{"content_id":"wnh4uzgh8d","slug":"gemini-robotics-2-5-vla-factory-performance","locale":"de","schema_type":"TechArticle","category":"ai_data","category_name":"KI-Daten","title":"Gemini Robotics 2.5: Leistung in der Fabrik","summary":"Gemini Robotics 2.5 ist ein Modell, das visuelle Wahrnehmung und Sprache in Roboterhandlungen umsetzt. Unterschieden werden der Geltungsbereich der Erfolgsquote von 96% im Fabriktest, die Leistungssteigerungsraten, die Sicherheitsbewertung und der Veröffentlichungsstatus der einzelnen Modelle.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Gemini Robotics ER ist ein Reasoning-Modell, das Arbeitsabläufe verfolgt.","Gemini Robotics 2.5 steuert im Fabriktest die Bewegungen beider Hände und Arme.","Die Steigerung der Erfolgsquote um 30~100% ist ein relativer Wert gegenüber dem bisherigen Referenzmodell.","Die Erfolgsquote von 96% im Fabriktest ist das Ergebnis von Kitting-Aufgaben mit Autoteilen.","Die Bereitstellung des Aktionsmodells für Partner ist von der öffentlichen Vorschau des ER-Modells zu unterscheiden."],"content_markdown":"Gemini Robotics 2.5 ist ein VLA-Modell, das visuelle Informationen und Sprache mit Roboteraktionen verknüpft. Die Erfolgsquote von 96% bei der Werkserprobung gilt nur für das Kitting von Bauteilen. Für eine tatsächliche Einführung müssen Fehlerbehebung und Betriebsbedingungen zusätzlich überprüft werden.\n\nDie Leistungsangaben in diesem Artikel beruhen auf der Ankündigung von Google vom 10. November 2026.\n\n## Funktionsweise von VLA und ER\n\nVLA ist ein Modell, das visuelle Informationen und sprachliche Anweisungen mit Roboteraktionen verknüpft. Der Name steht für Vision-Language-Action. ER bezeichnet verkörpertes Schlussfolgern zur Planung von Aufgaben in einer physischen Umgebung.\n\nBei der Werkserprobung übernehmen die beiden Modelle unterschiedliche Rollen. Gemini Robotics ER verfolgt den gesamten Arbeitsablauf. Gemini Robotics 2.5 steuert beide Hände und Arme.\n\n| Komponente | Aufgabe | Einordnung |\n| --- | --- | --- |\n| Visuelle Informationen | Objekte und Umgebung erfassen | Eingabe zur Bestimmung der Aktionen |\n| Sprachliche Anweisungen | Aufgaben und Bedingungen vermitteln | Eingabe zur Beschreibung des Aufgabenziels |\n| ER-Modell | Mehrstufige Planung und Fortschrittsverwaltung | Übergeordnetes Schlussfolgern |\n| VLA-Aktionsmodell | Roboterbewegungen erzeugen | Steuerung der tatsächlichen Bewegungen |\n| Roboterhardware | Bewegungen und Objektmanipulation ausführen | Physische Komponenten wie Hände, Arme und Aktuatoren |\n\nDas ER-Modell ist darauf ausgelegt, jeweils die nächste Aufgabe zu bestimmen und die Ausführung fortzusetzen. Es beurteilt auch, ob eine Aufgabe abgeschlossen ist und ob ein erneuter Versuch nötig ist. In den offiziellen Modellinformationen ist Text als Ausgabe von ER 2 angegeben. [Beschreibung von ER 2 durch Google DeepMind](https://deepmind.google/models/gemini-robotics/embodied-reasoning/)\n\nDas Aktionsmodell und der Roboter selbst sind nicht dasselbe Produkt. Die offizielle VLA-Beschreibung nennt einen Steuerungsumfang von Armen bis zum gesamten Körper humanoider Roboter. Die Leistung auf einem bestimmten Roboter muss unter Berücksichtigung seiner Hardwarebedingungen eingeordnet werden. [VLA-Beschreibung von Google DeepMind](https://deepmind.google/models/gemini-robotics/vla/)\n\n## Kennzahlen zur Aufgabenbewertung und Vergleichsmaßstäbe\n\nDie veröffentlichten Verbesserungsraten beziehen sich auf das bisherige Referenzmodell. Sie sind keine absoluten Erfolgsquoten, die für alle Aufgaben gleichermaßen gelten. Laut Ankündigung fiel die Verbesserung je nach Aufgabenart unterschiedlich aus.\n\nDie folgende Tabelle unterscheidet die am 10. November 2026 veröffentlichten Kennzahlen.\n\n| Punkt | Veröffentlichte Angaben | Geltungsbereich der Kennzahl |\n| --- | --- | --- |\n| Umfang der bewerteten Aufgaben | In der Einleitung mehr als 200, in der Detailbeschreibung 200 | Insgesamt als rund 200 zu verstehen |\n| Erfolgsquote bei Aufgaben | Verbesserung um 30~100% gegenüber dem bisherigen Referenzmodell | Relative Verbesserung je nach Aufgabenart |\n| Geschwindigkeit der Aufgabenerledigung | Verbesserung um 20~30% gegenüber dem bisherigen Referenzmodell | Vergleich der Abschlussgeschwindigkeit bei den bewerteten Aufgaben |\n| Erfolgsquote bei der Werkserprobung | 96% | Erprobung des Kittings von Automobilteilen mit Apollo 2 |\n\nDie Aufgabenanzahl bezeichnet die Arten der bewerteten Aufgaben. Sie ist nicht mit der Anzahl der Wiederholungen jeder Aufgabe gleichzusetzen. Daher lässt sich allein aus der Aufgabenanzahl keine statistische Zuverlässigkeit berechnen. [Koreanische Ankündigung von Google](https://blog.google/intl/ko-kr/company-news/technology/gemini-robotics-2-5-kr/)\n\n### Rechenbeispiel für relative Verbesserungsraten\n\nDie Bedeutung der Verbesserung einer Erfolgsquote wird deutlicher, wenn man sie als Faktor ausdrückt. Die angekündigte Verbesserung um 30% entspricht dem 1.3-Fachen der bisherigen Erfolgsquote. Eine Verbesserung um 100% bedeutet das 2-Fache der bisherigen Erfolgsquote. Diese Zusammenhänge ergeben sich rechnerisch aus den veröffentlichten Angaben.\n\n| Ausdruck | Rechnerischer Zusammenhang | Zur Einordnung benötigte Informationen |\n| --- | --- | --- |\n| Verbesserung der Erfolgsquote um 30% | Neue Erfolgsquote = bisherige Erfolgsquote × 1.3 | Bisherige Erfolgsquote bei derselben Aufgabe |\n| Verbesserung der Erfolgsquote um 100% | Neue Erfolgsquote = bisherige Erfolgsquote × 2 | Bisherige Erfolgsquote bei derselben Aufgabe |\n| Differenz der Erfolgsquoten | Neue Erfolgsquote - bisherige Erfolgsquote | Beide absoluten Erfolgsquoten, Einheit: Prozentpunkte |\n\nOhne die bisherige Erfolgsquote lässt sich die neue absolute Erfolgsquote nicht berechnen. Eine Verbesserung um 100% darf nicht als Erfolg bei allen Versuchen verstanden werden. Auch eine Geschwindigkeitsverbesserung lässt sich nicht in eine Steigerung der gesamten Werksproduktion umrechnen.\n\n## Geltungsbereich der Erfolgsquote von 96% bei der Werkserprobung\n\nDie veröffentlichten **96%** sind die Erfolgsquote einer Erprobung des Kittings von Automobilteilen. Beim Kitting werden die für die Montage benötigten Teile in der richtigen Reihenfolge bereitgestellt. Bei dieser Erprobung übernahm Apollo 2 von Apptronik diese Aufgabe.