Plattform für Physical AI in der Fabrik

In einer modernen Produktion müssen zahlreiche Systeme, Menschen und Anlagen miteinander interagieren. Physical AI ist das Konzept, mehr Intelligenz in die dort eingesetzten Automatisierungssysteme zu integrieren.
In einer modernen Produktion müssen zahlreiche Systeme, Menschen und Anlagen miteinander interagieren. Physical AI ist das Konzept, mehr Intelligenz in die dort eingesetzten Automatisierungssysteme zu integrieren. – Bild: GlobalFoundries Management Services

Zum Spektrum aktueller Physical AI-Anwendungen zählen autonome mobile Roboter, kollaborative Roboter in der Montage und Anlagen, die ihren Zustand permanent selbst überwachen. Ein praxistaugliches Modell, um Physical-AI-Architekturen in der Industrie zu strukturieren, ist STAC: Sense, Think, Act, Communicate. Sense beschreibt die Erfassung der Umgebung mit immer vielfältigerer Sensorik – von Kameras über Radar- und Lidar-Systemen bis zu Schwingungs- und Umweltsensoren. Think steht für die lokale Auswertung dieser Daten auf Steuerungen, Industrie-PCs oder Edge-Boxen, oft mit KI-Inferenz, um deterministische Entscheidungen in Echtzeit zu treffen. Unter Act fallen die resultierenden Bewegungen und Schaltvorgänge, die über Antriebe, Greifer, Ventile und andere Aktoren realisiert werden. Communicate schließlich umfasst den Datenaustausch zwischen Feldgerät, Edge-Ebene und Cloud – etwa für Flottensteuerung, Software-Updates und Modellverbesserung. Aus Sicht eines Halbleiterherstellers stellt STAC drei harte Anforderungen: Energieeffizienz, reproduzierbare Latenz und langfristige Zuverlässigkeit inklusive Security über den Lebenszyklus. Erst wenn alle vier STAC-Funktionen unter diesen Bedingungen abbildbar sind, lassen sich Physical-AI-Systeme aus Pilotprojekten in breit ausgerollte, sicherheitskritische Umgebungen überführen.

Warum klassische SoCs an Grenzen stoßen

Auf dem Shopfloor treffen mehrere Zwänge zusammen: beengte Einbauverhältnisse, thermisch anspruchsvolle Umgebungen, 24/7-Betrieb und lange Produktlebenszyklen. Rein auf Spitzenleistung optimierte SoCs können diese Randbedingungen oft nur mit erheblichem Aufwand erfüllen. Gleichzeitig müssen sie heterogene Workloads tragen: klassische Steuerungslogik, Signalverarbeitung, KI-Inferenz, Sicherheits- und Kommunikationsfunktionen. Gefragt sind daher Plattformen, die Compute, Sensoranbindung, Aktorik, Speicher und Vernetzung unter einem gemeinsamen Energie- sowie Latenzbudget zusammenführen und genügend Reserven für zusätzliche Modelle und Funktionen bieten.

Purpose-built Halbleiterplattformen als Fundament

Um diese Anforderungen zu adressieren, gewinnen spezialisierte Halbleiterplattformen an Bedeutung. Sie stellen nicht nur einzelne Bausteine bereit, sondern bilden das technische Fundament, um Physical-AI-Systeme zu skalieren. Energieeffiziente CMOS-Technologien und FinFET-Knoten sollen hohe Rechendichte mit niedrigem Energiebedarf kombinieren, um kompakte Edge-SoCs zu ermöglichen, die Sensorik, Signalverarbeitung und Steuerung integrieren. Eingebettete, nichtflüchtige Speicher wie MRAM speichern Firmware, Modelle sowie Konfigurationen im System und lassen sich über die Jahre mit Over-the-Air-Updates aktualisieren. Power-Management-Fähigkeiten – etwa getrennte Spannungs- und Takt-Domänen, tiefe Energiesparzustände und adaptive Regler – helfen, aktive und Standby-Verluste zu minimieren. Das zahlt sich insbesondere in mobiler Robotik, batteriebetriebenen Geräten und passiv gekühlten Steuerungen aus. Ergänzend sorgen RF-Bausteine und gegebenenfalls optische Schnittstellen dafür, dass große Datenmengen mit geringem Energieaufwand übertragen werden können. Advanced Packaging und heterogene Integration ermöglichen es wiederum , Compute-, Speicher-, RF- und Stromversorgungsfunktionen auf engem Raum zu koppeln. Kürzere Signalwege senken Latenzen und verbessern die Energieeffizienz, während sich Footprint und Stückkosten optimieren lassen. Mit den Fortschritten in diesem Segment werden sich künftig immer mehr Sensoren, Aktoren und Steuerungen in Physical-AI-Systeme einbinden lassen – nicht nur in wenige High-End-Systeme.

