Gemini Robotics 2.5: Was Googles Roboter-KI kann und was sie für Betriebe bedeutet

Simon Gütter · 14. November 2026 · Lesezeit etwa 13 Minuten

Titelbild „Gemini Robotics 2.5“: Roboterhand legt mit einer orangefarbenen Zange ein Croissant in eine Papiertüte, im Hintergrund eine Werkhalle

Kann ein Roboter in einer laufenden Autofabrik Metallteile aus einer Kiste greifen und in der richtigen Reihenfolge einsortieren, ohne dass jemand jeden Handgriff vorher programmiert hat? Genau das hat Google DeepMind mit Gemini Robotics 2.5 gezeigt, vorgestellt am 10. November 2026. Bei einem Test in Werken von Mercedes-Benz lag die Erfolgsquote bei 96 Prozent.1 Ich habe mir angesehen, was hinter dem Modell steckt, was die Zahlen bedeuten und was davon für kleine und mittlere Betriebe heute schon relevant ist.

Kurz gesagt

Gemini Robotics 2.5 ist ein KI-Modell, das Roboter steuert: Es sieht über Kameras, versteht Anweisungen in normaler Sprache und macht daraus Bewegungen von Armen und Händen. Gegenüber dem Vorgänger schafft es laut Google deutlich mehr feine Handgriffe, etwa Gebäck mit einer Zange einpacken oder eine Schleife lösen, und arbeitet 20 bis 30 Prozent schneller. Kaufen oder selbst nutzen kannst du das Modell noch nicht, es geht vorerst nur an Robotik-Partner wie Apptronik. Was du heute schon ausprobieren kannst, ist das Planungsmodell Gemini Robotics ER 2 in Google AI Studio.1,2

Das Wichtigste in Zahlen

  • 96 % Erfolgsquote beim Einsortieren von Autoteilen mit dem humanoiden Roboter Apollo 2 in Mercedes-Werken in Kecskemét (Ungarn) und Sindelfingen.1
  • 30 bis 100 % höhere Erfolgsquote als die Vorgänger, je nach Aufgabe, bei 20 bis 30 % kürzerer Ausführungszeit.1
  • Über 200 verschiedene Aufgaben im Test, vom Pipettieren bis zum Servieren mit der Zange.1
  • +33 % und +43 % mehr sicher erledigte Aufgaben in der Nähe von Hindernissen und von Menschen.1
  • 99,5 statt 82 % Widerstand gegen getarnte, gefährliche Anweisungen (Gemini 4 Argon gegenüber Gemini Robotics ER 2).1

Was ist Gemini Robotics 2.5?

Gemini Robotics 2.5 ist ein sogenanntes Vision-Language-Action-Modell, kurz VLA-Modell. Der Name beschreibt die Arbeitsweise: Es bekommt Kamerabilder (Vision) und eine Anweisung in Sprache (Language) und gibt daraus direkt Steuerbefehle für Motoren aus (Action).1,3 Klassische Industrieroboter arbeiten anders. Sie fahren eine fest programmierte Bahn ab, und wenn ein Teil schief in der Kiste liegt, bleiben sie stehen oder greifen daneben. Ein VLA-Modell soll sich auf solche Abweichungen einstellen, weil es die Szene sieht und die Aufgabe versteht.

Google setzt dabei auf ein Zusammenspiel aus zwei Modellen. Das Planungsmodell Gemini Robotics ER 2 (ER steht für Embodied Reasoning) behält den Überblick: Es versteht den Raum, zerlegt eine Aufgabe in Schritte, spricht mit Menschen und prüft, ob ein Schritt geklappt hat. Das Handlungsmodell Gemini Robotics 2.5 setzt die einzelnen Schritte in Bewegungen um.1,4 Für Roboter, die ohne Internet oder ohne Verzögerung arbeiten müssen, gibt es zusätzlich eine kleinere Variante, die direkt auf dem Gerät läuft.4

