5 Mio. Industrieroboter. Deutschland auf Platz 3.

Die Fabrikhalle ist still und leise zu einem der KI-dichtesten Orte der Wirtschaft geworden. In der RSM-Umfrage 2026 unter US-Mittelständlern der Industrie gaben 88 % an, KI sei zumindest teilweise integriert, 32 % sogar vollständig in den Kernprozessen; 56 % nutzen bereits agentische KI. Auch die Maschinen sind bereit: Die International Federation of Robotics zählt 5 Millionen Industrieroboter im Einsatz, ein Rekord. Und doch nennt dieselbe Umfrage den Grund, warum Piloten stocken: Datenqualität, bei 51 % der Piloten mit begrenztem Erfolg. Unklarer Nutzen folgt mit 30 %.

88 % der US-Mittelständler in der Industrie haben KI zumindest teilweise integriert; Datenqualität steht hinter 51 % der schwachen Piloten (RSM, Juli 2026)

Das ist die Lage der Industrie 2026. Ob KI kommt, ist entschieden. Offen ist die Skalierung, und die hängt an den Daten und an der Entscheidungsdisziplin hinter jedem Anwendungsfall.

Roboter auf Rekordniveau, Modelle in der Fertigung

2025 wurden weltweit mehr als 600.000 Industrieroboter installiert, 11 % mehr als im Vorjahr (IFR, September 2026). Die höchste Dichte hat Korea mit 1.220 Robotern je 10.000 Industriebeschäftigte; Deutschland liegt mit 449 auf Platz 3, fast doppelt so hoch wie der EU-Schnitt von 231, die USA kommen auf 307 (IFR, April 2026). Jenseits der Zelle wächst es noch schneller: Knapp 250.000 professionelle Serviceroboter wurden 2025 verkauft, 24 % mehr, und erstmals zählte die IFR rund 7.000 humanoide Roboter.

449 Industrieroboter je 10.000 Beschäftigte in der deutschen Industrie, Platz 3 weltweit (IFR, Apr. 2026)

Neu ist das Gehirn. Robotik-Foundation-Modelle wie NVIDIA GR00T und Gemini Robotics von Google DeepMind machen Fähigkeiten wie das Greifen nie gesehener Teile über viele Maschinen verfügbar. Bildgestützte Steuerung, autonome Bewegung und Programmierung in natürlicher Sprache wandern aus der Forschung in Produkte von Universal Robots, Yaskawa, Micropsi Industries und Wandelbots aus Dresden. Die Technologieanalyse Robotik & physische KI ordnet diese Angebote und die Sicherheitsregeln ein.

Roboter und Kameras führen: 50 von 96 KI-Angeboten

Die Industrie ist eines von zwei Themenfeldern, in denen das Good AI Prisma über eine Liste hinausgeht. Das Prisma ordnet dem Themenfeld Industrie & Fertigung 99 Einträge zu, 96 KI-Angebote und drei Anbieterdatensätze (NVIDIA, Agile Robots, Physical Intelligence); die Forschungsausgabe vom 20. Oktober 2026 enthält 87 der Angebote mit Tiefenrecherche: Einsatzzweck, Preiseinheit, Integrationen, Voraussetzungen, Datenhaltung und Grenzen, soweit der Anbieter sie dokumentiert. Roboter und Kameras führen: 25 Angebote bringen KI in Roboter, 25 prüfen die Qualität per Kamera. Achtzehn sagen den Wartungsbedarf voraus, elf optimieren Prozesse, neun sind Engineering-Copiloten und Wissensassistenten, acht decken Anlagendaten, Planung und Edge-KI ab.

Die Instandhaltung zeigt die Spannweite. Aspen Mtell, AVEVA Predictive Analytics, C3 AI Reliability, das Asset Performance Management von GE Vernova, Honeywell Forge und Festo AX stehen neben Spezialisten wie Nanoprecise, Petasense und Asystom. Engineering-Copiloten kommen von den Automatisierern: Rockwells FactoryTalk Design Studio Copilot, LEO von Dassault Systèmes, iiQWorks.Copilot von KUKA und horstOS von fruitcore robotics.

Die Tiefenrecherche zeigt auch, was Einkäufer nicht sehen. Nur 12 der 87 Einträge nennen öffentlich eine Preiseinheit, 51 dokumentieren die Datenhaltung. Die entscheidenden Fakten kommen also erst im Vertriebsgespräch, und gehören deshalb schriftlich angefragt.

Warum Piloten stocken

Hinter der Hälfte der enttäuschenden Piloten steht laut RSM die Datenqualität: Sensordaten mit Lücken, Qualitätsdaten ohne Bezug zu Prozessparametern, Instandhaltungsprotokolle für Menschen statt für Modelle. Ein Portfolio von Anwendungsfällen mit Datenreife-Check vor jedem Fall filtert das früh. Der zweite Grund, unklarer Nutzen, ist ein Entscheidungsproblem: Ein Pilot ohne Ausgangswert und Schwelle kann nicht enden.

Der Größenunterschied trifft kleinere Betriebe. In Deutschland nutzt inzwischen die Mehrheit der Unternehmen KI (Bitkom-Umfrage zur KI-Nutzung, 2026), doch die Tiefe der Nutzung hängt an der Größe. In Korea nutzen nur 4,2 % der kleinen und mittleren Industriebetriebe KI, 80,7 % haben keine KI-Fachkräfte (KCCI, zitiert in der globalen Marktstudie des Good AI Prisma). Lieferantenprogramme großer Hersteller sind ein Weg, die Lücke zu schließen.

