Gemini Robotics 2: Was ändert sich für die Fabrik?

Gemini Robotics 2 steuert einen Humanoiden erstmals vom Fußgelenk bis zur Fingerspitze. Google DeepMind hat das Modell am 30. Juli 2026 vorgestellt, gemeinsam mit einem Planungsmodell für die Aufgabenzerlegung und einer schlanken Variante, die auf dem Roboter selbst rechnet.^[1] Zu den Partnern mit frühem Zugang zählt Agile Robots aus München.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

Weniger als 200 Beispiele und wenige Stunden genügen dem Modell nach Angaben des Herstellers, um eine fremde Zwei-Arm-Plattform zu übernehmen. An dieser Zahl hängt für europäische Werkshallen mehr als an jeder Geschicklichkeitsdemo, weil bislang jede neue Roboterbauform ihr eigenes Training brauchte.

Das Wichtigste in Kürze

Gemini Robotics 2 steuert den kompletten Körper eines Humanoiden, der Vorgänger beschränkte sich im Kern auf Arme und Oberkörper.
Google DeepMind nennt für die Manipulation über den ganzen Körper Erfolgsquoten von 45,7 bis 76,3 %, für Aufgaben mit mehrfingrigen Händen 36 bis 92 %.
Eine fremde Zwei-Arm-Plattform übernimmt das Modell laut Hersteller mit weniger als 200 Beispielen.
Ab dem 20. Januar 2027 verlangt die EU-Maschinenverordnung für lernende Sicherheitsbauteile die Prüfung durch eine benannte Stelle.

Was steuert das neue Modell mehr als der Vorgänger?

Stiefel mit Preisanhänger und ein Roboterarm, der einen Spielzeugvogel hält, auf Weiß — Gemini Robotics 2 führt komplexe Aufgaben aus: Der Roboter geht, bückt sich und greift die Gießkanne, um sie abzusetzen. Im Gegensatz zu bisherigen Modellen bewegt er seinen ganzen Körper

Ganzer Körper: Der Auftrag, die Gießkanne in den grünen Behälter im untersten Regalfach zu stellen, führt bei Gemini Robotics 2 zu Gehen, Bücken, Greifen und Absetzen in einem einzigen Ablauf. Bisherige Vision-Language-Action-Modelle endeten praktisch am Schultergelenk.

Zweites Modell: Daneben stellt Google DeepMind mit Gemini Robotics ER 2 einen Planer vor, der die Aufgabe zerlegt, statt Motoren zu bewegen. Der Blogbeitrag des Labors beschreibt ER 2 als „das übergeordnete Gehirn des Roboters, das Nutzeranweisungen verarbeitet und mit Menschen kommuniziert“.^[1] Mehrminütige Abläufe mit hunderten Einzelentscheidungen soll der Planer durchhalten und nach einem Fehlschlag selbst nachsteuern. Welches KI-Modell künftig im Humanoiden arbeitet, entscheidet damit über mehr als die Greifqualität.

Warum ist der ganze Körper schwerer als der Arm?

Zwei Regelkreise liefen bisher getrennt. Ein schneller Regler hält den Roboter im Gleichgewicht, ein deutlich langsameres Sprachmodell plant den Griff. Diese Trennung scheitert genau dort, wo Standhöhe und Griff zusammenhängen: Ins unterste Regalfach kommt nur ein Roboter, der vorher in die Knie geht.

Datenhunger: Ein einziges Modell über die gesamte kinematische Kette löst diesen Konflikt und schafft ein neues Problem. Jede Bauform bringt andere Gelenke, Hebel und Hände mit, jede Bauform verlangt deshalb eigene Trainingsdaten. Die Grenze von weniger als 200 Beispielen je neuer Plattform ist der eigentliche Fortschritt der Ankündigung.^[1] Die Erfolgsquoten bleiben dagegen Labormessungen des Herstellers: 45,7 bis 76,3 % über den ganzen Körper, 36 bis 92 % mit mehrfingrigen Händen. Für einen Serientakt reicht das nicht, worauf Hersteller humanoider Roboter selbst hinweisen.

