Roboter erobern die virtuelle Welt des Metaverse

Autor: Zen, PANews

Am 8. September schloss das US-Startup Antioch eine Series-A-Finanzierung über 32 Millionen US-Dollar ab, angeführt von der bekannten Silicon-Valley-Risikokapitalgesellschaft Greylock. Zusammen mit der im Jahresanfang abgeschlossenen Seed-Runde über 8,5 Millionen US-Dollar hat das erst etwas mehr als ein Jahr alte Unternehmen insgesamt 40,5 Millionen US-Dollar eingesammelt.

Antiochs Hauptansatz besteht darin, reale Roboter, Sensoren, Softwaresysteme und Betriebsumgebungen in eine digitale Umgebung zu überführen, um in einer möglichst realitätsnahen digitalen Welt Maschinen in großem Maßstab zu trainieren, zu testen und zu validieren. In der Realität kostspielige, schwer reproduzierbare oder sogar gefährliche Ausfälle und Extremszenarien können hier immer wieder simuliert werden.

Antioch ist kein Einzelfall. Mit Physical AI als neuem Investitionsschwerpunkt der KI-Branche rücken Unternehmen rund um 3D-Räume, digitale Zwillinge, physikalische Simulation und synthetische Daten wieder in den Fokus von Investoren. Sie alle versuchen im Grunde, eine der Realität möglichst nahe kommende Welt im Computer zu erschaffen.

Beschreibungen wie „virtuelle Welten aufbauen, reale Szenarien nachbilden“ erinnern leicht an die letzte Technologiewelle des „Metaverse“. Der Unterschied: Antioch geht es nicht darum, Nutzer mit VR-Headsets in virtuellen Welten eintauchen zu lassen. Diesmal sind es Roboter, die langfristig in der virtuellen Welt „leben“ müssen.

Die virtuelle Welt ist nicht verschwunden – nur ihre „Bewohner“ haben sich geändert.

Die Menschen sind nicht ins Metaverse eingezogen

Im August 2021 kündigte NVIDIA auf der SIGGRAPH, der weltweit wichtigsten Konferenz für Computergrafik, die Erweiterung der Omniverse-Plattform an. Die Positionierung war damals eindeutig: Omniverse ist eine Plattform für Simulation und 3D-Kollaboration und schuf „die Grundlage für das Metaverse“.

Der Kerngedanke bestand darin, 3D-Inhalte, die zuvor über verschiedene Software verstreut waren, in eine gemeinsame virtuelle Welt zu bringen.

Eine entscheidende Basistechnologie heißt USD – Universal Scene Description. Dabei handelt es sich um einen ursprünglich von Pixar für komplexe Animationsfilme entwickelten und später quelloffenen Standard zur Beschreibung von 3D-Szenen. Vereinfacht gesagt ist es eine Art „universelle Sprache“ der 3D-Welt: Welche Objekte sich in einer virtuellen Szene befinden, wo sie sind, welche Materialien sie verwenden, wie sie sich bewegen und in welcher Beziehung sie zueinander stehen – all das lässt sich über USD organisieren.

Dadurch konnten Designer, die 3D-Modellierungssoftware wie Blender nutzten, Künstler, die mit Adobe Substance 3D Texturen und Materialien erstellten, sowie Ingenieure mit unterschiedlicher Engineering-Software ihre jeweiligen Inhalte über USD mit Omniverse verbinden und in derselben 3D-Welt zusammenarbeiten.

NVIDIA beschrieb diese Zukunft damals sogar als eine Art „3D-Internet“: Das heutige Internet verbindet Webseiten, das künftige könnte unzählige 3D-Räume verbinden, die in Echtzeit betreten werden können und mit denen interagiert werden kann.

Im Oktober desselben Jahres benannte Facebook sein Unternehmen in Meta um – das Metaverse trat damit in seine hitzigste Phase ein.

Im Vergleich zu NVIDIA zeichnete Zuckerberg eine noch grandiosere Zukunft. In seiner Vision nutzen Menschen das Internet nicht mehr nur über zweidimensionale Bildschirme, sondern betreten digitale Welten mit Raumgefühl und „Präsenz“, um dort Meetings abzuhalten, zu arbeiten, sich zu unterhalten, einzukaufen und Kontakte zu pflegen. Meta schätzte damals, dass das Metaverse innerhalb von etwa zehn Jahren eine Milliarde Menschen erreichen und eine gewaltige digitale Wirtschaft bilden könnte.

