studio raoulsoftware innovation, architecture & development
← Blog
KI in der Praxis · 10. November 2026

Roboter, die durch Zuschauen lernen — und was das für Fabriken bedeutet

NVIDIAs neues GR00T-2-Modell ermöglicht es einem Roboter, eine Aufgabe schon nach wenigen Vorführungen zu beherrschen — das macht physische Automatisierung für Unternehmen deutlich zugänglicher.

Auf einen Blick
95%
Erfolgsquote nach 5 Vorführungen
71%
Erfolgsquote nach nur 1 Vorführung
100.000 Std.
Menschenvideos für das Modelltraining
50
verschiedene getestete Aufgaben

Zeige einem Roboter etwas fünfmal, und er kann es zuverlässig ausführen. Das ist das Ergebnis, das NVIDIAs neues GR00T-2-Modell — veröffentlicht am Montag auf einer Robotikkonferenz in Austin, Texas — in kontrollierten Tests erzielt hat: eine Erfolgsquote von 95 % bei 50 Aufgaben nach nur fünf Demonstrationen. Schon nach einer einzigen Demonstration lag die Erfolgsquote bei 71 %.

Bisher bedeutete das Trainieren eines Roboters für eine neue Aufgabe wochenlange Programmierarbeit und teure Spezialisten. GR00T 2 geht anders vor: Das Modell wurde mit 100.000 Stunden Ego-Perspektive-Menschenvideos trainiert, sodass es bereits ein breites Spektrum an Bewegungen kennt, bevor es in eine Fabrik kommt. Diese gemeinsame Basis ermöglicht es, dasselbe Modell auf sehr unterschiedliche Roboter und Aufgaben anzuwenden.

Foxconn setzt es bereits ein, um Teile seiner Serverproduktion in Houston zu automatisieren. Siemens prüft den Einsatz in seinen Fabriken. Das sind keine kleinen Experimente — Foxconn fertigt einige der präzisesten Hardware der Welt, und echte Fabriken setzen bereits darauf. NVIDIA-CEO Jensen Huang hat gesagt, jedes Industrieunternehmen werde zu einem Robotikunternehmen.

Wenn dein Unternehmen körperliche, repetitive Arbeit beinhaltet — Montage, Verpackung, Kommissionierung, Sortierung — lohnt es sich, das genau zu beobachten. Die Hürde für den Einsatz eines Roboters ist gesunken: Du brauchst kein Team von Ingenieuren mehr, das ihn Schritt für Schritt programmiert. Du zeigst ihm die Arbeit, und er lernt. Diese Ergebnisse stammen aus kontrollierten Tests; reale Umgebungen sind komplexer. Der praktische Schritt heute: Bestimme die erste repetitive Aufgabe in deinem Betrieb, die ein Roboter übernehmen könnte, und beobachte, wie Frühanwender wie Foxconn abschneiden.

Quellen
← Agenten-Aufgaben kosten jetzt 17-mal weniger — was das für Entwickler bedeutet← Die KI-Tools in deinem Stack sind gerade zu dauerhafter Infrastruktur geworden
Roboter, die durch Zuschauen lernen — und was das für Fabriken bedeutet