AMRs verändern die Logistik – was Kiva, MiR und Locus Robotics wirklich einsetzen

Betritt man heute ein Amazon-Fulfillment-Center, sieht der Boden aus wie kein Lagerhaus vor einem Jahrzehnt. Orange Kiva-Roboter – nach der Übernahme für 775 Millionen Dollar im Jahr 2012 in Amazon Robotics Drives umbenannt – transportieren ganze Inventarpods zu stationären menschlichen Kommissionierern und eliminieren so die Laufwege von mehreren Kilometern, die einst den Job prägten. Amazon betreibt inzwischen mehr als 750.000 AMRs in seinem globalen Netzwerk. Das ist kein Pilotprojekt. Das ist Infrastruktur.

Was als AMR zählt – und was nicht

Der Begriff wird weit gefasst. Ein AMR navigiert autonom mit Hilfe von Onboard-Sensoren, kartiert seine Umgebung und weicht in Echtzeit Hindernissen aus. Das unterscheidet ihn von einem AGV (Automated Guided Vehicle), das festen Magnetspuren oder Reflektorrastern folgt und stehen bleibt, sobald etwas seinen Weg blockiert. Der praktische Unterschied ist entscheidend: AMRs lassen sich in ein bestehendes Lagerhaus integrieren, ohne den Boden aufzureißen – weshalb die Einführung nach 2018 so stark beschleunigt wurde.

Die wichtigsten kommerziell eingesetzten Kategorien sind heute: Goods-to-Person-Pod-Beweger (Amazon Robotics, Geek+, Quicktron), autonome Gabelstapler und Palettenhubwagen (Seegrid, Vecna Robotics, Toyotas Autopilot-Linie), Case-Picking- und Sortierroboter (Locus Robotics, 6 River Systems) sowie Outdoor-/Yard-AMRs – noch früh in der Entwicklung, aber in Containerhäfen im Kommen.

Die wichtigsten Plattformen und wo sie eingesetzt werden

Amazon Robotics (Kiva-basiert): Die größte AMR-Flotte der Welt. Die Plattformen Proteus und Hercules übernehmen Palettenbewegungen; das Antriebssystem kümmert sich um den Pod-Transport. Eng in das Warehouse-Management-System von Amazon integriert und nicht kommerziell erhältlich – Amazon behält diesen Wettbewerbsvorteil intern.

Locus Robotics: In hunderten von 3PL- und Retail-Fulfillment-Standorten weltweit im Einsatz. Der LocusBot arbeitet Seite an Seite mit menschlichen Kommissionierern: Er navigiert zu einem Pickort, der Mensch legt die Ware in den Behälter des Bots, der Bot fährt zur Packstraße weiter. DHL, Geodis und Quiet Logistics (von American Eagle Outfitters übernommen) haben öffentlich über standortübergreifende Deployments berichtet. Locus gibt an, dass sein System konstant das 2- bis 3‑Fache der manuellen Pickleistung pro Stunde erzielt.

6 River Systems (2019 von Shopify übernommen, 2023 an Ocado verkauft): Der kollaborative Roboter „Chuck“ verfolgt ein ähnliches Human-Assist-Modell. Shopify lizenzierte das System für sein eigenes Fulfillment-Netzwerk; die Übernahme durch Ocado spiegelte das strategische Interesse an Automation-as-a-Service für die Lebensmittelkommissionierung wider.

Mobile Industrial Robots (MiR, von Teradyne übernommen): Spezialisiert auf interne Logistik – Transport von Wagen, Regalen und schweren Lasten zwischen Produktionslinien und Lagern. Weit verbreitet in der Automobil- und Elektronikfertigung. BMW, B. Braun und Flex haben Fallstudien veröffentlicht. Der MiR1350 bewältigt Nutzlasten bis zu 1.350 kg und liegt damit klar im schweren Industriebereich.

Geek+ und Quicktron: Dominant in Asien. Geek+ hat weltweit mehr als 50.000 Roboter ausgeliefert, mit besonderer Dichte im chinesischen E‑Commerce, in der Bekleidungs- und Pharmakommissionierung. Beide Unternehmen haben auch in europäische und nordamerikanische 3PL-Märkte vordringen können.

