AWS Physical AI Toolchain: NVIDIA-Robotik zieht in die Cloud um
Veröffentlicht am: 13.10.2026 um 00:48 Uhr | Redaktion boerse-global.de
Amazon Web Services (AWS) hat am 7. Oktober 2026 eine neue Software-Toolchain für physische künstliche Intelligenz vorgestellt. Die unter der Apache-2.0-Lizenz veröffentlichte Lösung kombiniert Open-Source-Referenzarchitekturen und Automatisierungswerkzeuge für die Bereitstellung, um Robotik-Entwicklungswerkzeuge von NVIDIA direkt an die Cloud-Infrastruktur von AWS anzubinden. Die einzelnen Module der Plattform lassen sich dabei modular und unabhängig voneinander einsetzen.
Verzahnung von Simulation, Training und Steuerung
Die sogenannte Physical AI Toolchain deckt mehrere Kernbereiche ab: synthetische Datengenerierung, Modelltraining, Simulation sowie das anschließende Deployment.
Als Software basis aufseiten von NVIDIA kommen unter anderem Isaac Sim für Simulationen, Isaac Lab für bestärkendes Lernen (Reinforcement Learning), Isaac GR00T für das Lernen aus Demonstrationen sowie Cosmos für synthetische Daten und OSMO für die Koordination der Rechenlasten zum Einsatz.
AWS stellt dafür Rechenleistung und Speicher bereit. Eingebunden werden Amazon SageMaker für das Modelltraining, GPU-Instanzen auf EC2, S3-Speicher sowie IoT Greengrass. Uwem Ukpong, Vice President AWS Industries, erklärte dazu, dass in der Vergangenheit zu viel Entwicklungsaufwand in die zugrunde liegende Infrastruktur statt in eigentliche Innovationen geflossen sei.
Der technologische Wandel durch Robotik und KI erfordert von Unternehmen eine schnelle Anpassung an neue Industriestandards. Dieser kostenlose Report liefert konkrete Einblicke in Unternehmen, die von Milliarden-Investitionen in diese Zukunftstechnologien profitieren. Robotik und KI: Profiteure der neuen Industrieära erkennen
Amit Goel von NVIDIA hob hervor, dass physische KI auf drei Rechenplattformen angewiesen sei: Training, Simulation und Deployment. Bei sicherheitsrelevanten Aufgaben soll die Inferenz der Bewegungssteuerung aus Gründen der Hardwareanbindung und Latenz weiterhin lokal auf dem Roboter verbleiben.
Referenzprojekte, Hardware-Pläne und Partner
Im zugehörigen öffentlichen Quellcode-Repository liefert AWS ein praktisches Anwendungsbeispiel für Greif- und Platzierungsaufgaben (Pick-and-Place). Dieses basiert auf einem UR3-Roboterarm mit einem Robotiq-2F-85-Greifer und stützt sich auf 27 aufgezeichnete Teleoperationsepisoden.
Entwickler müssen für eigene Projekte entsprechende Roboterbeschreibungen und Aufgabenstellungen mitbringen. Der Betrieb erfordert ein AWS-Konto mit GPU-Kontingenten, Zugangsdaten für NVIDIA NGC sowie ein Konto bei Hugging Face. Als Industriepartner arbeiten unter anderem NEURA Robotics, RLWRLD und Config mit der Plattform.
Aktuell sind die Kernmodule rund um GR00T, Isaac Sim, Isaac Lab, Cosmos und OSMO einsatzbereit. Die Auswertungsumgebung Isaac Lab Arena Evaluation befindet sich derzeit in einer Vorschauphase. Das direkte Modell-Packaging für Nvidia-Jetson-Hardware über EKS Hybrid Nodes und IoT Greengrass sowie eine Anbindung an die Bedrock AgentCore Runtime sind für künftige Aktualisierungen geplant. Nach Angaben von Sri Elaprolu von AWS versteht sich die Werkzeugsammlung nicht als direkter Ersatz für den früheren Dienst AWS RoboMaker.
Wer sich mit dem technologischen Umbruch in der Industrie befasst, sollte auch die regulatorischen Rahmenbedingungen für den Einsatz von Algorithmen kennen. Dieser Leitfaden bietet einen kompakten Überblick über Fristen und Pflichten, die Unternehmen beim Einsatz von KI-Systemen jetzt beachten müssen. Umsetzungsleitfaden zum EU AI Act kostenlos herunterladen
Richtwerte für Entwicklungs- und Rechenkosten
In der Dokumentation gibt AWS konkrete Schätzungen für die anfallenden Cloud-Kosten an. Ein kurzer Funktionstest von GR00T auf einer ml.g5.12xlarge-Instanz über 15 Minuten wird mit etwa 2 US-Dollar beziffert, während ein vollständiger Trainingslauf über rund 11 Stunden bei circa 79 US-Dollar liegt. Für DreamZero-Feinabstimmungen fallen je nach Umfang 10 US-Dollar für einen Basistest bis zu etwa 93 US-Dollar für 1.000 Schritte an.
Der Betrieb einer Isaac-Sim-Workstation auf einer g6e.4xlarge-Instanz schlägt mit rund 1,86 US-Dollar pro Stunde zu Buche, während das Reinforcement Learning in Isaac Lab auf einer ml.g5.xlarge-Instanz je nach Laufzeit zwischen 10 und 30 US-Dollar kostet.
Für anspruchsvollere Berechnungen wie Cosmos 3 Predict auf p5.48xlarge-Kapazitätsblöcken fallen rund 37 US-Dollar pro Stunde an. Die Koordination via OSMO über EKS, RDS und ElastiCache beläuft sich auf etwa 5 US-Dollar stündlich.
Amazon betreibt nach eigenen Angaben in seinen Logistikzentren bereits mehr als eine Million Roboter. Der Konzern verweist dabei auf eigene Modellarchitekturen wie DeepFleet, die auf internen Lagerbewegungsdaten trainiert wurden und die Fahrzeiten von Transportrobotern um 10 Prozent verringern konnten. Diese proprietären Flottendatensätze sind jedoch nicht Teil der offenen Toolchain.
