Die KI-Diskussion in der Unternehmenstechnologie drehte sich fast ausschließlich um Software – Modelle, APIs, Agenten, Workflows. Physische KI ist eine andere Kategorie – darunter Robotik, autonome Fahrzeuge, Edge-KI-Geräte und intelligente Sensoren – und nach den meisten Maßstäben eine Kategorie, die noch recht neu und unreif ist. Doch die Signale aus unseren kürzlich veröffentlichten Umfragedaten deuten darauf hin, dass die Lücke zwischen "früh" und "Mainstream" viel kürzer sein könnte, als sie scheint.

Als wir 100 Unternehmenstechnologie-Führungskräfte großer Unternehmen (1.000 bis 5.000+ Vollzeitkräfte) fragten, ob ihre Organisationen derzeit physische KI implementieren oder erproben, berichteten überraschende 26 % heute von einer Form von aktiver Beteiligung: 13 % hatten Projekte in Forschung und Entwicklung, sieben Prozent pilotierten und sechs Prozent hatten bereits physische KI in der Produktion eingesetzt. Weitere 23 % der Befragten gaben an, noch nicht aktiv zu sein, planen aber, innerhalb von 12 Monaten physische KI zu erforschen.

Es ist vielleicht bezeichnend, dass die Unternehmen, die sich am tiefsten mit generativer und agentischer KI beschäftigen, auch die nächste Welle verfolgen. Organisationen mit 100+ KI-Anwendungsfällen arbeiten fast dreimal so häufig an physischer KI (42 % der Befragten) wie solche mit weniger als 50 Anwendungsfällen (15 % der Befragten).

Who owns physical AI strategy is still an open question. Thirty-five percent of respondents said their CTOs were owning it, 27% said CIOs were in charge versus eight percent of organizations said there was no clear owner at all. This is surprising for a technology category that involves real-world infrastructure, safety implications and significant capital expenditure. Notably, the COO—who arguably has the most operational exposure in manufacturing and logistics use cases—owns the strategy in only eight percent of organizations, suggesting governance accountability may lag deployment.

Zugegeben, physische KI bleibt ein kleiner Teil der technologischen Budgets von Unternehmen. Unter den 49 % der Unternehmen, die planen, physische KI zu experimentieren oder einzusetzen, erzählt die Aufschlüsselung der Branche eine vielschichtigere Geschichte. Nur 38 % der Fertigungs- und Informations-/Technologieunternehmen sind aktiv mit physischer KI beschäftigt, während 43 % der Einzelhandelsunternehmen dies tun.

Die Edge-KI ist tatsächlich am weitesten fortgeschritten, wobei die Robotik (trotz des Hypes) hinterherhinkt.

In den fünf physischen KI-Kategorien, die wir verfolgten, haben Edge-AI-Geräte heute die aktivste Einsatzphase. Diese Kategorie umfasst KI-Hardware, die Daten lokal auf dem Gerät selbst verarbeitet – anstatt sie an einen zentralen Server zu senden – und es Sensoren ermöglicht, Informationen in Echtzeit zu erkennen und darauf zu reagieren. In unserer Umfrage gaben 23 Organisationen an, aktiv Edge-KI zu pilotieren oder einzusetzen, darunter 11, die angaben, dass sie derzeit physische KI in der Produktion haben. KI-gestützte Sicherheit und Überwachung (intelligente Kameras, Zugangskontrolle) ist die nächstbeliebteste Unterkategorie, mit 17 aktiv engagierten Organisationen.

Robotik und autonome Systeme, die die öffentliche Erzählung rund um physische KI dominieren, sind in der Praxis tatsächlich nicht so verbreitet. Nur 12 Organisationen in unserer Umfrage erproben oder setzen Robotik aktiv ein, und nur drei haben die Produktionsbereitstellung erreicht. Die Begeisterung für Robotik ist real – 22 Befragte bewerten sie –, aber die Lücke zwischen Bewertung und Einsatz spiegelt die echte Komplexität wider. Zur vollständigen Offenlegung könnte dies auch die Zusammensetzung unserer Umfragegruppe widerspiegeln: Finanzen und Versicherungen sind unsere zweitgrößte Branchenkategorie, während Information / Technologie die größte ist.

Dreizehn Befragte beschäftigen sich aktiv mit industriellen Sensoren und prädiktiver Wartung, wohl der operativ reifsten physischen KI-Kategorie, darunter acht Organisationen in der Produktion – die höchste Produktionsbereitstellungsrate aller Kategorien. Für Fertigungs- und logistikintensive Organisationen zahlt sich hier die physische KI heute aus.

Wo physische KI in der realen Welt auftaucht

Die überzeugendsten Anwendungsfälle zeigen laut unserer Umfrage ein Muster: Hardware erzeugt proprietäre Daten, auf die Software allein niemals Zugriff hat. Im Industriesektor setzen Stahlwerke Sensornetzwerke auf Fabrikflächen ein, um den Rohstoffverbrauch in Echtzeit zu optimieren. In komplexen Anlagen speichern KI-Agenten lebende Sensor- und visuelle Daten, um die Steuerungslogik autonom anzupassen und so Ertrag, Durchsatz und Energieverbrauch ohne menschliches Eingreifen zu optimieren. In der Logistik überprüfen KI-gestützte Kameratürme an Lagerladerampen automatisch bestehende Fracht, und Straßensensornetzwerke verbessern die Sichtbarkeit der Lieferkette und bekämpfen Frachtbetrug. In der Landwirtschaft nutzen traktormontierte Robotersysteme Computer Vision, um einzelne Unkräuter zu bekämpfen und präzises Ausdünnen durchzuführen, wodurch sowohl Arbeits- als auch Chemikalienkosten in großem Maßstab gesenkt werden. Die Hardware schafft einen proprietären Datengraben, den reine Software-Konkurrenten nicht leicht replizieren können.

Was blockiert eine breitere Einführung von physischer KI?

The barriers to physical AI are different in character than the barriers to software AI. Among enterprises already engaged with physical AI, 69% of respondents cited integration complexity with existing systems as a barrier, reflecting the challenge of connecting intelligent hardware to legacy enterprise infrastructure. Fifty-nine percent of respondents cited hardware and infrastructure costs, followed closely by security and safety concerns cited by 55%.

Forty-seven percent of respondents said that unclear ROI was a key barrier—notable because it mirrors the challenge we see across the broader AI landscape, where the business case for new technology categories is still being written in real time.

Die Workforce-Geschichte von Physical AI wird noch geschrieben

Of respondents thinking about using, or currently using physical AI, 39% said physical AI will primarily augment human workers, with humans remaining central in their operations. The majority expect a balanced mix of augmentation and some human-role replacement in physical and operational tasks, with only six percent expecting the primary use of the technology to be human replacement. That’s consistent with the broader augmentation narrative across this report. But physical AI is the one domain where replacement of physical labor is genuinely on the table in ways that software AI is not.

Die physische Schicht der Enterprise-KI ist noch früh. Aber Edge-Geräte sind bereits in Produktion, industrielle Sensoren liefern ROI in Fertigungsumgebungen, und eine Welle von Organisationen bewegt sich innerhalb des nächsten Jahres von "keine Pläne" hin zu "aktiver Erkundung" physischer KI. Für die Softwareanbieter und Infrastrukturanbieter, die an diese Kategorie angrenzen, öffnet sich das Chancenfenster.

Dieser Beitrag steht parallel zur Enterprise Spend Report 2026 von Battery. Laden Sie hier den vollständigen Bericht herunter.