Neura Robotics und NXAI: xLSTM soll Robotern Gedächtnis verleihen

Das deutsche Robotikunternehmen Neura Robotics und der KI-Entwickler NXAI bündeln ihre Kräfte zur Weiterentwicklung kognitiver Fähigkeiten humanoider und industrieller Systeme.

Wie am 20. Oktober 2026 bekannt wurde, haben beide Partner eine strategische Zusammenarbeit vereinbart, um Roboter mit einem funktionalen Arbeits- und Episodengedächtnis auszustatten. Ziel des Vorhabens ist es, den physischen KI-Stack von Neura Robotics mit der von Sepp Hochreiter an der JKU Linz entwickelten xLSTM-Architektur zu verknüpfen.

Durch die Partnerschaft soll das xLSTM-Modell als Gehirn der Systeme fungieren, während das 2019 in Metzingen gegründete Unternehmen Neura Robotics um Gründer David Reger die mechanische Basis bereitstellt. Das System adressiert zwei Gedächtnisebenen: das Arbeitsgedächtnis für den aktuellen Aufgabenstatus sowie das episodische Gedächtnis zur Speicherung und Abfrage früherer Erfahrungen.

Integration in die Plattformarchitektur

Technisch baut das System auf dem Foundation-Modell Neuron AI auf, das Neura Robotics am 14. Oktober 2026 vorgestellt hatte. Das als Perception-Language-Action-Modell konzipierte System verknüpft 3D-Bilddaten, Tast- und Kraftsensoren, Audio, Zustandsinformationen sowie Sprache und umfasst ein Gedächtnis für Objekte außerhalb des direkten Sichtfelds.

Das Training erfolgte am Unternehmensstandort in Metzingen über drei Kanäle: reale Roboterinteraktionen, Simulationen sowie menschliche Demonstrationen mittels Sensoranzügen in sogenannten Neura Gyms. Dabei kooperiert Neura mit Datenpartnern wie Schaeffler und Bosch.

Die xLSTM-Architektur von NXAI wird zusätzlich zu Neuron AI in die Plattform Neuraverse integriert. Kunden können die Modelle dort feinabstimmen, in den virtuellen Umgebungen testen und auf kompatible Roboterflotten übertragen. Die Prozessdaten und erlernten Fähigkeiten verbleiben vollständig unter Kontrolle der Kunden. Zudem führen beide Parteien gemeinsame Forschungsprojekte durch, während Neuron AI unabhängig weiterentwickelt wird.

Robotik und Künstliche Intelligenz bilden das Rückgrat der modernen Industrie und verändern die Art, wie wir produzieren, grundlegend. Dieser kostenlose Report liefert konkrete Einblicke in Unternehmen, die von Milliarden-Investitionen in diese neuen Zukunftstechnologien profitieren. Robotik und KI: Profiteure der neuen Industrieära erkennen

Lernen in Minuten statt Stunden

Gegenüber herkömmlichen Transformer-Architekturen soll der xLSTM-Ansatz laut Unternehmensdarstellung schneller arbeiten und einen konstanten Speicherbedarf aufweisen. David Reger zufolge ermöglicht das Modell Lernzyklen in Minuten statt Stunden, woraufhin die Fähigkeiten per Klick auf tausende Maschinen skaliert werden können. Hochreiter erklärte hierzu, dass Roboter Handlungen direkt nach einer demonstration eigenständig umsetzen können sollen.

Trotz der Fortschritte verbleiben praktische Hürden im Industriealltag. Hochpräzise Handgriffe mit engen Bauteiltoleranzen bereiten weiterhin Schwierigkeiten, da Trainingsdaten für Fehlversuche fehlen und Modelle bisher primär mit erfolgreichen Abläufen geschult wurden.

Erste marktreife Ergebnisse aus der Kooperation stellen die Partner für 2027 in Aussicht. Während einer Demonstration auf der Nvidia GTC Berlin absolvierte der humanoide Roboter 4NE1 von Neura Robotics am 20. Oktober 2026 eine vollautonome, elfminütige Wäsche-Sequenz mit Sortierung, Beladung und Trocknung.

Wer den technologischen Umbruch in der Industrie verstehen will, muss die Akteure hinter den Kulissen kennen. Ein aktueller Report deckt auf, welche Namen hinter der Revolution durch Robotik und KI stecken und wer die künftigen Gewinner sind. Kostenlosen Report zur industriellen Revolution herunterladen

Steigender Speicherbedarf und parallele Entwicklungen

Branchenweit gewinnt die Verknüpfung von Gedächtnis- und Handlungsmodellen an Bedeutung. Forscher des französischen Labors Kyutai stellten mit REKI ein Vision-Language-Action-Modell mit 2,4 Milliarden Parametern vor, das über sogenannte Register-Tokens je Einzelbild einen Latenzwert von 21,8 Millisekunden auf einer Nvidia H100 erzielt.

Ein Forscherteam der Zhejiang-Universität untersuchte im Rahmen des Benchmarks EMem-Bench die Grenzen aktueller Systeme: Eine wachsende Zahl an Historienbildern ließ die Erfolgsrate in Tests von 36,6 auf 26,2 Prozent sinken, während die Latenz von 4,1 auf 39,1 Sekunden anstieg.

Auch die Hardwarehersteller reagieren auf die Anforderungen. Micron entwickelt unter der Bezeichnung Edge Inference Memory ein Verfahren, das LPDDR-Module direkt auf Logikchips stapelt; eine Massenfertigung wird für das zweite Halbjahr 2028 erwartet.

Nach Berechnungen von Micron könnten humanoide Roboter künftig rund 200 Gigabyte DRAM sowie 4 Terabyte Speicherplatz benötigen – im Vergleich zu 12 Gigabyte DRAM und 256 Gigabyte Speicher bei heutigen Servicerobotern.

Bei erwarteten weltweiten Auslieferungen von 250.000 bis 1,2 Millionen humanoiden Robotern im Jahr 2030 entspräche das obere Szenario einem Bedarf von etwa 240 Millionen Gigabyte DRAM.