Der japanische Klimaanlagenhersteller Daikin erprobt in seinem Werk in Sakai den Einsatz von Vision-Language-Action-Modellen (VLA) zur Automatisierung bislang manueller Produktionsaufgaben. Das gemeinsam mit dem Robotik-Startup Muso Action entwickelte Projekt ist in die zweite Testphase übergegangen.
Wie Muso Action am 14. Oktober 2026 mitteilte, sollen Mitarbeiter der Produktionstechnik künftig selbst Trainingsdaten sammeln, Roboteraktionen anpassen und KI-Modelle testen können – ohne dafür eigene Programme schreiben zu müssen.
Der Versuch konzentriert sich auf eine konkrete Aufgabe: Unterschiedlich geformte Blechbauteile müssen erkannt, gegriffen und den richtigen Transportbehältern zugeordnet werden. Das sogenannte Kitting gehört zu den Arbeitsschritten, die sich bei hoher Produktvielfalt nur schwer mit klassischen, fest programmierten Robotern automatisieren lassen.
Unterschiedliche Blechteile statt standardisierter Werkstücke
In der Produktion von Klimaanlagen werden zahlreiche Blechkomponenten mit unterschiedlichen Formen und Abmessungen benötigt. Vor der weiteren Verarbeitung müssen diese Teile sortiert und in vorgegebene Transportbehälter gelegt werden.
Für konventionelle Industrieroboter ist eine solche Aufgabe vergleichsweise aufwendig, wenn Form, Position und Orientierung der Teile häufig wechseln. Greifpunkte und Bewegungsbahnen müssen dann für unterschiedliche Varianten angepasst werden.
Daikin untersucht deshalb gemeinsam mit Muso Action, ob ein KI-gesteuerter Roboterarm diese Variabilität besser bewältigen kann.
Das System kombiniert ein Vision-Language-Action-Modell mit Kraftregelung. Kameradaten und weitere Informationen werden verwendet, um passende Roboteraktionen zu erzeugen und die Teile in die vorgesehenen Behälter zu bewegen.
Der Test findet in Daikins Werk in Sakai in der Präfektur Osaka statt. Technischer Ansprechpartner auf Unternehmensseite ist das Production Technology Center von Daikin.
Bei dem aktuell eingesetzten System handelt es sich um einen industriellen Roboterarm. Der Versuch ist daher kein Nachweis für den Einsatz eines vollständigen humanoiden Roboters in der Fabrik.
Phase 1: Weniger Trainingsdaten direkt aus der Fabrik
Die Zusammenarbeit begann mit einer im Dezember 2025 unterzeichneten Absichtserklärung. Seit April 2026 wurden auch direkt im Werk Sakai Daten gesammelt und Robotertests durchgeführt.
Die erste Phase endete im Juli 2026. Dabei untersuchte Muso Action insbesondere, wie sich bereits vorhandene Trainingsdaten mit kleineren Mengen neuer Daten aus der tatsächlichen Produktionsumgebung kombinieren lassen.
Nach Angaben des Startups konnten Modelle, die zuvor mit Daten aus dem eigenen Büro und aus simulierten Arbeitsumgebungen trainiert wurden, durch zusätzliche Fabrikdaten verbessert werden.
Dieser Ansatz könnte den Aufwand für die Anpassung von Robotern an neue Arbeitsplätze reduzieren. Statt für jede Fabrik oder Aufgabe große Datensätze vollständig neu aufzubauen, könnten vorhandene Modelle mit vergleichsweise wenigen lokalen Beispielen nachtrainiert werden.
Muso Action veröffentlichte allerdings keine genauen Zahlen zur Anzahl der Trainingsdemonstrationen, zu den Erfolgsquoten vor und nach dem Training oder zu den benötigten Rechenressourcen.
Die Aussage, dass bereits geringe Mengen zusätzlicher Fabrikdaten ausreichen können, bleibt deshalb eine vom Unternehmen berichtete Beobachtung aus dem konkreten Test.
Phase 2: Produktionsmitarbeiter sollen Roboter ohne Programmierung anlernen
Die zweite Testphase läuft nach Unternehmensangaben von Juli bis November 2026. Im Mittelpunkt steht jetzt weniger die grundsätzliche Funktionsfähigkeit des VLA-Modells als die Frage, wer es im Fabrikalltag bedienen und weiterentwickeln kann.
Hierfür hat Muso Action sein sogenanntes Physical AI Kit im Werk Sakai bereitgestellt.
Das Paket umfasst einen Roboterarm, einen GPU-Computer, ein Tablet, eine Übersichtskamera sowie Software für Datenerfassung, Modelltraining und Inferenz. Die Trainingsprozesse werden teilweise über Cloud-Dienste abgewickelt.
