Was passiert ist

Google DeepMind hat am 30. Juli 2026 Gemini Robotics 2 vorgestellt. Der Sprung gegenüber der Vorgängerversion: Das Modell steuert nun nicht mehr nur den Oberkörper eines humanoiden Roboters, sondern den ganzen Körper, von den Füßen bis zu den Fingerspitzen. Apptroniks Apollo 2 läuft zum Tisch, bückt sich, greift eine Gießkanne und stellt sie ins richtige Regal. Fünffingrige Hände (22 Freiheitsgrade, SharpaWave) knoten Schnüre und verschließen Ziploc-Beutel.

Das System besteht aus drei Modellen:

  • Gemini Robotics 2 (VLA): übersetzt Bild und Sprache in Motorik, steuert Humanoide und Bi-Arm-Roboter.
  • Gemini Robotics ER 2 (VLM): das Planungshirn. Ab sofort öffentlich verfügbar über Gemini API und Google AI Studio, in Private Preview auf der Gemini Enterprise Agent Platform.
  • Gemini Robotics On-Device 2: läuft lokal, ohne Netz, adaptiert laut Google DeepMind neue Bi-Arm-Roboter in wenigen Stunden, mit unter 200 Beispielen.

Die Zahlen von ER 2 sind publiziert. Fortschrittsklassifikation: 57,4 Prozent Genauigkeit. Moment-Finding (der exakte Frame, an dem ein Ereignis eintritt): 91,3 Prozent bei 0,96 Sekunden mittlerer Abweichung, laut Google bei einem Bruchteil der Rechenkosten und vierfacher Ausführungsgeschwindigkeit größerer Modelle. Neu ist auch die Zusammenarbeit mehrerer Roboter und ein Sicherheits-Benchmark namens ASIMOV-Agentic, der prüft, ob ein Agent unsichere Befehle verweigert und bei Unsicherheit menschliches Eingreifen anfordert.

Carolina Parada, Robotik-Chefin bei Google DeepMind, nennt das Ziel gegenüber WIRED „physical AGI": ein Roboter, der alles kann, was ein Mensch kann. Demis Hassabis hat gegenüber WIRED ein Android für Roboter in Aussicht gestellt, ein Betriebssystem für viele Maschinen.

Warum das mehr ist als ein Google-Launch

Die eigentliche Geschichte steht in den Fußnoten der Woche.

Die Daten sind das Nadelöhr, nicht das Modell. Encord betreibt in San Leandro eine Halle, in der menschliche „Piloten" Jenga spielen, Kaffee eingießen und Ethernet-Kabel aus Servern ziehen, während Kameras und Sensoren jede Bewegung aufzeichnen. Vineeth Velmurugan, ehemals OpenAI-Roboterlabor, schätzt: Es braucht ein Datenset etwa fünfmal so groß wie der YouTube-Videobestand, um durchzubrechen. Der Vergleich Roboter-KI gleich Chatbot-KI endet genau hier. Text von Stack Overflow zu kratzen kostete die Sprachmodell-Labore fast nichts. Physische Daten müssen hergestellt werden, nicht gesammelt. Das verändert die Ökonomie.

China baut genau diese Grundlage, offen. XinZhi Embodied und die Fudan-Universität haben am 26. Juli 5.000 Stunden taktiler Interaktionsdaten quelloffen veröffentlicht, aus einem Korpus von über 30.000 Stunden. Lizenz CC BY-NC-SA 4.0, also nicht kommerziell nutzbar. Gegen die anerkannte Lücke beim Tastsinn. Tencent Robotics X zeigte auf der WAIC 2026, 17. bis 20. Juli in Shanghai, drei quelloffene Modelle. Und der entscheidende Satz kommt von Chefwissenschaftler Zhang Zhengyou: Von 90 Punkten im Demo bis zum echten Einsatz sei es fast der Unterschied zwischen null und eins. Vorführen allein reiche bei weitem nicht, es müsse stabil und zuverlässig sein. Tencents VLA läuft im Produktionstest auf einer Kosmetiklinie in Shanghai, bei festem Produktionstakt. Eine Sekundenzahl nennen weder Tencent noch Dobot. Die SKU-Umstellung beziffert Dobot im Minutenbereich.

Zum Vergleich: Apptroniks Apollo 2 räumt mit Googles Modell beeindruckend ein Regal ein, „hat aber bei der Bewegungsgeschwindigkeit noch Luft nach oben". Die Demo aus Mountain View. Die Fabrikhalle aus Shanghai.

Der DACH-Blick

Zwei deutsche Namen tauchen auf, und beide auf der Zuliefererseite. Zander Labs, ein deutsches Neuroscience-Startup, liefert Encord die Hirnstrom-Headsets für ein Experiment, das noch im Versuchsstadium steckt. Agile Robots aus München steht in Googles Danksagung neben Apptronik und Boston Dynamics. Deutsche Präzision fließt ein. Die Modellschicht, das Betriebssystem, die Datenfabrik: entstehen anderswo.

Das ist keine Katastrophe, aber eine Ansage. Wer Roboter in der Fertigung einsetzen will, kauft künftig eine Intelligenzschicht ein, so wie man heute ein Betriebssystem einkauft. Für den deutschen Mittelstand zählt, von wem die Intelligenz in der nächsten Generation der Fertigungsroboter kommt, und ob man diese Abhängigkeit früh genug versteht.

Einordnung

Vieles hier ist echt und gemessen. Die ER-2-Zahlen sind publiziert, das Modell ist verfügbar, von den Fudan-Daten sind 5.000 Stunden quelloffen und nicht kommerziell lizenziert. Wenig davon ist verkaufsfertig für die Halle. Google selbst nennt Geschwindigkeit als offene Baustelle, TechCrunch hat selbst an der Steuerung gesessen: Greifer hinken den menschlichen Fingern weit hinterher, und „physical AGI" bleibt ein Zielwort, kein Produkt.

Ankunftsfenster für den produktiven Einsatz humanoider Ganzkörper-Roboter in typischer deutscher Fertigung: seriös nicht aus diesen neun Quellen ableitbar. Was ableitbar ist: Der Wettbewerb hat sich vom Modell zur Datenproduktion verschoben, und in der Fabrik testet gerade jemand anderes.