Humanoide Roboter erobern reale Lagerhallen – wie die ersten Einsätze tatsächlich aussehen

Jahrelang existierten humanoide Roboter in einer sorgfältig kuratierten Welt aus Messedemos und Venture-Capital-Folien. Die Clips waren beeindruckend: Eine zweibeinige Maschine läuft über eine Bühne, hebt eine Kiste auf, macht sogar einen Rückwärtssalto. Was sie nie zeigten, war, was zehn Minuten später passierte, wenn sich die Beleuchtung änderte, der Boden eine leichte Neigung hatte oder die Kiste zwei statt einem Kilogramm wog. Diese Welt der kontrollierten Illusion weicht nun etwas Chaos und viel Interessanterem: echte Einsätze in echten Einrichtungen mit echten Arbeitern, echten Einschränkungen und echten Risiken.

Von Demos zu Einsätzen: Der Wendepunkt 2025–2026

Der Übergang begann sich 2024 zu beschleunigen und erreicht 2025–2026 einen echten Wendepunkt. Mehrere humanoide Plattformen arbeiten jetzt unter überwachten Bedingungen in kommerziellen Einrichtungen. Das ist keine vollständige Autonomie – es entspricht einem neuen Mitarbeiter, der einen erfahrenen Kollegen begleitet – aber es markiert einen klaren Wandel von der Laborforschung zur betrieblichen Realität.

Figure AI hat seine Roboter am BMW-Fließband in Spartanburg, South Carolina, im Einsatz. Agility Robotics' Digit durchlief Tests in Amazon-Fulfillment-Centern. Apptroniks Apollo wird bei Mercedes-Benz für die Montageunterstützung evaluiert. 1X Technologies, unterstützt von OpenAI, setzt seinen NEO-Roboter in Lagerhallen ein. Boston Dynamics' Atlas, jetzt in der vollelektrischen Konfiguration, hat sich von einer Forschungskuriosität zu einer aktiv vermarkteten Plattform für Industriekunden entwickelt.

Keiner dieser Einsätze sieht aus wie Terminator. Sie sehen aus wie ein Roboter, der vorsichtig eine Kunststoffbox von einem Förderband zum anderen bewegt, unter den wachsamen Augen eines menschlichen Aufsichtsbeamten mit einem Not-Aus-Knopf.

Was „Einsatz“ heute eigentlich bedeutet

Es lohnt sich, präzise zu sein, was diese Pilotprojekte beinhalten, denn das Wort Einsatz deckt ein breites Spektrum ab. In aktuellen Implementierungen arbeiten humanoide Roboter innerhalb eng definierter Aufgabenbereiche – spezifische, wiederholbare Aktionen in kontrollierten Zonen einer größeren Anlage. Die Roboter bewegen sich nicht frei oder treffen eigenständige Entscheidungen darüber, was als nächstes zu tun ist. Sie führen eine definierte Bewegungssequenz aus, die typischerweise durch Teleoperation oder Imitationslernen erlernt wurde, in einem Raum, der physisch kartiert und oft leicht modifiziert wurde, um die Variabilität zu reduzieren.

Menschliche Aufsichtspersonen bleiben vor Ort. Das Verhältnis variiert, aber ein Bediener, der zwei bis vier Roboter überwacht, ist üblich. Wenn der Roboter auf etwas außerhalb seiner Trainingsverteilung stößt – eine seltsam ausgerichtete Verpackung, ein Etikett, das ein Sensorziel verdeckt, ein Kollege, der unerwartet den Arbeitsbereich durchquert – meldet das System die Situation oder hält an und wartet auf menschliches Eingreifen. Die Wiederherstellung aus unerwarteten Zuständen ist nach wie vor größtenteils eine menschliche Aufgabe.

Das ist keine Kritik. Es ist der richtige technische Ansatz für den Einsatz neuartiger autonomer Systeme in Umgebungen, in denen Fehler echte Konsequenzen haben. Die Frage ist, wie schnell der Umfang des autonomen Betriebs erweitert werden kann, ohne die Zuverlässigkeit zu beeinträchtigen.

Warum Lagerhäuser und warum jetzt

Der Logistik- und Lagerhaltungssektor ist aus strukturellen, nicht zufälligen Gründen zum Testfeld für humanoide Robotik geworden. Die Arbeitskosten in der Fulfillment- und Distribution sind in Nordamerika, Europa und Ostasien stark gestiegen. Die Verletzungsrate der Arbeiter in Lagerumgebungen bleibt hoch – wiederholte Belastungen, Hebe- und Sturzunfälle sind anhaltende Probleme, die herkömmliche Automatisierung nicht vollständig gelöst hat. Die Nachfrage nach 24/7-Betrieb, getrieben durch E-Commerce-Erwartungen, erzeugt Druck, Einrichtungen zu Zeiten zu besetzen, in denen menschliche Arbeitskräfte knapp und teuer sind.