Das Metaverse war ein Sammelbecken, in das alles hineingepackt werden konnte. In den folgenden zwei Jahren wurden VR, AR, digitale Menschen, virtuelle Büros, 3D-Spiele, digitale Zwillinge sowie digitale Vermögenswerte wie NFTs in eine einheitliche Vorstellung von einer „groß angelegten digitalen Welt“ gepresst.

Doch eine Metaverse-Industrie für Endverbraucher ist bis heute nicht entstanden, und viele damalige Akteure sind stillschweigend vom Markt verschwunden. Meta hat VR, AR und Smart Glasses zwar nicht aufgegeben, aber die dafür zuständige Sparte Reality Labs bleibt eine extrem teure Langzeitinvestition. 2025 erzielte Reality Labs einen Jahresumsatz von rund 2,207 Milliarden US-Dollar, verzeichnete jedoch einen operativen Verlust von 19,193 Milliarden US-Dollar. Meta rechnet zugleich damit, dass der operative Verlust der Sparte 2026 in etwa auf dem Niveau von 2025 bleiben wird.

Die Entwicklung von Omniverse ist dagegen noch bemerkenswerter. Vor fünf Jahren bezeichnete NVIDIA Omniverse als „Grundlage des Metaverse“. Heute lautet die Definition auf der offiziellen NVIDIA-Website: „eine Sammlung von Bibliotheken und Microservices für die Entwicklung von Physical-AI-Anwendungen“.

Die übergeordnete Strategie und der Produktfokus von Omniverse haben sich auf industrielle digitale Zwillinge, Robotersimulation und die Entwicklung autonomer Fahrzeuge verlagert. Darunter hängen eine Reihe von Robotik- und Physical-AI-Tools wie Isaac Sim, Isaac Lab, Cosmos, PhysX und Warp. Dieselbe Plattform trägt heute eine völlig andere große Erzählung.

Tatsächlich reichen Robotersimulation, industrielle digitale Zwillinge und Physik-Engines viel weiter zurück als das „Metaverse-Jahr eins“. Die letzte Metaverse-Welle hat lediglich 3D-Modellierung, Echtzeit-Rendering, digitale Zwillinge, virtuelle Zusammenarbeit, offene 3D-Standards, NFTs und andere ursprünglich relativ verstreute Technologien in eine einheitliche Vorstellung von einer „groß angelegten digitalen Welt“ gepackt.

Nach dem Abebben des Metaverse-Hypes sind diese Infrastrukturen also nicht verschwunden. Man hat nur allmählich erkannt, dass Roboter eine virtuelle Welt womöglich dringender brauchen als Menschen.

Warum Roboter eine virtuelle Welt brauchen

Als NVIDIA auf der diesjährigen GTC-Konferenz das Trainingssystem für humanoide Roboter erläuterte, präsentierte das Unternehmen erneut eine sehr anschauliche „Datenpyramide für Roboter“.

Ganz unten liegen die massenhaft vorhandenen Internet- und menschlichen Daten, etwa Webseiten, Bilder, Videos und Aufzeichnungen menschlichen Verhaltens. Sie sind nahezu unerschöpflich und können Robotern zeigen, wie die Welt aussieht und was Menschen tun, enthalten aber meist nicht die Gelenkwinkel-, Kraft-, Tast- und Steuersignale, die Roboter für echte Handlungen benötigen.

An der Spitze der Pyramide stehen Daten von echten Robotern. Lässt man Roboter per Teleoperation oder autonom tatsächlich greifen, tragen und laufen, erhält man Daten, die der finalen Aufgabe am nächsten kommen – aber sie sind auch am teuersten: Ein Roboter kann pro Tag höchstens 24 Stunden real erleben, und es fallen Kosten für Maschinen, Flächen, Bedienpersonal und Wartung an.

