ABB Robotics: Virtuelle Robotertraining per KI-Simulation reduziert Kosten um bis zu 40 %

In der industriellen Fertigung bestand seit Jahrzehnten ein grundlegendes Problem: Simulationen von Roboterprozessen stimmten nicht zuverlässig mit dem realen Verhalten der Maschinen überein. Dieses sogenannte „Sim-to-Real-Gap“, die Diskrepanz zwischen virtuell trainierten Modellen und den tatsächlichen Bedingungen in Bezug auf Beleuchtung, Materialien und Umgebung, zwang Hersteller dazu, aufwändige physische Tests und Prototypen einzusetzen, bevor neue Produktionsprozesse in Betrieb genommen werden konnten. Präzise Montagevorgänge, etwa in der Unterhaltungselektronik, erforderten dabei besonders aufwändige Kalibrierungen und verursachten laut ABB Robotics erhebliche Ressourcen- und Zeitaufwände.

ABB Robotics hat NVIDIA-Omniverse-Bibliotheken in seine bestehende Offline-Programmier- und Simulationsplattform RobotStudio integriert. Das Ergebnis trägt den Namen RobotStudio HyperReality. Die Plattform ermöglicht es, Roboter ausschließlich im digitalen Zwilling zu trainieren: Entwickler simulieren Produktionsprozesse, erzeugen synthetische Trainingsdaten und validieren KI-Modelle, bevor ein physischer Roboter eingesetzt wird. Reale Betriebsdaten fließen anschließend kontinuierlich in das digitale Modell zurück, um es fortlaufend zu verbessern.

Parallel dazu haben ABB Robotics und NVIDIA ein gemeinsames Whitepaper veröffentlicht, das eine Methodik zur schnellen Einführung industrieller Physical-AI-Lösungen beschreibt. Dazu haben AsiaInfo, Deloitte und SKAI Intelligence beigetragen. Das Papier schlägt einen „Digital-First“-Ansatz vor, bei dem Risikoabschätzungen für Robotervision bereits in der Designphase stattfinden, nicht erst beim physischen Einsatz.

Foxconn, der weltweit größte Auftragshersteller für Elektronik, führt bereits einen Pilotbetrieb durch: Montagerobotoren werden virtuell auf mehrere Produktvarianten und Montageszenarien trainiert, bevor sie auf die Produktionslinie wechseln.

Die technische Grundlage bildet die Kombination von ABBs eigenem Virtual Controller, der identische Firmware wie die physische Hardware verwendet, mit den physikalisch genauen Simulationskapazitäten der NVIDIA-Omniverse-Bibliotheken. ABB ist nach eigenen Angaben der einzige Roboterhersteller, der einen solchen Virtual Controller betreibt. Ergänzt wird dies durch ABBs „Absolute Accuracy“-Technologie, die Positionierungsfehler von 8 bis 15 mm auf rund 0,5 mm reduziert.

Die daraus resultierende Sim-to-Real-Genauigkeit beträgt laut ABB bis zu 99 %. Trainierte Modelle lassen sich auf beliebig viele ABB-Roboter weltweit übertragen.

Zusätzlich prüft ABB Robotics die Integration der NVIDIA-Jetson-Edge-Computing-Plattform in seinen Omnicore-Controller, um KI-Inferenz in Echtzeit direkt am Gerät zu ermöglichen.

ABB Robotics nennt folgende belegte Kennzahlen für RobotStudio HyperReality:

- **Kostenreduktion bis zu 40 %** durch den Wegfall physischer Prototypen und manueller Tests - **Verkürzung von Einrichtungs- und Inbetriebnahmezeiten um bis zu 80 %** - **Beschleunigung der Markteinführung komplexer Produkte wie Unterhaltungselektronik um 50 %** - **Sim-to-Real-Genauigkeit bis zu 99 %**

Die vollständige Verfügbarkeit für die rund 60.000 RobotStudio-Nutzer weltweit ist für die zweite Jahreshälfte 2026 geplant. Ausgewählte Kunden testen die Plattform bereits vorab.

RobotStudio HyperReality ist ein Ergebnis der im März 2026 offiziell bekanntgegebenen strategischen Partnerschaft zwischen ABB Robotics und NVIDIA. Die genannten Prozentzahlen stammen aus ABBs eigener Ankündigung und sind bislang nicht durch unabhängige Dritte verifiziert. Der Pilotbetrieb bei Foxconn stellt den bisher einzigen namentlich bestätigten Praxisfall dar. ABB Robotics adressiert mit dem Ansatz einen strukturellen Engpass in der industriellen Fertigung, der bislang den breiten Einsatz KI-gesteuerter Robotik verlangsamte. Ob und in welchem Umfang die genannten Einsparungen in der breiten Anwendung reproduzierbar sind, wird sich mit dem geplanten vollständigen Rollout ab Ende 2026 zeigen.