NXAI gibt Robotern xLSTM-Gedächtnis – Leistungsdaten fehlen noch

In einer Mitteilung vom 20. Oktober 2026 kündigten das Linzer KI-Unternehmen NXAI und NEURA Robotics aus Metzingen die gemeinsame Entwicklung eines Gedächtnisbausteins für kognitive Roboter an; NEURA-Gründer David Reger begründete das Ziel mit den Worten: „Ein Roboter, der im Alltag und in der Industrie wirklich hilft, muss sich erinnern“.

NEURAs Physical-AI-Stack soll dafür mit der unter Sepp Hochreiter entwickelten xLSTM-Architektur von NXAI verbunden werden. Die Ankündigung von NXAI sieht zudem ein eigenes xLSTM-basiertes Modell auf Neuraverse neben Neuron AI vor. Beide Vorhaben sind geplant; reale Vergleichsmessungen für die gemeinsame Robotiklösung und ein Termin für die Plattformverfügbarkeit fehlen.

Ein vorhandenes Modell erhält einen weiteren Gedächtnisansatz

NEURA beginnt nicht bei einem Roboter ohne Speicher. Das eigene multimodale Basismodell Neuron AI verbindet bereits dreidimensionales Sehen, Tastsinn, Audio, Informationen über den Zustand des Roboters und Sprache mit einer Gedächtnisfunktion. Die Zusammenarbeit soll diese Grundlage um einen gemeinsam entwickelten Baustein erweitern. Neuron AI bleibt zugleich NEURAs eigenes Modell und wird unabhängig von der Kooperation weiterentwickelt.

xLSTM ist eine rekurrente Architektur: Bei der Verarbeitung neuer Eingaben wird ein interner Zustand fortgeschrieben, in dem Informationen aus früheren Schritten enthalten sein können. NXAI und NEURA wollen diese Fähigkeit mit Wahrnehmung und Handeln eines Roboters verbinden. Der mögliche Nutzen wäre konkret, dass eine Beobachtung nicht isoliert bewertet werden muss, wenn der richtige nächste Handgriff vom bisherigen Verlauf abhängt.

Welche Aufgaben der geplante Baustein im Verhältnis zu Neuron AI genau übernimmt, beschreiben die Partner noch nicht im Detail. Das ist für die technische Einordnung entscheidend: Eine Architektur, die Informationen über lange Folgen halten kann, zeigt damit noch nicht, wie zuverlässig ein Roboter die richtigen Informationen auswählt. Ebenso offen ist, welche Rechenhardware für die Integration vorgesehen ist und wie schnell das System nach neuen Sensordaten reagiert.

Arbeitsgedächtnis und Erfahrung im Montageablauf

Ein ausdrücklich hypothetischer Montageablauf macht die beiden Gedächtnisebenen greifbar. Ein Roboter nimmt ein Bauteil auf, richtet es aus, setzt es in eine Vorrichtung ein und prüft anschließend den Sitz. Sein Arbeitsgedächtnis müsste währenddessen festhalten, welcher Schritt versucht wurde, welcher erfolgreich war und was als Nächstes ansteht. Nach einer Unterbrechung dürfte die Maschine einen erledigten Schritt nicht einfach wiederholen.

Das episodische Gedächtnis betrifft dagegen Erfahrungen aus früheren Durchläufen. Wenn ein Teil bei einer bestimmten Ausrichtung wiederholt verrutscht ist, könnte der Roboter diese Erfahrung bei einem späteren Versuch berücksichtigen. Dazu reicht eine bloße Liste früherer Ereignisse nicht aus: Das System müsste erkennen, ob die aktuelle Lage tatsächlich vergleichbar ist und ob eine neue Beobachtung die bisherige Annahme widerlegt.

Gerade bei körperlichen Aufgaben kann die aktuelle Ansicht täuschen. Ein Bauteil kann auf einem Kamerabild eingesetzt wirken, obwohl es nur an der Vorrichtung anliegt; ein Greifvorgang kann begonnen haben, ohne dass das Teil sicher gehalten wird. Der gespeicherte Aufgabenstand muss deshalb mit neuen Signalen, etwa aus dem Tastsinn oder dem Roboterzustand, abgeglichen werden. Ein Gedächtnis hilft nur, wenn der Roboter eine falsche Annahme korrigieren kann, bevor er den nächsten Schritt ausführt.

Das NXAI-Modell soll als zusätzliche Option auf Neuraverse kommen

Die Kooperation umfasst neben dem gemeinsamen Baustein einen vorgesehenen Weg zur Anwendung über Neuraverse. Dort soll ein eigenes NXAI-Modell auf Basis von xLSTM neben Neuron AI verfügbar werden. Unternehmen sollen es mit den Werkzeugen der Plattform an ihre Aufgaben anpassen, in den NEURA Gyms erproben und anschließend auf geeigneten Robotern einsetzen können. Diese Abfolge beschreibt die vorgesehene Nutzung und keine bereits verfügbare Modelloption.

Für NEURA bedeutet das eine Erweiterung seiner Plattform um einen anderen Modellansatz, während das hauseigene Neuron AI bestehen bleibt. Die Partner planen auch gemeinsame Forschung. Unternehmen sollen die Kontrolle über ihr Prozesswissen behalten und selbst entscheiden, ob sie Daten und erlernte Fähigkeiten teilen. Bei einer Montageaufgabe könnte solches Wissen etwa die Reihenfolge von Handgriffen und Erfahrungen mit wiederkehrenden Abweichungen betreffen.

Ein Leistungsurteil braucht Tests am Gesamtsystem

Die Branchenanalyse von Industrial News nennt weder eine industrielle Installation mit der fertigen xLSTM-Integration noch einen Termin für ihre produktive Freigabe. Auch Vergleichswerte für den gemeinsamen Gedächtnisbaustein sind bislang nicht veröffentlicht. Die Aussage, xLSTM könne Zustände effizient über lange Folgen halten, betrifft die Architektur; ein gemessener Vorteil der geplanten Verbindung im Roboterbetrieb lässt sich daraus nicht ableiten.

Aussagekräftig wäre ein Vergleich unter gleichen Bedingungen: Erledigt ein Roboter eine mehrstufige Aufgabe mit dem Baustein häufiger korrekt als ohne ihn? Kann er nach einer Unterbrechung den richtigen Schritt fortsetzen und eine überholte Annahme verwerfen? Wie lange dauert es von einer neuen Wahrnehmung bis zur nächsten Entscheidung? Solche Messungen müssten das gesamte System aus Sensorik, Modell und Roboter einbeziehen, weil der Erfolg nicht allein vom Speichermechanismus abhängt.

Der nächste konkrete Nachweis wäre eine vorgeführte Integration mit dokumentierten Tests über längere Abläufe. Ergebnisse zu Aufgabenabschluss, Fehlern nach Unterbrechungen und Reaktionszeit würden zeigen, ob aus dem geplanten Gedächtnis ein belastbarer Nutzen im Betrieb wird. Für die zusätzliche Modelloption auf Neuraverse bleibt außerdem ein verbindlicher Verfügbarkeitstermin abzuwarten.

Lesen Sie auch:

• OpenAIs Jalapeño spart Leistung pro Watt – doch der Vergleich hat einen Haken
• Creator-Kampagnen messen: Warum ein View noch kein Vergleichswert ist
• OBS Studio oder Streamlabs: Im Test war der Leistungsvorteil gering