Jetzt lernt KI physikalische Modelle – eine Chance für Europa

Red. Als Vizekanzlerin im Bundeshaus von 1991 bis 2005 leitete die Autorin verschiedene Digitalisierungsprojekte. Heute verfolgt Hanna Muralt Müller die Entwicklung der künstlichen Intelligenz in ihren Newslettern.

Die KI, die wir von den grossen Sprachmodellen kennen, wird zurzeit mit Daten aus der physischen Welt weiterentwickelt. Damit beginnt KI physikalische Gesetzmässigkeiten zu verstehen. Dies führt zu völlig neuen Anwendungen. Das grosse Potenzial liegt nicht nur in der Automatisierung der Industrie und in der maschinellen Fertigung, sondern auch im verbesserten Verständnis hochkomplexer Systeme. 

Bei diesen neuen KI-Entwicklungen hat Europa einzigartige Voraussetzungen, eine Vorreiterrolle einzunehmen. Es beginnt eine zweite KI-Welle nach der Phase, in der die Sprachmodelle dominierten.

Neue Stossrichtung in der KI-Entwicklung mit Physical-AI

Anfang Jahr wurde die grosse Consumer Electronics Show (CES) in Las Vegas von Roland Busch, CEO von Siemens, eröffnet. Seine Ansprache drehte sich um die Nutzung von KI in der physischen Welt und die erweiterte Zusammenarbeit von Siemens mit Nvidia zu deren Weiterentwicklung. Mit seiner Rede gab der Chef des grossen deutschen Technologiekonzerns die neue Stossrichtung in der KI-Entwicklung vor. Er sprach von «Industrial AI». Der Begriff wurde inzwischen mit «Physical-AI» noch allgemeiner gefasst.

Mit Physical-AI werden Systeme bezeichnet, die in der physisch greifbaren Welt, in der Welt der Atome, also nicht bloss der Bits and Bytes, interagieren können. Sie benötigen Daten aus der physischen Welt und Sensoren, um sich in ihrer Umwelt zu orientieren und im Austausch lernen zu können.

Gemäss der Begriffsumschreibung von IBM geht es bei Physical-AI darum, das Potenzial generativer KI, insbesondere grosser Sprachmodelle, zu erweitern. Diesen fehlt ein Verständnis der physischen Welt und ihrer Regeln, basieren sie doch grösstenteils auf Sprach- und Bildinformationen im Internet. Grosse Sprachmodelle beschränken sich auf die digitale Welt der Informationen, der Bits and Bytes. 

Der CEO von Nvidia, Jensen Huang, der mit Roland Busch auf der grossen Bühne der CES präsent war, sieht in Physical-AI die nächste grosse Phase KI-getriebener Innovationen nach den Sprachmodellen. Es beginne eine zweite industrielle Revolution. Wie er in einer Pressemitteilung an der CES bekanntgab, stellte er mehrere offene Physical-AI-Grundmodelle mitsamt Frameworks und KI-Infrastrukturen zur Verfügung. Sie sind auf der Plattform von Nvidia downloadbar und können weitertrainiert, modifiziert und für neue Anwendungen genutzt werden. Nvidia will nicht nur proprietäre Technologien verkaufen, sondern mit diesem Angebot den Durchbruch dieser Modelle fördern.

World-Models zum Verständnis komplexer Zusammenhänge

World-Models werden nicht nur mit Sprach- und Bildinformationen trainiert, sie entwickeln mit Videos, die reale Umwelten simulieren, ein Verständnis für physikalische Gesetzmässigkeiten und Raumbeziehungen. Sie lernen dynamische Zusammenhänge von Ursache und Wirkung auf Zeitachsen. World-Models ermöglichen Simulationen und können Szenarien entwickeln. Sie müssen nicht in der physischen Welt agieren, bilden aber eine Grundlage für Physical-AI. Es gibt somit Schnittstellen und fliessende Übergänge trotz unterschiedlichem Fokus.

World-Models sind unerlässlich für ein besseres Verständnis hochkomplexer Prozesse und Vorgänge in der physischen Welt. Die neue Ära der intelligenten Automatisierung reicht weit über die bisherige Robotik hinaus. Es geht nicht einfach um Roboter, sondern zum Beispiel um das Zusammenspiel mehrerer Roboter in Netzwerken oder auch um Lieferketten oder so hochkomplexe Phänomene wie den Klimawandel.

AMI-Labs mit Hauptsitz in Europa

Ebenfalls viel Aufmerksamkeit zog die Gründung eines neuen Start-ups auf sich. Anfang Jahr wurde bekannt, dass Yann LeCun, bisher Chef-KI-Wissenschaftler bei Meta, ein eigenes Labor gründete: das AMI-Labs (AMI für Advanced Machine Intelligence). 