Verteilte, softwaredefinierte Intelligenz

Parallel dazu wandelt sich die Systemarchitektur im Maschinen- und Anlagenbau. Rechenleistung und Intelligenz rücken näher an Sensoren und Aktoren. Entscheidungen werden dort getroffen, wo sie Wirkung erzeugen, um Signalwege kurz und Latenzen vorhersagbar zu halten. Für Halbleiterplattformen bedeutet das: Sie müssen heterogene Workloads unterstützen, über mehrere Produktzyklen hinweg nutzbar bleiben und Security-by-Design integrieren. Embedded-Speicher, sicheres Booten, Update-Mechanismen und Hardware-Sicherheitsfunktionen gehören daher zur Grundausstattung. Anbieter koppeln Prozesstechnologien, IP, Packaging und Fertigung im Rahmen eines Co-Design-Ansatzes und ergänzen sie um echtzeitfähige Prozessor-IP, beispielsweise mehrkernige, multi-threaded RISC-V-Varianten. So lassen sich deterministische Workloads in industriellen Physical-AI-Anwendungen gezielt adressieren.

Einsatzfelder in Industrie und Logistik

Im Automotive-Bereich treiben Physical-AI-Systeme die nächste Generation von Fahrerassistenzfunktionen und automatisierten Fahrmanövern. Sie verbinden multimodale Sensorik mit Echtzeitverarbeitung und präziser Aktorik unter strengen Sicherheits- und Thermikvorgaben. In der Industrieautomation und Logistik müssen autonome mobile Roboter, Cobots und fahrerlose Transportsysteme in dynamischen Umgebungen navigieren, Objekte erkennen, Pfade planen und sicher mit Menschen interagieren. Noch weiter gehen Perspektiven für komplexe Robotik bis hin zu humanoiden Systemen, die in menschlichen Umgebungen arbeiten sollen.

Halbleiter als Schlüssel zur nächsten Automatisierungsstufe

Ed Kaste, SVP of Ultra-Low Power CMOS Business bei GlobalFoundries
Bild: GlobalFoundries Management Services

Mit dem Übergang von Cloud-zentrierter KI zu Physical AI verschiebt sich der Fokus in der Industrie auf zuverlässige, energieeffiziente und anpassbare Systeme im Feld. Halbleiterplattformen, die STAC-Workloads berücksichtigen und dabei Leistungsaufnahme, Latenz, Konnektivität und Updatefähigkeit zusammenbringen, könnten die nächste Automatisierungsstufe ermöglichen. GlobalFoundries bündelt hierfür differenzierte Prozesstechnologien, Packaging-, RF- und Konnektivitätsprodukte sowie Prozessor-IP zu Plattformen, die speziell auf Physical-AI-Anwendungen ausgelegt sind. So will der Halbleiterhersteller Entwicklern in Automotive, Industrie und Robotik ein Ökosystem bieten, das den Weg von ersten Demonstratoren hin zu flächendeckend ausgerollten, geschäftskritischen Anwendungen ebnet.



  • ZVEI sieht weiteren Vereinfachungsbedarf der KI-Regulatorik

    ZVEI sieht weiteren Vereinfachungsbedarf der KI-Regulatorik

    Das Plenum des EU-Parlaments stimmt in der ersten Lesung über seine Position zum KI-Omnibus ab. ZVEI-Geschäftsführerin Sarah Bäumchen unterstützt in den Reformwillen und fordert weitere Vereinfachungen beim AI Act.

    mehr lesen: ZVEI sieht weiteren Vereinfachungsbedarf der KI-Regulatorik

  • Forschungsbeirat Industrie 4.0 widmet sich Physical AI

    Forschungsbeirat Industrie 4.0 widmet sich Physical AI

    Die dritte Ausgabe von ‚Industrie 4.0 Forschung in Kürze‘ des Forschungsbeirats Industrie 4.0 widmet sich den Möglichkeiten von Physical Artificial Intelligence (Physical AI) in der Industrie.

