von ULRICH EBERL
Dass einer der wichtigsten Unternehmenslenker der USA europäischen und insbesondere deutschen Firmen eine glänzende Zukunft auf dem Feld der Künstlichen Intelligenz (KI) prophezeit, kommt nicht alle Tage vor. Denn üblicherweise geht die Erzählung so: Europa hat bei der KI-Entwicklung wie schon beim Internet und den sozialen Netzwerken die Zukunft verschlafen. Hierzulande sind keine mächtigen Suchmaschinen wie Google entstanden, kein Facebook, Instagram, YouTube oder WhatsApp, keine Cloud-Plattformen wie die von Amazon oder Microsoft und ebenso keine KI-Sprachmodelle, die bei den Nutzerzahlen an ChatGPT von OpenAI oder Gemini von Google heranreichen. Doch im Januar 2026 sagte Jensen Huang auf dem Weltwirtschaftsforum in Davos zu den europäischen Topmanagern im Saal, sie sollten den verpassten Softwaretrends nicht nachtrauern: „Überspringt einfach die Software-Ära! Heute übernimmt die KI das Programmieren für euch. Ihr in Europa habt eine unglaublich starke industrielle Basis. Verknüpft also eure Fertigungsprozesse mit KI. Robotik, die physische KI, das ist nun eure Chance, die sich nur einmal in einer Generation bietet.“
Huang ist nicht irgendwer. Er ist der Firmenchef, der den Boom moderner Künstlicher Intelligenz erst möglich machte. Denn die Grafikprozessoren seines Unternehmens Nvidia, die einst für Computerspiele entwickelt worden waren, eignen sich auch perfekt für das Training großer KI-Modelle. Nvidia hält hier nach wie vor mit einem Marktanteil von über 80 Prozent ein Fast-Monopol für die leistungsfähigsten KI-Chips. Damit hat Huang seit 2015 den Börsenwert seiner Firma um das 250-Fache auf mehr als vier Billionen US-Dollar gesteigert. Seitdem wetteifert Nvidia mit Apple und Alphabet um den Titel des wertvollsten Unternehmens der Welt.
Verblüffende Erkenntnisse
Aber wie kommt der Nvidia-Gründer dazu, Europa eine goldene KI-Zukunft vorherzusagen? Kann es sein, dass die Verknüpfung von industrieller Fertigung mit KI dem alten Kontinent neue Möglichkeiten eröffnet und sogar einen Vorsprung gegenüber den USA? Um das beurteilen zu können, gilt es, tiefer zu bohren, bei technischen Trends ebenso wie bei wirtschaftlichen Zusammenhängen. Was man dann zutage fördert, sind durchaus verblüffende Erkenntnisse.
Zunächst einmal hat Huang recht, wenn er betont, dass Europa nicht nur über eine erfolgreiche Forschung verfügt, sondern auch über gut ausgebildete Fachkräfte: „In den USA erlebten wir hingegen einen deutlichen Rückgang“, beklagt der Nvidia-Chef. So arbeitete in den 1980er-Jahren mehr als jeder fünfte Amerikaner in der Industrie, heute sind es nur noch 8 Prozent. In Deutschland liegt der Anteil der Erwerbstätigen im produzierenden Gewerbe nach wie vor bei 23 Prozent – und es gibt 330 Ausbildungsberufe im dualen System. Diese Kombination aus Berufsschule und betrieblicher Praxis wollten deutsche Firmen auch jenseits des Atlantiks etablieren, aber bisher gelang das nur an wenigen US-Standorten.
In der Entwicklung von Software allerdings hat Amerika die Nase vorn: Etwa 4,4 Millionen Menschen schreiben in den USA Codezeilen und testen Programme. In Deutschland sind es je nach Zählweise maximal 900.000. Doch heute, so Huang, müsse man oft gar nicht mehr selbst programmieren. Stattdessen kann man einem KI-Sprachmodell, etwa Claude von der US-Firma Anthropic, einfach sagen, was man möchte, und Claude schreibt den Programmcode – in erstaunlicher Qualität, die höchstens noch ein wenig Feinschliff benötigt.