Es gibt auch ein tieferes Kompatibilitätsargument. Lagerhäuser wurden von Menschen für Menschen entworfen. Die Regale sind in Menschenhöhe. Die Gänge bieten Platz für eine Person, die eine Kiste trägt. Die Werkzeuge – Scanner, Wagen, Förderbänder – haben Griffe und Schnittstellen, die für menschliche Hände ausgelegt sind. Ein humanoider Roboter kann in diesem Umfeld prinzipiell arbeiten, ohne dass die Anlage umgebaut werden muss. Dies ist das zentrale wirtschaftliche Argument für die zweibeinige, menschenähnliche Form: Sie erbt die bereits getätigten Investitionen in die Infrastruktur für menschliche Arbeiter.

Die Aufgaben, die Roboter tatsächlich übernehmen

Die Aufgabenauswahl in aktuellen Einsätzen verrät viel über den wahren Stand der Technik. Roboter werden Arbeiten zugewiesen, die körperlich anstrengend, repetitiv und – entscheidend – ungenauigkeitstolerant sind. Plastikkisten zwischen Förderbändern bewegen. Einheitliche Kartons von Paletten nehmen. Teilebehälter auf festgelegten Routen transportieren. Diese Aufgaben haben eine gemeinsame Eigenschaft: Wenn der Roboter den Gegenstand zwei Zentimeter von der Idealposition platziert, hat das keine Konsequenzen. Die Toleranz ist breit genug, dass selbst unvollkommene Greifvorgänge gelingen.

Die Aufgaben, die Roboter nicht übernehmen, sind ebenso aufschlussreich. Sie bearbeiten keine weichen Güter – die Verformbarkeit von Kleidung etwa macht Greifen und Platzieren dramatisch schwieriger, als es aussieht. Sie sortieren keine Gegenstände mit stark variierender Geometrie. Sie handhaben keine zerbrechlichen oder hochwertigen Güter, bei denen ein Fallenlassen echte finanzielle Folgen hätte. Die Geschicklichkeitslücke zwischen einer menschlichen Hand und einem aktuellen Roboter-Endeffektor bleibt beträchtlich, insbesondere bei der Handhabung unregelmäßiger Objekte oder allem, das adaptive Greifkraft basierend auf taktilem Feedback erfordert.

Die Zweibein-Frage

Nicht alle in der Branche sind sich einig, dass Beine die richtige Antwort sind. Mehrere Unternehmen, die Roboter für den Lagereinsatz entwickeln, haben sich für radgetriebene Mobilitätsplattformen entschieden und argumentieren, dass Räder schneller, energieeffizienter, mechanisch zuverlässiger und auf ebenen Flächen stabiler sind – was die überwiegende Mehrheit der Lagerböden beschreibt. Amazons eigene Proteus-Plattform fährt auf Rädern. Die spezialisierten mobilen Roboter, die in der Logistik erfolgreich skaliert haben – von den Kiva-ähnlichen Systemen bis zu modernen autonomen mobilen Robotern – rollen alle.

Das Argument für Beine stützt sich auf Umgebungen, die Räder schlecht bewältigen: Treppen, Bordsteine, Rampen, unebene Außenflächen, Laderampen mit Spalten und Kanten. Wenn ein Roboter über die gesamte Lieferkette hinweg operieren muss – Lagerhaus, Laderampe, Fahrzeuginnenraum, letzte Meile zur Tür – bieten Beine Fähigkeiten, die Räder nicht bieten können. Das Gegenargument ist, dass die meisten kommerziellen Einsätze diese Vielseitigkeit nicht erfordern und Unternehmen eine erhebliche mechanische Komplexitätssteuer für eine Fähigkeit zahlen, die sie selten nutzen.

Die ehrliche Antwort ist, dass beide Ansätze Nischen finden werden. Radroboter werden flache, strukturierte Umgebungen dominieren. Laufroboter werden ihren Komplexitätsaufschlag in gemischtem Gelände verdienen. Der aktuelle zweibeinige Vorstoß ist teils technisch (Beine sind ein schwierigeres Problem und ziehen daher Forschungsinteresse an) und teils narrativ (humanoide Roboter erregen Medienaufmerksamkeit, die eine Kiste auf Rädern nicht hat).

Wie Roboter lernen: Teleoperation und Demonstration

Das dominierende Trainingsparadigma für aktuelle humanoide Einsätze ist das Lernen durch Demonstration. Ein menschlicher Bediener, typischerweise mit einem haptischen Handschuh oder Motion-Capture-Anzug, führt die Zielaufgabe physisch aus, während der Roboter die Bewegung aufzeichnet. Diese Teleoperationsdaten werden dann verwendet, um eine Policy zu trainieren – ein neuronales Netzwerk, das Sensorinputs auf Motorcommands abbildet – die der Roboter autonom ausführen kann.

