Start › Aktuelles
KI-Agenten · Physical AI · Robotik · 16. November 2026

Gemini Robotics 2.5: Googles Roboter-KI erreicht 96 Prozent in einem Mercedes-Benz-Pilot

Google DeepMind meldet 96 Prozent Erfolg für Apollo-2-Humanoiden im Mercedes-Benz-Pilot. Was Gemini Robotics 2.5 leistet und warum das keine allgemeine Sicherheitsgarantie ist.

Redaktion: AgentenCode · 16.11.2026 · Quellengeprüfte Analyse
Eigene redaktionelle Industrieszene mit abstrahierter humanoider Roboter-Steuerung, keine Aufnahme des tatsächlichen Mercedes-Benz-Pilotversuchs
Originale redaktionelle Illustration – keine offizielle Produktoberfläche und kein Screenshot.

KI-Agenten verlassen den Bildschirm

Am 10. November 2026 hat Google DeepMind Gemini Robotics 2.5 vorgestellt. Das neue Vision-Language-Action-Modell soll physische Aufgaben anhand von Kamerabildern und sprachlichen Vorgaben ausführen helfen. Statt nur Informationen zu liefern oder Software zu bedienen, steuert ein solches System Bewegungen realer Roboter.

Das ist ein bedeutender Unterschied zu klassischen Coding- und Browseragenten. Ein Roboter muss Gegenstände räumlich erkennen, präzise greifen und unvorhersehbare Veränderungen berücksichtigen. Sobald die Handlung physische Folgen hat, genügt eine überzeugende textuelle Antwort nicht mehr als Qualitätsbeleg.

Was hinter einem Vision-Language-Action-Modell steckt

Gemini Robotics 2.5 verarbeitet visuelle Beobachtungen und Aufgabenbeschreibungen, um konkrete Aktionen abzuleiten. Für den Mercedes-Benz-Pilot beschreibt DeepMind die Zusammenarbeit des verkörperten Reasoning-Modells Gemini Robotics ER mit dem eigentlichen Robotics-2.5-Aktionsmodell. Planung und Bewegungssteuerung erfüllen dabei unterschiedliche Funktionen.

Das Modell wurde laut Hersteller unter anderem mit Apollo 2 von Apptronik und der Franka-Duo-Plattform erprobt. Die Geräte besitzen unterschiedliche Greifer und Bewegungsmöglichkeiten. Daraus folgt nicht, dass die gleiche Modellkonfiguration auf jeder Roboterhardware ohne Anpassung läuft.

Mercedes-Benz: 96 Prozent in einem konkreten Kitting-Pilot

Google DeepMind nennt aktive Produktionslinien in Sindelfingen und Kecskemét als Schauplätze des gemeinsamen Proof of Concept mit Apptronik und Mercedes-Benz. Apollo-2-Humanoiden greifen Metallhalterungen aus Vorratsbehältern und sortieren sie in Trays. Das sogenannte Automotive Kitting ist eine wiederholte industrielle Vorbereitungsaufgabe, für die präzises Greifen nötig ist.

In diesem Pilotversuch meldet Google eine Erfolgsrate von 96 Prozent. Das ist eine interessante Herstellerkennzahl, aber keine allgemein gültige Erfolgswahrscheinlichkeit für Roboter im industriellen Dauerbetrieb. Es fehlen unter anderem öffentlich nachvollziehbare Angaben zur Zahl aller Versuche, zu Ausfallursachen und zur Leistung bei anderen Objekten oder Schichten.

Schaubild: Google Agent Identity – Freigabe von OAuth-Zugriffen
Eigene AgentenCode-Erklärung – keine offizielle Herstellerdarstellung.

Mehr als 200 Aufgaben und schnellere Ausführung

DeepMind berichtet, Gemini Robotics 2.5 an über 200 unterschiedlichen Aufgaben evaluiert zu haben: darunter Arbeiten mit Zangen, Schleifen, Pipetten und formveränderlichen Materialien. Gegenüber den eigenen Vergleichsmodellen nennt das Unternehmen je nach Aufgabengruppe um 30 bis 100 Prozent höhere Erfolgsraten sowie um 20 bis 30 Prozent kürzere Ausführungszeiten.

Diese Werte stammen aus Google-eigenen Tests. Ohne identische externe Benchmarks und offengelegte Verteilungen lässt sich daraus keine unabhängige Überlegenheit gegenüber allen Wettbewerbern ableiten. Gerade schwierige Aufgaben, etwa das Falten von Kleidung, bleiben in manchen Herstellerbeispielen deutlich unter vollständig zuverlässiger Ausführung.

Physical AI benötigt eine eigene Sicherheitslogik

Wenn ein Roboter physische Dinge bewegt, werden Menschen, Hindernisse, Geschwindigkeit und Kräfte zu eigenständigen Sicherheitsfaktoren. DeepMind beschreibt eine verbesserte Echtzeitsteuerung rund um Hindernisse und Personen. Die Firma nennt Zuwächse bei sicher abgeschlossenen Aufgaben in ihren Testumgebungen, keine unabhängige Freigabe für unbeaufsichtigten Betrieb neben Menschen.