Modell Aufgabe Verfügbarkeit (Stand 14.11.2026)
Gemini Robotics 2.5 Handlungsmodell (VLA): steuert Arme, Hände und ganzen Körper nur Robotik-Partner
Gemini Robotics ER 2 Planungsmodell: versteht Raum, plant Schritte, koordiniert mehrere Roboter öffentliche Vorschau in Google AI Studio und Gemini API, geschlossene Vorschau in Gemini Enterprise Agent Platform
Gemini Robotics On-Device 2 kleines VLA-Modell, läuft lokal auf dem Roboter Early-Access-Partner
Gemini 4 Argon allgemeines Modell, beschleunigt die Robotik-Forschung Gemini API (bezahlt), Google AI Ultra

Das Modell ist nicht an einen bestimmten Roboter gebunden. Google zeigt es auf dem humanoiden Roboter Apollo 2 von Apptronik mit einer Fünf-Finger-Hand (SharpaWave, 22 Freiheitsgrade) und auf einer Franka-Duo-Plattform mit zwei einfachen Zwei-Finger-Greifern.1 Schon die On-Device-Variante der Version 2 ließ sich laut Google mit meist weniger als 200 Beispielen in wenigen Stunden auf neue Roboter mit zwei Armen anpassen.4

Was ist neu gegenüber Gemini Robotics 2?

Gemini Robotics 2 kam im Juli 2026 und steuert Roboter mit dem ganzen Körper, vom Fuß bis zur Fingerspitze: gehen, bücken und greifen in einem Ablauf.4 Version 2.5 legt den Schwerpunkt auf Geschick und Zuverlässigkeit. Google nennt drei Bereiche: mehr Fingerfertigkeit, verlässlichere Ergebnisse im echten Betrieb und mehr Sicherheit.1

Am deutlichsten wird der Sprung bei Aufgaben mit weichen oder empfindlichen Dingen. Stoff und Bänder verformen sich bei jeder Berührung, Gebäck ist schnell zerdrückt. Das zählt für Roboter seit Jahren zum Schwierigsten überhaupt. In Googles eigenen Tests sieht das so aus:1

Aufgabe Gemini Robotics 2 Gemini Robotics 2.5
Gebäck mit einer Zange einpacken 5 % 100 %
Geschenkschleife lösen 0 % 70 %
Strickjacke aufhängen 0 % 62 %
Hose falten 0 % 40 %

Balkendiagramm: Gemini Robotics 2.5 schafft Gebäck mit Zange einpacken in 100 statt 5 Prozent der Versuche, Geschenkschleife lösen in 70 statt 0, Strickjacke aufhängen in 62 statt 0 und Hose falten in 40 statt 0 Prozent

Grafik auf deiner Seite verwenden

Du darfst die Grafik mit Quellenangabe frei verwenden. Kopiere dazu diesen Code:

<a href="https://simon-traffic.com/blog/ki-automatisierung/gemini-robotics/"><img src="https://simon-traffic.com/assets/blog/gemini-robotics/gemini-robotics-2-5-erfolgsquote.png" alt="Gemini Robotics 2.5: Erfolgsquote bei schwierigen Handgriffen" width="1200" height="675"></a>
<p>Quelle: <a href="https://simon-traffic.com/blog/ki-automatisierung/gemini-robotics/">Simon Traffic, Gemini Robotics 2.5</a></p>

Was mir dabei auffällt: Die Hose wird nur in 40 Prozent der Versuche sauber gefaltet. Für eine Wäscherei wäre das wertlos. Interessant ist aber die Richtung, denn bei Version 2 lagen drei dieser vier Aufgaben noch bei null. Alle Werte stammen von Google selbst, unabhängige Messungen gibt es bisher nicht.