Wie die Navigation tatsächlich funktioniert

Moderne AMRs nutzen Simultaneous Localization and Mapping (SLAM) – der Roboter erstellt eine Karte seiner Umgebung, während er gleichzeitig seine eigene Position darin verfolgt, und zwar mit einer Kombination aus LiDAR, Tiefenkameras und Rad-Odometrie. Die Karte wird bei einer ersten Lernfahrt generiert, bei jeder Veränderung der Umgebung aktualisiert und auf die gesamte Flotte übertragen, sodass alle Roboter von den neuen Beobachtungen eines einzigen Roboters profitieren.

Die Fleet-Management-Software läuft oberhalb der einzelnen Robotersteuerungen und regelt den Verkehr: Aufgabenverteilung, Routenführung zur Kollisionsvermeidung, Management der Ladezyklen und Neugewichtung der Arbeitslast bei Nachfragespitzen. Die besseren Plattformen – Locus, 6 River, MiR Fleet – stellen REST APIs bereit und integrieren sich direkt in Warehouse-Management-Systeme (WMS) und Order-Management-Systeme (OMS), sodass die Aufgabenverteilung durchgängig automatisiert erfolgt.

Machine Learning kommt auf zwei Arten zum Einsatz. Perzeptionsmodelle klassifizieren Hindernisse (Mensch vs. Palette vs. herumliegender Karton). Nachfrageprognosemodelle, die zunehmend in die Fleet-Management-Software eingebaut werden, positionieren Roboter vorausschauend in Zonen, die vor einem Auslastungsanstieg voraussichtlich stark beansprucht werden – das reduziert die Latenz zwischen Auftragseingang und Pickstart.

Was AMRs heute zuverlässig leisten

• Goods-to-Person-Transport: Pods, Regale oder Behälter zu einem festen Pickplatz bringen und wieder einlagern. Dies ist im großen Maßstab gelöst – das Kiva-Modell hat einen jahrzehntelangen Produktionsnachweis.
• Kollaborative Pickassistenz: Voraus oder parallel zu einem menschlichen Arbeiter zu Pickorten navigieren, Behälter transportieren und fertig kommissionierte Ware zur Packstraße leiten. Zuverlässig in strukturierten, kartierten Umgebungen mit gleichmäßiger Beleuchtung.
• Interner Materialtransport: Wagen, Regale und Palettenhubwagen zwischen definierten Punkten in einer Fabrik oder einem Distributionscenter bewegen. MiR und Seegrid haben dies in mehrschichtigen Automobilwerken im Einsatz.
• Sortierung: Einige Plattformen übernehmen die Endsortierung direkt zum Carrier; andere versorgen manuelle oder robotische Sortierarme. Durchsatzraten von 1.500–2.500 Einheiten pro Stunde und Station sind kommerziell validiert.

Was sie noch nicht zuverlässig können

AMRs bewegen Dinge von A nach B. Sie heben keine Dinge aus Regalen. Der letzte Zentimeter – in eine Kiste greifen, eine SKU unter 50 ähnlichen Artikeln identifizieren, sie greifen ohne sie zu beschädigen – bleibt das schwierige Problem. Robotische Piece-Picking-Systeme existieren (Covariant, Mujin, RightHand Robotics), sind aber separate Systeme und noch nicht mit der Geschwindigkeit und Genauigkeit integriert, die ein Lager in die Lage versetzen würde, menschliche Kommissionierer vollständig zu ersetzen.

Unstrukturierte oder Außenbereiche bleiben für die meisten Plattformen außer Reichweite. Ein Lager hat definierte Gänge, gleichmäßige Beleuchtung und einen bekannten Grundriss. Eine Laderampe, ein Hof oder ein Verkaufsraum hat das nicht. Yard-Automation existiert, ist aber teuer und standortspezifisch. Die Regalauffüllung im Einzelhandel durch AMRs ist im Entstehen (Simbe Robotics‘ Tally-Roboter scannt Regale, räumt aber nicht ein), aber zuverlässige autonome Regalbefüllung ist noch nicht allgemein im Einsatz.