Programme für den Augenblick
Mehr noch: Laut Huang bewegt sich die Welt immer mehr von einer vorab programmierten Software zu KI-Systemen, die in Echtzeit das generieren, was sie zur Ausführung ihrer Aufgaben benötigen. Das sind dann sozusagen Programme, die nur noch für den Augenblick existieren. Was bedeutet das für klassische Softwareentwickler? Künftige Fachkräfte müssten vor allem wissen, „wie sie mit Künstlicher Intelligenz zusammenarbeiten, wie sie KI managen, überwachen und die Qualität sichern“, sagt Huang und fügt hinzu: „Das sind genau dieselben Fähigkeiten, die man braucht, um ein Team von Menschen zu führen.“
Es ist daher kein Wunder, dass Claude von Anthropic Leitlinien eingepflanzt wurden, wie man sie auch Mitarbeitern für Kundenkontakte vorschreiben könnte. So soll Claude stets ehrlich und hilfreich gegenüber seinen menschlichen Nutzern sein, ihre Privatsphäre achten und sie nicht manipulieren. Zudem soll die KI vorsichtig mit Kindern und Menschen in Krisensituationen umgehen, keine gefährlichen Informationen weitergeben und alles vermeiden, was Menschen körperlich, psychisch, finanziell oder gesellschaftlich schaden könnte – und last, but not least: offen kommunizieren, dass auch Claude Fehler machen kann, anstatt falsche Sicherheit zu vermitteln.
Das Ziel ist ein KI-Ökosystem
Huang zeigt sich von den Fähigkeiten dieser KI jedenfalls begeistert. „Wir arbeiten in unserer Softwareentwicklung sehr intensiv mit Claude, überall bei Nvidia“, erklärt er. Dies gilt auch umgekehrt: Claude wird in erheblichem Umfang mit Chips von Nvidia trainiert und betrieben. Da nach Einschätzung des Nvidia-Chefs die Zukunft in der physischen KI liegt, richtet Huang sein Unternehmen nun neu aus: Er will nicht mehr nur die besten KI-Chips bauen, sondern ein ganzes KI-Ökosystem für industrielle Anwendungen gestalten.
So basteln Nvidia-Entwickler an „Isaac GR00T“, einem KI-Betriebssystem für humanoide Roboter. Mit diesem Maschinengehirn sollen Roboter besser sehen, sprechen und sinnvoller handeln. Hersteller wie Boston Dynamics, das zur südkoreanischen Hyundai Motor Group gehört, und das deutsche Unternehmen Neura Robotics nutzen bereits diese KI-Roboter-Plattform.
Für die Automobilindustrie hat Nvidia auf der Technologiefachmesse CES in Las Vegas im Januar 2026 ebenfalls ein KI-System vorgestellt: Alpamayo. Es soll das autonome Fahren voranbringen, sozusagen die Roboter auf Straßen. Alpamayo gehört ebenso wie Isaac GR00T zu den sogenannten Reasoning-Modellen. Dieser Begriff steht für KI-Systeme, die komplizierte Sachverhalte in eine Abfolge von logischen Gedankengängen zerlegen und diese danach Schritt für Schritt abarbeiten. Bei Bedarf können sie sprachlich erläutern, was sie tun und warum sie das tun – das macht ihr Handeln besser nachvollziehbar und erhöht somit auch die Akzeptanz bei den Nutzern und Regulierungsbehörden.
Dabei beherrscht Alpamayo sogar Situationen, die sich vorher nicht trainieren ließen. Sieht die KI etwa über im Auto eingebaute Kameras Verkehrshütchen in die Straße ragen, könnte sie sagen: „Vor uns verengen Pylone einer Baustelle die Fahrbahn. Links ist frei. Ich weiche daher auf die linke Spur aus.“ Alpamayo entstand in Kooperation mit Mercedes und wurde bereits auf Straßen in San Francisco getestet. Da Nvidia dieses KI-System ebenso wie das für Roboter mitsamt Trainingsdaten als Open-Source-Modell angelegt hat, ist es öffentlich zugänglich und auch für andere Firmen verfügbar.
Ganze Fabriken als digitaler Zwilling
Über solche Entwicklungen schafft Nvidia gezielt strategische Kooperationen mit vielen Firmen, vor allem aus Deutschland mit seiner starken industriellen Basis. Sehr weitreichend ist auch die Zusammenarbeit mit Siemens, etwa beim „Digital Twin Composer“, der ebenfalls Anfang 2026 in Las Vegas präsentiert wurde. Mit dieser Software lassen sich digitale Zwillinge ganzer Fabriken erstellen und miteinander kombinieren: In fotorealistischen 3D-Umgebungen können Ingenieure Produktionslinien virtuell in Betrieb nehmen. Sie können in Echtzeit unterschiedliche Designs physikalisch korrekt simulieren sowie Roboter in diesen Anlagen trainieren – ohne dass auch nur eine einzige Schraube oder ein Förderband real existieren muss.