\n\nDie Erprobung fand an tatsächlichen Produktionslinien von Mercedes-Benz statt. Die Ankündigung nennt Kecskemét in Ungarn und Sindelfingen in Deutschland. Der Roboter entnahm Metallhalterungen aus einem Vorratsbehälter und legte sie in die nach Reihenfolge vorgesehenen Behälter.\n\nEin PoC ist ein Machbarkeitsnachweis, der die Umsetzbarkeit in einer bestimmten Umgebung prüft. Die dabei gemessene Erfolgsquote gilt für den Umfang dieses Tests. Sie lässt sich nicht auf den Automatisierungsgrad des gesamten Werks oder die Erfolgsquote aller Prozesse übertragen.\n\nGoogle stellte als Einsatzmöglichkeit vor, wiederkehrende Vorbereitungsaufgaben an Roboter zu übertragen. Dadurch soll sich das technische Personal auf komplexe Montagearbeiten konzentrieren können. Angaben zum Umfang eines Personalabbaus oder zur Steigerung der Arbeitsproduktivität wurden nicht gemacht. [Beschreibung der Werkserprobung durch Google DeepMind](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)\n\n## Fehlerbehebung und Durchsatz fehlen in der Erfolgsquote\n\nFür die Entscheidung über einen Werkseinsatz müssen die Bezugsgröße der Erfolgsquote und die Zeit zur Fehlerbehebung bekannt sein. Auch bei gleicher Erfolgsquote kann die Produktionsmenge je nach Wiederholungsverfahren variieren. Diese Analyse dient dazu, die veröffentlichten Kennzahlen mit Betriebskennzahlen zu verknüpfen.\n\n| Prüfpunkt | Zu klärende Angaben | Bedeutung für die Beurteilung |\n| --- | --- | --- |\n| Einheit des Erfolgs | Einzelnes Bauteil oder gesamtes Tablett | Durch die Erfolgsquote erfasster Aufgabenumfang |\n| Anzahl der Versuche | Gesamtzahl der Bewertungen und Verteilung nach Aufgabe | Schwankungen und Repräsentativität der Ergebnisse |\n| Umgang mit Wiederholungsversuchen | Erfolg beim ersten Versuch oder einschließlich Wiederholungen | Grad der autonomen Ausführung |\n| Menschliche Eingriffe | Anzahl und Zeitpunkt der Eingriffe | Erforderliches Betriebspersonal |\n| Fehlerbehebung | Zeit zur Fehlerbehebung und Bedingungen für die Wiederaufnahme | Durch Unterbrechungen verringerter Durchsatz |\n| Qualitätsprüfung | Kriterien für Positionsabweichungen und Bauteilschäden | Verwendbarkeit für die anschließende Montage |\n| Dauerbetrieb | Betriebsdauer und Ursachen für Stillstände | Stabilität im tatsächlichen Betrieb |\n\nDiese Punkte sind keine zusätzlich bestätigten Ergebnisse. Es handelt sich um Messbedingungen, die bei einer Bewertung vor Ort gesondert geprüft werden müssen. Alle Detailbedingungen lassen sich nicht allein anhand der koreanischen Ankündigung feststellen.\n\nAls Betriebskennzahl lässt sich zusätzlich der Gutteildurchsatz berechnen. Die Formel lautet: „Anzahl fertiggestellter Einheiten, die die Qualitätskriterien erfüllen ÷ gesamte Betriebszeit“. Die gesamte Betriebszeit muss Wiederholungsversuche und Fehlerbehebung einschließen. Dies ist ein Messvorschlag, keine veröffentlichte Kennzahl der Werkserprobung.\n\nFür den Roboterbetrieb werden neben dem Modell auch Verwaltungsfunktionen benötigt. Apptronik beschreibt Fleet Connect zur Zustandsüberwachung und Aufgabenzuweisung. Das zeigt den Umfang des Betriebs, bei dem auch Batterien und Stillstandszustände verwaltet werden müssen. [Beschreibung der Plattform Apollo 2 durch Apptronik](https://apptronik.com/apollo/apollo-2)\n\n## Unterschied zwischen physischer Sicherheit und Jailbreak-Abwehr\n\nPhysische Sicherheitsvorgaben und Jailbreak-Abwehr betreffen unterschiedliche Bewertungsgegenstände. Erstere lenken das Verhalten so, dass während der Ausführung Gefahren in der Umgebung vermieden werden. Letztere bewertet die Widerstandsfähigkeit gegen Angriffe, die das Modell zum Befolgen gefährlicher Anweisungen bringen sollen.\n\nDer Inferenzzeitpunkt ist der Zeitpunkt, zu dem ein Modell Eingaben verarbeitet und Entscheidungen trifft. Google erklärt, zu diesem Zeitpunkt Vorgaben zur Gefahrenvermeidung anzuwenden. Auch bei Sicherheitskennzahlen muss unterschieden werden, welches Modell mit welchem Verfahren bewertet wurde.\n\nDie folgenden Sicherheitskennzahlen stammen aus der Ankündigung vom 10. November 2026.\n\n| Bewertung | Veröffentlichtes Ergebnis | Geltungsbereich |\n| --- | --- | --- |\n| Sicherer Aufgabenabschluss in der Nähe von Hindernissen | Verbesserung um 33% | Verbesserung durch Anwendung der Vorgaben |\n| Sicherer Aufgabenabschluss in einer Umgebung mit Menschen in der Nähe | Verbesserung um 43% | Verbesserung durch Anwendung der Vorgaben |\n| Jailbreak-Abwehrrate von Gemini 4 Argon | 99.5% | Veröffentlichtes Ergebnis der Jailbreak-Bewertung |\n| Jailbreak-Abwehrrate des Referenzmodells | 82% | Vergleichsergebnis von Gemini Robotics ER 2 |\n\nDie Jailbreak-Abwehrrate ist ein Bewertungsergebnis von Gemini 4 Argon. Wer sie als Unfallfreiheitsquote des Aktionsmodells im Werk zitiert, verändert den Bewertungsgegenstand. Auch die Verbesserungsrate beim sicheren Aufgabenabschluss muss von der absoluten Erfolgsquote unterschieden werden. [Beschreibung der Sicherheitsbewertung durch Google DeepMind](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)\n\nDas Repository ASIMOV-Jailbreak unterscheidet zwischen schädlichen und regulären Anweisungen. Es umfasst auch Bewertungen von Angriffen über mehrere Runden. Die Quote übermäßiger Ablehnungen regulärer Anfragen gehört ebenfalls zu den Bewertungskriterien. [Googles Repository zur ASIMOV-Bewertung](https://huggingface.co/datasets/google/asimov_agentic)\n\nDaneben gibt es Sicherheitsfunktionen der physischen Geräte. Apptronik erklärt, dass der Roboter sofort stoppt, wenn er ein Objekt in einer festgelegten Kollisionszone erkennt. Auch zonenabhängige Bewegungseinstellungen werden angeboten. Diese Hardwarefunktionen müssen unabhängig von der Modellbewertung geprüft werden.\n\n## Simulation und reale Trainingsdaten\n\nLaut Google wurden Simulationen mit Daten aus realen Demonstrationen kombiniert. Gemini 4 Argon erzeugt virtuelle Trainingsumgebungen aus Kameraszenen. Es unterstützt auch die Forschung, die aus Videos fehlgeschlagener Versuche Hypothesen für Verbesserungen ableitet.