Über den Einzug in deutsche Werkshallen entscheidet nicht die Fingerfertigkeit, sondern die Umzugsdauer auf eine fremde Maschine. Weniger als 200 Trainingsbeispiele verschieben die Rechnung vom Sonderprojekt zur normalen Beschaffung.
— Michael Dobler, Herausgeber Dr. Web

Gemini Robotics 2: was das Modell kann und was ab 2027 gilt

Angaben von Google DeepMind zum Start am 30. Juli 2026. Die Erfolgsquoten stammen aus Labormessungen des Herstellers und schwanken je nach Aufgabenreihe.

unter 200

Beispiele genügen nach Herstellerangaben, damit das Modell in wenigen Stunden eine fremde Zwei-Arm-Plattform übernimmt.

36 bis 92 %

Erfolgsquote bei Aufgaben für mehrfingrige Hände, gemessen am Humanoiden Apollo mit SharpaWave-Händen.

45,7 bis 76,3 %

Erfolgsquote bei der Manipulation über den ganzen Körper, gemessen am Apollo 2 mit Inspire-Händen.

Wer welches Modell heute schon bekommt

Gemini Robotics ER 2

Das Planungsmodell steht in Google AI Studio bereit, dazu läuft eine geschlossene Vorschau auf der Gemini Enterprise Agent Platform.

Gemini Robotics 2

Das Steuerungsmodell bleibt Partnern mit frühem Zugang vorbehalten, darunter Apptronik, Boston Dynamics und Agile Robots aus München.

On-Device 2

Die schlanke Variante rechnet auf dem Roboter selbst und geht ebenfalls nur an Partner mit frühem Zugang.

Was Google DeepMind liefert

Steuerung über den ganzen Körper, Aufgabenplanung über mehrere Minuten hinweg, Abstimmung zwischen mehreren Robotern sowie den Prüfmaßstab ASIMOV-Agentic, der unsichere Werkzeugaufrufe abweisen soll.

Was der Betrieb ab 20. Januar 2027 nachweist

Sobald ein lernendes Modell eine Sicherheitsfunktion übernimmt, verlangt Anhang I der Maschinenverordnung (EU) 2023/1230 die Prüfung durch eine benannte Stelle statt der Selbsterklärung des Herstellers.

Wer liefert die Körper zu diesem Kopf?

Münchner Beteiligung: Google DeepMind nennt Apptronik mit dem Humanoiden Apollo 2, Boston Dynamics und Agile Robots als Partner.^[1] Das Münchner Unternehmen arbeitet seit März 2026 mit dem Labor zusammen und hat nach eigenen Angaben weltweit über 20.000 Robotiklösungen installiert.^[3] Der hauseigene Agile ONE übernimmt bei Siemens in Erlangen bereits reale Transportaufgaben, womit Humanoide aus Bayern die Demobühne verlassen haben.

Arbeitsteilung: Damit setzt sich ein Muster fort, nach dem die Hardware aus der DACH-Industrie kommt und das Modell aus einem US-Labor. In Frauenaurach trainiert Schaeffler Humanoide für den Werkseinsatz 2027, die passenden Gelenkantriebe fertigt inzwischen Stabilus.

Was fordert die EU-Maschinenverordnung ab 2027?

Benannte Stelle: Ab dem 20. Januar 2027 gilt die Maschinenverordnung (EU) 2023/1230. Anhang I führt Sicherheitsbauteile mit ganz oder teilweise selbstentwickelndem Verhalten auf Basis maschinellen Lernens als Hochrisiko-Kategorie.^[2] Für diese Bauteile entfällt die Selbsterklärung des Herstellers, stattdessen prüft eine benannte Stelle.

Abgrenzung: Ein Planungsmodell, das nur Aufgaben zerlegt, fällt nicht automatisch unter diese Kategorie. Zur Hochrisiko-Maschine wird der Aufbau erst, sobald das lernende Modell eine Sicherheitsfunktion übernimmt, etwa den Halt bei Annäherung eines Menschen. Google DeepMind wirbt genau damit: mit verbesserter Erkennung von Menschen in unmittelbarer Nähe und dem neuen Prüfmaßstab ASIMOV-Agentic, der unsichere Werkzeugaufrufe abweisen soll.^[1]

Zu klären: Betriebe regeln vor der Beschaffung vertraglich, wer Modell-Updates freigibt und wie sich im Schadensfall die gefahrene Modellversion belegen lässt. Sicherheitsfunktionen gehören weiterhin auf einen deterministischen Kanal neben dem lernenden Modell. Ob sich ein Roboter im eigenen Betrieb überhaupt rechnet, bleibt davon unberührt eine Frage von Stückzahl und Taktzeit.