Die im Hintergrund arbeitende Künstliche Intelligenz erkennt Probleme eines Anlagendesigns und kann manche sogar eigenständig lösen. Die Steuerungsdaten für die Maschinen lassen sich dann einfach von der virtuellen Fabrik in die spätere Produktionsanlage übernehmen. Dem ersten Kunden für diese KI-Software, dem Getränkehersteller PepsiCo, gelang es damit, die Abfüllmengen einer neuen Anlage um ein Fünftel zu steigern – bei über zehn Prozent geringeren Investitionskosten.
Was bedeuten die aktuellen Entwicklungen der Künstlichen Intelligenz für Wirtschaftsbranchen und Arbeitsplätze? Die Börsen sind seit einigen Monaten äußerst nervös: Kündigt etwa eine KI-Firma an, dass ihr neues Modell bei der Erstellung von Steuererklärungen, bei juristischen Beratungen oder der Wohnungssuche helfen kann, dann stürzen gleich die Aktienkurse von Finanz- und Rechtsdienstleistern oder Immobilienvermittlern ab. Oft reicht dafür eine kleine Meldung. Der Beleg, dass die KI wirklich leistet, was behauptet wird, ist gar nicht notwendig.
Auch bei vielen Arbeitsplätzen ist der KI-Umbruch voll im Gange. So untersucht die internationale Jobbörse Indeed regelmäßig entsprechende Trends. Im Bericht 2026 für Deutschland schildert die Arbeitsökonomin Virginia Sondergeld, dass in den Stellenausschreibungen einfache Routinetätigkeiten wie Datenaufbereitung oder Sachbearbeitung an Bedeutung verloren haben, während alle Fähigkeiten, die auf eine effektive Zusammenarbeit mit Künstlicher Intelligenz abzielen, gewinnen konnten. Natürlich verzeichne der Techsektor, also Softwareentwicklung oder Datenanalyse, den höchsten Anteil an KI-bezogenen Jobangeboten, „aber seit Jahresbeginn 2025 haben sich die KI-Anteile im Marketing, dem Projektmanagement, dem Personalwesen und der Bank- und Finanzbranche mehr als verdoppelt“, schreibt die Wirtschaftswissenschaftlerin. Fast so hoch sind die Anstiege im Kundenservice und bei Medien und Kommunikation.
Berufe, die hohe Sozialkompetenz erfordern – wie in der Bildung oder der Pflege – oder solche, die viel handwerkliches Geschick verlangen und unter Fachkräftemangel leiden, sind von der KI-Transformation weniger betroffen. Aber wo immer Unternehmen mithilfe von Künstlicher Intelligenz effizienter oder innovativer werden wollen, werden KI-Kenntnisse und die Nutzung von KI-Werkzeugen zur Grundvoraussetzung. Für jüngere Beschäftigte ist das keine schlechte Nachricht: In der Generation Z – also der heute 16- bis 30-jährigen „Digital Natives“ – setzen mehr als 80 Prozent KI bereits am Arbeitsplatz ein.
© BDW-Grafik; Quelle: Indeed Deutschland
Auch mit dem deutschen Automobilzulieferunternehmen Schaeffler hat Nvidia einen digitalen Zwilling erstellt, in diesem Fall für die Echtzeitsimulation der Abläufe an einem Montagearbeitsplatz mit zwei Roboterarmen. Die beiden Arme verfügen jeweils über eine Hand mit fünf Fingern, die in einer Ausgründung des Greiferspezialisten Schunk in Lauffen am Neckar hergestellt wird. Mit 20 Gelenken und neun Antrieben kommt die Fingerfertigkeit dieser Roboterhand der eines Menschen schon sehr nahe. Die komplette Elektronik passt dabei in die Handwurzel der Maschine.
