Gemini Robotics 2: Googles neuer Schritt zur KI-Robotik

Google DeepMind hat am 30. Juli 2026 Gemini Robotics 2 vorgestellt – und damit eines der relevantesten KI-Themen zum Start des 31. Juli gesetzt. Während viele KI-Meldungen derzeit um Chatbots, Agenten und Rechenzentren kreisen, zeigt diese Veröffentlichung, wie sich generative KI in die physische Welt bewegt: Roboter sollen nicht nur einzelne Befehle ausführen, sondern über Bewegungen, Werkzeuge, Umgebung und Sicherheit zusammenhängend entscheiden.

Die Ankündigung ist deshalb bemerkenswert, weil Google DeepMind gleich mehrere Ebenen adressiert: Ganzkörpersteuerung für humanoide Roboter, feinere Greif- und Manipulationsfähigkeiten, verkörpertes Schlussfolgern, Zusammenarbeit mehrerer Robotertypen und lokale Ausführung auf Geräten. Laut Google DeepMind ist Gemini Robotics ER 2 bereits in Google AI Studio verfügbar und in einer privaten Vorschau auf der Gemini Enterprise Agent Platform; die VLA- und On-Device-Modelle stehen zunächst Early-Access-Partnern offen. Für Unternehmen ist das weniger eine sofortige Produktfreigabe als ein Signal: Die nächste Automatisierungswelle wird nicht nur in Software stattfinden.

Was Google DeepMind konkret vorgestellt hat

Im Zentrum steht Gemini Robotics 2, das Google DeepMind als „Intelligence Layer“ für anpassungsfähigere Roboter beschreibt. Frühere Systeme konzentrierten sich stärker auf eng definierte Aufgaben oder auf den Oberkörper eines Roboters. Die neue Version soll nun ganze humanoide Körper kontrollieren – „von den Füßen bis zu den Fingerspitzen“. In der offiziellen Mitteilung nennt DeepMind Beispiele wie Gehen, Hocken, Strecken und das Manipulieren von Gegenständen, etwa beim Aufräumen eines Raums.

Dazu kommen zwei weitere Modellvarianten. Gemini Robotics ER 2 („Embodied Reasoning“) übernimmt die Rolle einer höher gelagerten Denk- und Planungsinstanz: Es verarbeitet Nutzeranweisungen, beobachtet die Umgebung, zerlegt Aufgaben in Schritte, kommuniziert mit Menschen und koordiniert die Ausführung über ein Vision-Language-Action-System. Gemini Robotics On-Device 2 ist dagegen für lokale Ausführung gedacht, also für Anwendungen ohne stabile Internetverbindung oder mit besonders niedrigen Latenzanforderungen.

Google betont außerdem, dass ein Modell-Checkpoint verschiedene Roboterkörper unterstützen kann, darunter Apptroniks Apollo 2 mit unterschiedlichen Händen sowie Franka-Duo-Systeme mit Greifern. In der Praxis ist genau diese Übertragbarkeit entscheidend: Robotik scheitert oft nicht an einer Demonstration im Labor, sondern daran, dass Fähigkeiten nur für eine bestimmte Hardware, Umgebung oder Aufgabe funktionieren.

Warum Ganzkörpersteuerung mehr ist als ein Demo-Feature

Humanoide Roboter wirken in Videos schnell beeindruckend. Für den industriellen und betrieblichen Alltag zählt jedoch, ob ein System eine Aufgabe zuverlässig, wiederholbar und sicher in unordentlichen Umgebungen ausführen kann. Ganzkörpersteuerung ist hier ein zentraler Baustein. Ein Roboter, der lediglich einen Arm auf einer Tischfläche bewegt, kann andere Probleme lösen als ein System, das gehen, balancieren, sich bücken, greifen und Objekte an einen anderen Ort bringen muss.

Die offizielle DeepMind-Ankündigung beschreibt das Beispiel, dass ein Apollo-2-Roboter eine Gießkanne aufnehmen, zu einem Regal gehen und sie in einen bestimmten grünen Behälter stellen soll. Das klingt banal, verbindet aber Wahrnehmung, Sprachverständnis, Bewegungsplanung, Gleichgewicht, Objekterkennung und präzise Platzierung. Genau diese Kombination macht physische KI schwieriger als reine Software-Agenten: Fehler sind nicht nur falsche Ausgaben auf einem Bildschirm, sondern können Schäden, Verzögerungen oder Sicherheitsrisiken verursachen.

The Verge fasst den Fortschritt ähnlich ein: Gemini Robotics 2 erweitere die Steuerung von Oberkörperaufgaben auf Ganzkörperbewegungen und ermögliche damit ein breiteres Spektrum von Aktionen. Der Bericht verweist außerdem auf Aufgaben wie das Verschließen eines Ziplock-Beutels, das Zubinden eines Müllbeutels oder das Herausdrehen einer Glühbirne. Solche Beispiele zeigen, dass DeepMind nicht nur auf Mobilität, sondern auch auf feinmotorische Manipulation abzielt.

Verkörpertes Denken und Multi-Robot-Kollaboration

Besonders relevant für Automatisierung ist Gemini Robotics ER 2. Klassische Roboterprogramme folgen oft festen Sequenzen: Wenn Schritt A abgeschlossen ist, folgt Schritt B. In realen Umgebungen treten jedoch Abweichungen auf – ein Gegenstand liegt anders, eine Tür ist blockiert, ein Teil fällt herunter oder ein Mensch betritt den Arbeitsbereich. DeepMind beschreibt ER 2 als Modell, das längere Aufgabenfolgen über mehrere Minuten ausführen, Fortschritt erkennen und Fehlerpunkte identifizieren kann.