Der Praxistest bei Mercedes-Benz: Kitting mit 96 Prozent

Der spannendste Teil der Ankündigung ist für mich nicht das Labor, sondern die Fabrik. Google DeepMind hat zusammen mit Apptronik und Mercedes-Benz humanoide Roboter vom Typ Apollo 2 an laufenden Produktionslinien eingesetzt, in Kecskemét in Ungarn und in Sindelfingen.1

Die Aufgabe heißt Kitting: Einzelne Teile werden aus großen Kisten genommen und in der genauen Reihenfolge in Behälter sortiert, in der sie später am Band für ein bestimmtes Fahrzeug gebraucht werden. Das ist monoton, körperlich anstrengend und muss trotzdem stimmen. Im Test griff Apollo 2 Metallhalterungen aus den Vorratskisten und legte sie in die Sortierbehälter. Das Planungsmodell ER behielt den Ablauf im Blick, das Handlungsmodell 2.5 steuerte Hände und Arme und glich Lücken aus. Ergebnis: 96 Prozent Erfolgsquote.1

Apptronik-Chef Jeff Cardenas sagt dazu, die Modelle hätten sich nach wenigen Wochen Nachtraining stark verbessert und hätten sich mit kaum Leistungsverlust auf die Mercedes-Produktion übertragen lassen.1

Wichtig für die Einordnung: Google spricht ausdrücklich von einem Proof of Concept, also einem Machbarkeitstest. Von einem Regelbetrieb ist keine Rede. 96 Prozent klingen hoch, bedeuten aber auch, dass bei 100 Teilen im Schnitt vier Griffe nicht klappen. In einer Linie, die im Takt läuft, braucht es dafür weiterhin Menschen, die eingreifen. Trotzdem ist das ein anderes Niveau als die üblichen Messevideos, weil es in einer echten Fabrik passiert ist und nicht in einer aufgeräumten Laborkulisse.

Gemini 4 Argon: Üben in der Simulation statt nur am echten Roboter

Roboter lernen langsam, weil jeder Versuch in der echten Welt Zeit kostet. Kamera aufbauen, Roboter laufen lassen, Fehler ansehen, nachjustieren, und das tausendfach. Hier kommt Gemini 4 Argon ins Spiel, Googles allgemeines Spitzenmodell, das im Oktober 2026 auch für die Robotik vorgestellt wurde.5

Laut Google hat Argon die Entwicklung von Gemini Robotics 2.5 stark beschleunigt, und zwar auf drei Wegen:1

  1. Digitaler Zwilling: Aus einer echten Kameraszene baut Argon eine realistische Simulation derselben Umgebung.
  2. Übungsläufe: In dieser Simulation erzeugt es tausende abgewandelte Durchläufe. Zusammen mit echten Vorführungen lernt der Roboter so schneller, mit neuen Szenen und Gegenständen umzugehen.
  3. Fehleranalyse: Argon schaut sich Videos gescheiterter Versuche an, stellt Vermutungen auf, woran es lag, und testet Verbesserungen erst in der Simulation und dann am echten Roboter.

Wie viel das bringt, zeigt ein Beispiel aus Googles Entwicklerblog. Aus einem einzigen Foto eines Tisches baute Argon selbstständig eine Physiksimulation, erzeugte darin über 4.500 abgewandelte Übungsläufe und gab sie zum Nachtraining an das Robotermodell. Danach stieg die Erfolgsquote des echten Roboters von 56 auf 75 Prozent, die Zeit pro Aufgabe sank von 35 auf 24 Sekunden.5

Im Benchmark ERQA, der räumliches Verständnis in 3D-Umgebungen prüft, kommt Argon laut Google auf 87 Prozent und liegt damit vor allen anderen Spitzenmodellen.5 Für mich ist das der eigentliche Hebel hinter der Ankündigung. Wenn das Training von Robotern zum großen Teil in der Simulation passiert, sinken Zeit und Kosten für jede neue Aufgabe. Und genau das entscheidet am Ende, ob sich ein Roboter in einem Betrieb mit vielen wechselnden Aufgaben lohnt.