Fünf Finger für hochflexibles Greifen
„Wenn der Platz beengt ist und die zu greifenden Objekte sowie Werkzeuge stark variieren, dann braucht es die Geschicklichkeit einer solchen Hand oder sogar von zweien, die zusammenarbeiten“, erklärt Timo Gessmann, der Cheftechnologe von Schunk, der die Lösung im November 2025 auf einem KI-Kongress in Stuttgart vorstellte. „Die fünf Finger ermöglichen das hochflexible Greifen und Umgreifen.“ Nötig ist das, weil an dem Arbeitsplatz, der im digitalen Zwilling simuliert wird, normalerweise Menschen Bauteile montieren. Die Konstruktion mit den beiden Roboterarmen kann bei Bedarf, etwa nachts, an dieselbe Stelle geschoben werden. „Die Idee dabei ist, dass die Maschine dann ohne jegliche Umbauten einfach weiterarbeitet“, sagt Gessmann. Denn oft komme es vor, dass gerade in der Nachtschicht Fachkräfte fehlen. Ohne Roboter würde die Arbeit liegen bleiben.
Die Königsdisziplin der KI-Roboter
Für die Tätigkeiten, um die es im Logistikzentrum von Siemens in Erlangen geht, wären hingegen Hände mit 20 Gelenken eher überdimensioniert. Dafür genügen einfache Klemm- oder Sauggreifer. Dennoch ist das, was hier geschieht, eine der bisher größten Erfolgsgeschichten der KI-Robotik. „Die Königsdisziplin“, nennt es Werner Kraus, Leiter des Forschungsbereichs Automatisierung und Robotik am Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA in Stuttgart. „Ich meine damit das zuverlässige Erkennen, Greifen und Verpacken von Objekten, ganz ohne Vorwissen und so schnell wie der Mensch.“ Dank der neuen KI-Systeme, sagt er, bewältigen lernfähige Roboter diese Aufgabe nun. Der innerbetriebliche Warenfluss, die Intralogistik, wird damit zum stärksten Wachstumsfeld der KI-Robotik.
In der Vergangenheit glich das Siemens-Logistikzentrum einem gigantischen Baumarkt. Keine Kundenbestellung war wie die andere. Die Mitarbeiter mussten aus Tausenden von Teilen die gewünschten zusammensuchen: Kabel, Klemmen, Elektrobauteile, Umrichter und Motoren. „Heute verschicken wir dank der KI-Robotik mehr als 70 Prozent unserer Kleinpackstücke voll automatisiert“, erklärt Maximilian Metzner von Siemens Digital Industries. Das Resultat sei ein wahrer Quantensprung, sagt der Teamleiter für autonome Fertigungssysteme: „Damit konnten wir die Produktivität um 125 Prozent steigern.“
Hunderttausende Lieferscheine studiert
Die erste Voraussetzung dafür war, dass die Ingenieure eine KI-Software mit Hunderttausenden tatsächlicher Lieferscheine trainierten. Die Künstliche Intelligenz lernte auf diese Weise, welche Kartongrößen am besten zu den Bestellungen passen. Sie dürfen nicht zu klein sein, aber sie sollen auch nicht zu groß ausfallen, um Platz in den Lieferfahrzeugen zu sparen. Mit Klemm- oder Sauggreifern legen dann Roboterarme die bestellten Teile in die Kartons. Auch hier hilft KI dank intelligenter Auswertung der Kamerabilder: Selbst bei noch nie gesehenen Objekten können die Maschinen inzwischen gut einschätzen, wo sie ihre Greifer ansetzen müssen.
Für die optimale Platzausnutzung sorgt eine weitere KI, die federführend von Forschern am Fraunhofer IPA entwickelt wurde: Sollte es etwa besser sein, eine Schachtel hochkant in den Karton zu stellen, dann wechselt der Roboterarm die Greifstrategie und packt die Schachtel an der schmalen Seite. „Das ist ähnlich wie beim Tetris-Spielen“, meint Metzner. Wie im Computerspiel müssen unterschiedlich geformte Objekte so angeordnet werden, dass sie den Raum möglichst lückenlos ausfüllen. Auch das Auspolstern mit Füllstoff und das Verschließen der Kartons übernehmen bei Siemens jetzt Roboter. Fahrerlose Transportsysteme befördern die Kartons dann zum Versandzentrum, wo ebenfalls automatisiert Etiketten aufgeklebt und die Lkw beladen werden.
