Kann ein Roboter nutzen, was ein anderer Roboter gelernt hat?

Jeder Roboter, der heute in einem Lager eingesetzt wird, ist in der Regel für eine bestimmte Aufgabe in einer bestimmten Umgebung programmiert oder trainiert. Ändert sich die Aufgabe, die Umgebung oder kommt ein neuer Robotertyp hinzu, beginnt der Konfigurations- und Programmierungsprozess weitgehend von vorn. Das kostet Zeit, Ingenieuraufwand und Geld.

Die Frage, mit der sich Robotikforscher befassen, lautet: Können Wissen und Kompetenzen, die in einem Kontext entwickelt wurden, auf einen anderen übertragen werden, also auf einen anderen Roboter, eine andere Aufgabe oder eine andere Betriebsumgebung? Wenn das zuverlässig möglich wird, könnte es künftig verändern, wie Roboterflotten in Lagern erweitert, umkonfiguriert und betrieben werden.

Im September 2026 demonstrierte das EU-geförderte euROBIN-Netzwerk 15 KI-gestützte Roboter europäischer Forschungseinrichtungen im Europäischen Parlament. Das Programm untersucht, ob Kompetenzen zwischen verschiedenen Robotern, Aufgaben und Umgebungen übertragen werden können, statt jedes System nur für eine vordefinierten Anwendung zu trainieren.

Die euROBIN-Demonstration war eine Forschungspräsentation an einem institutionellen Ort. Die beteiligten Roboter stammen aus akademischen und Forschungseinrichtungen in ganz Europa. Ziel des Programms ist es, die Wissenschaft des Roboterlernens und des Wissenstransfers weiterzuentwickeln, kein kommerzielles Lagerprodukt zu liefern.

Diese Unterscheidung ist für Betreiber wichtig. Forschungsdemonstrationen zeigen, was unter kontrollierten Bedingungen wissenschaftlich möglich ist. Sie zeigen nicht, was innerhalb eines Planungshorizonts zuverlässig käuflich, integrierbar und betreibbar sein wird.

Wenn ein Robotikanbieter oder Systemintegrator behauptet, seine Plattform unterstütze übertragbare Kompetenzen oder adaptives Lernen über Robotertypen hinweg, sollten Betreiber spezifische Nachweise anfordern statt eine Demonstration als Beweis allgemeiner Fähigkeiten zu akzeptieren:

• Welche Roboterhersteller und -modelle werden für den Kompetenztransfer unterstützt?
• Welche konkreten Aufgaben und Betriebsumgebungen wurden für den Transfer validiert?
• Welche Daten werden benötigt, um eine Kompetenz auf einen neuen Roboter oder eine neue Umgebung zu übertragen?
• Welcher Ingenieuraufwand entsteht an einem neuen Standort, um eine bereits erlernte Kompetenz einzusetzen?
• Wie wird die übertragene Kompetenz sicherheitstechnisch validiert, bevor sie in einer echten Anlage eingesetzt wird?
• Wie hoch sind Ausnahme- und Interventionsraten im Vergleich zur konventionellen Programmierung?
• Wie stabil ist die Leistung bei wechselnden Lagerbedingungen: Layoutänderungen, neue Artikel, saisonale Mengenschwankungen?
• Wem gehören die Trainingsdaten und das gelernte Modell: dem Lagerbetreiber, dem Anbieter oder einem Dritten?
• Welche Cybersicherheitspflichten entstehen bei der gemeinsamen Nutzung oder Übertragung von Roboter-Trainingsdaten?
• Wer trägt die Verantwortung, wenn übertragenes Verhalten einen Vorfall verursacht oder die Leistung hinter den Erwartungen zurückbleibt?
• Welche Produktionsreferenzen können besucht oder kontaktiert werden, keine Demonstrationen?
• Wie schneidet die Leistung im Vergleich zur konventionellen Programmierung für dieselbe Aufgabe ab?

Wenn übertragbare Roboterkompetenzen die Zuverlässigkeitsschwelle für den Lagerbetrieb erreichen, könnten sie den Ingenieuraufwand bei der Erweiterung gemischter Roboterflotten reduzieren. Das Hinzufügen eines neuen Robotertyps oder die Umwidmung von Robotern für neue Aufgaben könnten schneller und günstiger werden. Die Rekonfiguration nach einer Layoutänderung könnte weniger individuelle Programmierung erfordern. Der Wert frühzeitiger Investitionen in eine Roboterplattform könnte sich über verschiedene Anwendungsfälle hinweg weiter erstrecken.

Das sind mögliche Vorteile, die die Forschungsrichtung plausibel macht. Es sind keine Zusagen, die ein Anbieter derzeit mit Produktionsnachweisen belegen kann.

Lagerbetreiber müssen übertragbare Roboterkompetenzen nicht als kurzfristige Beschaffungsanforderung bewerten. Die Forschung ist es wert, verfolgt zu werden, weil sie auf eine Richtung verweist, die künftig Rekonfigurationskosten in gemischten Roboterumgebungen reduzieren könnte.

Wenn ein Anbieter Lern- oder Transferfähigkeiten als Differenzierungsmerkmal präsentiert, sollte dieselbe Beweisdisziplin gelten wie bei jedem anderen Leistungsversprechen: Produktionsreferenzen, Ausnahmeraten, Integrationsanforderungen und dokumentierte Sicherheitsvalidierung einfordern. Demonstrationen, ob im Labor oder im Parlamentsgebäude, sind ein Ausgangspunkt für Fragen, kein Fundament für einen Business Case.

• euROBIN-Netzwerk: Demonstration im Europäischen Parlament, 2. September 2026
• Le Monde: Europäische Roboter stellen sich in Brüssel vor, 4. September 2026