Das KI-Startup Physical Intelligence (π) hat sein neuestes Foundation Model, pi06, ordentlich durch den Wolf gedreht – und zwar unter echten, unvorhersehbaren Bedingungen. Die Ergebnisse lassen die Branche aufhorchen: Laut Mitgründer Sergey Levine erreichte das Modell eine Autonomie von 92 % beim Einsatz in einer Wäscherei und schaffte im Lagerhaus-Check satte 165 Artikel pro Stunde. Damit rückt die Vision einer universellen KI, die quasi jeden Roboter steuern kann, ein gewaltiges Stück näher an die Realität.
In einem Blogpost vom 24. Februar 2026 gab das Unternehmen Details zu Kooperationen mit zwei Robotik-Firmen bekannt, um zu testen, wie sich das Modell jenseits steriler Laborbedingungen schlägt. Zusammen mit Weave Robotics ließ Physical Intelligence die pi06-KI auf einen Roboter bei Sea Breeze Cleaners los. Das beeindruckende Resultat: Das System agierte zu 92 % völlig eigenständig – ein Spitzenwert für eine so chaotische Umgebung wie eine Reinigung. Eine weitere Partnerschaft mit Ultra Robotics demonstrierte die Effizienz im Warehouse-Einsatz: Dort verpackte pi06 reale Produkte mit einer Rate von 165 Stück pro Stunde, wobei menschliches Eingreifen kaum noch nötig war.
Die Performance-Metriken des Unternehmens zeigen eine drastische Steigerung der Autonomie sowie eine deutliche Reduzierung von Fehlern und notwendigen Interventionen im Vergleich zu früheren Versionen. Diese Real-World-Daten sind ein entscheidender Beleg für das ambitionierte Ziel des Startups.
Warum das ein Game-Changer ist
Physical Intelligence baut nicht einfach nur den nächsten Roboter; sie entwickeln das Gehirn für die Hardware anderer Unternehmen. Das Startup strebt einen sogenannten „Physical Intelligence Layer“ an – ein KI-Basismodell, das jeder Entwickler nutzen kann. Das Prinzip ähnelt modernen Software-APIs: Man nutzt eine fertige, hochkomplexe Lösung, anstatt den gesamten KI-Stack mühsam selbst hochzuziehen. Bisher müssen Robotik-Firmen Unsummen in eigene Steuerungs- und Wahrnehmungssysteme investieren. Wenn Physical Intelligence eine zuverlässige Lösung „von der Stange“ liefert, die die harten Brocken des robotergestützten Lernens übernimmt, könnte das den Einsatz nützlicher Roboter in unzähligen Branchen massiv beschleunigen.
