Peking, Bezirk Yizhuang, Sonntagvormittag, 19. April 2026. Über 300 humanoide Roboter aus mehr als 100 Teams stehen an der Startlinie eines Halbmarathons. Parallel starten 12.000 menschliche Läufer. Neben ihnen die jetzt fast vergessene Erinnerung an die Premiere vor genau einem Jahr: Damals brauchte der Sieger-Roboter „Tiangong Ultra“ zwei Stunden 40 und drei Batteriewechsel. Diesmal überquert „Lightning“, ein bipedaler Humanoid des chinesischen Smartphone-Herstellers Honor, die Ziellinie nach 50 Minuten 26 Sekunden — sieben Minuten schneller als der menschliche Halbmarathon-Weltrekord von Jacob Kiplimo aus März 2026. Durchschnittsgeschwindigkeit: rund 25 Stundenkilometer. Honor belegt alle drei Podiumsplätze.
Der sportliche Vergleich ist unsauber: Roboter dürfen Begleitfahrzeuge nutzen, Operatoren dürfen eingreifen, Stürze werden zeitbestraft, aber nicht disqualifiziert. Doch als technisches Signal ist die Zahl konkret. Zwischen zwei Halbmarathons dreifache Geschwindigkeit. Kein Batteriewechsel mehr. Vollautonome Navigation — die Honor-Teams liefen ohne Funk-Pilot, rein auf eigenem SLAM und Pfadplanung. Der Roboter war vor einem Jahr noch ein wissenschaftliches Demo-Objekt. 2026 ist er ein Consumer-Electronics-Produkt in Prä-Launch-Phase.
Was „Physical AI“ eigentlich heißt
Der Begriff ist neu genug, dass er in deutschen Tech-Leitmedien uneinheitlich verwendet wird — und alt genug, dass Nvidia-CEO Jensen Huang ihn 2024 zum „nächsten Frontier“ erklärt hat. Physical AI umschreibt künstliche Intelligenz, die nicht in einem Chatfenster operiert, sondern in der realen Welt: Humanoide Roboter, autonome Fahrzeuge, industrielle Cobots, Agricultural Drones, Warehouse-Robotik. Technisch gemeinsam ist der Stack: Ein Foundation-Modell übernimmt Reasoning und Planung, ein Vision-Language-Action-Modell (VLA) verbindet Kamerabilder mit Bewegungskommandos, ein klassischer Controller übersetzt in Gelenkwinkel. Marktforscher taxieren das Segment für 2030 auf 68 bis über 100 Milliarden Dollar — bei Wachstumsraten von 35 bis 45 Prozent pro Jahr.
Die Unterscheidung zu klassischer Robotik ist praktisch wichtig. Ein ABB- oder Kuka-Schweissroboter ist programmiert auf eine festgelegte Bewegungsabfolge. Ein Physical-AI-System soll per Sprachbefehl oder Kamerainput eine neue Aufgabe bewältigen, die es nie vorher gesehen hat — etwa eine Tasse vom Tisch räumen, einen offenen Kreis auf dem Boden aufwischen, einen gestürzten Menschen sachte aufrichten. Was ein Kleinkind in 18 Monaten lernt, ist für Maschinen bis 2023 unmöglich gewesen. 2026 ist es ein Benchmark, an dem konkurrierende Modelle gemessen werden.
Die drei Felder der Physical-AI-Front
Humanoide Roboter sind das sichtbarste Feld. Neben Honor, das als Smartphone-Hersteller mit Füssigkeitskühlung und Akkutechnik einen Supply-Chain-Vorsprung mitbringt, operieren Unitree (dessen H1 bereits 2025 den Speed-Rekord von 36 km/h hielt), Figure AI (2 Mrd. USD Bewertung, BMW-Partner, Figure 03 in Pilot-Serie seit Q3 2025), Tesla Optimus (Gen 3 angekündigt für Q4 2026), 1X Technologies (Norwegen, OpenAI-investiert), UBTech, Agility Robotics (Digit), Apptronik (Apollo, mit Mercedes-Partnerschaft) und eine zweistellige Zahl chinesischer Player, die der Westen kaum namentlich kennt. Die China-Konzentration im Humanoid-Segment ist auffallend: Im Beijing-Halbmarathon waren alle drei Podiumsplätze Honor — aber die Anmeldung von über 300 Robotern aus mehr als 100 Teams spricht für ein Okosystem, das selbstverständlicher in die Industrieproduktion integriert ist als irgendwo sonst.
Autonome Fahrzeuge sind das Feld mit den größten Investitionen und dem längsten Produktisierungs-Pfad. Waymo fährt Anfang 2026 über 500.000 bezahlte Fahrten pro Woche in mehr als zehn US-Städten, seit April auch in London. Tesla startete am 18. April 2026 in Dallas und Houston seinen Robotaxi-Dienst — erstmals ohne Safety Monitor im Beifahrersitz. Damit ist Tesla in drei Märkten präsent (Austin, SF, Dallas, Houston), parallel läuft die NHTSA-Untersuchung zu 15 gemeldeten Unfällen seit dem Austin-Start im Juni 2025. Die Rate liegt laut Fortune und Bloomberg bei vier- bis achtmal der menschlicher Fahrer. Der eigentliche Streitpunkt ist paradigmatisch: Tesla fährt kameragestützt (weniger als zehn Kameras, kein Lidar, kein Radar) — Waymo setzt auf 29 Kameras, fünf Lidars, sechs Radare pro Fahrzeug. Welches Paradigma auch gewinnt: Das Rennen findet 2026 statt.