Sicherheit: Wie Google Roboter vor Fehlern und Manipulation schützt

Ein Sprachmodell, das falsch antwortet, ist ärgerlich. Ein Roboter, der falsch greift, kann jemanden verletzen. Google nennt zwei Neuerungen.1

Sicherheit beim Handeln. Gemini Robotics 2.5 nutzt während der Ausführung eine zusätzliche Denkhilfe, die es in Echtzeit um Gefahren herumlenkt, ähnlich wie Sicherheitsfilter bei einem Chatbot. In Googles Tests wurden dadurch 33 Prozent mehr Aufgaben sicher erledigt, wenn Hindernisse im Weg standen, und 43 Prozent mehr, wenn Menschen in der Nähe waren.1 Schon Gemini Robotics ER 2 kann erkennen, wenn jemand zu nah kommt, und den Roboter sicher anhalten.4

Schutz vor getarnten Befehlen. Mit ASIMOV-Jailbreak hat Google einen offenen Test veröffentlicht. Er enthält hunderte Anweisungen, die gefährliche Aufträge harmlos verpacken, verteilt auf Dutzende Szenen. Gemini 4 Argon widersteht 99,5 Prozent dieser Versuche, die bisherige Vergleichsbasis Gemini Robotics ER 2 lag bei 82 Prozent.1 Der Testdatensatz steht unter der Lizenz CC BY 4.0 auf Hugging Face bereit (Zugang nach Zustimmung zu den Nutzungsbedingungen). Robotik-Firmen können ihre eigenen Systeme damit prüfen.6

Wo steht Google im Vergleich zu Tesla, Nvidia und Co.?

Wer nach KI-Robotern sucht, landet schnell bei Tesla Optimus oder Atlas von Boston Dynamics. Der wichtigste Unterschied: Google verkauft keine eigenen Roboter, sondern entwickelt das Gehirn, das in Roboter anderer Hersteller kommt. Der Körper von Apollo 2 stammt von Apptronik, die Fünf-Finger-Hand von Sharpa und die Steuerung von Google DeepMind.1 Boston Dynamics gehört ebenfalls zu Googles Partnern.3 Tesla dagegen entwickelt Roboter und Software aus einer Hand, Nvidia liefert mit Isaac GR00T eigene Modelle für humanoide Roboter, und Hersteller aus China wie Unitree bringen günstige Hardware auf den Markt.

Für Betriebe ist das relevant, weil es zwei Wege eröffnet. Entweder kaufst du später ein Komplettsystem eines Herstellers oder einen Roboter, auf dem ein Modell wie Gemini Robotics läuft. Welcher Weg sich durchsetzt, ist offen.

Physical AI: Was bedeutet das für kleine und mittlere Betriebe?

Physical AI, auf Deutsch physische KI, ist gerade eines der am schnellsten wachsenden Suchthemen. Das bedeutet aber nicht, dass morgen ein humanoider Roboter in deiner Werkstatt steht. Meine Einschätzung, Stand heute:

Kurzfristig ändert sich für die meisten Betriebe nichts. Gemini Robotics 2.5 ist nur für Partner verfügbar, es gibt keine öffentliche Schnittstelle und keinen Preis. Wer sich jetzt einen humanoiden Roboter kauft, bekommt dieses Modell nicht mit.

Mittelfristig sind Aufgaben wie Kitting die ersten Kandidaten. Gemeint sind Tätigkeiten, die sich oft wiederholen, bei denen aber die Teile nicht immer gleich liegen: Kommissionieren, Sortieren, Verpacken, Bestücken. Genau dort scheitern klassische Industrieroboter, weil die Umgebung zu unordentlich ist, und genau dort setzt Google an. Offen sind dabei noch Fragen, die jeder Betrieb klären muss, bevor so ein Roboter neben Menschen arbeitet: Wer haftet, wenn er etwas beschädigt oder jemanden verletzt, und wie passt er zu den Sicherheitsnormen für Maschinen?