\n\nEin digitaler Zwilling bildet eine reale Umgebung im virtuellen Raum nach. In einer virtuellen Umgebung lassen sich Tests unter veränderten Bedingungen wiederholen. Tests mit realen Robotern prüfen, ob die Ergebnisse auch in der physischen Umgebung Bestand haben. [Beschreibung des Trainingsprozesses durch Google DeepMind](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)\n\nIn diesem Aufbau ist das Werk sowohl Einsatzort als auch Bewertungsumgebung. Denn reale Bauteile und Arbeitsabläufe prüfen den Anwendungsbereich des Modells. Eine verbesserte Trainingseffizienz lässt sich jedoch nicht unmittelbar in Einsparungen bei den Einführungskosten umrechnen.\n\n## Unterschied zwischen Partnerbereitstellung und öffentlicher API\n\nDer öffentliche Verfügbarkeitsstatus muss für das Aktionsmodell und das ER-Modell getrennt geprüft werden. Laut Ankündigung wird das Aktionsmodell schrittweise für Robotikpartner bereitgestellt. Auf der offiziellen Seite zu ER 2 ist eine öffentliche Vorschau angegeben.\n\nDie Ankündigung von Google DeepMind beschreibt den Bereitstellungsumfang wie folgt.\n\n\u003e Gemini Robotics 2.5 wird unseren Robotikpartnern schrittweise bereitgestellt.\n\nQuelle ist die [Ankündigung zu Gemini Robotics 2.5](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/).\n\n| Modell | Bestätigter Verfügbarkeitsstatus | Einordnung |\n| --- | --- | --- |\n| Gemini Robotics 2.5 | Schrittweise Bereitstellung für Robotikpartner | Von der Veröffentlichung einer Aktions-API für Entwickler allgemein zu unterscheiden |\n| Gemini Robotics ER 2 | Öffentliche Vorschau in Google AI Studio und über die Gemini API | Zugangsumfang des Schlussfolgerungsmodells |\n\nDer API-Zugang zu ER bedeutet keine Zugangsberechtigung zum Aktionsmodell. Auch ein Zeitplan für die kommerzielle Einführung in Südkorea lässt sich aus dieser Ankündigung allein nicht ableiten. Der Verfügbarkeitsstatus jedes Modells muss auf der jeweiligen offiziellen Modellseite geprüft werden.\n\n## Häufige Fehler beim Lesen von Leistungskennzahlen\n\nWer Bewertungsgegenstand und Einheit weglässt, vermischt unterschiedliche Ergebnisse. Besonders die Zusammenfassung von Kennzahlen allein anhand des Modellnamens erschwert die Einordnung. Beim Zitieren sollten Aufgabe und Vergleichsbedingungen gemeinsam angegeben werden.\n\n| Häufige Auslegung | Korrekte Unterscheidung |\n| --- | --- |\n| Die Erfolgsquote hat sich um 100% verbessert, also waren alle Aufgaben erfolgreich | Relative Verbesserungsrate und absolute Erfolgsquote sind verschieden |\n| Die Erfolgsquote im Werk entspricht dem Automatisierungsgrad des gesamten Werks | Ergebnis des Kitting-PoC und Automatisierungsumfang sind verschieden |\n| Die Jailbreak-Abwehrrate entspricht der Unfallfreiheitsquote des Roboters | Angriffswiderstand und Kennzahlen zu physischen Unfällen sind verschieden |\n| Über die ER-API lässt sich auch das Aktionsmodell sofort nutzen | Zugangsberechtigungen müssen für jedes Modell gesondert geprüft werden |\n| Die Produktionsmenge steigt genauso stark wie die Geschwindigkeit der Aufgabenerledigung | Messungen müssen Fehlerbehebungszeiten und Wartezeiten im Prozess einschließen |\n\n## Häufig gestellte Fragen\n\nDie zentralen Fragen lassen sich klären, wenn Modellrollen, Bewertungseinheiten und Verfügbarkeitsstatus getrennt betrachtet werden.\n\n### Ist Gemini Robotics 2.5 der Roboter selbst\n\nEs ist ein VLA-Modell zur Steuerung von Robotern. Apollo 2 ist der Roboter, der dieses Modell nutzt. Die Modellleistung muss von der physischen Leistung des Roboters unterschieden werden.\n\n### Sind mit rund 200 Aufgaben die Prozesse eines realen Werks gemeint\n\nGemeint sind die Aufgabenarten der veröffentlichten Modellbewertung. Das bedeutet nicht, dass es sich ausschließlich um Prozesse eines Automobilwerks handelt. Die Anzahl der bewerteten Aufgaben und der Umfang der Werkserprobung sind getrennte Größen.\n\n### Lässt sich der Nutzen einer Einführung allein anhand der Erfolgsquote im Werk berechnen\n\nKosten oder Produktionsmengen lassen sich nicht allein aus der Erfolgsquote berechnen. Dazu müssen auch die Bearbeitungszeit und die Zeit zur Fehlerbehebung bekannt sein. Ebenso werden die Bedingungen für Qualitätsprüfungen und menschliche Eingriffe benötigt.\n\n### Bedeuten öffentliche Vorschau und kommerzielle Einführung dasselbe\n\nEine öffentliche Vorschau ist ein Bereitstellungsstatus, der den Zugang zu einem bestimmten Modell ermöglicht. Sie bedeutet nicht, dass die Integration in ein Werkssystem abgeschlossen ist. Auch die Bereitstellungsbedingungen des Aktionsmodells müssen gesondert geprüft werden.","content_html":"\u003cp\u003eGemini Robotics 2.5 ist ein VLA-Modell, das visuelle Informationen und Sprache mit Roboteraktionen verknüpft. Die Erfolgsquote von 96% bei der Werkserprobung gilt nur für das Kitting von Bauteilen. Für eine tatsächliche Einführung müssen Fehlerbehebung und Betriebsbedingungen zusätzlich überprüft werden.\u003c/p\u003e\n\u003cp\u003eDie Leistungsangaben in diesem Artikel beruhen auf der Ankündigung von Google vom 10. November 2026.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#funktionsweise-von-vla-und-er\" class=\"anchor\" id=\"funktionsweise-von-vla-und-er\"\u003e\u003c/a\u003eFunktionsweise von VLA und ER\u003c/h2\u003e\n\u003cp\u003eVLA ist ein Modell, das visuelle Informationen und sprachliche Anweisungen mit Roboteraktionen verknüpft. Der Name steht für Vision-Language-Action. ER bezeichnet verkörpertes Schlussfolgern zur Planung von Aufgaben in einer physischen Umgebung.\u003c/p\u003e\n\u003cp\u003eBei der Werkserprobung übernehmen die beiden Modelle unterschiedliche Rollen. Gemini Robotics ER verfolgt den gesamten Arbeitsablauf. Gemini Robotics 2.5 steuert beide Hände und Arme.