Der passende Ort für humanoide Roboter
Dieses Beispiel zeigt gut, dass für wirtschaftliche Erfolge oft gar nicht die umfangreichsten KI-Systeme und die teuersten Roboter nötig sind, sondern diejenigen, die am besten zur Anforderung passen. Braucht man denn wirklich humanoide Roboter, um Bleche in eine Schweißanlage zu legen, wie es die Zweibeiner der US-Roboterfirma Figure AI demonstrierten? Wohl kaum. „Menschenähnliche Roboter sind am sinnvollsten dort, wo sowohl Mobilität als auch universelle Fähigkeiten gefragt sind, also bei Spezialaufträgen oder wenn man jemanden braucht, der kurzfristig einspringen muss“, urteilt Metzner. Denn nur Humanoide können so flexibel sein, dass sie an einem Tag Bauteile montieren und am nächsten Kartons beladen oder Kisten schleppen können.
Derzeit beherrschen vor allem chinesische Firmen wie Agibot, Unitree oder Ubtech die Schlagzeilen. So zeigten humanoide Roboter beim chinesischen Neujahrsfest 2026 spektakuläre Sprünge sowie Kung-Fu-Kampfkunst. Bei dem Besuch von Bundeskanzler Friedrich Merz im Februar 2026 in Hangzhou hingegen boxten zwei Roboter miteinander. Und Ubtech ließ in einem martialischen Video rund 100 Humanoide im Stechschritt in ihre Container marschieren. Doch all das sind präzise choreografierte Bewegungen, die nichts darüber aussagen, wie nützlich solche Maschinen künftig in Fabriken sein werden.
Zudem sind auch Sicherheitsfragen keineswegs gelöst. So weist eine Studie des Fraunhofer IPA darauf hin, dass selbst kleine humanoide Roboter bei schnellen Bewegungen oder Stürzen Menschen erheblich verletzen können, von 80 Kilogramm schweren Kraftpaketen ganz zu schweigen. Das Konzept deutscher Hersteller wie der Firma Neura Robotics scheint daher zielführender: Zum einen haben ihre humanoiden Roboter Sensoren, die erkennen, wenn sich Menschen in der Nähe befinden. Die Roboter passen dann ihr Verhalten entsprechend an. Und zum anderen setzt Neura auf Plattformstrategien: vom einzelnen Roboterarm über kooperierende Roboter bis hin zu Humanoiden auf Rollen oder auf zwei Beinen – alle ausrüstbar mit den gleichen KI-Sensoren und KI-Steuerungen. So lässt sich für jede Anwendung das am besten geeignete System auswählen.
Weitaus teurer als das Apollo-Programm
Sollte also der Nvidia-Chef mit seiner Einschätzung richtig liegen, dass KI am meisten Mehrwert bringt, wenn sie in der Industrie und in Maschinen zum Einsatz kommt, dann könnten die USA jetzt viel Geld aufs falsche Pferd setzen. Denn große Techunternehmen wie Microsoft, Open AI, Oracle, Meta, Amazon und Alphabet wollen Hunderte von Milliarden Dollar in KI-Rechenzentren, KI-Chips und die nötige Infrastruktur stecken. Inflationsbereinigt ist das ein Vielfaches der Kosten des einstigen Apollo-Programms zur Mondlandung oder des Manhattan-Projekts für den Bau der ersten Atombombe.
Zugleich sind diese Konzerne, die fast das ganze Wirtschaftswachstum der USA tragen, untereinander und mit den Chip-Herstellern so eng verflochten, dass jeder Fehler zu einem fatalen Dominoeffekt führen kann. Mehr noch: Für die geplanten Datencenter brauchen sie so viel Strom, dass Solar-, Wind- oder Gaskraftwerke nicht ausreichen – Microsoft will daher ein altes Kernkraftwerk wieder in Betrieb nehmen, und Meta hat sogar Verträge zum Bau mehrerer Reaktoren eines neuen Typs abgeschlossen. Weltweit könnte sich nach Prognosen der Internationalen Energieagentur der Strombedarf von Rechenzentren bis 2030 glatt verdoppeln, auf den zweifachen Wert des gesamten deutschen Stromverbrauchs.