Zudem hat Google mit ASIMOV-Jailbreak eine offene Benchmark für gefährlich verschleierte Robotikanweisungen vorgestellt. Die gemeldete 99,5-prozentige Widerstandsrate bezieht sich ausdrücklich auf Gemini 4 Argon im genannten Benchmark, nicht auf die reale Sicherheit von Gemini Robotics 2.5. Eine solche Abgrenzung ist bei Robotik entscheidend.

Simulationen als Beschleuniger, aber nicht als Ersatz

Google beschreibt, wie Gemini 4 Argon Robotikforschung beschleunigt und vielfältige Trainingsszenarien unterstützt. Virtuelle Umgebungen können helfen, Daten zu erzeugen, Bewegungen vorzubereiten und seltene Randfälle zu simulieren. Der reale Transfer bleibt jedoch anspruchsvoll, weil Materialien, Reibung und Wahrnehmung nicht immer genauso reagieren wie im digitalen Modell.

Ein aussagekräftiger Pilot benötigt daher Prüfungen auf echten Maschinen, unter wechselnden Bedingungen und mit nachvollziehbaren Ausfall- und Eingriffsprotokollen. Eine erfolgreiche Simulation ist noch kein Beleg dafür, dass dieselbe Bewegung auf einer Produktionslinie sicher und wiederholbar funktioniert.

Zugang und Rollout: zunächst Robotikpartner

DeepMind kündigt an, Gemini Robotics 2.5 für ausgewählte Robotikpartner bereitzustellen. Eine allgemeine Open-Source-Freigabe oder eine für jedermann zugängliche API ist daraus nicht abzuleiten. Auch der Mercedes-Benz-Einsatz wird in der Originalmeldung ausdrücklich als Proof of Concept beschrieben.

Das Produkt sollte deshalb nicht als serienreifes, flächendeckend autonomes Fabriksystem dargestellt werden. Ob die Modelle in industriellen Dauerbetrieb überführt werden, hängt zusätzlich von Hardware, Zertifizierung, wirtschaftlichen Kosten, Ausfallsicherheit und den konkreten Prozessen vor Ort ab.

AgentenCode-Einordnung: Der Maßstab wird physisch

Gemini Robotics 2.5 zeigt eine wichtige Erweiterung des Agentenbegriffs. Ein ausführender Agent kann nicht nur Tools und APIs benutzen, sondern auch eine reale Umgebung verändern. Für solche Systeme müssen wir neben Planungsqualität und Werkzeugwahl zusätzlich Bewegungsrisiken, menschliche Übergaben und Fehlertoleranz beurteilen.

Die 96 Prozent sind als konkretes Pilotsignal berichtenswert, aber kein universelles Gütesiegel. Für eine belastbare Einordnung wären unabhängige Dauertests und dokumentierte Sicherheitsnachweise nötig. Unsere AgentenTrust-Methodik trennt daher öffentliche Anbieterangaben von extern belegten Kontrollmerkmalen. In der physischen Welt zählt nicht die spektakulärste Demo, sondern sichere, wiederholbare Ausführung.

Häufige Fragen

Hat Google wirklich 96 Prozent Erfolg bei Mercedes-Benz erreicht?

Google nennt 96 Prozent für eine konkrete Kitting-Aufgabe in einem gemeinsamen Pilotversuch mit Apptronik und Mercedes-Benz, nicht für alle Aufgaben.

Welche Roboter werden erwähnt?

DeepMind beschreibt Apptroniks Apollo 2 und die Franka-Duo-Plattform mit unterschiedlichen Greifern.

Ist Gemini Robotics 2.5 allgemein verfügbar?

Die erste Bereitstellung richtet sich an ausgewählte Robotikpartner; eine allgemeine frei zugängliche Modellfreigabe ist nicht belegt.

Sind 99,5 Prozent Widerstand gegen Jailbreaks gleichbedeutend mit Robotersicherheit?

Nein. Der Wert betrifft Gemini 4 Argon in einer speziellen Benchmark, nicht das vollständige Risiko realer Roboterbewegungen.

RECHERCHE & EINORDNUNG

Quellen zu diesem Artikel

Die folgenden Originalveröffentlichungen bilden die Grundlage dieser Analyse. Sie sind direkt nachprüfbar.

  1. Google DeepMind — Gemini Robotics 2.5 accelerates real-world general dexterity (10 November 2026)
  2. Google DeepMind — Gemini Robotics family and model access

Stand: 16. November 2026. Herstellerangaben, Rollout und Preview-Funktionen sind nicht unabhängig verifiziert; keine eigene Sicherheitszertifizierung.

NEWSLETTER · KOSTENLOS

Mehr Überblick. Weniger KI-Rauschen.

Die wichtigsten KI-News, Agenten-Updates und Wissensartikel direkt ins Postfach – unabhängig und quellenbasiert. Der wöchentliche Versand ist in Vorbereitung.

Double-Opt-in: Erst nach Bestätigung per E-Mail angemeldet. Beim Absenden werden die Daten an Brevo übertragen.