LeCun, in Frankreich geboren, wählte Paris als Hauptsitz von AMI-Labs (französisch ausgesprochen bedeutet «ami» Freund) mit Büros in Montreal, New York und Singapore. Zur Freude Präsident Macrons verfügt Paris nun über ein weiteres Vorzeigelabor, zusätzlich zum Start-up Mistral AI, das als einziges europäisches Unternehmen mit seinen Sprachmodellen der US-Konkurrenz die Stirne bietet. Wie Mistral will auch AMI-Labs zusätzlich zu lizenzpflichtigen Angeboten Open-Source-Modelle zur Verfügung stellen. Beide stehen damit in derselben europäischen Tradition; sie heben sich von den in den USA vorherrschenden proprietären Modellen ab.

Für Yann LeCun, der 2018 zusammen mit den Koryphäen Geoffrey Hinton und Yoshua Bengio den Turing Award erhielt, sind Sprachmodelle nicht sicher, weil sie nicht mit der realen Welt interagieren und diese deshalb nicht verstehen. Sie seien nicht zuverlässig genug für Anwendungen zum Beispiel in der Medizin oder in der Industrie sowie der maschinellen Fertigung. Gemäss Homepage von AMI-Labs brauche es hier Modelle, die die Welt verstehen: «…real intelligence does not start in language. It starts in the world».

Mit Blick auf den medizinischen Anwendungsbereich ging AMI-Labs eine Partnerschaft mit dem Health-AI-Start-up Nabla ein, dessen Mitbegründer und CEO Alexandre Lebrun künftig als CEO von AMI-Labs wirken wird, während LeCun als Vorstandsvorsitzender seine Professur an der New York University weiterführt.

Es liegt eine grosse Chance darin, dass AMI-Labs mit seiner Pionierarbeit auf Europa ausgerichtet ist. In den USA arbeiten mehrere Tech-Unternehmen (Google, Nvidia, Meta und andere) sowie Start-ups und universitäre Institute an der Entwicklung von World-Models. Bereits einen Namen gemacht hat sich die in China geborene Fei-Fei Li, Professorin an der Stanford University, mit dem von ihr gegründeten World Labs. China ist in der Forschung von World-Models ebenfalls aktiv (KI-Kind Tong Tong, siehe Infosperber vom 29.10.2025).

AMI-Labs will mit und für die Industrie und die maschinelle Fertigung seine World-Models entwickeln. Es dürfte kein Zufall sein, dass Europa als Hauptsitz gewählt wurde. Europa verfügt für die Ausbreitung von World-Models oder für Physical-AI über beste Voraussetzungen, insbesondere im Vergleich mit den USA. Dies war denn auch ein wichtiges Thema am World Economic Forum (WEF) 2026.

«Einmalige Chance für Europa»

Die Rede von Jensen Huang am WEF fand in den Medien viel zu wenig Beachtung. Wie die internationale Nachrichtenagentur CNBC im Januar 2026 berichtete, sieht Huang in der kommenden zweiten KI-Welle für Europa eine einmalige Chance («…a ’once-in-a-generation’ opportunity for Europe…»). Europa könne die Software-Phase der Entwicklung grosser Sprachmodelle überspringen («…to ’leap past’ the era of software…») und direkt auf seiner Industriebasis mit Physical-AI in die zweite KI-Welle einsteigen: «You can now fuse your industrial capability, your manufacturing capability, with artificial intelligence, and that brings you into the world of physical AI, or robotics».

Industriedaten sind für Physical-AI unerlässlich

Bereits im Vorfeld wurde auf der Homepage des WEF ein White Papier publiziert. Darin wird die Entwicklung der Robotik beschrieben, woraus hervorgeht, weshalb Daten immer wichtiger werden. Die bisherige Robotik beruhte auf Programmierung und war nur für klar definierte repetitive Aufgaben einsetzbar. 

Die trainings- sowie die kontextbasierte Robotik brauchen wie die grossen Sprachmodelle sehr viele Daten: Nicht nur sprachliche, sondern auch Daten aus der physischen Welt. Damit sind wir im Bereich der Physical-AI. Trainingsbasierte Robotik gewinnt diese physischen Daten aus den bisherigen Produktionsprozessen, den Industriedaten, und auch aus Videos und Simulationen.

Kontextbasierte Robotik betrifft noch weiter entwickelte Systeme, die mit Sensoren ihre Umgebung erfassen und mit ihr interagierend lernen, sich auch in einer neuen ungewohnten Umwelt zurechtzufinden.

