San Francisco, Mai 1848. Ein Mann steigt von der Fähre, schwenkt seinen Hut und eine Chininflasche voller Goldstaub und ruft „Gold! Gold! Gold vom American River!“, bis ihn die halbe Stadt gehört hat. Der Mann heißt Sam Brannan, und Goldsucher ist er keiner. Ihm gehört der Laden in Sutter's Fort, an dem jeder vorbeikommt, der zu den Goldfeldern will. Vorher hat er so viele Spitzhacken, Schaufeln und Waschpfannen aufgekauft, wie er finden konnte. Bis Mitte Juni haben drei Viertel der Männer die Stadt in Richtung Fluss verlassen. Eine Pfanne, die Brannan für 20 Cent eingekauft hat, kostet bei ihm nun 15 Dollar. Ein paar Jahre später gilt er als reichster Mann Kaliforniens.
Brannan war nicht der Einzige, der so rechnete. Auf dem Weg zum Gold kamen die Goldsucher an denselben Stationen vorbei. Beim Händler kauften sie Schaufel und Waschpfanne, an der nächsten Bude eine Karte der Goldfelder. Wer Glück hatte, dem zeigte ein alter Hase, wie man Gold aus dem Flusssand wäscht. Mit ihrem Fund gingen sie zur Prüfstelle, wo man ihnen bestätigte, dass es wirklich Gold war. Reich wurden dabei oft eher die Leute an diesen Stationen als die Goldsucher selbst. In der Robotik läuft gerade ein neuer Goldrausch, und an fast jeder Station steht inzwischen dieselbe Firma.
Wie weit das reicht, hat Jensen Huang am 21. Oktober auf NVIDIAs Entwicklerkonferenz GTC in Berlin gezeigt. Die Schaufel ist der Rechner im Roboter. Auf Jetson Thor, NVIDIAs Computer für Humanoide, laufen die Modelle, die ihn steuern. Die Karte ist die Simulation. In Omniverse und Isaac Sim übt ein Roboter in einem digitalen Abbild seiner Halle, bevor er die echte betritt. Den Lehrgang übernehmen Isaac Lab, NVIDIAs Trainingsumgebung, und eigene Modelle wie GR00T für Humanoide oder Cosmos, das gelernt hat, wie sich die physische Welt verhält.
Seit Juni betreibt NVIDIA auch die Prüfstelle. Das Halos AI Systems Inspection Lab ist nach ISO/IEC 17020 akkreditiert, der internationalen Norm für Inspektionsstellen, und prüft Robotersysteme auf ihre Sicherheit. Der TÜV SÜD will die Berichte des Labors als einen Teil seiner Prüfunterlagen nutzen. Zertifiziert wird am Ende weiterhin von externen Stellen, das Labor liefert ihnen die Unterlagen.
Wer in der Forschung nicht bei null anfangen will, bekommt ab Anfang 2027 sogar die komplette Ausrüstung, Roboter inklusive. Zusammen mit Agile Robots aus München hat NVIDIA einen Referenzroboter gebaut, der vormontiert ausgeliefert wird, mit Rechner und Software. Huang fasst die ganze Kette in einem Satz zusammen. „In order to create a physical AI system, you need three computers“, sagt er im Berliner Tempodrom. Auf dem ersten wird das Modell trainiert, auf dem zweiten übt der Roboter in der Simulation, der dritte sitzt im Roboter selbst. Alle drei verkauft NVIDIA.
Über NVIDIA heißt es gern, die Firma verkaufe im Goldrausch der KI die Schaufeln. In der Robotik greift das Bild inzwischen zu kurz. NVIDIA bietet dort fast den ganzen Weg an, vom ersten Training bis zur Sicherheitsprüfung, und Huang erzählt das in Berlin als Partnerschaft mit Europa. Diese Kette halte ich für das eigentlich Interessante an der Keynote, interessanter als jede einzelne Produktankündigung.
Huang erklärt KI gern als Torte aus fünf Schichten. Unten liegt die Energie, darüber kommen Chips, Infrastruktur und Modelle, ganz oben die Anwendungen. Ein humanoider Roboter ist in seinem Blogbeitrag dazu schlicht eine Anwendung mit Körper. In Berlin zeichnet er die Torte noch einmal und sagt über NVIDIA „We are the computing layer“. Auf dieser Schicht rechnet alles, was darüber liegt.
Für Europa hat er vor allem Lob mitgebracht. „You design machines, you operate factories, you discover medicine, you have extraordinary craft“, sagt er, und Europas Mechatronik sei so präzise wie die keiner anderen Region. Einen Chip zu entwerfen, einen Supercomputer zu bauen und die ganze Software dazu zu schreiben, sei dagegen für die meisten Firmen der Welt „completely out of mind“. Legt man das Lob neben die Torte, ergibt sich eine klare Arbeitsteilung. Europa baut die Maschinen, und alles, womit sie rechnen und lernen, kommt von NVIDIA.