Industrierobotik ist das versteckte, aber strategisch wichtigste Feld. Die International Federation of Robotics (IFR) meldet für 2024 (neuere Zahlen liegen im Juni 2026 vor) eine Installation von 295.000 Industrierobotern in China — gegenüber 34.200 in den USA, einem Faktor neun. Der globale Bestand erreichte Ende 2024 über 4,6 Millionen Einheiten. Auf der Hannover Messe, die am 20. April unter dem Leitthema „Think Tech Forward“ eröffnet wurde, zeigen 15 Aussteller humanoide Roboter — erstmals Kern des Leitprogramms, nicht mehr Randthema. Bundeskanzler Friedrich Merz und Brasiliens Präsident Lula eröffneten die Messe gemeinsam; der DFKI-Stand zeigt 6G-vernetzte Mensch-Roboter-Kooperation, Microsoft eine Industrial-Cloud, Siemens einen digitalen Zwilling seiner Amberg-Fabrik.
Warum China vorn ist — und was das mit dem Stanford Index zu tun hat
Der am 13. April 2026 veröffentlichte Stanford AI Index 2026 dokumentiert, was der Beijing-Halbmarathon illustriert. Chinas Spitzenmodelle liegen nur noch 2,7 Prozent hinter dem US-Spitzenreiter Anthropic — vor drei Jahren waren es 17,5 Prozent. Entscheidender für Physical AI: China hält 69,7 Prozent der globalen AI-Patente, publiziert 23,2 Prozent aller AI-Papers — und produziert, wie oben genannt, neunmal mehr Industrieroboter als die USA. In den Chip-Packages sitzt inzwischen nicht nur Nvidia-Silizium, sondern auch zunehmend Huawei Ascend (in China abgeschottet), AMD MI355X und hyperscaler-eigene ASICs. Der Hardware-Stack hinter Physical AI wird zur strategischen Industrie — bei der Bundesregierung fehlt bislang eine sichtbare Antwort. Europa hält laut Stanford 3 Prozent der AI-Patente, 11 Prozent der Compute-Research-Paper, kein nennenswertes Frontier-Modell.
„Was ein Kleinkind in 18 Monaten lernt, ist für Maschinen bis 2023 unmöglich gewesen. 2026 ist es ein Benchmark, an dem konkurrierende Modelle gemessen werden.“
Die Trainingsdaten sind dabei ein struktureller Vorteil, den China nicht aufgibt. Physical-AI-Modelle brauchen Video- und Sensordaten aus realen Umgebungen, in denen Roboter agieren. Chinas großflächige Fabrikräume, der Robotaxi-Piloten in fünf Städten, die industrielle Automatisierungsoffensive „Made in China 2030“ (der Nachfolger von 2025) liefern Datenvolumen, die US-Player nur unter Schwierigkeiten mobilisieren können. Laut dem Anthropic-Mitbegründer Chris Olah in einem März-Vortrag bei der AAAI bleibt das Fehlen skalierbarer Physical-World-Simulationsumgebungen „unser größtes Engpassproblem“ in der westlichen Forschung.
Der westliche Counter: VLA-Modelle und Open-Source-Stacks
Die USA halten zwei strategische Trumpfkarten. Erstens: Vision-Language-Action-Modelle (VLAs). Physical Intelligence aus San Francisco — gegründet von Karol Hausman, Sergey Levine und Chelsea Finn, aktuell bei rund 11 Milliarden Dollar bewertet — veröffentlichte im April π0.7, ein „compositional generalization“-Modell, dessen Air-Fryer-Demo in drei Wochen die Erfolgsrate unbekannter Küchenaufgaben von 5 auf 95 Prozent hob. Google DeepMind launchte am 17. April Gemini Robotics-ER 1.6 als Open-Weights-Release. Nvidias GROOT-Stack — ein Humanoid-Foundation-Modell plus Isaac-Sim-Trainingsumgebung — zählt über 80 Physical-AI-Partner. Zweitens: Die meisten VLA-Gewichte sind open — π0 und π0.5 waren Apache-2.0, Isaac Sim ist kostenlos. China nutzt diese Stacks mit und entwickelt parallel eigene.
Die Frage, welche Seite schneller iteriert, entscheidet sich in der Hardware-Supply-Chain: TSMCs CoWoS-L-Packaging-Kapazität sichert Nvidia über 70 Prozent bis Ende 2026. Huawei Ascend 910C läuft über SMIC-7nm, das laut Paradox Intelligence strukturell nicht konkurrenzfähig ist. China setzt daher auf Masse — viele Robotikeinheiten pro Industrie-Arbeitsplatz — während der Westen auf Fahigkeit pro Einheit setzt. Beide Strategien können funktionieren. Nur nicht dieselbe Zielgruppe bedienen.
