Eine gemeinsame Denkschicht kann Roboteraufgaben besser koordinieren. Sie macht aus einer Maschine aber noch keinen fertigen, sicheren Universalroboter. Genau an dieser Trennlinie setzt Gemini Robotics ER 2 an: Google DeepMind beschreibt das Modell als Schicht für Wahrnehmung, Planung und Fortschrittsprüfung. Bewegungen, Sensorik, Hardwareintegration und funktionale Sicherheit bleiben eigene Aufgaben.
Das Wichtigste in 30 Sekunden
- Gemini Robotics ER 2 verarbeitet laufende Audio-, Video-, Bild- und Texteingaben, plant Schritte und koordiniert Werkzeuge oder mehrere Roboter.
- ER 2 ist nicht das Bewegungsmodell und nicht der Roboterkörper: Ein separates VLA-Modell oder eine Robotik-API führt Aktionen aus; Hardware und lokale Sicherheit bleiben maschinenspezifisch.
- Google nennt 57,4 Prozent Fortschrittsklassifikation, 91,3 Prozent Moment-Finding-Accuracy, 0,96 Sekunden mittlere Abweichung und eine vierfache Ausführungsgeschwindigkeit. Das sind Herstellerwerte, keine unabhängige Feldvalidierung.
- Die dokumentierte Zugänglichkeit betrifft ER 2 über Google AI Studio und Gemini API. VLA- und On-Device-Modelle sind laut System-Release Early-Access-Partnern vorbehalten.
- Für reale Einsätze müssen Aktionsmodell, Hardwareintegration, Safe Stop, funktionale Sicherheit und unabhängige Tests weiterhin getrennt belegt werden.
Was sich mit ER 2 verändert
Wenn mehrere Maschinen eine Aufgabe teilen, entsteht der Engpass oft nicht bei der einzelnen Bewegung. Er liegt davor: Was passiert gerade, welcher Teilschritt fehlt, welches Werkzeug passt jetzt und wann sollte ein System lieber anhalten? Gemini Robotics ER 2 soll diese Lage laufend einordnen. Das Modell verbindet Bilder, Video, Audio und Text mit einer Planung, die Aufgaben in Schritte zerlegt und ihren Fortschritt beobachtet.
Google DeepMind hat ER 2 am 30. Juli 2026 vorgestellt. Der interessante Punkt ist weniger ein neuer Roboterkörper als die Arbeitsteilung dahinter. ER 2 soll auf einer hohen Ebene verstehen und koordinieren. Die Bewegung selbst übergibt es an getrennte Aktionsmodelle oder an klar beschriebene Robotik-APIs. Damit lässt sich etwa ein gemeinsamer Ablauf semantisch steuern, ohne so zu tun, als könne ein Sprach- und Bildmodell jede Maschine unmittelbar und sicher bewegen.
Das ist für Teams, die Robotik erproben, eine nützliche Verschiebung. Eine Reasoning-Schicht kann helfen, die Planung über mehrere Komponenten hinweg zu ordnen. Sie nimmt den Integrationsaufwand aber nicht weg. Im Gegenteil: Die Schnittstellen zwischen Modell, Aktionsausführung, Sensorik und Schutztechnik werden sichtbarer.
Vier Bausteine, vier Verantwortlichkeiten
- Gemini Robotics ER 2
- Versteht laufende multimodale Signale, plant Schritte, bewertet Fortschritt und orchestriert Tools oder Teilaufgaben.
- VLA-Aktionsmodell oder Robotik-API
- Übersetzt einen freigegebenen Schritt in eine Aktion oder einen konkreten Aufruf. Diese Ebene ist nicht mit ER 2 identisch.
- On-Device-Modell
- Ist eine weitere Komponente der Robotics-2-Familie. Laut System-Release ist sie nicht Teil des allgemein beschriebenen ER-2-Zugangs.
- Roboterhardware und lokale Dienste
- Stellen Sensoren, Antriebe, Hardware-SDKs, Schutzfunktionen und die konkrete Integration bereit. Hier entscheidet sich, ob ein Ablauf in der jeweiligen Umgebung überhaupt tragfähig ist.