Neu ist auch die stärker betonte Zusammenarbeit mehrerer Robotertypen. Kein einzelner Roboter ist für alle Aufgaben optimal: Ein mobiler Rover kann Wege effizient zurücklegen, ein humanoider Roboter kommt besser mit menschlich gestalteten Räumen zurecht, ein stationärer Zweiarm-Roboter kann präzise Montage- oder Sortieraufgaben ausführen. Gemini Robotics 2 soll unterschiedliche Maschinen über ein gemeinsames semantisches Verständnis koordinieren. Der Google-Blog zu Gemini Robotics ER 2 spricht ausdrücklich von Videoverständnis, Aufgabenorchestrierung und Multi-Robot-Kollaboration.

Für Unternehmen ist diese Orchestrierung der spannendste Teil. Viele Betriebe haben bereits Automatisierung in Teilbereichen, aber selten ein flexibel koordiniertes Gesamtsystem. Wenn KI-Modelle Aufgaben über mehrere Roboter, Werkzeuge und Kontrollpunkte hinweg planen können, verschiebt sich der Fokus von einzelner Hardware zu Prozessintelligenz. Gleichzeitig bleibt offen, wie robust solche Systeme außerhalb kuratierter Demonstrationen sind – eine Frage, die erst Pilotprojekte und unabhängige Tests beantworten können.

Sicherheit als Voraussetzung für physische KI

Mit leistungsfähigeren Robotern steigt der Anspruch an Sicherheit. Google DeepMind verweist auf einen mehrschichtigen Ansatz, der klassische physische Sicherheitsmechanismen mit KI-Sicherheitsverfahren kombiniert. Gemini Robotics ER 2 soll Menschen in der Nähe besser erkennen, Sicherheits-Tools auslösen und Roboter stoppen, wenn eine Person zu nah kommt. Zudem nennt DeepMind Fortschritte bei Benchmarks für Safety Instruction Following und Human Proximity.

Wichtig ist auch der neue Benchmark ASIMOV-Agentic. Er soll prüfen, ob ein verkörperter Reasoning-Agent unsichere Werkzeugaufrufe ablehnen, physische Machbarkeit einschätzen und bei Unsicherheit menschliche Hilfe anfordern kann. Das ist ein realistischerer Sicherheitsbegriff als reine Inhaltsmoderation: Ein Roboter muss nicht nur wissen, was er nicht sagen darf, sondern wann er nicht handeln darf.

Gerade für Arbeitsplätze, Logistik, Pflegeumgebungen oder Fertigung ist diese Sicherheitsdimension entscheidend. Eine gute Roboter-KI muss nützlich und begrenzt zugleich sein. Sie darf nicht jeden Befehl maximieren, sondern muss Kontext, Abstand, Unsicherheit und menschliche Intervention berücksichtigen.

Was das für die Tech-Branche bedeutet

Gemini Robotics 2 zeigt, dass sich die großen KI-Labore zunehmend auf „Physical AI“ konzentrieren: Modelle sollen nicht nur Texte, Bilder oder Code erzeugen, sondern Handlungen in der realen Welt steuern. Das passt zur breiteren Entwicklung hin zu Agenten, die planen, Werkzeuge nutzen und Aufgaben über längere Horizonte verfolgen. In der Robotik kommt jedoch eine zusätzliche Ebene hinzu: Jede Entscheidung muss mit Sensorik, Mechanik, Latenz und Sicherheit zusammenspielen.

Für WorldIP-Leser ist die Einordnung klar: Diese Veröffentlichung ist kein Massenprodukt für den nächsten Monat, aber ein relevanter Markierungspunkt. Sie verbindet generative KI, Automatisierung und Robotik in einem Systemansatz. Unternehmen sollten daraus nicht ableiten, sofort humanoide Roboter einzukaufen. Sinnvoller ist es, die Entwicklung als Hinweis zu verstehen, wohin Automatisierung geht: weg von starren Einzelprozessen, hin zu adaptiven, multimodalen Systemen, die Aufgaben interpretieren, koordinieren und überwachen.

Fazit

Gemini Robotics 2 ist eine der wichtigsten KI-/Tech-Meldungen rund um den 31. Juli 2026, weil sie den Übergang von KI als digitalem Werkzeug zu KI als physischem Handlungssystem sichtbar macht. Google DeepMind präsentiert keine bloße Chatbot-Erweiterung, sondern ein Modellpaket für Ganzkörpersteuerung, feinere Manipulation, verkörpertes Reasoning, Multi-Robot-Kollaboration und lokale Ausführung.

Die großen Fragen bleiben Robustheit, Kosten, Sicherheit, Haftung und Integration in bestehende Prozesse. Dennoch ist die Richtung deutlich: Die nächste Stufe der Automatisierung wird nicht allein durch bessere Sprachmodelle entschieden, sondern durch Systeme, die Sprache, Wahrnehmung, Planung und Bewegung zusammenbringen. Genau deshalb ist Gemini Robotics 2 ein Thema, das Unternehmen, Entwickler und Entscheider aufmerksam verfolgen sollten.

Quellen: – Google DeepMind: „Gemini Robotics 2 brings whole body intelligence to robots“, 30. Juli 2026: https://deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots/ – Google Blog: „Gemini Robotics ER 2″, 30. Juli 2026: https://blog.google/innovation-and-ai/models-and-research/google-deepmind/gemini-robotics-er-2/ – The Verge: „Google DeepMind’s new AI model can control a robot’s entire body“, 30. Juli 2026: https://www.theverge.com/tech/973276/google-deepmind-gemini-robotics-2-whole-body