Der eigentliche Griff steckt in einem unscheinbaren Satz. Robotik sei zersplittert, sagt Huang, weil jede Aufgabe ihre eigene Bauform bekomme. Handy und PC seien so schnell besser geworden, weil sie standardisiert sind und deshalb in großen Stückzahlen gebaut werden. „We need a robotics configuration that is as standard as possible.“
Wie so ein Standard aussieht, zeigt NVIDIA beim autonomen Fahren. Hyperion ist NVIDIAs Plattform für selbstfahrende Autos und Robotaxis, eine gemeinsame Architektur aus Rechnern und Sensoren, auf der Autohersteller ihre Fahrsysteme aufbauen. Darauf setzen unter anderem VW mit seinem autonomen Kleinbus ID. Buzz AD, Volvo und Mercedes. „We turned this into an industry standard“, sagt Huang.
Das Muster kennt man vom Smartphone, nur mit vertauschten Rollen. Dort bekommen die Hersteller Android geschenkt, und Google verdient an dem, was auf jedem Gerät vorinstalliert ist, vor allem an Suche und Werbung und am Play Store. Bei NVIDIA gibt es die Modelle offen und kostenlos, verdient wird am Chip darunter.
Die Dringlichkeit liefert Huang gleich mit. Den ChatGPT-Moment der Robotik, also den Punkt, an dem Roboter so plötzlich brauchbar werden wie Sprachmodelle Ende 2022, sah er im Januar 2025 „just around the corner“. Im Januar 2026 war er laut einer Pressemitteilung „here“, in Berlin ist er nun „fast approaching“. Seit fast zwei Jahren ist dieser Moment also gleichzeitig da und im Anmarsch. Physiker nennen so etwas eine Überlagerung, und wie bei Schrödingers Katze entscheidet sich der Zustand erst, wenn jemand nachsieht. Für NVIDIA erfüllt der Moment seinen Zweck auch so. Wer glaubt, dass er kommt, will beim Standard dabei sein, bevor der feststeht.
Man kann das alles für Inszenierung halten, in der Sache hat Huang aber recht. Nach einer Analyse des Brüsseler Thinktanks Bruegel hat die EU rund zwei Gigawatt KI-Rechenkapazität in Betrieb, die USA 35 Gigawatt. Toyota Material Handling Europe will mit Omniverse und Isaac Sim die Inbetriebnahme autonomer Lösungen nach eigenen Angaben um bis zu 50 Prozent verkürzen. Wer heute einen Roboter baut, kommt an NVIDIA kaum vorbei. Chip, Simulation, Training und Modelle greifen ineinander, und die meisten Entwickler nutzen sie längst.
Heute 35 zu 2 Gigawatt, 2031 laut Prognose 255 zu 21. Grafik: Lucent, Daten: Bruegel nach Europe2031.ai
Gleichzeitig teilt sich die Robotik in zwei geopolitische Lager. Seit Ende Juli lassen die USA neue Humanoide und Roboterhunde aus ausländischer Fertigung nicht mehr zu, begründet mit der nationalen Sicherheit und gemünzt auf China. Im Inneren rechnen viele Roboter beider Lager trotzdem auf demselben Chip. Unitree, AgiBot und UBTech gehören nach einem Bericht der South China Morning Post ebenso zu den ersten Anwendern von Jetson Thor wie Agility und Boston Dynamics. Ganz wohl ist den chinesischen Herstellern dabei nicht. Xpeng lässt seinen Humanoiden Iron auf dem hauseigenen Turing-Chip laufen, der laut Xpeng-Präsident Brian Gu nahe an Thor herankommt. UBTech fährt zweigleisig. Die Firma nutzt Thor und hat parallel mit dem chinesischen GPU-Entwickler MetaX ein Joint Venture für eigene Robotik-Chips gegründet.
Wie gut das zusammengeht, zeigt NVIDIAs eigener Referenzroboter. Den ersten hat die Firma am 1. Juni in Taipei vorgestellt, gebaut auf dem Humanoiden H2 Plus von Unitree aus China, mit Händen von Sharpa aus Singapur. In Berlin stand nun der Agile ONE SN von Agile Robots aus München auf der Bühne mit Wuji-Händen. Anderer Körper, andere Hände und andere Sensorik. Gleich geblieben sind der Rechner Jetson Thor und die Software darauf. Das wirkt zunächst wie ein Widerspruch zu Huangs Forderung nach einer Standardkonfiguration. Es zeigt aber ziemlich genau, was NVIDIA standardisieren will, nämlich das, womit ein Roboter rechnet und lernt. Der Körper ist für ihn austauschbar.
Zwei Körper, ein Rechner. Bilder: NVIDIA, Agile Robots
Zum Schluss der Keynote läuft ein Song im Stil des Eurovision Song Contest. Er preist die GPU als bessere Geldanlage als Öl und Aktien, und im Refrain bekennt sich NVIDIA in mehreren Sprachen zu Europa. Eine Woche vorher hatte Huang in London noch gesagt, nichts schmerze ihn mehr, als eines der technologisch fortschrittlichsten Länder „so far behind“ zu sehen. Gemeint war Deutschland. Im Tempodrom klingt er wie ein alter Freund der Familie. Er erzählt, dass NVIDIAs erste Chips in Europa gefertigt wurden und dass MediaMarkt in den frühen GeForce-Jahren NVIDIAs größter Kunde war.