Dazwischen liegen Simulation und synthetische Daten. Sie sind nicht so präzise wie echte Roboterdaten, lassen sich aber auf GPUs extrem schnell replizieren und parallel erzeugen. Anders als Internetvideos, die nur zeigen, „was Menschen tun“, können sie direkt die Bewegungs-, Zustands- und Sensordaten liefern, die Roboter für ihre Aufgaben benötigen.

NVIDIA schlägt daher vor, die mittlere Schicht der synthetischen Daten künftig immer weiter auszubauen, damit sie zu einer wichtigen Datenquelle für das Robotertraining wird.

Die Vor- und Nachteile der drei Datentypen sind simpel: Internet- und menschliche Daten sind günstig und riesig, aber weit von der realen Roboterausführung entfernt; echte Roboterdaten sind der tatsächlichen Anwendung am nächsten und physikalisch am authentischsten, aber teuer und langsam; Simulationsdaten liegen dazwischen – mit gewissen Einbußen bei der Realitätstreue, aber deutlich überlegen in Skalierbarkeit, Kosten und Kontrollierbarkeit.

Genau deshalb wird Simulation zu einem der am stärksten von Investoren und großen Konzernen bevorzugten Bereiche der US-amerikanischen Physical-AI-Infrastruktur.

Bei der Simulation geht es nicht nur um die Datenmenge. Das entscheidende Merkmal der realen Welt ist, dass sie sich nicht beliebig kopieren lässt. Hat ein Unternehmen 100 Roboter, können auch nur 100 gleichzeitig betrieben werden. Ein Lagerhaus kann für das Robotertraining auch nicht alle zehn Minuten Regale, Beleuchtung, Boden und Waren komplett neu anordnen. In einer virtuellen Umgebung dagegen lässt sich derselbe Roboter in Tausende oder sogar Zehntausende digitale Kopien vervielfältigen.

Ein Roboterarm kann gleichzeitig mit 1000 verschiedenen Tischlayouts konfrontiert werden; Roboter können Position, Masse und Material von Objekten kontinuierlich verändern; Licht, Kameraposition, Bodenreibung und sogar Sensorfehler lassen sich gezielt zufällig variieren. Diese Trainingsmethode heißt in der Robotik „Domain Randomization“: Statt den Roboter eine perfekte virtuelle Umgebung auswendig lernen zu lassen, wird die Umgebung absichtlich ständig verändert, damit das Modell lernt, dieselbe Aufgabe unter verschiedensten Bedingungen zu lösen.

Erwähnenswert ist außerdem: Neben Daten für den „Normalbetrieb“ müssen Entwickler auch Daten für Extremsituationen berücksichtigen. Ein plötzlicher Kameraausfall, ein plötzlich rutschiger Boden unter den Roboterfüßen oder ein stürzender Roboter – all das sind Szenarien, die es zu bewältigen gilt. In der realen Welt kann man nicht täglich Unfälle inszenieren, nur um Daten zu sammeln. In der virtuellen Welt ist das möglich.

Das ist auch ein Grund, warum manche meinen, die Roboterentwicklung könne sich nicht dauerhaft auf reale Testumgebungen stützen. Reale Tests erfordern nun einmal Ausrüstung, Flächen und Entwicklungszeit, und extreme Ausfälle lassen sich schwer reproduzieren. In der Simulation dagegen kann ein einziges Systemupdate sofort unter Tausenden von Bedingungen parallel getestet werden.

Die größte Frage des Metaverse war einst: Warum sollten Menschen überhaupt in eine virtuelle Welt eintauchen? Roboter haben heute bereits eine völlig andere Antwort gegeben. Für Menschen ist die virtuelle Welt nur eine optionale Alternative zum realen Leben. Für Roboter kann sie zum Trainingsgelände werden, bevor sie in die Realität eintreten.

Die „virtuelle Welt“ wird wieder zum Geschäft

Rund um Physical AI entsteht eine neue Industrie für „Infrastruktur für virtuelle Welten“, und die Arbeitsteilung der Unternehmen wird immer feiner.

Im August 2026 sammelte das in München ansässige Unternehmen NavVis 85 Millionen US-Dollar ein.