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKomponente\u003c/th\u003e\n\u003cth\u003eAufgabe\u003c/th\u003e\n\u003cth\u003eEinordnung\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Komponente\"\u003eVisuelle Informationen\u003c/td\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eObjekte und Umgebung erfassen\u003c/td\u003e\n\u003ctd data-label=\"Einordnung\"\u003eEingabe zur Bestimmung der Aktionen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Komponente\"\u003eSprachliche Anweisungen\u003c/td\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eAufgaben und Bedingungen vermitteln\u003c/td\u003e\n\u003ctd data-label=\"Einordnung\"\u003eEingabe zur Beschreibung des Aufgabenziels\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Komponente\"\u003eER-Modell\u003c/td\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eMehrstufige Planung und Fortschrittsverwaltung\u003c/td\u003e\n\u003ctd data-label=\"Einordnung\"\u003eÜbergeordnetes Schlussfolgern\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Komponente\"\u003eVLA-Aktionsmodell\u003c/td\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eRoboterbewegungen erzeugen\u003c/td\u003e\n\u003ctd data-label=\"Einordnung\"\u003eSteuerung der tatsächlichen Bewegungen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Komponente\"\u003eRoboterhardware\u003c/td\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eBewegungen und Objektmanipulation ausführen\u003c/td\u003e\n\u003ctd data-label=\"Einordnung\"\u003ePhysische Komponenten wie Hände, Arme und Aktuatoren\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDas ER-Modell ist darauf ausgelegt, jeweils die nächste Aufgabe zu bestimmen und die Ausführung fortzusetzen. Es beurteilt auch, ob eine Aufgabe abgeschlossen ist und ob ein erneuter Versuch nötig ist. In den offiziellen Modellinformationen ist Text als Ausgabe von ER 2 angegeben. \u003ca href=\"https://deepmind.google/models/gemini-robotics/embodied-reasoning/\"\u003eBeschreibung von ER 2 durch Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003eDas Aktionsmodell und der Roboter selbst sind nicht dasselbe Produkt. Die offizielle VLA-Beschreibung nennt einen Steuerungsumfang von Armen bis zum gesamten Körper humanoider Roboter. Die Leistung auf einem bestimmten Roboter muss unter Berücksichtigung seiner Hardwarebedingungen eingeordnet werden. \u003ca href=\"https://deepmind.google/models/gemini-robotics/vla/\"\u003eVLA-Beschreibung von Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#kennzahlen-zur-aufgabenbewertung-und-vergleichsma%C3%9Fst%C3%A4be\" class=\"anchor\" id=\"kennzahlen-zur-aufgabenbewertung-und-vergleichsmaßstäbe\"\u003e\u003c/a\u003eKennzahlen zur Aufgabenbewertung und Vergleichsmaßstäbe\u003c/h2\u003e\n\u003cp\u003eDie veröffentlichten Verbesserungsraten beziehen sich auf das bisherige Referenzmodell. Sie sind keine absoluten Erfolgsquoten, die für alle Aufgaben gleichermaßen gelten. Laut Ankündigung fiel die Verbesserung je nach Aufgabenart unterschiedlich aus.\u003c/p\u003e\n\u003cp\u003eDie folgende Tabelle unterscheidet die am 10. November 2026 veröffentlichten Kennzahlen.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003ePunkt\u003c/th\u003e\n\u003cth\u003eVeröffentlichte Angaben\u003c/th\u003e\n\u003cth\u003eGeltungsbereich der Kennzahl\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Punkt\"\u003eUmfang der bewerteten Aufgaben\u003c/td\u003e\n\u003ctd data-label=\"Veröffentlichte Angaben\"\u003eIn der Einleitung mehr als 200, in der Detailbeschreibung 200\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich der Kennzahl\"\u003eInsgesamt als rund 200 zu verstehen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Punkt\"\u003eErfolgsquote bei Aufgaben\u003c/td\u003e\n\u003ctd data-label=\"Veröffentlichte Angaben\"\u003eVerbesserung um 30~100% gegenüber dem bisherigen Referenzmodell\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich der Kennzahl\"\u003eRelative Verbesserung je nach Aufgabenart\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Punkt\"\u003eGeschwindigkeit der Aufgabenerledigung\u003c/td\u003e\n\u003ctd data-label=\"Veröffentlichte Angaben\"\u003eVerbesserung um 20~30% gegenüber dem bisherigen Referenzmodell\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich der Kennzahl\"\u003eVergleich der Abschlussgeschwindigkeit bei den bewerteten Aufgaben\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Punkt\"\u003eErfolgsquote bei der Werkserprobung\u003c/td\u003e\n\u003ctd data-label=\"Veröffentlichte Angaben\"\u003e96%\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich der Kennzahl\"\u003eErprobung des Kittings von Automobilteilen mit Apollo 2\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDie Aufgabenanzahl bezeichnet die Arten der bewerteten Aufgaben. Sie ist nicht mit der Anzahl der Wiederholungen jeder Aufgabe gleichzusetzen. Daher lässt sich allein aus der Aufgabenanzahl keine statistische Zuverlässigkeit berechnen. \u003ca href=\"https://blog.google/intl/ko-kr/company-news/technology/gemini-robotics-2-5-kr/\"\u003eKoreanische Ankündigung von Google\u003c/a\u003e\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#rechenbeispiel-f%C3%BCr-relative-verbesserungsraten\" class=\"anchor\" id=\"rechenbeispiel-für-relative-verbesserungsraten\"\u003e\u003c/a\u003eRechenbeispiel für relative Verbesserungsraten\u003c/h3\u003e\n\u003cp\u003eDie Bedeutung der Verbesserung einer Erfolgsquote wird deutlicher, wenn man sie als Faktor ausdrückt. Die angekündigte Verbesserung um 30% entspricht dem 1.3-Fachen der bisherigen Erfolgsquote. Eine Verbesserung um 100% bedeutet das 2-Fache der bisherigen Erfolgsquote. Diese Zusammenhänge ergeben sich rechnerisch aus den veröffentlichten Angaben.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eAusdruck\u003c/th\u003e\n\u003cth\u003eRechnerischer Zusammenhang\u003c/th\u003e\n\u003cth\u003eZur Einordnung benötigte Informationen\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Ausdruck\"\u003eVerbesserung der Erfolgsquote um 30%\u003c/td\u003e\n\u003ctd data-label=\"Rechnerischer Zusammenhang\"\u003eNeue Erfolgsquote = bisherige Erfolgsquote × 1.3\u003c/td\u003e\n\u003ctd data-label=\"Zur Einordnung benötigte Informationen\"\u003eBisherige Erfolgsquote bei derselben Aufgabe\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Ausdruck\"\u003eVerbesserung der Erfolgsquote um 100%\u003c/td\u003e\n\u003ctd data-label=\"Rechnerischer Zusammenhang\"\u003eNeue Erfolgsquote = bisherige Erfolgsquote × 2\u003c/td\u003e\n\u003ctd data-label=\"Zur Einordnung benötigte Informationen\"\u003eBisherige Erfolgsquote bei derselben Aufgabe\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Ausdruck\"\u003eDifferenz der Erfolgsquoten\u003c/td\u003e\n\u003ctd data-label=\"Rechnerischer Zusammenhang\"\u003eNeue Erfolgsquote - bisherige Erfolgsquote\u003c/td\u003e\n\u003ctd data-label=\"Zur Einordnung benötigte Informationen\"\u003eBeide absoluten Erfolgsquoten, Einheit: Prozentpunkte\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eOhne die bisherige Erfolgsquote lässt sich die neue absolute Erfolgsquote nicht berechnen. Eine Verbesserung um 100% darf nicht als Erfolg bei allen Versuchen verstanden werden. Auch eine Geschwindigkeitsverbesserung lässt sich nicht in eine Steigerung der gesamten Werksproduktion umrechnen.