Was du jetzt schon tun kannst, hat mit Robotern wenig zu tun. Ein Roboter mit KI braucht wie jede KI-Anwendung klar beschriebene Abläufe. Wenn du heute deine Handgriffe, Reihenfolgen und Fehlerfälle sauber dokumentierst, ist das die Grundlage für jede spätere Automatisierung, ob digital oder physisch. Das ist klassische Prozessoptimierung. Wo dein Betrieb bei KI insgesamt steht, kannst du mit dem KI-Reifegrad-Check in ein paar Minuten einschätzen. Die schnellsten Erfolge liegen für die meisten kleinen Unternehmen weiterhin bei digitalen Abläufen wie Terminvergabe, Anfragen und Belegen, oft schon mit einem KI-Agenten oder einem lokalen Modell wie Nemotron 3.5 Bolt.

Was du heute schon ausprobieren kannst

Ganz ohne Roboter kannst du dir schon jetzt ansehen, wie Googles Robotik-KI denkt:

  1. Gemini Robotics ER 2 in Google AI Studio. Das Planungsmodell steht dort als öffentliche Vorschau bereit und nimmt Text, Bilder, Video und Ton an. Du lädst zum Beispiel ein Foto von einem Regal oder einer Werkbank hoch, lässt Gegenstände erkennen und dir einen Ablauf in Schritten planen und erklären.2
  2. Gemini 4 Argon über die Gemini API. Argon ist in der bezahlten Stufe der Gemini API und für Abonnenten von Google AI Ultra verfügbar.5 In Googles Entwicklerblog findest du Beispiel-Prompts, etwa wie Argon Simulationen baut oder einen Roboter ohne vorheriges Training steuert.
  3. Warteliste für Tester. Google arbeitet nach eigenen Angaben mit über 100 ausgewählten Testern zusammen, von großen Automatisierern bis zu Robotik-Start-ups, und nimmt weitere Interessenten über eine Warteliste auf.3
  4. ASIMOV-Benchmark. Wer selbst Roboter entwickelt, kann die eigene Sicherheit mit dem offenen Datensatz prüfen.6

Zeitleiste: Gemini Robotics von 2025 bis heute

Datum Veröffentlichung Neu
März 2025 Gemini Robotics erstes Modell, Gemini steuert Roboter
September 2025 Gemini Robotics 1.5 KI-Agenten in der physischen Welt, Übertragung von Bewegungen zwischen Robotern
April 2026 Gemini Robotics-ER 1.6 besseres Planen und räumliches Verständnis
Juli 2026 Gemini Robotics 2 Steuerung des ganzen Körpers, mehrere Roboter im Team
Oktober 2026 Gemini 4 Argon für Robotik Simulation, digitale Zwillinge, Fehleranalyse
November 2026 Gemini Robotics 2.5 mehr Geschick, Fabriktest bei Mercedes, ASIMOV-Jailbreak

Quelle: Google DeepMind.1,4

Fazit: Großer Schritt, aber noch kein Produkt

Gemini Robotics 2.5 zeigt, dass KI-gesteuerte Roboter aus dem Labor herauskommen. 96 Prozent beim Kitting in einer echten Autofabrik und der Sprung bei weichen, empfindlichen Gegenständen sind beeindruckend, auch wenn alle Zahlen von Google selbst stammen. Der eigentliche Fortschritt liegt für mich im Training: Wenn Roboter einen großen Teil ihrer Übung in der Simulation bekommen, wird jede neue Aufgabe günstiger.

Für kleine und mittlere Betriebe ist das Thema heute noch eines zum Beobachten, nicht zum Kaufen. Wer aber jetzt seine Abläufe sauber beschreibt und digitale Automatisierung einführt, ist vorbereitet, wenn physische KI bezahlbar wird.

Häufige Fragen zu Gemini Robotics

Was ist Gemini Robotics?

Gemini Robotics ist eine Modellfamilie von Google DeepMind, die Roboter mit KI steuert. Sie besteht aus einem Planungsmodell (Gemini Robotics ER 2), einem Handlungsmodell (Gemini Robotics 2.5) und einer kleinen Variante für den Einsatz direkt auf dem Roboter (On-Device 2).3

Kann ich Gemini Robotics 2.5 kaufen oder nutzen?