Was das für deutsche SaaS-Unternehmen bedeutet
Die unmittelbare Relevanz für Software-as-a-Service-Firmen ist begrenzt — und genau deshalb unterschatzt. Drei konkrete Implikationen verdienen Aufmerksamkeit.
Erstens: Der Talentmarkt für Machine-Learning-Ingenieure verschiebt sich. Spitzenkräfte, die bisher in LLM-Labs bei OpenAI, Anthropic oder Mistral gearbeitet haben, wandern zunehmend in Physical-AI-Startups ab — weil die technische Neuartigkeit größer und die Investorenzuflucht knapper wird. Für SaaS-Unternehmen heißt das: Der Remote-Bewerbungsstrom von Senior-MLEs aus dem Silicon Valley wird 2026 dünner. Wer heute vor der Entscheidung steht, ein eigenes ML-Team aufzubauen, hat im Sommerfenster mehr Wahl als im Herbst. Die US-AI-Talent-Migration ist laut Stanford AI Index 2026 im letzten Jahr um 80 Prozent gesunken — viele bleiben in Asien oder ziehen dorthin.
Zweitens: Die „Frontier”-Heuristik für neue KI-Features ändert sich. Bisher galt: Was Anthropic oder OpenAI nicht kann, kann kein anderer Anbieter. Das stimmt für Reasoning-Benchmarks noch. Für Multimodalität, Vision, Robotik-ähnliche Visual-Tasks überholt China im Halbjahrestakt. Product Managers, die heute konkurrierende Produkte analysieren, sollten Qwen3-VL, Yi-Vision, MiniMax 2.7 und Honor-proprietaere Stacks mit einbeziehen. Kommerzielle Zugängigkeit ist eine andere Frage — viele chinesische Stacks sind entweder lokal zu hosten oder laufen nur über Nicht-Hyperscaler-APIs. Aber technisch sind sie Teil des Benchmark-Vergleichs.
Drittens: Der Hardware-Zuliefermarkt wird selbst SaaS-Produkt. Schematik — von uns in der Ausgabe vom 19. April als „Cursor for Hardware“ beschrieben — ist nur der sichtbarste Vertreter eines breiteren Musters. Claude bekommt via Anthropic-Engineer Rieseberg eine Hardware-API. Cadence und Synopsys bauen AI-Copiloten in ihre EDA-Suiten. Arduino hat im März 2026 den offiziellen AI-Codebuilder gestartet. Wer 2027 ein ausstellungsreifes Hardware-Pendant zu einem Software-Produkt bauen will — Badge, Kiosk, Companion-Device, Robotics-Integration — arbeitet in einer Welt, in der dieses Projekt keine 18 Monate mehr braucht. Strategische Produktplanungen sollten diese Option kennen, selbst wenn sie sie nicht wählen.
Das 18-Monats-Fenster
Die Prognosen für das Kommerzialisierungs-Fenster gehen auseinander. Goldman Sachs rechnet für 2027/28 mit ersten Massenbewegungen in Humanoid-Logistik (Warehouse-Picking, Hotel-Reinigung, Altenpflege). Morgan Stanley sieht eine „iPhone-Moment-Schwelle“ für Haushaltsroboter frühestens 2029. Das Institut für Robotik am DFKI erwartet den industriellen Durchbruch bei Cobots früher — 2026/27 bei spezialisierten Tasks, 2028/29 bei allgemeiner Einsatzfähigkeit. Physical Intelligence-CEO Karol Hausman nennt „Ende 2027“ als Datum, an dem ein Haushaltsroboter zuverlässig Wäsche legen soll.
Das 18-Monats-Fenster, das für SaaS-Entscheider zählt, sieht anders aus. In dieser Periode entsteht klar, welche Plattformen sich durchsetzen (Nvidia GROOT, Anthropic Hardware-API, OpenVLA, Physical Intelligence pi), welche Regulierungsregime greifen (EU AI Act August 2026 für „High-Risk“-Robotics, US NHTSA-Verfahren, Chinas autonomes Fahrzeug-Gesetz Q3 2026), und welche VCs die nächste Finanzierungsrunde treiben. Wer die Entwicklung bis Ende 2027 nur passiv beobachtet, wird im Januar 2028 feststellen, dass zentrale Weichenstellungen getroffen wurden — ohne dass das eigene Unternehmen Einfluss genommen hat.
Der Beijing-Halbmarathon 2026 ist kein Deep-Blue-Moment im Sinne einer erledigten Frage. Er ist ein Sputnik-Moment im Sinne einer geöffneten. Die Frage ist nicht, ob Maschinen laufen können — die Frage ist, wer ihre Betriebssysteme schreibt und wo sie produziert werden. Chinas Honor hat am 19. April gezeigt, dass sie in beidem Vorsprung hat. Deutschland hat auf der Hannover Messe die Kulisse, um zu antworten. Zwischen Zuversicht und Reformdruck liegt das nächste halbe Jahr.