Wenn Roboter Handschrift verstehen: FANUC bringt Physical…

Eine handschriftliche Notiz nennt die benötigten Bauteile. Kameras erkennen die Objekte, ein KI-Agent interpretiert den Auftrag und ein Industrieroboter stellt das Kit zusammen. FANUC will diese Kette auf der IMTS 2026 gemeinsam mit Google Cloud demonstrieren. Daneben soll ein System aus gesprochenen Anweisungen Python-Code und Roboterprogramme erzeugen.

Das klingt zunächst nach einer komfortableren Bedienung. Tatsächlich deutet es auf eine neue Schnittstelle für die Fabrikautomation. Klassische Industrieroboter führen sorgfältig entwickelte Abläufe aus. Physical AI ergänzt Wahrnehmung und Schlussfolgerung, damit ein System eine ungenaue menschliche Anweisung in einen physischen Plan übersetzt. Das verspricht schnellere Inbetriebnahme. Die Gefahr: Mehrdeutigkeit verlässt den Bildschirm und setzt schwere Maschinen in Bewegung.

Was FANUC für die IMTS angekündigt hat

Die Vorschau von FANUC America vom 3. September beschreibt zahlreiche Demonstrationen für die International Manufacturing Technology Show in Chicago vom 14. bis 19. September. Eine Anwendung lässt KI-Agenten handschriftliche Aufträge interpretieren, Bauteile identifizieren und lokalisieren sowie Roboter zur Zusammenstellung eines Fertigungskits anweisen. Eine weitere Demonstration namens CRX Vibe Coding erzeugt aus generativer KI und Sprachbefehlen Python-Code und Roboterprogramme.

Andere Systeme kombinieren Bildverarbeitung und Kraftsensorik beim Einsetzen von Steckverbindern, verfolgen Schrauben an bewegten Bauteilen, optimieren Bearbeitungswege mit digitalen Zwillingen und erproben die autonome Erholung nach Fehlern. FANUC nennt Google Cloud, NVIDIA, Amazon Web Services und Inbolt als Technologiepartner seiner Physical-AI-Arbeit.

Warum Handschrift ein ernsthafter Robotiktest ist

Handschrift erzeugt Unsicherheit, bevor der Roboter sich bewegt. Buchstaben können undeutlich sein, Bauteilnamen abgekürzt und Mengenangaben fehlen. Ein menschlicher Kollege nutzt Kontext, stellt eine Rückfrage oder erkennt, dass der Auftrag keinen Sinn ergibt. Ein Robotersystem muss die Notiz in eine strukturierte Absicht übersetzen, mit einer freigegebenen Teiledatenbank abgleichen und entscheiden, ob die Sicherheit für eine Ausführung ausreicht.

Die Demonstration geht deshalb über Zeichenerkennung hinaus. Der KI-Agent braucht einen kontrollierten Weg von Sprache zu Handlung. Er sollte dem Bediener anzeigen, was er verstanden hat, fehlende Informationen benennen und bei unbekannten Aufträgen eine Bestätigung verlangen. Die sicherste Reaktion auf eine unklare Notiz kann darin bestehen, nichts zu tun.

Natürliche Sprache ist keine Sicherheitssteuerung

Ein Sprachmodell kann eine Aufgabenbeschreibung erstellen oder Code vorschlagen. Es darf deterministische Bewegungssteuerung, Geschwindigkeitsgrenzen, Kollisionsüberwachung und sicherheitsgerichtete Hardware nicht ersetzen. Fabriken benötigen eine klare Trennung zwischen der flexiblen Schicht, die eine Aktion vorschlägt, und der geprüften Ebene, die sie ausführt.

Das kann wie ein Compiler funktionieren. Die KI übersetzt den Wunsch in eine begrenzte Aufgabenrepräsentation. Software prüft Werkzeug, Nutzlast, Reichweite, Vorrichtungen und Sperrzonen. Eine Simulation testet die Bahn. Erst ein freigegebenes Programm gelangt zur Robotersteuerung. Weicht die reale Umgebung vom validierten Zustand ab, muss die Maschine anhalten oder zu einem bekannten sicheren Ablauf zurückkehren.

Warum etablierte Industrieroboter wichtig sind

Physical AI wird oft mit Humanoiden illustriert. Die meisten automatisierten Fabriken arbeiten jedoch bereits mit Armen, Werkzeugmaschinen und mobilen Plattformen, die für bestimmte Aufgaben optimiert sind. Bessere Wahrnehmung und einfachere Programmierung in dieser installierten Basis könnten früher Wert schaffen als ihr Ersatz durch einen universellen Körper.

Ein Industriearm bietet bereits Wiederholgenauigkeit, Nutzlast und Servicenetze. Teuer ist die Entwicklung jeder neuen Anwendung: Vorrichtungen, Bildverarbeitung, Bewegungsbahnen, Fehlerbehandlung und die Anbindung an Produktionssysteme. Wenn KI diesen Integrationsaufwand senkt, ohne die Kontrolle zu schwächen, wäre der wirtschaftliche Effekt erheblich – besonders für kleinere Betriebe ohne großes Robotikteam.

Der digitale Zwilling wird zum Torwächter

FANUC stellt auch virtuelle Inbetriebnahme und digitale Zwillinge in den Mittelpunkt. Wertvoll sind sie hier nicht wegen einer eindrucksvollen virtuellen Fabrik. Sie können eine Validierungsumgebung bilden. Vorgeschlagene Bahnen lassen sich vor der realen Bewegung auf Gelenkgrenzen, Kollisionen, Reichweite und Taktzeit prüfen.