Der Reiz dieses Ansatzes liegt darin, dass er menschliche Intuition und Geschicklichkeit nutzt, ohne dass Ingenieure jede Bewegung explizit programmieren müssen. Die Einschränkung besteht darin, dass die erlernte Policy nur so gut ist wie die Demonstrationsdaten. So trainierte Roboter können außerhalb der Verteilung ihrer Trainingsbeispiele spröde sein. Figure AI, 1X und andere investieren stark in die Skalierung von Demonstrationsdatensätzen und kombinieren sie mit simulationsbasiertem Training, um die Generalisierung zu verbessern.

Die Wirtschaftlichkeit: eine ehrliche Bewertung

Aktuelle humanoide Roboter kosten zwischen 150.000 und 300.000 US-Dollar pro Einheit für frühe kommerzielle Einsätze, vor Berücksichtigung von Integration, Infrastrukturänderungen, Wartungsverträgen und der menschlichen Überwachung während der Pilotphase. Unter Einbeziehung aller Kosten liegt die Gesamtbetriebskosten eines überwachten humanoiden Piloten oft höher als die Einstellung zusätzlicher Arbeiter für dieselben Aufgaben.

Das ist für eine Industrietechnologie im Frühstadium nicht ungewöhnlich. Die wirtschaftliche Begründung für humanoide Roboter heute ist nicht, dass sie billiger sind als menschliche Arbeit – das sind sie noch nicht. Die Begründung ist, dass sie eine Absicherung gegen zukünftige Arbeitskräfteengpässe darstellen, dass die während der Piloten gesammelten Daten bessere Systeme trainieren und dass die Stückkosten mit der Skalierung der Fertigung erheblich sinken werden. Unternehmen wie Figure AI und Agility Robotics geben explizit an, dass sie in dieser Phase für Beziehungsaufbau und Datenerfassung kalkulieren, nicht für Gewinnmargen.

Der Break-even-Punkt, an dem ein eingesetzter humanoider Roboter tatsächlich billiger ist als die von ihm ersetzte Arbeit, liegt bei den günstigsten Aufgabenprofilen plausibel drei bis fünf Jahre entfernt – vorausgesetzt, die Fertigungsvolumen steigen deutlich und die Zuverlässigkeitskennzahlen verbessern sich.

Der Drei- bis Fünf-Jahres-Ausblick

Realistischer Fortschritt in den nächsten drei bis fünf Jahren sieht so aus: Das Aufgabenfeld für autonomen Betrieb erweitert sich bescheiden, aber bedeutsam, und deckt vielleicht zwanzig bis dreißig Prozent der üblichen Lagerabläufe ohne menschliche Aufsicht ab. Die Robotzuverlässigkeit verbessert sich auf ein Niveau, bei dem die Betriebszeitkennzahlen mit reifer Industrieausrüstung vergleichbar sind. Die Stückkosten fallen mit der Skalierung der Fertigung in den Bereich von 80.000 bis 120.000 US-Dollar. Ein Sekundärmarkt für überholte und aufgerüstete Einheiten entsteht.

Was in diesem Zeitraum unwahrscheinlich ist: vollständig autonome, generalistische humanoide Roboter, die alle Lageraufgaben ohne menschliche Aufsicht bewältigen. Die Geschicklichkeitslücke wird sich verengen, aber nicht schließen. Der lange Schwanz der Ausnahmefälle – das seltsame Objekt, die unerwartete Situation, die Aufgabe, die nie in den Trainingsdaten war – wird weiterhin menschliches Urteilsvermögen erfordern. Die Vision eines vollautomatischen, menschenleeren Lagers liegt in weiterer Ferne und erfordert wahrscheinlich Fortschritte bei taktiler Sensorik, Robustheit von Manipulationspolicies und Echtzeitanpassung, die offene Forschungsprobleme bleiben.

Die interessantere Nahgeschichte ist nicht Ersatz, sondern Neuordnung: Menschen und humanoide Roboter arbeiten Seite an Seite, wobei die Roboter die körperlich anspruchsvollsten und repetitivsten Aufgaben übernehmen, während Menschen das Ausnahmemanagement, die Qualitätskontrolle und die echten Entscheidungen übernehmen. Diese Zukunft beginnt bereits jetzt, leise, in einem BMW-Werk in South Carolina und einigen Amazon-Fulfillment-Centern. Sie ist weniger dramatisch als die Demos suggerierten. Sie ist auch nachhaltiger.