Humanoide Roboter sind jetzt wirklich in Lagern – ein ehrlicher Blick auf das, was sie können und was nicht

Die Erzählung um humanoide Roboter ist der Realität jahrzehntelang weit vorausgeeilt. Demos haben das Publikum begeistert, Wagniskapital floss in Strömen, und Schlagzeilen versprachen eine robotergestützte Arbeitskraft gleich um die Ecke. Doch das Jahr 2025 markierte einen echten Wendepunkt. Figure, Agility Robotics, 1X Technologies und Boston Dynamics verließen die reine Demonstration und starteten begrenzte kommerzielle Einsätze. BMW, Amazon, GE Aerospace und Spanx führen aktive Pilotprojekte durch. Die Frage ist heute nicht mehr, ob humanoide Roboter real sind – sondern ob die Wirtschaftlichkeit stimmt.

Wer wirklich im Einsatz ist (nicht nur in Demos)

Agility Robotics Digit bei Amazon

Digit von Agility Robotics ist seit 2023 in Amazon-Fulfillment-Centern im Einsatz und übernimmt den Transport von Behältern zwischen Förderbändern. Amazon hält eine Beteiligung an Agility Robotics, was eine ungewöhnliche Interessenangleichung schafft. Digit arbeitet mit einem 4-Stunden-Akku und bewegt Behälter mit einem Gewicht von bis zu 16 kg. Stand 2025 laufen mehrere Hundert Einheiten in Piloten an mindestens fünf Amazon-Standorten. Die Aufgabe ist eng – einen Behälter von Punkt A nach Punkt B auf einem bekannten Grundriss zu bringen –, aber es ist echte Produktionsarbeit, keine kontrollierte Demo.

Figure 02 bei BMW

Figure 02 startete 2024–2025 einen Piloten im BMW-Werk Spartanburg und übernimmt dort Karosseriebauaufgaben: das Bewegen von Teilen zwischen Stationen in einer strukturierten Fertigungsumgebung. Figure sammelte Anfang 2024 675 Mio. US-Dollar bei einer Bewertung von 2,6 Mrd. US-Dollar ein. Microsoft und OpenAI sind Investoren, und Figure nutzt die Modelle von OpenAI zur Aufgabenplanung und sprachgesteuerten Steuerung. Der BMW-Pilot ist der erste Einsatz eines humanoiden Roboters im Kontext einer Premium-Automobilmontage.

Weitere aktive Einsätze

• 1X Technologies Neo (unterstützt von OpenAI): eingesetzt in Sicherheits- und Anlageninspektionen – ein konservativerer Rahmen als Fabrikarbeit, aber echter kommerzieller Betrieb.
• Apptronik Apollo: Partnerschaft mit Mercedes-Benz für Piloten auf dem Fabrikboden 2025, Schwerpunkt auf Teilehandling und Logistik in Montageabläufen.
• Boston Dynamics Atlas (elektrisch): Der hydraulische Atlas wurde im April 2024 ausgemustert und durch eine elektrische Version ersetzt, die in Manipulation und Beweglichkeit deutlich leistungsfähiger ist. Hyundai setzt den elektrischen Atlas in einem Fertigungspiloten ein – bemerkenswert, da Hyundai die Mehrheit an Boston Dynamics hält.

Worin humanoide Roboter derzeit wirklich gut sind

Ehrliche Einschätzung: Aktuelle Humanoide zeichnen sich in einem spezifischen, engen Aufgabenspektrum aus.