Nein, noch nicht. Gemini Robotics 2.5 wird an Robotik-Partner wie Apptronik verteilt. Öffentlich nutzbar ist das Planungsmodell Gemini Robotics ER 2 in Google AI Studio. Für frühen Zugang gibt es eine Warteliste.1,3

Was ist ein VLA-Modell?

VLA steht für Vision, Language, Action. Ein solches Modell bekommt Kamerabilder und eine Anweisung in Sprache und erzeugt daraus direkt Bewegungsbefehle für einen Roboter. Es muss also nicht für jeden Handgriff programmiert werden.1

Was ist der Unterschied zwischen Physical AI und Embodied AI?

Beide Begriffe meinen KI, die nicht nur Text oder Bilder verarbeitet, sondern in der physischen Welt handelt, etwa in einem Roboter. Embodied AI betont den Körper, also dass die KI über Sensoren wahrnimmt und über Motoren handelt. Embodied AI kommt eher aus der Forschung, Physical AI ist der gängige Branchen- und Marktbegriff. In der Praxis meinen beide meist dasselbe.

Mit welchen Robotern funktioniert Gemini Robotics 2.5?

Google zeigt es auf dem humanoiden Roboter Apollo 2 von Apptronik und auf der Franka-Duo-Plattform mit zwei Greifarmen. Die Modellfamilie ist darauf ausgelegt, mit vielen Robotertypen zu arbeiten. Partner sind unter anderem Apptronik, Agile Robots und Boston Dynamics.1,3

Arbeiten bei Mercedes-Benz jetzt humanoide Roboter in der Produktion?

Nicht im Regelbetrieb. Der Einsatz von Apollo 2 in Kecskemét und Sindelfingen war ein Machbarkeitstest an laufenden Linien, bei dem die Roboter Teile mit 96 Prozent Erfolgsquote einsortiert haben.1

Wann kommen KI-Roboter in kleine Betriebe?

Einen Termin gibt es nicht. Google nennt weder Preis noch Datum für eine breite Verfügbarkeit.1 Zuerst dürften große Industriebetriebe und Logistiker profitieren, bei Aufgaben wie Kitting und Kommissionieren. Für kleinere Betriebe lohnt es sich bis dahin, Abläufe zu dokumentieren und digitale Automatisierung einzuführen.

Was ist Gemini 4 Argon?

Gemini 4 Argon ist Googles allgemeines Spitzenmodell. In der Robotik baut es Simulationen und digitale Zwillinge aus Kamerabildern, erzeugt Übungsläufe und analysiert Fehler. Es ist über die bezahlte Gemini API und Google AI Ultra verfügbar.5

Zitiervorschlag

Gütter, Simon (2026): Gemini Robotics 2.5: Was Googles Roboter-KI kann und was sie für Betriebe bedeutet. Simon Traffic, 14. November 2026. https://simon-traffic.com/blog/ki-automatisierung/gemini-robotics/

Quellen

  1. Google DeepMind: Gemini Robotics 2.5 accelerates real-world general dexterity, 10.11.2026.
  2. Google DeepMind: Gemini Robotics ER 2, Modellseite, abgerufen 14.11.2026.
  3. Google DeepMind: Gemini Robotics, Übersicht und Partner, abgerufen 14.11.2026.
  4. Google DeepMind: Gemini Robotics 2 brings whole body intelligence to robots, 30.07.2026.
  5. Google Developers Blog: Gemini 4 Argon for Robotics, 13.10.2026.
  6. Google auf Hugging Face: ASIMOV Agentic Safety Evaluation inklusive ASIMOV-Jailbreak, Lizenz CC BY 4.0, abgerufen 14.11.2026.

Alle Leistungswerte sind Herstellerangaben von Google DeepMind. Stand: 14. November 2026.