Einmalige Voraussetzungen für Physical-AI in Europa

Europa verfügt mit seiner traditionellen Industriebasis und seinen zahlreichen innovativen mittleren und grösseren Unternehmen über einen Fundus an Daten für Physical-AI. Die europäische Forschung bildet viele Spitzenkräfte in Robotik aus. Gerade in diesem Bereich brilliert die Schweiz mit den beiden Eidgenössischen Technischen Hochschulen. Zudem ist die berufliche Ausbildung generell auf einem sehr hohen Niveau, was ermöglicht, in den Betrieben die Fachkräfte für diese KI-getriebene Transformation heranzuziehen und möglichst viele junge Kräfte mit dem Fokus auf Physical-AI auszubilden.

Chancen – aber Handlungsbedarf

Ein Artikel auf der Homepage des WEF beschreibt die Chancen, aber auch den Handlungsbedarf für eine europäische KI-getriebene Transformation der Wirtschaft. Die Regierungen müssen die nötige Infrastruktur bereitstellen, die von allen genutzt werden kann: Rechenzentren, Robotik-Testumgebungen, aber auch Räume für den Datenaustausch. Europa muss vor allem auch in die Energieversorgung, in robuste Netzwerke und damit in weniger teure Energie investieren, wie Jensen Huang im Bericht der CNBC eindringlich festhielt. Gemäss den bereits oben erwähnten WEF-Artikeln ist auch entscheidend, dass Unternehmen nicht vertrauliche Daten miteinander austauschen. Kein einziges Unternehmen verfüge über genügend physische Daten für ein optimales Training, weshalb eine Kooperation unter den Unternehmen und mit Forschungseinrichtungen und Start-ups unerlässlich sei.

In den USA dagegen dominieren Big Tech und Start-ups. Aber es gibt keine breite von zahlreichen mittelgrossen Unternehmen getragene Basis für Industrie und Maschinenbau. Das ausgeprägte Konkurrenzdenken in proprietären Entwicklungen erschwert den für die Weiterentwicklung unerlässlichen Datenaustausch. Der Mangel an Fachkräften im Fertigungsbereich ist das Ergebnis eines elitären Bildungssystems, das viele Talente aus weniger begüterten Familien auf der Strecke lässt.

Ein defätistisches Narrativ schwächt Europa

Das von Trump immer wieder betonte Narrativ von Europas beispielloser Schwäche ist Teil einer politischen Strategie. In Europa verbreiten es rechtskonservative und rechtsnationale Kreise. 

Wer jedoch nur die Schwächen hervorhebt und nicht auch die Stärken, auf die sich aufbauen lässt, verkennt das Zukunftspotenzial. Dem defätistischen Narrativ ist mit mehr Selbstvertrauen in die eigenen Gestaltungskräfte entgegenzuwirken. Und es gibt Fakten, die dieses Vertrauen untermauern.

Jean Monnet, französischer Unternehmer und Wegbereiter der europäischen Einigungsbestrebungen, soll gesagt haben: «Europa wird in Krisen geschmiedet und wird die Summe der Lösungen sein, die für diese Krisen gefunden werden». Krisen haben wir genügend. Die EU ist insbesondere im Aufbau der KI-Infrastruktur sehr aktiv (siehe Infosperber vom 14.1.2026). Aber zahlreiche Reformen lassen auf sich warten. Und demokratisch gefasste Beschlüsse benötigen im Gebilde der 27 EU-Staaten viel Zeit.

Souveränität zurückgewinnen mit kluger Zukunftsstrategie

Die digitale Abhängigkeit Europas von den US-Techunternehmen ist mit der Trumpschen Regierung längst ein wichtiges Thema geworden. Überall sind Bestrebungen im Gang, digitale Souveränität zurückzugewinnen. Eine Ablösung ist komplex und mit technischen und finanziellen Hürden verbunden. Allerdings kann mit den wegfallenden Lizenzen viel Geld gespart werden. Eine kluge Strategie wägt ab, wo diese Umstellung mit welchen Massnahmen erfolgen soll. 

Von Drohgebärden der USA sollten sich die Europäer nicht übermässig einschüchtern lassen. Die Big-Tech sind auf die europäischen Kunden angewiesen. Sie schaden sich und der US-Wirtschaft, sollte die US-Regierung sie beispielsweise als Strafmassnahme zwingen, den Zugriff auf Daten oder Dienstleistungen einzuschränken oder zu verweigern.

Europa kann den Big Tech die Weiterentwicklung gigantischer Sprachmodelle überlassen. Wichtiger ist jetzt die Umsteuerung auf Physical-AI und World-Models. Dafür verfügt Europa über alle nötigen Voraussetzungen und kann die künftige digitale Souveränität mit Pionierrollen in der zweiten KI-Welle zurückgewinnen.