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#geltungsbereich-der-erfolgsquote-von-96-bei-der-werkserprobung\" class=\"anchor\" id=\"geltungsbereich-der-erfolgsquote-von-96-bei-der-werkserprobung\"\u003e\u003c/a\u003eGeltungsbereich der Erfolgsquote von 96% bei der Werkserprobung\u003c/h2\u003e\n\u003cp\u003eDie veröffentlichten \u003cstrong\u003e96%\u003c/strong\u003e sind die Erfolgsquote einer Erprobung des Kittings von Automobilteilen. Beim Kitting werden die für die Montage benötigten Teile in der richtigen Reihenfolge bereitgestellt. Bei dieser Erprobung übernahm Apollo 2 von Apptronik diese Aufgabe.\u003c/p\u003e\n\u003cp\u003eDie Erprobung fand an tatsächlichen Produktionslinien von Mercedes-Benz statt. Die Ankündigung nennt Kecskemét in Ungarn und Sindelfingen in Deutschland. Der Roboter entnahm Metallhalterungen aus einem Vorratsbehälter und legte sie in die nach Reihenfolge vorgesehenen Behälter.\u003c/p\u003e\n\u003cp\u003eEin PoC ist ein Machbarkeitsnachweis, der die Umsetzbarkeit in einer bestimmten Umgebung prüft. Die dabei gemessene Erfolgsquote gilt für den Umfang dieses Tests. Sie lässt sich nicht auf den Automatisierungsgrad des gesamten Werks oder die Erfolgsquote aller Prozesse übertragen.\u003c/p\u003e\n\u003cp\u003eGoogle stellte als Einsatzmöglichkeit vor, wiederkehrende Vorbereitungsaufgaben an Roboter zu übertragen. Dadurch soll sich das technische Personal auf komplexe Montagearbeiten konzentrieren können. Angaben zum Umfang eines Personalabbaus oder zur Steigerung der Arbeitsproduktivität wurden nicht gemacht. \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eBeschreibung der Werkserprobung durch Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#fehlerbehebung-und-durchsatz-fehlen-in-der-erfolgsquote\" class=\"anchor\" id=\"fehlerbehebung-und-durchsatz-fehlen-in-der-erfolgsquote\"\u003e\u003c/a\u003eFehlerbehebung und Durchsatz fehlen in der Erfolgsquote\u003c/h2\u003e\n\u003cp\u003eFür die Entscheidung über einen Werkseinsatz müssen die Bezugsgröße der Erfolgsquote und die Zeit zur Fehlerbehebung bekannt sein. Auch bei gleicher Erfolgsquote kann die Produktionsmenge je nach Wiederholungsverfahren variieren. Diese Analyse dient dazu, die veröffentlichten Kennzahlen mit Betriebskennzahlen zu verknüpfen.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003ePrüfpunkt\u003c/th\u003e\n\u003cth\u003eZu klärende Angaben\u003c/th\u003e\n\u003cth\u003eBedeutung für die Beurteilung\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Prüfpunkt\"\u003eEinheit des Erfolgs\u003c/td\u003e\n\u003ctd data-label=\"Zu klärende Angaben\"\u003eEinzelnes Bauteil oder gesamtes Tablett\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung für die Beurteilung\"\u003eDurch die Erfolgsquote erfasster Aufgabenumfang\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Prüfpunkt\"\u003eAnzahl der Versuche\u003c/td\u003e\n\u003ctd data-label=\"Zu klärende Angaben\"\u003eGesamtzahl der Bewertungen und Verteilung nach Aufgabe\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung für die Beurteilung\"\u003eSchwankungen und Repräsentativität der Ergebnisse\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Prüfpunkt\"\u003eUmgang mit Wiederholungsversuchen\u003c/td\u003e\n\u003ctd data-label=\"Zu klärende Angaben\"\u003eErfolg beim ersten Versuch oder einschließlich Wiederholungen\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung für die Beurteilung\"\u003eGrad der autonomen Ausführung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Prüfpunkt\"\u003eMenschliche Eingriffe\u003c/td\u003e\n\u003ctd data-label=\"Zu klärende Angaben\"\u003eAnzahl und Zeitpunkt der Eingriffe\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung für die Beurteilung\"\u003eErforderliches Betriebspersonal\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Prüfpunkt\"\u003eFehlerbehebung\u003c/td\u003e\n\u003ctd data-label=\"Zu klärende Angaben\"\u003eZeit zur Fehlerbehebung und Bedingungen für die Wiederaufnahme\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung für die Beurteilung\"\u003eDurch Unterbrechungen verringerter Durchsatz\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Prüfpunkt\"\u003eQualitätsprüfung\u003c/td\u003e\n\u003ctd data-label=\"Zu klärende Angaben\"\u003eKriterien für Positionsabweichungen und Bauteilschäden\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung für die Beurteilung\"\u003eVerwendbarkeit für die anschließende Montage\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Prüfpunkt\"\u003eDauerbetrieb\u003c/td\u003e\n\u003ctd data-label=\"Zu klärende Angaben\"\u003eBetriebsdauer und Ursachen für Stillstände\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung für die Beurteilung\"\u003eStabilität im tatsächlichen Betrieb\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDiese Punkte sind keine zusätzlich bestätigten Ergebnisse. Es handelt sich um Messbedingungen, die bei einer Bewertung vor Ort gesondert geprüft werden müssen. Alle Detailbedingungen lassen sich nicht allein anhand der koreanischen Ankündigung feststellen.\u003c/p\u003e\n\u003cp\u003eAls Betriebskennzahl lässt sich zusätzlich der Gutteildurchsatz berechnen. Die Formel lautet: „Anzahl fertiggestellter Einheiten, die die Qualitätskriterien erfüllen ÷ gesamte Betriebszeit“. Die gesamte Betriebszeit muss Wiederholungsversuche und Fehlerbehebung einschließen. Dies ist ein Messvorschlag, keine veröffentlichte Kennzahl der Werkserprobung.\u003c/p\u003e\n\u003cp\u003eFür den Roboterbetrieb werden neben dem Modell auch Verwaltungsfunktionen benötigt. Apptronik beschreibt Fleet Connect zur Zustandsüberwachung und Aufgabenzuweisung. Das zeigt den Umfang des Betriebs, bei dem auch Batterien und Stillstandszustände verwaltet werden müssen. \u003ca href=\"https://apptronik.com/apollo/apollo-2\"\u003eBeschreibung der Plattform Apollo 2 durch Apptronik\u003c/a\u003e\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#unterschied-zwischen-physischer-sicherheit-und-jailbreak-abwehr\" class=\"anchor\" id=\"unterschied-zwischen-physischer-sicherheit-und-jailbreak-abwehr\"\u003e\u003c/a\u003eUnterschied zwischen physischer Sicherheit und Jailbreak-Abwehr\u003c/h2\u003e\n\u003cp\u003ePhysische Sicherheitsvorgaben und Jailbreak-Abwehr betreffen unterschiedliche Bewertungsgegenstände. Erstere lenken das Verhalten so, dass während der Ausführung Gefahren in der Umgebung vermieden werden. Letztere bewertet die Widerstandsfähigkeit gegen Angriffe, die das Modell zum Befolgen gefährlicher Anweisungen bringen sollen.