Bei der Schaufel hat Huang mit seinem Befund aus London recht. Offen ist, wie souverän Europa auf diesem Fundament bleibt, und auch dafür hat Huang eine Antwort. Wer ein offenes NVIDIA-Modell mit eigenen Daten nachtrainiert, mache daraus „sovereign intelligence“. Das Wissen und die Werkzeuge einer Firma, versichert er, „belong to you“. Souverän ist in dieser Erzählung also, wer seine Daten in ein Modell von NVIDIA steckt, das auf einem Chip von NVIDIA läuft. Für mich ist das eher eine neue Abhängigkeit, nur mit einem sehr freundlichen Gegenüber. Wie freundlich es bleibt, entscheidet allerdings nicht Huang allein. Im April 2025 stoppte die US-Regierung den Verkauf von NVIDIAs China-Chip H20, im August gab sie ihn wieder frei, gegen 15 Prozent der Umsätze für die Staatskasse. Für den stärkeren H200 verlangte Trump im Dezember 2025 sogar 25 Prozent. Wie souverän man mit dieser Technik ist, hängt damit auch davon ab, wer gerade im Oval Office sitzt.
Von der anderen Seite drückt die Hardware. Unitree bietet schon seit Sommer 2025 einen Humanoiden ab 5.900 Dollar an, und selbst im neuen Referenzroboter aus München stecken Hände des chinesischen Herstellers Wuji. Wenn NVIDIA das Rechnen übernimmt und in China die günstigen Körper entstehen, bleibt für Europa vor allem das, was Huang so gern lobt. Dazu gehören präzise Mechanik, Maschinen, die viele tausend Stunden durchhalten, und Jahrzehnte Erfahrung mit Robotern in echten Hallen. Dazu kommt eine Prüfkultur, auf die sich Kunden weltweit verlassen. Gerade bei der Prüfung steht mit dem Halos-Labor inzwischen aber auch NVIDIA in der Tür.
Was Europa in dieser Lage stark macht, zeigt ein Projekt, das Audi in Berlin vorgestellt hat. Im Production Lab des Werks Ingolstadt testet Audi mit Agile Robots, ob mobile Humanoide Bauteile aus Behältern greifen und in der richtigen Reihenfolge für die Montage bereitlegen können. NVIDIA liefert die Simulation, Dassault Systèmes den digitalen Zwilling. Audi bringt die Erfahrung aus einer Logistik mit, die rund eine Million Griffe am Tag bewältigt, und legt fest, was der Roboter unter echten Bedingungen können muss. Huang hat diesen Schatz kurz vor der Keynote selbst benannt. Deutsche Firmen hätten einen wertvollen industriellen Datenschatz, sagte er laut Reuters. Solange dieses Wissen in den Hallen bleibt, ist Europa für NVIDIA vor allem ein guter Kunde. Wer es in Abläufe, Prüfungen und Garantien übersetzt, bestimmt dagegen mit, welcher Roboter am Ende am Band steht.
Baust du gerade einen Roboter, wird aus dieser Standortfrage eine sehr praktische. Vielleicht rechnet er auf Thor, lernt mit GR00T, übt in Isaac Sim und läuft auf der Laufzeitumgebung, die NVIDIA Isaac OS nennt. Seine Sicherheitsprüfung macht vielleicht NVIDIAs Labor, seine Gelenke und Hände kommen aus China. Dann kaufst du an fast jeder Station beim selben Händler ein, so wie die Goldsucher 1848 bei Sam Brannan. Das kann ein sehr gutes Geschäft sein, solange in Santa Clara, in Washington und in Peking niemand die Bedingungen ändert.
Brannan selbst ist übrigens arm gestorben, nach einer teuren Scheidung und Fehlinvestitionen. Besser lief es für einen Händler aus dem fränkischen Buttenheim, der 1853 nach San Francisco kam. Levi Strauss verkaufte den Goldsuchern Stoffe, und als ihm ein Schneider aus Reno vorschlug, die Nähte von Arbeitshosen mit Kupfernieten zu verstärken, ließen die beiden die Idee 1873 patentieren. Die Hosen rissen in den Minen nicht mehr, und die Firma gibt es bis heute. Wer im Goldrausch der Robotik keine Schaufeln verkauft, kann immer noch bauen, was im Bergwerk am längsten hält. Für einen europäischen Roboterbauer ist das kein schlechter Platz.
Über Marc Eyrich: Strategische Kommunikation für Physical AI und Robotik, mit Lucent und Sitz in der Region Stuttgart. Kommuniziert seit über zehn Jahren komplexe Technologie, für Tech-Marken auf Agenturseite und direkt in einem Robotikunternehmen. Entwickelt mit Gründern Physical-AI-Marken, von der Positionierung über Auftritt und Website bis zum Film.