• Wiederholtes Pick-and-Place in strukturierten Umgebungen: gleiche Aufgabe, gleicher Ort, hohes Volumen. Wenn der Roboter sich auf konsistente Objektplatzierung und vorhersagbare Geometrie verlassen kann, verbessert sich die Leistung erheblich.
• Bewegen von Gegenständen zwischen festen Punkten auf einem bekannten Grundriss: Digits Einsatz bei Amazon ist das Paradebeispiel. Die Umgebung ist kartiert, die Aufgabe konsistent, der Roboter muss nicht mit Überraschungen umgehen.
• Für Menschen konzipierte Umgebungen: Die meisten Lager und Fabriken wurden für Menschen gebaut – Standardtüren, Gangbreiten, Regalhöhen. Humanoide passen hinein, ohne dass die Infrastruktur umgerüstet werden muss, im Gegensatz zu AGVs (automatisierten Fahrzeugen) oder fest installierten Roboterarmen, die speziell angepasste Umgebungen benötigen.
• Nachtschichten und Gefahrenumgebungen: Hohe Hitze, Chemikalienbelastung, Tätigkeiten mit hohem Risiko für repetitive Belastungsverletzungen. Humanoide ermüden nicht, brauchen keine ergonomische Ausrüstung und können unter Bedingungen durchgehend arbeiten, die bei Menschen zu hoher Fluktuation führen.

Was noch nicht gut funktioniert

Die Lücken bleiben erheblich, und jede ehrliche Beurteilung muss sie direkt benennen.

• Feinmotorische Manipulation: Humanoide können noch immer nicht zuverlässig mit der Vielfalt an Objektformen, Ausrichtungen und Materialien umgehen, die ein menschlicher Arbeiter instinktiv bewältigt. Eine zerknitterte Tüte, ein seltsam ausgerichteter Karton, ein weiches Paket – die Fehlerraten bleiben hoch. Das Greifen beliebiger Objekte unter unkontrollierten Bedingungen ist ein ungelöstes Problem.
• Geschwindigkeit: Aktuelle Humanoide gehen mit 1,5–2 m/s und manipulieren mit einem Bruchteil der menschlichen Geschwindigkeit. Ein menschlicher Lagerarbeiter bearbeitet 300–400 Einheiten pro Stunde; humanoide Roboter schaffen 40–80 bei vergleichbaren Aufgaben. Diese Durchsatzlücke bestimmt direkt den ROI.
• Zuverlässigkeit: Die MTBF (mittlere Betriebsdauer zwischen Ausfällen) wird bei vielen Einheiten im realen Einsatz noch in Stunden gemessen, nicht in den Tausend Stunden, die Industrieanlagen erfordern. Der Wartungsaufwand ist erheblich.
• Kosten: Figure 02 wird auf 150.000–200.000 US-Dollar pro Einheit geschätzt; Digit auf etwa 100.000 US-Dollar. Bei diesen Preisen erfordert der ROI Aufgaben mit hohem Durchsatz in Umgebungen mit hohen Arbeitskosten – ein engeres Chancenfeld als die Erzählung vom "Ersatz aller Lagerarbeiter" vermuten lässt.

Der Embodied-AI-Aspekt – warum 2024–2025 anders ist

Frühere humanoide Roboter – ASIMO, der ursprüngliche hydraulische Atlas – verwendeten skriptbasierte Verhaltensweisen. Jede Aktion wurde von Ingenieuren handcodiert; die Roboter konnten nicht über ihre programmierten Routinen hinaus generalisieren. Moderne Humanoide nutzen Imitationslernen und bestärkendes Lernen anhand menschlicher Demonstrationen. Ein Mensch teleoperiert den Roboter 50–200 Mal, um eine Aufgabe zu demonstrieren; der Roboter lernt eine generalisierte Policy, die Variationen innerhalb dieser Aufgabenklasse bewältigen kann.

Physical Intelligence (Pi), gegründet von ehemaligen Google- und DeepMind-Forschern, sammelte 2024 400 Mio. US-Dollar ein, um generalisierbare Manipulationspolicen zu entwickeln. Ihr π0-Modell wird mit Daten verschiedener Roboter trainiert und läuft auf Figure-, Agility-Robotics- und 1X-Hardware. Dieser "Foundation Model for Robots"-Ansatz bedeutet, dass Verbesserungen der zugrunde liegenden Policy auf verschiedene Robotertypen übertragbar sind – ähnlich wie LLMs erlernte Fähigkeiten auf verschiedene Aufgaben übertragen, ohne dass eine aufgabenspezifische Nachschulung nötig ist.