Simulation beweist nicht alles. Reale Kabel biegen sich anders, Bauteile liegen außerhalb ihrer Toleranz, Oberflächen spiegeln Licht und Greifer verschleißen. Ein vertrauenswürdiger Prozess verbindet den Zwilling daher mit echten Sensordaten und kontrollierter Inbetriebnahme. Die Simulation reduziert das Risiko; der letzte Nachweis kommt von Maschine und Werkstück.

Von der programmierten Sequenz zur Fähigkeitenbibliothek

Klassische Roboterprojekte erzeugen häufig Code für eine einzelne Zelle. Physical AI könnte eine höhere Ebene schaffen: Steckverbinder lokalisieren, ausrichten, mit Kraftgrenzen einsetzen, Sitz prüfen und nach einem Fehlversuch sicher reagieren. Ein Bediener kombiniert freigegebene Fähigkeiten, statt jeden Bewegungspunkt einzeln festzulegen.

Das verbessert die Wiederverwendung nur, wenn jede Fähigkeit klare Grenzen besitzt. Das System muss wissen, für welche Greifer, Objekte, Toleranzen und Sensorbedingungen sie validiert wurde. „Steckverbinder einsetzen“ ist keine universelle Fähigkeit, wenn Form, Kabelsteifigkeit und Zugangsrichtung variieren.

Die Datenfrage wandert in die Fabrik

Multimodale Systeme verarbeiten Kamerabilder, Sensorwerte, handschriftliche Notizen und Produktionsdaten. Das erzeugt wertvolle Trainings- und Diagnosedaten, kann aber Zeichnungen, Teilenummern, Mitarbeiterverhalten und Prozesswissen offenlegen. Hersteller werden fragen, wo die Berechnung stattfindet, welche Informationen das Werk verlassen und ob ihre Beispiele Modelle verbessern, die auch Wettbewerber nutzen.

Zugriffsrechte und Audit-Protokolle gehören deshalb zum Robotikprodukt. Ein Betrieb sollte die ursprüngliche Anweisung, die KI-Interpretation, die erzeugte Aufgabe, jede Freigabe und die tatsächliche Ausführung nachvollziehen können. Ohne diese Kette wird die Untersuchung eines Qualitätsfehlers erheblich schwieriger.

Was auf der IMTS überzeugen würde

Eine belastbare Live-Demonstration braucht Variation statt nur eines einstudierten Beispiels. Besucher sollten unterschiedliche Handschriften, ein fehlendes Bauteil, einen unklaren Auftrag und eine bewusst unsichere Anweisung sehen. Ablehnungen sind ebenso wichtig wie Erfolge. Das System muss erklären, was eine Bestätigung benötigt, ohne selbstbewusst eine falsche Bewegung zu erzeugen.

Nützliche Kennzahlen wären Interpretationsgenauigkeit, Korrekturen durch Bediener, Programmierzeit, Taktzeit, Erholungsquote und fälschlich ausgelöste Sicherheitsstopps. FANUCs Ankündigung beschreibt Konzept und Partner, liefert aber keine unabhängigen Ergebnisse. Die Messe ist der Beginn der Prüfung, nicht ihr Abschluss.

Der Bestand entscheidet über den Markt

Die meisten Hersteller betreiben keine leere, perfekt standardisierte Fabrik. Ihre Anlagen stammen aus unterschiedlichen Jahren, nutzen proprietäre Steuerungen und können nicht für ein langes KI-Experiment stillstehen. Physical AI muss mit dieser Brownfield-Realität umgehen.

Erfolgreiche Produkte werden schrittweise integriert. Sie können zunächst Programme zur Prüfung erzeugen, bei der Einrichtung von Bildverarbeitung helfen oder einen gestörten Zyklus diagnostizieren. Autonomie wächst erst mit den Nachweisen. Dieser Weg ist weniger spektakulär als ein Roboter, der sofort jede Anweisung versteht, passt aber zu industrieller Sicherheit und Instandhaltung.

Der Alpha-Bionic-Blick

FANUCs IMTS-Vorschau ist wichtig, weil sie Physical AI auf Maschinen lenkt, die bereits Güter produzieren. Die sichtbare Neuerung ist die natürliche Bedienung. Die tiefere Veränderung wäre eine neue Programmierschicht zwischen menschlicher Absicht und verifizierter Automation.

Gewinnen werden nicht die Systeme, die den meisten Robotercode erzeugen. Entscheidend sind Lösungen, die jede generierte Handlung überprüfbar, umkehrbar und auf einen freigegebenen Sicherheitsrahmen begrenzt machen. In der Fabrik wird Intelligenz erst wertvoll, wenn Bediener sowohl der Handlung als auch ihrer Freigabe vertrauen können.

Für Integratoren entsteht damit eine neue Aufgabe. Sie bauen nicht mehr nur eine Roboterzelle, sondern gestalten auch die Grenzen der KI: erlaubte Formulierungen, Prüfregeln, Eskalationswege und Protokolle. Diese unsichtbare Ebene könnte wichtiger werden als die spektakulärste Messebewegung. Governance wird damit zu einem messbaren Bestandteil der technischen Inbetriebnahme.