    mehr lesen: Forschungsbeirat Industrie 4.0 widmet sich Physical AI

  • Logimat-Preis für bestes Produkt verliehen

    Logimat-Preis für bestes Produkt verliehen

    Im Rahmen der Logimatwurde der Preis ‚Logimat Best Product‘ in drei Kategorien verliehen.

    mehr lesen: Logimat-Preis für bestes Produkt verliehen

  • Spezielle Chips für reduzierten KI-Energieverbrauch

    Spezielle Chips für reduzierten KI-Energieverbrauch

    Im Rahmen des KI-Leuchtturmprojekts ‚Eki‘ hat ein Forschungsteam unter der Leitung der Universität Paderborn an der Verbesserung der Energieeffizienz von KI-Systemen gearbeitet und Methoden entwickelt, mit denen sich der Energieverbrauch…

    mehr lesen: Spezielle Chips für reduzierten KI-Energieverbrauch

  • Neues Mitglied im Aufsichtsrat von Wibu-Systems

    Neues Mitglied im Aufsichtsrat von Wibu-Systems

    Wibu-Systems, ein Spezialist für Softwareschutz, Lizenzierung und Cybersicherheit, hat Prof. Dr. Jörn Müller-Quade in den Aufsichtsrat berufen.

    mehr lesen: Neues Mitglied im Aufsichtsrat von Wibu-Systems

  • SEW-Eurodrive und Safelog entwickeln Softwaresystem für die Intralogisik

    SEW-Eurodrive und Safelog entwickeln Softwaresystem für die Intralogisik

    Im Rahmen der Fachmesse Logimat haben SEW-Eurodrive und Safelog eine strategische Partnerschaft bekannt gegeben.

    mehr lesen: SEW-Eurodrive und Safelog entwickeln Softwaresystem für die Intralogisik

  • KIT-Forschende entwickeln Technologie für lichtbasierte Datenverbindungen

    KIT-Forschende entwickeln Technologie für lichtbasierte Datenverbindungen

    Ein neuartiges Bauteil, das durch eine fortschrittliche Fertigungstechnologie eine sehr schnelle, sparsame und verlässliche Datenübertragung ermöglicht, haben Forschende des Karlsruher Instituts für Technologie (KIT) und der École Polytechnique Fédérale de…

    mehr lesen: KIT-Forschende entwickeln Technologie für lichtbasierte Datenverbindungen

  • PTC tritt dem ZVEI bei

    PTC tritt dem ZVEI bei

    PTC ist dem ZVEI beigetreten und will in diesem Rahmen seine Expertise in den Bereichen digitale Geschäftsmodelle, industrielle künstliche Intelligenz (KI) und datenbasierte Wertschöpfung in die Verbandsarbeit einbringen.

    mehr lesen: PTC tritt dem ZVEI bei

  • Unternehmen setzen auf KI, aber es muss sich auch lohnen

    Unternehmen setzen auf KI, aber es muss sich auch lohnen

    Laut einer Untersuchung von TE Connectivity treibt die deutsche Industrie den Einsatz von künstlicher Intelligenz und Automatisierung mit hoher Geschwindigkeit voran.

    mehr lesen: Unternehmen setzen auf KI, aber es muss sich auch lohnen

  • Ein Chatbot für den Wissenstransfer

    Ein Chatbot für den Wissenstransfer

    Wenn Fachkräfte ein Unternehmen verlassen, geht auch oft Knowhow verloren. Im Projekt ‚Stark‘ untersuchen Forschende des Fraunhofer IPK gemeinsam mit der BSP Business and Law School – Hochschule für Management…

    mehr lesen: Ein Chatbot für den Wissenstransfer

  • Quantencomputer und klassische Rechner optimieren gemeinsam

    Quantencomputer und klassische Rechner optimieren gemeinsam

    Klassische Computer können viele Optimierungsprobleme wie etwa das ‚Problem des Handlungsreisenden‘ nur näherungsweise knacken, aber nicht vollständig und oft nur unter langer Laufzeit.

    mehr lesen: Quantencomputer und klassische Rechner optimieren gemeinsam

  • Digitale Kreislaufwirtschaft in dezentraler Fabrik

    Digitale Kreislaufwirtschaft in dezentraler Fabrik

    Im Projekt ‚Panda‘ setzen die Beteiligten auf digitale Produktpässe und künstliche Intelligenz (KI), um Recycling und Demontage von Produkten effizienter zu machen.

    mehr lesen: Digitale Kreislaufwirtschaft in dezentraler Fabrik