\u003c/p\u003e\n\u003cp\u003eDer Inferenzzeitpunkt ist der Zeitpunkt, zu dem ein Modell Eingaben verarbeitet und Entscheidungen trifft. Google erklärt, zu diesem Zeitpunkt Vorgaben zur Gefahrenvermeidung anzuwenden. Auch bei Sicherheitskennzahlen muss unterschieden werden, welches Modell mit welchem Verfahren bewertet wurde.\u003c/p\u003e\n\u003cp\u003eDie folgenden Sicherheitskennzahlen stammen aus der Ankündigung vom 10. November 2026.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eBewertung\u003c/th\u003e\n\u003cth\u003eVeröffentlichtes Ergebnis\u003c/th\u003e\n\u003cth\u003eGeltungsbereich\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bewertung\"\u003eSicherer Aufgabenabschluss in der Nähe von Hindernissen\u003c/td\u003e\n\u003ctd data-label=\"Veröffentlichtes Ergebnis\"\u003eVerbesserung um 33%\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich\"\u003eVerbesserung durch Anwendung der Vorgaben\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bewertung\"\u003eSicherer Aufgabenabschluss in einer Umgebung mit Menschen in der Nähe\u003c/td\u003e\n\u003ctd data-label=\"Veröffentlichtes Ergebnis\"\u003eVerbesserung um 43%\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich\"\u003eVerbesserung durch Anwendung der Vorgaben\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bewertung\"\u003eJailbreak-Abwehrrate von Gemini 4 Argon\u003c/td\u003e\n\u003ctd data-label=\"Veröffentlichtes Ergebnis\"\u003e99.5%\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich\"\u003eVeröffentlichtes Ergebnis der Jailbreak-Bewertung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bewertung\"\u003eJailbreak-Abwehrrate des Referenzmodells\u003c/td\u003e\n\u003ctd data-label=\"Veröffentlichtes Ergebnis\"\u003e82%\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich\"\u003eVergleichsergebnis von Gemini Robotics ER 2\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDie Jailbreak-Abwehrrate ist ein Bewertungsergebnis von Gemini 4 Argon. Wer sie als Unfallfreiheitsquote des Aktionsmodells im Werk zitiert, verändert den Bewertungsgegenstand. Auch die Verbesserungsrate beim sicheren Aufgabenabschluss muss von der absoluten Erfolgsquote unterschieden werden. \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eBeschreibung der Sicherheitsbewertung durch Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003eDas Repository ASIMOV-Jailbreak unterscheidet zwischen schädlichen und regulären Anweisungen. Es umfasst auch Bewertungen von Angriffen über mehrere Runden. Die Quote übermäßiger Ablehnungen regulärer Anfragen gehört ebenfalls zu den Bewertungskriterien. \u003ca href=\"https://huggingface.co/datasets/google/asimov_agentic\"\u003eGoogles Repository zur ASIMOV-Bewertung\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003eDaneben gibt es Sicherheitsfunktionen der physischen Geräte. Apptronik erklärt, dass der Roboter sofort stoppt, wenn er ein Objekt in einer festgelegten Kollisionszone erkennt. Auch zonenabhängige Bewegungseinstellungen werden angeboten. Diese Hardwarefunktionen müssen unabhängig von der Modellbewertung geprüft werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#simulation-und-reale-trainingsdaten\" class=\"anchor\" id=\"simulation-und-reale-trainingsdaten\"\u003e\u003c/a\u003eSimulation und reale Trainingsdaten\u003c/h2\u003e\n\u003cp\u003eLaut Google wurden Simulationen mit Daten aus realen Demonstrationen kombiniert. Gemini 4 Argon erzeugt virtuelle Trainingsumgebungen aus Kameraszenen. Es unterstützt auch die Forschung, die aus Videos fehlgeschlagener Versuche Hypothesen für Verbesserungen ableitet.\u003c/p\u003e\n\u003cp\u003eEin digitaler Zwilling bildet eine reale Umgebung im virtuellen Raum nach. In einer virtuellen Umgebung lassen sich Tests unter veränderten Bedingungen wiederholen. Tests mit realen Robotern prüfen, ob die Ergebnisse auch in der physischen Umgebung Bestand haben. \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eBeschreibung des Trainingsprozesses durch Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003eIn diesem Aufbau ist das Werk sowohl Einsatzort als auch Bewertungsumgebung. Denn reale Bauteile und Arbeitsabläufe prüfen den Anwendungsbereich des Modells. Eine verbesserte Trainingseffizienz lässt sich jedoch nicht unmittelbar in Einsparungen bei den Einführungskosten umrechnen.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#unterschied-zwischen-partnerbereitstellung-und-%C3%B6ffentlicher-api\" class=\"anchor\" id=\"unterschied-zwischen-partnerbereitstellung-und-öffentlicher-api\"\u003e\u003c/a\u003eUnterschied zwischen Partnerbereitstellung und öffentlicher API\u003c/h2\u003e\n\u003cp\u003eDer öffentliche Verfügbarkeitsstatus muss für das Aktionsmodell und das ER-Modell getrennt geprüft werden. Laut Ankündigung wird das Aktionsmodell schrittweise für Robotikpartner bereitgestellt. Auf der offiziellen Seite zu ER 2 ist eine öffentliche Vorschau angegeben.\u003c/p\u003e\n\u003cp\u003eDie Ankündigung von Google DeepMind beschreibt den Bereitstellungsumfang wie folgt.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eGemini Robotics 2.5 wird unseren Robotikpartnern schrittweise bereitgestellt.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eQuelle ist die \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eAnkündigung zu Gemini Robotics 2.5\u003c/a\u003e.