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).

Wem die physische KI-Strategie gehört, ist noch eine offene Frage. Fünfunddreißig Prozent der Befragten gaben an, dass ihre CTOs das Unternehmen besitzen, 27 % sagten, CIOs seien verantwortlich, während acht Prozent der Organisationen angaben, es gebe überhaupt keinen klaren Eigentümer. Das ist überraschend für eine Technologiekategorie, die reale Infrastruktur, Sicherheitsimplikationen und erhebliche Investitionsausgaben umfasst. Bemerkenswert ist, dass der COO – der wohl die größte operative Erfahrung in Fertigungs- und Logistik-Anwendungsfällen hat – die Strategie nur in acht Prozent der Organisationen besitzt, was darauf hindeutet, dass die Verantwortlichkeit der Governance der Implementierung verzögern könnte.

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?

Die Barrieren für physische KI unterscheiden sich von der Barriere für Software-KI. Unter Unternehmen, die bereits mit physischer KI beschäftigt sind, nannten 69 % der Befragten die Integrationskomplexität mit bestehenden Systemen als Hindernis, was die Herausforderung widerspiegelt, intelligente Hardware mit der alten Unternehmensinfrastruktur zu verbinden. Neunundfünfzig Prozent der Befragten nannten Hardware- und Infrastrukturkosten, dicht gefolgt von Sicherheits- und Sicherheitsbedenken, die von 55 % genannt wurden.

Siebenundvierzig Prozent der Befragten gaben an, dass die unklare ROI eine zentrale Hürde sei – bemerkenswert, weil sie die Herausforderung widerspiegelt, die wir in der breiteren KI-Landschaft sehen, in der die Geschäftsargumente für neue Technologiekategorien noch in Echtzeit geschrieben werden.

Die Workforce-Geschichte von Physical AI wird noch geschrieben

Von den Befragten, die darüber nachdenken, physische KI zu nutzen oder aktuell zu nutzen, sagten 39 %, dass physische KI hauptsächlich menschliche Arbeiter unterstützen wird, wobei Menschen im Mittelpunkt ihrer Abläufe bleiben. Die Mehrheit erwartet eine ausgewogene Mischung aus Augmentation und etwas menschlicher Rollenersatz bei physischen und operativen Aufgaben, wobei nur sechs Prozent erwarten, dass die Hauptnutzung der Technologie menschlicher Ersatz sein wird. Das stimmt mit der breiteren Augmentation-Erzählung in diesem Bericht überein. Aber physische KI ist das eine Gebiet, in dem der Ersatz von körperlicher Arbeit wirklich möglich ist – auf eine Weise, wie es Software-KI nicht ist.

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.