[{"data":1,"prerenderedAt":28},["ShallowReactive",2],{"nr-de-google-deepmind-gemini-robotics-er-2":3},{"slug":4,"title":5,"dek":6,"date":7,"time":8,"publishedAt":9,"updated":10,"updatedAt":10,"dateFmt":11,"updatedFmt":10,"kind":12,"tier":13,"author":14,"authorName":15,"topics":16,"tracker":10,"trackerLabel":10,"headlineStat":22,"image":23,"ogImage":24,"imageAlt":5,"csv":10,"minutes":25,"words":26,"html":27},"google-deepmind-gemini-robotics-er-2","Google DeepMind stellt Gemini Robotics ER 2 vor: Roboter mit Video-Verständnis und Multi-Robot-Koordination","Google hat ein neues Robotik-Modell gelauncht, das Robotern ermöglicht, Video-Feeds in Echtzeit zu verstehen, komplexe Aufgaben selbstständig zu planen und mit anderen Robotern zusammenzuarbeiten.","2026-07-31","09:50","2026-07-31T09:50:00+02:00","","31. Juli 2026","news","standard","ideal-syka","Ideal Syka",[17,18,19,20,21],"Robotik","Embodied AI","Google DeepMind","Multimodale KI","Automatisierung","Gemini Robotics ER 2 mit Video-Verständnis und Multi-Robot-Kollaboration","\u002Fnewsroom\u002Fimg\u002Fgoogle-deepmind-gemini-robotics-er-2.webp","\u002Fog-nr\u002Fgoogle-deepmind-gemini-robotics-er-2.de.png",2,401,"\u003Cp>Google DeepMind hat am 30. Juli 2026 \u003Cstrong>Gemini Robotics ER 2\u003C\u002Fstrong> vorgestellt – ein neues KI-Modell, das als "hochrangiges Gehirn" für Roboter fungiert. Das System ermöglicht es Robotern, räumlich zu denken, mehrstufige Aufgaben zu planen und in Echtzeit mit kontinuierlichen Video-Feeds zu arbeiten. Damit markiert Google einen Durchbruch in der sogenannten Embodied AI – der Fähigkeit von KI-Systemen, in der physischen Welt zu agieren.\u003C\u002Fp>\n\u003Ch2>Kurz & knapp\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>Gemini Robotics ER 2\u003C\u002Fstrong> ist ein neues Embodied-Reasoning-Modell für Robotik-Anwendungen\u003C\u002Fli>\n\u003Cli>Das Modell ermöglicht \u003Cstrong>Echtzeit-Raumverständnis, mehrstufige Aufgabenplanung\u003C\u002Fstrong> und \u003Cstrong>Multi-Robot-Kollaboration\u003C\u002Fstrong>\u003C\u002Fli>\n\u003Cli>Roboter können kontinuierlich \u003Cstrong>Video-Feeds verarbeiten\u003C\u002Fstrong>, um ihren Fortschritt zu verfolgen und Fehler selbstständig zu korrigieren\u003C\u002Fli>\n\u003Cli>Verfügbar über die \u003Cstrong>Gemini API\u003C\u002Fstrong>, \u003Cstrong>Google AI Studio\u003C\u002Fstrong> und in privater Vorschau auf der \u003Cstrong>Gemini Enterprise Agent Platform\u003C\u002Fstrong>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Wie das Modell funktioniert\u003C\u002Fh2>\n\u003Cp>Gemini Robotics ER 2 unterscheidet sich von älteren Systemen durch seine Fähigkeit, während der Ausführung zu "denken". Das Modell orchestriert Schritte für den Roboter, während dieser gleichzeitig seine Aktionen ausführt. Entwickler können Low-Level-Kontrollschnittstellen – etwa Vision-Language-Action (VLA)-Modelle oder Navigations-APIs – als Tools deklarieren und multimodale Daten (Video, Audio, Text) direkt ins Modell streamen.\u003C\u002Fp>\n\u003Cp>Das System beobachtet kontinuierliche Video-Feeds und ermöglicht es Robotern, ihren eigenen Fortschritt zu verfolgen, sich anzupassen, wenn etwas schiefgeht, und genau zu wissen, wann sie zum nächsten Schritt übergehen. Ein entscheidender Vorteil: Das Modell kann auch native Tools aufrufen – etwa Google Search oder benutzerdefinierte Funktionen – um Informationen zu beschaffen.\u003C\u002Fp>\n\u003Ch2>Sprung gegenüber der Vorgängerversion\u003C\u002Fh2>\n\u003Cp>Gemini Robotics ER 2 stellt einen \u003Cstrong>signifikanten Upgrade gegenüber Gemini Robotics ER 1.6\u003C\u002Fstrong> dar. Die neue Version verbessert die Tool-Orchestrierung erheblich und macht Roboter sicherer sowie zuverlässiger in realen Umgebungen. Ein zentrales neues Feature ist die \u003Cstrong>Multi-Robot-Kollaboration\u003C\u002Fstrong>: Roboter können nun in gemeinsamen Räumen zusammenarbeiten und komplexe Workflows bewältigen, die ein einzelner Roboter nicht allein durchführen könnte.\u003C\u002Fp>\n\u003Ch2>Was das für Unternehmen bedeutet\u003C\u002Fh2>\n\u003Cp>Für deutsche Automatisierungs- und Fertigungsbetriebe könnte Gemini Robotics ER 2 relevant werden, sobald es in produktiven Szenarien eingesetzt wird. Die Fähigkeit zur Multi-Robot-Koordination und zum Echtzeit-Selbstkorrektur adressiert zentrale Herausforderungen in der Fabrikautomation: Komplexe, mehrstufige Prozesse, die bislang starr programmiert werden mussten, könnten flexibler und adaptiver werden. Allerdings bleibt offen, wie robust das System in rauen Industrieumgebungen arbeitet und welche Latenz es in kritischen Anwendungen aufweist. Auch die Integration mit bestehenden Robotik-Infrastrukturen dürfte ein praktisches Thema sein.\u003C\u002Fp>\n\u003Ch2>Quellen\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fdeepmind.google\u002Fblog\u002Fgemini-robotics-er-2-powering-robotics-with-video-understanding-task-orchestration-and-multi-robot-collaboration\u002F\">Google DeepMind\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.wired.com\u002Fstory\u002Fgoogle-gemini-can-control-humanoid-robots\u002F\">WIRED\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Farstechnica.com\u002Fai\u002F2026\u002F07\u002Fgoogle-reveals-gemini-robotics-2-0-promising-improved-dexterity-and-safety\u002F\">Ars Technica\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cem>Redaktionell verantwortet von \u003Ca href=\"\u002Fautor\u002Fideal-syka\">Ideal Syka\u003C\u002Fa>. Quellen und Arbeitsweise: \u003Ca href=\"\u002Fredaktion\">Redaktion & Methode\u003C\u002Fa>. Hinweise und Korrekturen: \u003Ca href=\"mailto:ai@i6eal.de\">ai@i6eal.de\u003C\u002Fa>.\u003C\u002Fem>\u003C\u002Fp>\n",1785502946596]