Diese Unterscheidung schützt vor einem verbreiteten Kurzschluss. Ein API-Zugang zu einer Reasoning-Schicht ist kein vollständiger Robotik-Stack. Selbst ein gutes Modell kann nur innerhalb der Schnittstellen handeln, die ihm das Aktionsmodell und die lokale Software bereitstellen. Und selbst eine korrekt ausgeführte Aktion sagt noch nichts darüber aus, ob der Einsatz unter realen Bedingungen sicher genug ist.
Wie der Regelkreis arbeitet
Der von Google beschriebene Ablauf lässt sich als Regelkreis lesen. Zuerst nimmt ER 2 neue Signale auf: etwa Kamerabilder, Video, Sprache oder Text. Daraus bildet das Modell eine Einschätzung der Situation und einen Plan. Es prüft anschließend, ob ein Schritt erledigt ist, ob etwas fehlt oder ob Unsicherheit besteht.
Erst dann folgt die Übergabe an eine Aktionskomponente. Das kann ein VLA-Modell sein, das Bewegungen erzeugt, oder eine deklarierte Robotik-API. Nach der Ausführung erhält ER 2 neue Beobachtungen und bewertet den nächsten Schritt. Bei mehreren Maschinen kann diese Schicht Teilaufgaben und Tool-Aufrufe in einen gemeinsamen Sinnzusammenhang bringen. Motorik, lokale Dienste und Schutzfunktionen bleiben dennoch bei den jeweiligen Systemen.
Diese Architektur erklärt auch, warum die gezeigten Multi-Roboter-Setups nicht mit einem autonomen Roboterteam im allgemeinen Sinn gleichzusetzen sind. Google zeigt konkrete Integrationen, unter anderem mit Apollo 2 und Franka F3 Duo. Das belegt, dass die Koordination in diesen Setups demonstriert wurde. Es belegt nicht, dass beliebige Hardware ohne zusätzliche Entwicklungs- und Sicherheitsarbeit anschlussfähig wäre.
Was Entwickler heute tatsächlich erreichen
Für ER 2 nennt Google AI Studio und die Gemini API als Zugangswege; die Gemini Enterprise Agent Platform befindet sich in Private Preview. Beim Rest der Familie ist die Lage enger: Das VLA-Aktionsmodell und das On-Device-Modell sind laut System-Release Early-Access-Partnern vorbehalten. Daraus folgt weder eine pauschale Freischaltung für Deutschland oder Europa noch eine Aussage zu Kontovoraussetzungen oder Preisen.
Das offizielle Beispiel-Repository zeigt, was für eine Integration zusätzlich nötig ist: bidirektionales Audio und Video über WebSockets, Tool-Dispatch sowie getrennte Komponenten für Kamera, lokale Agenten und Hardware. Es enthält Beispiele für Spot, Tinybot und einen menschlichen Operator. Gerade diese Aufteilung ist aufschlussreich. Der Beispielcode ist ein echter Integrationsbeleg, aber keine schlüsselfertige oder zertifizierte Produktionsinstallation.
Was Googles Messwerte zeigen – und was nicht
| Google-Angabe | Worum es geht | Was daraus nicht folgt |
|---|---|---|
| 57,4 Prozent Progress-Classification-Accuracy | Erkennung des Aufgabenfortschritts in Googles Evaluation. | Kein unabhängiger Nachweis für stabile Abläufe in beliebigen Umgebungen. |
| 91,3 Prozent Moment-Finding-Accuracy und 0,96 Sekunden mittlere Abweichung | Zuordnung eines relevanten Zeitpunkts in der gemessenen Aufgabe. | Keine allgemeine Echtzeitgarantie für ein physisches System. |
| Vierfache Ausführungsgeschwindigkeit | Vergleich innerhalb der von Google betrachteten Modellkategorien. | Keine Zusage für die Latenz einer konkreten Hardware- und Netzwerkumgebung. |
Die Werte sind nicht wertlos. Sie geben Hinweise darauf, welche Fähigkeiten Google im Modellaufbau misst und verbessert hat. Ihr Geltungsbereich bleibt jedoch der veröffentlichte Testrahmen. Eine unabhängige Replikation der Progress-, Moment-Finding-, Geschwindigkeits- oder Safety-Werte liegt im Dossier nicht vor. Wer damit ein Projekt beurteilt, sollte daher immer fragen: Welche Aufgabe, welche Hardware, welche Netzwerklatenz und welche Fehlertoleranz wurden tatsächlich geprüft?