Gemischte Umgebungen mit dichtem Personenverkehr – wie in Supermärkten oder Krankenhäusern – sind ebenfalls schwieriger, als es scheint. Sicherheitszertifizierungsanforderungen, unregelmäßiges menschliches Verhalten und enge Gänge wirken zusammen. Die Roboter, die dort arbeiten, sind meist kleiner, langsamer und konservativer in der Routenführung, was den Durchsatz begrenzt.

Die Wirtschaftlichkeit im Jahr 2026

Ein kollaborativer Pickroboter der mittleren Preisklasse (Locus, 6 River Chuck) kostet bei Barkauf etwa 25.000–40.000 Dollar pro Einheit oder als Robotics-as-a-Service (RaaS) 1.200–1.800 Dollar pro Monat. Ein Schwerlast-AMR (MiR1350, Seegrid GT) liegt bei 60.000–100.000 Dollar pro Einheit. Diese Zahlen sind in den vergangenen fünf Jahren um etwa 30–40 % gesunken, da die Produktionsmengen gestiegen sind.

Das Business Case basiert auf eingesparten Arbeitsstunden, nicht auf komplett eingesparter Arbeit. Ein Locus-Einsatz in einem mittelgroßen 3PL zielt typischerweise auf eine 2- bis 3‑fache Steigerung der Pickrate pro menschlichem Arbeiter ab – das bedeutet denselben Durchsatz mit der Hälfte bis zwei Dritteln der Kommissionierer oder einen deutlich höheren Durchsatz bei gleicher Kopfzahl. Bei vollständigen Arbeitskosten von 20–25 Dollar pro Stunde inklusive Sozialleistungen und Fluktuation (die in einigen umsatzstarken Lagermärkten jährlich 100 % erreicht) werden häufig Amortisationszeiten von 18–30 Monaten genannt.

Das RaaS-Modell, das zum Teil von Locus entwickelt und im gesamten Sektor breit übernommen wurde, verändert das finanzielle Profil: kein großer Kapitaleinsatz, leistungsabhängige Preise und der Anbieter trägt die Kosten für Wartung und Software-Updates. Für Betreiber, die eine Kapitalinvestition von 2 Millionen Dollar nicht rechtfertigen können, war RaaS der Durchbruch.

Was dies für die Lagerarbeiter bedeutet

Das ehrliche Bild ist differenzierter als entweder „Roboter nehmen alle Arbeitsplätze weg“ oder „keine Sorge, es entstehen neue Arbeitsplätze“. Das Bureau of Labor Statistics zählt in den USA mehr als 1,1 Millionen Menschen als Order Filler, Packer und Materialbeweger – Rollen, die direkt von AMR-Einführungen betroffen sind. Verdrängung findet statt, aber sie ist ungleichmäßig, allmählich und konzentriert sich auf die volumenstärksten und repetitivsten Arbeitsabschnitte.

Was die AMR-Einführung durchgängig bewirkt, ist eine Zweiteilung der Lagertätigkeiten. Geh- und Kommissioniertätigkeiten schrumpfen oder werden zu Roboterüberwachung und Ausnahmebehandlung aufgewertet. Wartung, Flottenmanagement und Systemintegrationsrollen wachsen, erfordern jedoch andere Fähigkeiten und werden besser bezahlt. Die Arbeiter, die bisher physisch kommissioniert haben, sind nicht automatisch diejenigen, die die Roboter überwachen – dieser Übergang erfordert Schulungsinvestitionen, die die meisten Betreiber nur zögerlich bereitstellen.

Der kurzfristige Druck konzentriert sich auf großflächige E‑Commerce- und 3PL-Fulfillment-Center, wo das Volumen die Investition rechtfertigt. Kleinere Betriebe, Cold-Chain-Einrichtungen und Umgebungen mit hoher SKU-Varianz haben langsamere Einführungskurven. Die Arbeitsplätze, die kurzfristig am besten geschützt sind, sind solche, die Urteilsvermögen in unstrukturierten Situationen erfordern – die Art von Flexibilität, die AMRs in ihrer heutigen Form tatsächlich nicht besitzen.