Für die Datensammlung verwendet Muso Action ein Leader-Follower-Verfahren. Dabei demonstriert ein Mitarbeiter die gewünschte Bewegung durch die Steuerung eines Roboters. Das System zeichnet die Aktionen und zugehörigen Sensordaten auf.
Über eine Tablet-Oberfläche sollen Beschäftigte anschließend die gesammelten Daten verwalten, ein Modelltraining starten und die neue Fähigkeit am Roboter testen können.
Der Ansatz unterscheidet sich damit von klassischen Automatisierungsprojekten, bei denen Änderungen häufig neue Programmierung durch spezialisierte Robotikingenieure oder externe Systemintegratoren erfordern.
Ob Mitarbeiter diese Prozesse tatsächlich dauerhaft ohne Unterstützung von KI-Entwicklern durchführen können, ist allerdings gerade Gegenstand der laufenden zweiten Testphase.
Warum der Trainingsprozess wichtiger sein könnte als eine einzelne erfolgreiche Bewegung
Vision-Language-Action-Modelle sollen Roboter flexibler machen, indem sie visuelle Wahrnehmung, Aufgabenbeschreibung und Bewegungssteuerung miteinander verbinden.
Ihre industrielle Nutzbarkeit hängt jedoch nicht nur von der Modellarchitektur ab.
In einer Fabrik verändern sich Bauteilvarianten, Arbeitsstationen, Beleuchtung und Materialpositionen. Ein Robotermodell muss sich deshalb unter Umständen regelmäßig anpassen lassen.
Genau hier setzt das Projekt von Muso Action an. Statt die gesamte Anpassung von externen Entwicklern durchführen zu lassen, sollen die Produktionsmitarbeiter selbst neue Beispiele erfassen und für das weitere Training verwenden können.
Der Unterschied zu vielen Forschungsprojekten ist die angestrebte Integration des Lernprozesses in den Arbeitsalltag.
Auch andere Forschungsansätze versuchen, Roboter flexibler auf unbekannte Situationen reagieren zu lassen. So untersucht das Weltmodell Motus2, wie Roboter mögliche Folgen ihrer Aktionen vorhersagen und für bessere Manipulationsentscheidungen nutzen können.
Daikins Projekt verfolgt einen stärker anwendungsorientierten Ansatz: Eine konkrete Aufgabe soll durch wiederholte Datenerfassung, Modellanpassung und Tests für den industriellen Einsatz vorbereitet werden.
Für europäische Maschinenbauer und industrielle Systemintegratoren ist dieser Ansatz relevant. Wenn sich Roboterfähigkeiten durch Bedienpersonal anpassen lassen, könnten langfristig die Kosten für neue Produktvarianten und kleinere Automatisierungsprojekte sinken.
Noch keine bestätigte kommerzielle Einführung
Muso Action bezeichnet das Projekt ausdrücklich als laufende technische Validierung. Eine spätere kommerzielle Einführung bei Daikin ist bislang nicht verbindlich zugesagt.
Auch für die aktuelle Phase wurden keine belastbaren Angaben zu Zykluszeit, Fehlerquote, manuellen Eingriffen oder kontinuierlichen Betriebsstunden veröffentlicht.
Damit unterscheidet sich der Test von einer vollständig integrierten Automatisierungslösung, die bereits im regulären Schichtbetrieb eingesetzt wird.
Eine ähnliche Herausforderung zeigt sich bei anderen industriellen Robotikprojekten. Xiaomi meldete beispielsweise für bestimmte Logistikaufgaben in seiner Automobilfabrik Erfolgsquoten von 90 Prozent. Solche Ergebnisse sind technisch interessant, reichen für eine wirtschaftliche Bewertung aber noch nicht aus.
Auch bei Daikin werden später Kennzahlen wie erfolgreiche Greifvorgänge pro Stunde, Nacharbeitsbedarf, Anpassungszeit bei neuen Bauteilen und Kosten pro sortiertem Teil ausschlaggebend sein.
Der wirtschaftliche Nutzen könnte vor allem dort entstehen, wo klassische Automatisierung aufgrund häufiger Produktwechsel bisher zu teuer oder zu aufwendig ist.
Muso Action will sein Physical AI Kit zunächst als Betaversion anbieten und auf Grundlage der laufenden Tests weiterentwickeln. Die allgemeine kommerzielle Verfügbarkeit wird angestrebt, ein verbindlicher Termin wurde nicht genannt.
Das Daikin-Projekt liefert damit einen konkreten Einblick in die nächste Entwicklungsstufe industrieller Physical AI: Nicht nur die Fähigkeiten eines Roboters sollen verbessert werden, sondern auch die Art und Weise, wie Fabriken neue Aufgaben anlernen und anschließend selbstständig weiterentwickeln können.
Quellen: Muso Action, 14. Oktober 2026; Muso Action: Vollständige Pressemitteilung bei PR TIMES; Muso Action: Technologie und Entwicklungsansatz.