Die Mehrheit der Hersteller sieht in Physical AI großes Potenzial – doch nur wenige haben die technischen und organisatorischen Grundlagen geschaffen, um die Technologie über Pilotprojekte hinaus zu skalieren.
Autonome Roboter, die Defekte erkennen, bevor sie zum Produktionsproblem werden, oder Fahrzeuge, die Mitarbeitende in Echtzeit wahrnehmen und ausweichen: Physical AI verspricht, künstliche Intelligenz von der Bildschirmoberfläche in die physische Fertigungswelt zu bringen. Laut einer aktuellen Studie von Tata Consultancy Services (TCS) in Zusammenarbeit mit Google Cloud befindet sich die Branche jedoch erst am Anfang dieser Transformation.
Der „TCS Physical AI Readiness Report 2026“ basiert auf einer Befragung von 300 Führungskräften aus den Bereichen Automobil, Luft- und Raumfahrt/Verteidigung, Elektronik/High-Tech, Industrieausrüstung und Prozessindustrie in Nordamerika und Europa. Das zentrale Ergebnis: 68 Prozent der Hersteller haben entweder keine aktiven Physical-AI-Einsätze oder befinden sich noch in der experimentellen Phase. Nur 32 Prozent sind über das Experimentierstadium hinausgekommen und betreiben Pilotprojekte oder aktive Implementierungen.
Besonders aufschlussreich ist der Blick auf die Skalierung: Lediglich 9 Prozent der Befragten geben an, Pilotprojekte erfolgreich in den operativen Betrieb überführt zu haben. 24 Prozent bezeichnen ihre Pilotprojekte zwar als technisch erfolgreich, berichten aber, dass die Skalierung noch andauert. Laut Unternehmensangaben liegt die Herausforderung weniger in der Technologie selbst als in ihrer Integration in bestehende Betriebsabläufe.
Arbeitskräftemangel und Sicherheit als Haupttreiber
Als wichtigste Chancen nennen die befragten Manager die Eindämmung des Arbeitskräftemangels (60 Prozent) sowie die Verbesserung der Arbeitssicherheit in gefährlichen Umgebungen (55 Prozent). Die Verbesserung der Qualitätskonsistenz und Fehlererkennung folgt mit 49 Prozent. Besonders hohe Erwartungen bestehen im Lagerbetrieb: 77 Prozent der Hersteller rechnen dort mit signifikanten oder transformativen Auswirkungen, gefolgt von Montage- und Fertigungsprozessen mit 75 Prozent.
Bei den eingesetzten Technologien führen laut Studie autonome mobile Roboter (AMR) und fahrerlose Transportsysteme (AGV) mit KI-gestützter Navigation sowie KI-fähige Roboterarme mit einer Adoptionsrate von jeweils 60 Prozent unter den Unternehmen mit aktiven Einsätzen. Humanoide Roboter und vierbeinige Systeme bleiben mit 2 beziehungsweise 4 Prozent Adoption dagegen ein Nischenphänomen – ihre breitere Verwendung hängt laut der Untersuchung von weiteren Fortschritten bei Zuverlässigkeit, Beweglichkeit und Wirtschaftlichkeit ab.
Legacy-Systeme als größte Bremse
Als bedeutendstes Hindernis für die Skalierung nennen 32 Prozent der Befragten die Integration mit bestehenden Legacy-Systemen. Es folgen fehlende Fachkräfte (25 Prozent) und unzureichende Dateninfrastruktur (19 Prozent). Die Studie zeigt zudem, dass nur 10 Prozent der Unternehmen über hochgradig integrierte Fertigungsdatenplattformen verfügen, während 69 Prozent mit begrenzten, mittelmäßigen oder fragmentierten Datenumgebungen arbeiten.
Auch bei der Governance zeigen sich Lücken: 44 Prozent der Befragten geben an, dass für den Fall von Physical-AI-Fehlfunktionen keine formale Verantwortungsstruktur existiert. Bei der Vorbereitung auf regulatorische Anforderungen erklären 40 Prozent, nicht ausreichend vorbereitet zu sein, während lediglich 12 Prozent sich als vollständig vorbereitet einschätzen.
Investitionen bleiben stabil, Erträge lassen auf sich warten
Trotz der strukturellen Herausforderungen bleibt die Investitionsbereitschaft ungebrochen: Keines der befragten Unternehmen plant, seine Ausgaben für Physical AI zu reduzieren, während 26 Prozent eine Erhöhung in Aussicht stellen. Gleichzeitig zeigen sich die Erwartungen an den Return on Investment als langfristig – 68 Prozent rechnen erst in mindestens drei Jahren mit messbaren finanziellen Effekten, 46 Prozent sogar erst in mehr als fünf Jahren.
„Physical AI ist ein kontinuierlicher Kreislauf aus Wahrnehmung, Denken, Entscheidung und Handlung“, wird Sreenivasa Chakravarti, VP & Global Head Industrial Autonomy & Engineering bei TCS, in der Studie zitiert. Organisationen, die diesen Ablauf über Maschinen, Systeme und Menschen hinweg verankern, würden Physical AI in echten operativen Mehrwert verwandeln, so seine Einschätzung laut Unternehmensangaben.
Die Studienautoren kommen zu dem Schluss, dass die Skalierung von Physical AI in erster Linie eine organisatorische und nicht primär eine technologische Herausforderung darstellt. Hersteller, die Investitionen in Technologie mit struktureller Reife – etwa bei Daten, Governance und Qualifizierung der Belegschaft – verknüpfen, seien am besten positioniert, um den nächsten Wettbewerbsvorteil zu sichern.
Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM.
Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de