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eModell\u003c/th\u003e\n\u003cth\u003eBestätigter Verfügbarkeitsstatus\u003c/th\u003e\n\u003cth\u003eEinordnung\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Modell\"\u003eGemini Robotics 2.5\u003c/td\u003e\n\u003ctd data-label=\"Bestätigter Verfügbarkeitsstatus\"\u003eSchrittweise Bereitstellung für Robotikpartner\u003c/td\u003e\n\u003ctd data-label=\"Einordnung\"\u003eVon der Veröffentlichung einer Aktions-API für Entwickler allgemein zu unterscheiden\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Modell\"\u003eGemini Robotics ER 2\u003c/td\u003e\n\u003ctd data-label=\"Bestätigter Verfügbarkeitsstatus\"\u003eÖffentliche Vorschau in Google AI Studio und über die Gemini API\u003c/td\u003e\n\u003ctd data-label=\"Einordnung\"\u003eZugangsumfang des Schlussfolgerungsmodells\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDer API-Zugang zu ER bedeutet keine Zugangsberechtigung zum Aktionsmodell. Auch ein Zeitplan für die kommerzielle Einführung in Südkorea lässt sich aus dieser Ankündigung allein nicht ableiten. Der Verfügbarkeitsstatus jedes Modells muss auf der jeweiligen offiziellen Modellseite geprüft werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#h%C3%A4ufige-fehler-beim-lesen-von-leistungskennzahlen\" class=\"anchor\" id=\"häufige-fehler-beim-lesen-von-leistungskennzahlen\"\u003e\u003c/a\u003eHäufige Fehler beim Lesen von Leistungskennzahlen\u003c/h2\u003e\n\u003cp\u003eWer Bewertungsgegenstand und Einheit weglässt, vermischt unterschiedliche Ergebnisse. Besonders die Zusammenfassung von Kennzahlen allein anhand des Modellnamens erschwert die Einordnung. Beim Zitieren sollten Aufgabe und Vergleichsbedingungen gemeinsam angegeben werden.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eHäufige Auslegung\u003c/th\u003e\n\u003cth\u003eKorrekte Unterscheidung\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Häufige Auslegung\"\u003eDie Erfolgsquote hat sich um 100% verbessert, also waren alle Aufgaben erfolgreich\u003c/td\u003e\n\u003ctd data-label=\"Korrekte Unterscheidung\"\u003eRelative Verbesserungsrate und absolute Erfolgsquote sind verschieden\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Häufige Auslegung\"\u003eDie Erfolgsquote im Werk entspricht dem Automatisierungsgrad des gesamten Werks\u003c/td\u003e\n\u003ctd data-label=\"Korrekte Unterscheidung\"\u003eErgebnis des Kitting-PoC und Automatisierungsumfang sind verschieden\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Häufige Auslegung\"\u003eDie Jailbreak-Abwehrrate entspricht der Unfallfreiheitsquote des Roboters\u003c/td\u003e\n\u003ctd data-label=\"Korrekte Unterscheidung\"\u003eAngriffswiderstand und Kennzahlen zu physischen Unfällen sind verschieden\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Häufige Auslegung\"\u003eÜber die ER-API lässt sich auch das Aktionsmodell sofort nutzen\u003c/td\u003e\n\u003ctd data-label=\"Korrekte Unterscheidung\"\u003eZugangsberechtigungen müssen für jedes Modell gesondert geprüft werden\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Häufige Auslegung\"\u003eDie Produktionsmenge steigt genauso stark wie die Geschwindigkeit der Aufgabenerledigung\u003c/td\u003e\n\u003ctd data-label=\"Korrekte Unterscheidung\"\u003eMessungen müssen Fehlerbehebungszeiten und Wartezeiten im Prozess einschließen\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#h%C3%A4ufig-gestellte-fragen\" class=\"anchor\" id=\"häufig-gestellte-fragen\"\u003e\u003c/a\u003eHäufig gestellte Fragen\u003c/h2\u003e\n\u003cp\u003eDie zentralen Fragen lassen sich klären, wenn Modellrollen, Bewertungseinheiten und Verfügbarkeitsstatus getrennt betrachtet werden.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#ist-gemini-robotics-25-der-roboter-selbst\" class=\"anchor\" id=\"ist-gemini-robotics-25-der-roboter-selbst\"\u003e\u003c/a\u003eIst Gemini Robotics 2.5 der Roboter selbst\u003c/h3\u003e\n\u003cp\u003eEs ist ein VLA-Modell zur Steuerung von Robotern. Apollo 2 ist der Roboter, der dieses Modell nutzt. Die Modellleistung muss von der physischen Leistung des Roboters unterschieden werden.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#sind-mit-rund-200-aufgaben-die-prozesse-eines-realen-werks-gemeint\" class=\"anchor\" id=\"sind-mit-rund-200-aufgaben-die-prozesse-eines-realen-werks-gemeint\"\u003e\u003c/a\u003eSind mit rund 200 Aufgaben die Prozesse eines realen Werks gemeint\u003c/h3\u003e\n\u003cp\u003eGemeint sind die Aufgabenarten der veröffentlichten Modellbewertung. Das bedeutet nicht, dass es sich ausschließlich um Prozesse eines Automobilwerks handelt. Die Anzahl der bewerteten Aufgaben und der Umfang der Werkserprobung sind getrennte Größen.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#l%C3%A4sst-sich-der-nutzen-einer-einf%C3%BChrung-allein-anhand-der-erfolgsquote-im-werk-berechnen\" class=\"anchor\" id=\"lässt-sich-der-nutzen-einer-einführung-allein-anhand-der-erfolgsquote-im-werk-berechnen\"\u003e\u003c/a\u003eLässt sich der Nutzen einer Einführung allein anhand der Erfolgsquote im Werk berechnen\u003c/h3\u003e\n\u003cp\u003eKosten oder Produktionsmengen lassen sich nicht allein aus der Erfolgsquote berechnen. Dazu müssen auch die Bearbeitungszeit und die Zeit zur Fehlerbehebung bekannt sein. Ebenso werden die Bedingungen für Qualitätsprüfungen und menschliche Eingriffe benötigt.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#bedeuten-%C3%B6ffentliche-vorschau-und-kommerzielle-einf%C3%BChrung-dasselbe\" class=\"anchor\" id=\"bedeuten-öffentliche-vorschau-und-kommerzielle-einführung-dasselbe\"\u003e\u003c/a\u003eBedeuten öffentliche Vorschau und kommerzielle Einführung dasselbe\u003c/h3\u003e\n\u003cp\u003eEine öffentliche Vorschau ist ein Bereitstellungsstatus, der den Zugang zu einem bestimmten Modell ermöglicht. Sie bedeutet nicht, dass die Integration in ein Werkssystem abgeschlossen ist. Auch die Bereitstellungsbedingungen des Aktionsmodells müssen gesondert geprüft werden.\u003c/p\u003e\n","tags":["Generative KI","KI Entwicklung","Robotik","Technologiestrategie"],"faqs":[{"question":"Was ist VLA in Gemini Robotics 2.5?","answer":"VLA steht für Vision-Language-Action. Gemeint ist ein Modell, das visuelle Informationen und sprachliche Anweisungen in Roboteraktionen umsetzt."},{"question":"Worin unterscheiden sich Gemini Robotics ER und das Aktionsmodell?","answer":"ER ist ein Reasoning-Modell, das die Aufgabenplanung und den Fortschritt verwaltet. Bei der Praxiserprobung im Werk übernahm das Aktionsmodell die Steuerung beider Hände und Arme."},{"question":"Ist die Verbesserung der Erfolgsquote um 30~100% eine absolute Erfolgsquote?","answer":"Es handelt sich um eine relative Verbesserung gegenüber dem bisherigen Referenzmodell. Um die neue absolute Erfolgsquote zu berechnen, wird die bisherige Erfolgsquote für dieselbe Aufgabe benötigt."