Riesiger Stromhunger in den Datenzentren
Die mächtigen KI-Modelle, die in den Datenzentren trainiert und betrieben werden, sollen weiterwachsen, damit sie noch bessere Text-, Audio-, Bild- oder Videoantworten geben können – für Hunderte Millionen Anfragen gleichzeitig. Dabei arbeitet ein typischer KI-Chip von Nvidia mit rund 1.000 Watt elektrischer Leistung, und die größten geplanten KI-Rechenzentren sollen bis zu einer Million solcher Chips enthalten. Das geht dann nur noch mit Großkraftwerken, die auch eine Millionenstadt versorgen könnten.
Doch was, wenn die KI-Systeme von morgen ihre Aufgaben mit weit weniger Rechenleistung bewältigen können? Bekanntlich denkt auch das Gehirn eines Nobelpreisträgers mit nicht viel mehr als 20 Watt Leistung, während ein KI-Sprachmodell das Millionenfache benötigt. Das liegt vor allem daran, dass in klassischen Computern ständig Datenpakete hin und her geschoben werden, während Nervenzellen gleichzeitig Speicher und Prozessor sind und nur dann elektrische Impulse weitergeben, wenn sie aktiviert werden. Erste sogenannte neuromorphe Chips bilden die Funktionsweise des Gehirns bereits recht gut nach (siehe BILD DER WISSENSCHAFT 8/2023, „Rechnen wie das Gehirn“). Sie arbeiten mit weniger als einem Tausendstel des Energieverbrauchs konventioneller Rechner. Für spezielle Anwendungen, etwa extrem sparsame und schnelle KI-Sensoren, werden sie schon eingesetzt, aber für große neuromorphe Netzwerke fehlen noch effektive Methoden, sie zu trainieren.
Eine pfiffige Sparlösung aus China
Allerdings: KI-Optimierer müssen nicht auf die Neuroforscher warten, es gibt bereits Sparlösungen für heutige KI-Modelle. So hat die chinesische Firma DeepSeek 2025 mit einem Sprachmodell für Furore gesorgt, das mit einem Bruchteil der Kosten und des Rechenbedarfs der US-Konkurrenten auskam. Das gelang durch eine effiziente Komprimierung der Daten und die Einführung von „KI-Experten“, etwa fürs Programmieren oder für juristisches und medizinisches Spezialwissen. Solche Anfragen beantwortet bei DeepSeek nicht das gesamte KI-Modell, sondern ein kleines Teilsystem: der jeweilige „Experte“.
© BDW-Grafik: Karl Marx; Quelle: BMWE, Datenbasis IEA & BDEW
Ähnliche Effizienzideen gibt es auch für Basiselemente der generativen Künstlichen Intelligenz: So vervierfacht sich bisher der Rechenaufwand, wenn sich die Textlänge der Anfragen und Antworten verdoppelt. Das liegt am sogenannten Aufmerksamkeitsmechanismus, der Bezüge zwischen allen Textteilen herstellen muss. Neue Konzepte entscheiden hingegen bei jedem Schritt, welche Informationen wichtig bleiben und was vergessen werden kann – etwa, weil es Füllwörter sind oder weil sie für die Anfrage keine Rolle spielen. Darüber hinaus stellte Nvidia im März 2026 auf Textgenerierung spezialisierte KI-Chips vor, die wesentlich schneller und energiesparender arbeiten als bisher.
Solche Innovationen können infrage stellen, ob sich gigantische Datencenter je rechnen werden. Und vielleicht noch wichtiger: Eine Studie des Massachusetts Institute of Technology (MIT), die Hunderte KI-Projekte untersucht hat, ergab 2025, dass 95 Prozent dieser Projekte keinerlei Mehrwert brachten – unter anderem, weil einmal trainierte große Sprachmodelle à la ChatGPT sich kaum an den wirklichen Bedarf von Unternehmen anpassen lassen.
Plakativ gesagt: Was nützt es einer Firma, die Sanitärbedarf herstellt, wenn die KI, die Produktion, Vertrieb und Marketing optimieren soll, eloquent über die Philosophie von Kant und Hegel diskutieren kann? Viel sinnvoller wären hier kleinere KI-Modelle, deren Training genau die Daten umfasst, die für das jeweilige Unternehmen wichtig sind – und dasselbe gilt für die Künstliche Intelligenz zur Steuerung von Maschinen und Robotern. Wenn sich Europa darauf konzentriert, dann hat es bei der „industriellen KI“ auch gegenüber mächtigen Wettbewerbern in den USA und China noch alle Chancen. ■