NavVis ist ein Unternehmen für räumliche Daten. Sein Kerngeschäft ist nicht das Robotertraining, sondern das schnelle Scannen realer Fabriken, Gebäude und Infrastrukturen zu hochpräzisen 3D-Daten mithilfe mobiler Scan-Geräte. Nach Unternehmensangaben hat sein System allein im Jahr 2025 mehr als eine Milliarde Quadratmeter realer Räume verarbeitet und bereitgestellt.

Inzwischen positioniert NavVis dieses Geschäft direkt als „Datenbasis“ für Physical AI: Wenn Roboter künftig in echten Fabriken arbeiten sollen, muss der Computer zunächst genau wissen, wie diese Fabrik aussieht.

Das koreanische Startup NdotLight wiederum löst ein Problem auf einer anderen Ebene. NdotLight ist ein auf 3D-Assets für Robotersimulation spezialisiertes Unternehmen für Physical-AI-Daten. Im August dieses Jahres erhielt es eine neue Finanzierung über 15 Milliarden Won, rund 10,6 Millionen US-Dollar, angeführt von der Korea Development Bank (KDB).

Gewöhnliche 3D-Modelle müssen meist nur realistisch genug sein, um in Spielen oder Animationen verwendet zu werden. Für das Robotertraining reicht das bei Weitem nicht, denn der Roboter muss wissen, wie schwer ein Stuhl ist, wo es zu Kollisionen kommen kann, wie groß die Oberflächenreibung ist und welche Teile beweglich sind.

Das von NdotLight entwickelte TRINIX wandelt gewöhnliche 3D-Inhalte in sogenannte „SimReady-Assets“ um – also 3D-Assets, die direkt in Robotersimulatoren eingesetzt werden können. Neben dem Aussehen ergänzt es Masse, Reibung, Gelenkstrukturen und Kollisionsdaten und lässt sich an NVIDIA Omniverse und Isaac Sim anbinden. Es löst das Problem, virtuelle Objekte nicht nur realitätsgetreu aussehen zu lassen, sondern sie auch so nutzbar zu machen wie reale Objekte.

Am 17. September sammelte mit Treble aus Island ein weiteres Unternehmen 18 Millionen US-Dollar ein. Treble ist ein Unternehmen für akustische Simulation. Nach dem Aufbau virtueller Räume kann das Unternehmen simulieren, wie sich Schall in Räumen, Gebäuden und anderen Umgebungen ausbreitet, und synthetische akustische Daten erzeugen.

Da Roboter, Smart Glasses und andere Physical-AI-Geräte zunehmend auf Mikrofone angewiesen sind, um ihre reale Umgebung zu verstehen, setzt das Unternehmen seine akustische Digital-Twin-Technologie nun auch für das Physical-AI-Training ein. Im Kern geht es darum, wie Roboter in der virtuellen Welt realistische Geräusche „hören“ können.

Zusammengenommen beginnen diese Unternehmen bereits, eine digitale Welt neu zusammenzusetzen, die der vor fünf Jahren beschworenen „virtuellen Welt“ schon sehr nahekommt. Der Unterschied: Das Metaverse strebte nach Immersion, Physical AI strebt nach Realismus.

Damit kommen wir zum wichtigsten Konzept der Robotersimulation: „Sim-to-Real“, also „von der Simulation zur Realität“. Die Frage lautet: Kann das, was Roboter in der virtuellen Welt gelernt haben, in der realen Welt tatsächlich noch verwendet werden?

Deshalb legt NVIDIAs Isaac Sim nicht nur Wert auf Bildqualität, sondern umfasst auch Festkörperdynamik, Gelenke, Kollisionen und verschiedene virtuelle Sensoren, um diese Lücke so weit wie möglich zu schließen. Isaac Lab ermöglicht Entwicklern darüber hinaus, eine große Zahl von Roboterumgebungen gleichzeitig laufen zu lassen und Roboterstrategien parallel auf GPUs zu trainieren.

Der entscheidende Unterschied zwischen der heutigen virtuellen Roboterwelt und vielen Consumer-Metaversen liegt also darin, dass ihr Wert sich letztlich in der realen Welt bewähren muss.

Die Menschen sind letztlich nicht wie ursprünglich geplant ins Metaverse eingezogen. Doch die für die virtuelle Welt gelegten Wege sind nicht völlig ungenutzt. Roboter folgen ihnen nun – zurück in die Realität.