Die Implikation: Die Verbesserungskurve der Fähigkeiten humanoider Roboter ist nun an die Verbesserungskurve von KI-Modellen gekoppelt, nicht nur an Hardware-Iterationen. Das ist eine grundlegend andere Dynamik als die Kurve des mechanischen Ingenieursfortschritts, die frühere Generationen bestimmte.

Die Arbeitsökonomie

Die Rechnung lohnt eine genaue Betrachtung. US-Lagerarbeiter verursachen Vollkosten von 40.000–55.000 US-Dollar pro Jahr, einschließlich Sozialleistungen, Fluktuation, Schulung und Verwaltungskosten. Ein humanoider Roboter mit Kapitalkosten von 150.000 US-Dollar plus 20.000 US-Dollar jährlicher Wartung ergibt bei aktuellen Produktivitätsniveaus eine Amortisationszeit von etwa 4–6 Jahren – akzeptabel für Kapitalgüter mit einem Horizont von 10 Jahren, aber knapp.

Der Break-even verbessert sich drastisch unter zwei Bedingungen: wenn die Robotergeschwindigkeit 60–70 % des menschlichen Durchsatzes erreicht (Physical Intelligence prognostiziert dies bis 2027 für strukturierte Aufgaben) und wenn die Stückkosten im Volumen auf 50.000–75.000 US-Dollar sinken. Teslas Optimus-Programm zielt auf unter 30.000 US-Dollar pro Einheit in großen Stückzahlen – Elon Musk hat diese Zahl öffentlich genannt. Stand Q1 2026 laufen etwa 1.000 Tesla-Optimus-Einheiten intern in Teslas eigenen Fabriken, externe Verkäufe sind für 2026 geplant. Falls diese Kostenprognosen halten, verschiebt sich die ROI-Kalkulation von "enger Rechtfertigung" zu "breitem Anreiz".

Die regulatorische und sicherheitstechnische Ebene

OSHA hat noch keine spezifischen Standards für humanoide Roboter. Hersteller arbeiten derzeit nach bestehenden Maschinensicherheitsrichtlinien, vor allem ISO 10218, die für Industrieroboter gilt. Kollaborative Roboternormen (Cobot) erlauben den Betrieb in der Nähe von Menschen mit Geschwindigkeits- und Kraftbegrenzungen. Humanoide in gemeinsam genutzten Mensch-Roboter-Räumen erfordern zusätzliche Schutzmaßnahmen; die meisten aktuellen Piloten halten physische Trennung zwischen menschlichen Arbeitern und Roboterarbeitszonen aufrecht. Das Fehlen klarer regulatorischer Rahmen ist sowohl ein Risiko (Haftungsunsicherheit) als auch eine Chance (regulatorische Einflussnahme für Early Mover, die bei der Erstellung der Standards mitwirken).

Das ehrliche Fazit

Humanoide Roboter funktionieren heute in engen, hochvolumigen, strukturierten Aufgaben – und die Wirtschaftlichkeit ist in Umgebungen mit hohen Arbeitskosten gegeben, wo diese enge Aufgabe im großen Maßstab sinnvoll ist. Der generalistische Humanoide, der beliebige Lageraufgaben bewältigen kann – der eine zerknitterte Tüte aufhebt, einen falsch ausgerichteten Karton neu orientiert und sich ohne Nachschulung an einen geänderten Grundriss anpasst –, ist wahrscheinlich noch 5–8 Jahre von einer zuverlässigen kommerziellen Einführung entfernt.

Aber die Infrastruktur, die jetzt aufgebaut wird – die Trainingsdaten, die Roboterflotten, die Policy-Modelle, die Fertigungslieferketten –, ist das, was diese Zukunft planmäßig eintreffen lässt. Die Piloten bei Amazon, BMW und Mercedes-Benz sind nicht nur Produktvalidierung. Sie sind die Trainingsplätze für die nächste Generation von Fähigkeiten. Jede Stunde, die Digit in einem Amazon-Fulfillment-Center läuft, sind Daten, die die nächste Version verbessern. Das ist der wahre Grund, warum die aktuellen Einsätze wichtig sind, auch wenn die Wirtschaftlichkeit heute noch marginal ist.