},{"question":"Was wurde mit der Erfolgsquote von 96% bei der Praxiserprobung im Werk gemessen?","answer":"Es handelt sich um die im Rahmen eines PoC für das Kitting von Automobilteilen veröffentlichte Erfolgsquote. Sie gibt das Ergebnis der Aufgaben wieder, die Apollo 2 an einer Produktionslinie von Mercedes-Benz ausgeführt hat."},{"question":"Lässt sich eine schnellere Aufgabenerledigung als Steigerung der Produktionsmenge werten?","answer":"Allein aus der Geschwindigkeit der Aufgabenerledigung lässt sich die Steigerungsrate der gesamten Produktionsmenge nicht berechnen. Dafür wird die Betriebszeit einschließlich erneuter Versuche, Fehlerbehebung und prozessbedingter Wartezeiten benötigt."},{"question":"Bei welchem Modell wurde die Jailbreak-Abwehrrate von 99.5% erzielt?","answer":"Das ist das von Google veröffentlichte Ergebnis der Jailbreak-Evaluierung von Gemini 4 Argon. Es bezeichnet nicht die Quote unfallfreier Werkseinsätze des Aktionsmodells."},{"question":"Können Entwickler allgemein die API des Aktionsmodells direkt nutzen?","answer":"Der angekündigte Zugang zum Aktionsmodell richtet sich an Robotikpartner. Die öffentliche Vorschau von ER 2 und die Zugangsberechtigung zum Aktionsmodell müssen voneinander unterschieden werden."},{"question":"Wurde ein Zeitplan für die kommerzielle Einführung in Fabriken im Inland bekannt gegeben?","answer":"Allein aus dieser Ankündigung lässt sich kein verbindlicher Zeitplan für die kommerzielle Einführung im Inland ableiten. Die konkreten Bereitstellungsbedingungen und Termine müssen bei Google und den Roboteranbietern erfragt werden."}],"sources":[{"url":"https://blog.google/intl/ko-kr/company-news/technology/gemini-robotics-2-5-kr/","title":"Google-Ankündigung auf Koreanisch: Gemini Robotics 2.5: Physische Intelligenz in der realen Welt schneller voranbringen","type":"source"},{"url":"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/","title":"Google DeepMind: Vorstellung von Gemini Robotics 2.5","type":"source"},{"url":"https://deepmind.google/models/gemini-robotics/vla/","title":"Google DeepMind: VLA-Modell Gemini Robotics 2.5","type":"source"},{"url":"https://deepmind.google/models/gemini-robotics/embodied-reasoning/","title":"Google DeepMind: Informationen zum Modell Gemini Robotics ER 2","type":"source"},{"url":"https://apptronik.com/apollo/apollo-2","title":"Apptronik: Apollo 2-Plattform und Betriebs- und Sicherheitsfunktionen","type":"source"},{"url":"https://huggingface.co/datasets/google/asimov_agentic","title":"Google: Asimov Agentic Safety Evaluation und ASIMOV-Jailbreak","type":"source"}],"images":[{"id":2720,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDE3NzQsInB1ciI6ImJsb2JfaWQifX0=--942c42c606bce2666318996725dd445f966e877a/ai-4a3f957c.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"작업자가 안전 유리 너머로 지켜보는 가운데 양팔 로봇이 금속 브래킷을 칸막이 트레이에 넣고 있다.","caption":"공장 실증 성공률 96%는 자동차 부품 키팅 작업에 한정된 결과다.","description":null},"en":{"alt":"A dual-arm robot places metal brackets in a divided tray as a worker watches from behind a safety barrier.","caption":"The 96% factory trial success rate applies specifically to automotive parts kitting.","description":null},"ja":{"alt":"作業員が安全ガラス越しに見守る中、双腕ロボットが金属ブラケットを仕切り付きトレーに入れている。","caption":"工場実証での成功率96％は、自動車部品のキッティング作業に限定された結果だ。","description":null},"es":{"alt":"Un robot de dos brazos coloca soportes metálicos en una bandeja mientras una operaria observa tras un cristal.","caption":"La tasa de éxito del 96% en la prueba de fábrica corresponde específicamente a la preparación de kits de piezas de automóvil.","description":null},"id":{"alt":"Robot dua lengan menaruh braket logam ke baki bersekat, sementara pekerja mengamati dari balik kaca pengaman.","caption":"Tingkat keberhasilan 96% dalam uji pabrik khusus berlaku untuk penyiapan kit komponen otomotif.","description":null},"pt":{"alt":"Um robô de dois braços coloca suportes metálicos numa bandeja enquanto uma operadora observa atrás de um vidro.","caption":"A taxa de sucesso de 96% no teste de fábrica se refere especificamente à preparação de kits de peças automotivas.","description":null},"zh-hant":{"alt":"一名作業員隔著安全玻璃觀看，雙臂機器人將金屬支架放入分隔托盤。","caption":"工廠實證的96%成功率僅適用於汽車零件配套作業。","description":null},"de":{"alt":"Ein zweiarmiger Roboter legt Metallwinkel in eine Fächerschale, während eine Fachkraft hinter Schutzglas zusieht.","caption":"Die Erfolgsquote von 96 % im Werkstest gilt speziell für die Zusammenstellung von Automobilteilesätzen.","description":null}}},{"id":2721,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDE3ODAsInB1ciI6ImJsb2JfaWQifX0=--19b385253034a3ff7240ac9fd1708a09552dc8d6/ai-abdf1234.webp","is_representative":false,"generation_method":"ai_semi","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"보호안경과 주황색 작업복을 착용한 엔지니어가 로봇 집게와 완충재 장애물 사이의 간격을 살핀다.","caption":"작업 성공률과 안전성 평가는 구분해서 살펴봐야 한다.","description":null},"en":{"alt":"An engineer in safety glasses and an orange jacket checks the gap between a robot gripper and a padded obstacle.","caption":"Task success rates and safety evaluations must be considered separately.","description":null},"ja":{"alt":"保護メガネとオレンジ色の作業着を着た技術者が、ロボットのグリッパーと緩衝材付き障害物の間隔を確認する。","caption":"作業成功率と安全性評価は分けて捉える必要がある。","description":null},"es":{"alt":"Una ingeniera con gafas protectoras revisa la separación entre una pinza robótica y un obstáculo acolchado.","caption":"La tasa de éxito de las tareas y la evaluación de seguridad deben considerarse por separado.","description":null},"id":{"alt":"Insinyur berkacamata pelindung memeriksa jarak antara pencengkeram robot dan penghalang berlapis busa.","caption":"Tingkat keberhasilan tugas dan evaluasi keselamatan perlu ditinjau secara terpisah.","description":null},"pt":{"alt":"Uma engenheira de óculos de proteção verifica a distância entre uma garra robótica e um obstáculo acolchoado.","caption":"A taxa de sucesso das tarefas e a avaliação de segurança devem ser consideradas separadamente.","description":null},"zh-hant":{"alt":"一名戴著護目鏡、身穿橘色工作服的工程師，檢查機器人夾爪與軟墊障礙物之間的間距。","caption":"任務成功率與安全性評估應分開看待。","description":null},"de":{"alt":"Eine Ingenieurin mit Schutzbrille prüft den Abstand zwischen Robotergreifer und gepolstertem Hindernis.","caption":"Aufgabenerfolgsquoten und Sicherheitsbewertungen müssen getrennt betrachtet werden.","description":null}}}],"published_at":"2026-11-11T22:26:13+09:00","updated_at":"2026-11-11T22:26:13+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/gemini-robotics-2-5-vla-factory-performance"}