Die Regeln: zuerst das Maschinenrecht

In Europa ruht Robotersicherheit auf dem Maschinenrecht. Ab dem 20. Januar 2027 ersetzt die Maschinenverordnung (EU) 2023/1230 die Maschinenrichtlinie und in Deutschland die 9. ProdSV. Ihre grundlegenden Anforderungen erfassen selbstlernendes Verhalten, KI-gestützte Sicherheitsfunktionen und Cybersicherheit, mit Drittprüfung für gelistete Hochrisiko-Maschinen. Die KI-Verordnung ergänzt ab dem 2. August 2028 Hochrisikopflichten für KI in Produkten, geändert durch die Omnibus-Verordnung (EU) 2026/1744; Leitlinien der Kommission zum Zusammenspiel sind bis 1. August 2027 fällig.

Normen liefern die Details. ISO 10218-2:2025 für Roboterzellen zu Roboteranwendungen und -zellen ist gemeinsam mit Teil 1 die Referenz für Industrieroboter, ergänzt um ISO/TS 15066 für die Kollaboration. In Deutschland bestimmt der Betriebsrat bei technischen Systemen mit, die Leistung überwachen können (BetrVG § 87 Abs. 1 Nr. 6), und ist bei neuen technischen Anlagen früh zu informieren (§ 90).

Sieben Fragen vor dem Pilot

Bevor KI an eine Linie geht, gehören sieben Fragen schriftlich geklärt. Welche Kennzahl soll sich bewegen, und wo liegt heute der Ausgangswert für Stillstand, Ausschuss oder OEE? Sind die Daten da: lückenlose Sensorhistorie, Qualitätsdaten mit Bezug zu Prozessparametern, Instandhaltungsprotokolle, die ein Modell lesen kann? Wirkt das System auf eine Sicherheitsfunktion, sodass die Konformitätsregeln der Maschinenverordnung greifen? Wo liegen die Daten, und trainiert der Anbieter damit? Wie bindet es an Steuerung, MES und ERP an, und kommen wir wieder heraus? Wer in der Schicht kann es übersteuern, und wie schnell? Und welches Ergebnis führt zum Ausbau, welches zum Stopp? Ein Anbieter, der schriftlich antwortet, ist reif für einen Pilot. Der Artikel Warum KI nicht skaliert beschreibt das Betriebsmodell dahinter.

Menschen und Werk

Die Beschäftigungseffekte hängen davon ab, wie Einführung gesteuert wird. In US-Arbeitsmärkten senkte ein zusätzlicher Roboter je 1.000 Beschäftigte die Beschäftigungsquote um 0,2 Prozentpunkte (Acemoglu und Restrepo, 2020). In Deutschland verringerten Roboter zwischen 1994 und 2014 die Gesamtbeschäftigung vor Ort nicht; Verluste in der Industrie wurden durch Dienstleistungen ausgeglichen, allerdings stiegen weniger junge Menschen in die Industrie ein (Dauth u. a.). Für die Werkleitung heißt das: Schulung, Beteiligung und Aufsicht mit der Technik planen, nicht danach.

In der Praxis

Best Practice: ein Tor für Datenreife. Bevor ein Anwendungsfall ins Portfolio kommt, stellt ein kurzer Check drei Fragen. Gibt es eine lückenlose Sensorhistorie für die Anlage? Sind Qualitätsdaten mit Prozessparametern verknüpft? Kann ein Modell die Instandhaltungsprotokolle lesen? Fälle, die durchfallen, gehen in einen Daten-Backlog, nicht in einen Pilot. Dieses eine Tor setzt an der Ursache an, die RSM hinter der Hälfte der enttäuschenden Piloten fand.

Szenario: vorausschauende Instandhaltung an einer Pressenlinie. Ein mittelständischer Zulieferer erprobt ein Instandhaltungsmodell an einer Pressenlinie. Ausgangswert sind ungeplante Stillstände und Ausschuss der letzten zwölf Monate; die Schwelle ist die Senkung, die Lizenz, Integration und die Zeit eines Planers bezahlt. Verfehlt das Modell sie im vereinbarten Zeitraum, endet der Fall, und die Datenlehren gehen an die nächste Linie.

Was Sie am Montag tun

1. Ein Portfolio bauen, keinen Einzelpilot. Drei bis fünf Anwendungen aus Instandhaltung, Prüfung und Copiloten wählen, jede mit Datenreife-Check.
2. Die Go/Stopp-Schwelle vor dem Start festlegen. Ausgangswert und Schwelle für Stillstand, Ausschuss und OEE vereinbaren; ein AI Opportunity Case setzt beides.
3. Die verborgenen Fakten schriftlich anfragen: Preiseinheit, Datenhaltung, Training mit Kundendaten, Anbindung an die Steuerungstechnik.
4. Die Konformitätsakte vorbereiten. Jede KI-gestützte Sicherheitsfunktion bis zum 20. Januar 2027 der Maschinenverordnung zuordnen.
5. Den Betriebsrat früh einbinden, überall dort, wo ein System Leistung überwachen kann.

Dieser Artikel beschreibt Markt und Regulierung. Er ist keine Rechts- oder Sicherheitstechnikberatung.