benchmarks für Manipulationen auf dem Schreibtisch sind nahe der Sättigung, doch in realen Umgebungen mit Störungen fällt die Leistung in der Regel unter 30 Prozent. Feinmotorik, lange mehrstufige Aufgaben und offene semantische Interaktion bleiben Schwachstellen.
Wer Embodied AI beurteilt, sollte also nicht nur die Demos auf der Bühne ansehen. Die entscheidende Frage ist, ob sie eine Aufgabe in einer Umgebung, die niemand geprobt hat, von Anfang bis Ende erledigen kann. Wenn ja, versteht sie die Welt wirklich; wenn nein, ist sie noch auf der Stufe des „sich bewegen Könnens" und nicht auf der des „arbeiten Könnens".