Sicherheit: Fortschritt bei Entscheidungen, offene Fragen im System
Der Safety Technical Report zu Gemini Robotics 2 behandelt vor allem hochrangige Sicherheitsentscheidungen und Unsicherheitsauflösung. ASIMOV-Agentic prüft unter anderem, ob ein Agent unsichere Tool-Aufrufe ablehnt, bei widersprüchlichen Informationen zurückhaltend bleibt oder menschliche Hilfe anfordert. Der Report beschreibt außerdem Safe-Stop-Tests auf einem Apptronik-Apollo-2-Humanoiden.
Das ist ein relevanter Teil der Kette: Ein System muss erkennen können, wann es nicht weiter handeln sollte. Der Report zieht zugleich selbst eine Grenze. Er bewertet nicht die vollständige funktionale Sicherheitsarchitektur, zertifizierte Hardware, Redundanz oder Echtzeitgarantien, die für konforme physische Einsätze nötig wären. Teile des Benchmarks nutzen synthetische Constraint-Bild-Paare. Daraus lässt sich kein vollständiger Nachweis allgemeiner Mensch-Roboter-Sicherheit ableiten.
Die Model Card fordert zusätzlich Zurückhaltung vor Produktions-, kommerzieller oder öffentlicher Nutzung und schließt sicherheitskritische Bereiche wie Gesundheit und Verkehr aus. Das widerspricht dem Architekturfortschritt nicht. Es beschreibt schlicht die Lücke zwischen einem Modelltest und einem verantwortbaren Einsatzsystem.
Was das für Europa bedeutet
Für Robotik- und Industrieteams in Deutschland und Europa liegt die praktische Relevanz in der Architekturfrage. Eine gemeinsame Reasoning-Schicht kann Planung und Fortschrittsbeobachtung über mehrere Komponenten hinweg vereinheitlichen. Vor einer Beschaffung oder Pilotierung müssen Zugang, kompatibles Aktionsmodell, Hardwareintegration, Schutzkonzept und unabhängige Feldtests trotzdem einzeln auf den Tisch.
Eine konkrete europäische Verfügbarkeit, Markteinführung oder Rechtsfolge ergibt sich aus den vorliegenden Quellen nicht. Diese Zurückhaltung ist kein Nebensatz. Sie verhindert, dass ein interessanter Entwickler-Launch als fertige Einsatzfreigabe gelesen wird.
TechZeitGeist-Fazit: Eine Denkschicht ist noch kein fertiger Roboter
Gemini Robotics ER 2 macht eine wichtige Ebene der Robotik greifbarer: Es soll laufende Situationen verstehen, Aufgaben planen und den Fortschritt über Werkzeuge oder mehrere Maschinen hinweg beobachten. Der stärkste Punkt ist damit die klarere Arbeitsteilung, nicht das Versprechen eines sofort verfügbaren Universalroboters.
Für reale Anwendungen bleibt die entscheidende Arbeit außerhalb dieser Denkschicht sichtbar: Bewegungen müssen zur Hardware passen, Schutzfunktionen müssen im konkreten System greifen, und Herstellerwerte brauchen unabhängige Prüfungen. Wer diese Ebenen getrennt bewertet, kann den Fortschritt von ER 2 ernst nehmen, ohne aus einer überzeugenden Demo mehr abzuleiten, als sie belegt.
Quellen und weiterführende Informationen
- Google / Google DeepMind: Introducing Gemini Robotics ER 2
- Google DeepMind: Gemini Robotics ER 2 – Model Card
- Google DeepMind: Gemini Robotics 2 brings whole body intelligence to robots
- Google DeepMind: Gemini Robotics 2 Safety Technical Report
- Ars Technica: Google reveals Gemini Robotics 2.0, promising improved dexterity and safety
- Google Gemini: Gemini Robotics ER – Live API Examples
Hinweis: Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft. Stand: 2026-07-31
