Die nächste Station der Roboter könnte die Legoisierung sein.

Vor kurzem fand die Weltroboterkonferenz 2026 in Yizhuang, Peking statt. 373 Unternehmen stellten mit über 3000 Exponaten aus, und die fünftägige Veranstaltung zog insgesamt 557.000 Besucher an.

In den Ausstellungshallen der Konferenz sortierten Roboter Pakete, kochten Nudeln, transportierten Waren und führten Verpackungs- und Versiegelungsarbeiten durch. Die sorgfältig gestalteten Anwendungsszenarien rückten die verkörperte Intelligenz erneut in den Mittelpunkt der Aufmerksamkeit.

Das globale Bild, das in einem Forschungsbericht von Morgan Stanley skizziert wird, zeigt, dass im ersten Halbjahr 2026 rund 65 % der weltweiten Roboterauslieferungen in Bereiche wie Unterhaltungsausstellungen, Empfangsdienste, Bildungsforschung und Datenerfassung flossen.

Bei genauer Betrachtung in den Hallen der Weltroboterkonferenz lässt sich feststellen, dass die meisten Roboter nach wie vor an einfache, geschlossene und stark vertikale Szenarien gebunden sind, und bei einigen Demonstrationen ist noch menschliches Eingreifen erforderlich. Es besteht ein Konsens innerhalb und außerhalb der Messehallen, dass die allgemeine Anpassungsfähigkeit unzureichend ist und die Roboter noch weit von der eigentlichen „Allgemeinverwendbarkeit“ entfernt sind.

Qian Dongqi, Vorsitzender von Ecovacs, äußerte sich auf der Konferenz noch direkter: „Bevor das Problem der allgemeinen Anpassungsfähigkeit gelöst ist, sind alle aktuellen Demos nur technische Vorführungen für spezifische Szenarien.“

Die allgemeine Anpassungsfähigkeit an zahlreiche Szenarien ist zu schwierig, und die Entwicklungskosten sind zu hoch

Die von dem Markt erwartete Entwicklung der Roboter steckt tatsächlich bei zwei grundlegenden Problemen fest: Zum einen die schlechte allgemeine Anpassungsfähigkeit an Szenarien, zum anderen die hohen Entwicklungs- und Herstellungskosten.

Derzeit verwenden die meisten Roboter ein Entwicklungsmodell „ein Szenario, ein Gerätemodell“: Für bestimmte Szenarien werden Daten erfasst und gezielt trainiert, um eine feste Fähigkeit zu erzeugen. Die flüssigen Bewegungen in Demonstrationsvideos sind größtenteils das Ergebnis dieses Modells. Das Problem besteht darin, dass sobald der Roboter die voreingestellte Umgebung verlässt, seine Fähigkeiten schnell unwirksam werden.

Branchenexperten beschreiben dies so: Der größte Engpass ist nach wie vor die Fähigkeit zur allgemeinen Anpassung an Szenarien – Roboter können in festen Szenarien eine sehr hohe Erfolgsrate trainieren, aber wenn sie ein anderes Objekt oder eine andere Umgebung erhalten, sinkt ihre Leistung deutlich. Ein konkreteres Beispiel lautet: Die eigentliche Schwierigkeit der Roboter liegt in den „letzten paar Zentimetern, letzten paar Millimetern“. Sie können die allgemeine Richtung ausführen, aber die Erfolgsrate und die Abweichung am Ende stimmen noch nicht mit den Anforderungen der realen Welt überein.

Wang He, Gründer von Galaxy Universal, präsentierte auf der Konferenz die Perspektive der Industrie: Die vorgegebenen Aufgaben können fast alle gut erledigt werden, aber dahinter müssen Fachkräfte Nachschulungen durchführen, und solche Investitionen lassen sich nicht auf Tausende von Branchen übertragen. Er fasste das Problem der groß angelegten Anwendung im Jahr 2026 in einem Satz zusammen: Ob es möglich ist, weniger Daten zu erfassen und weniger Ingenieure einzusetzen, um die Fähigkeiten auf 100 Fabriken und 1000 Geschäfte zu übertragen.

Eine der branchenüblichen Lösungen für das Problem der allgemeinen Anpassungsfähigkeit ist das „Füttern mit Daten“: Mit massiven Daten aus allgemeinen Szenarien werden Lücken in den Fähigkeiten geschlossen. Aber die Datenerfassung selbst ist ein Geschäft mit hohen Kosten.

Nach Berichten von The Paper beträgt die Investition in ein ferngesteuertes Erfassungsgerät etwa 350.000 Yuan, und ein Erfasser kann an einem Tag nur etwa 500 Datensätze erfassen; Ke Zhendong von Leju Robotics schätzt, dass die Erfassung von 10.000 Stunden Daten eine Investition von über einer Million Yuan in Hard- und Software erfordert.

Das problematischste sind jedoch die Standards: Die Schnittstellen der Sensoren, Datenformate und Kennzeichnungsvorgaben verschiedener Hersteller sind nicht kompatibel, sodass die Daten zu isolierten Inseln werden. Ein Team der Shanghai Jiao Tong University hat einmal etwa 120.000 Stunden Daten aus der ersten Perspektive gefiltert, davon waren weniger als 5000 Stunden für das Modelltraining geeignet, die Effektivitätsrate lag unter 4 %. Selbst wenn das Training abgeschlossen ist, ist es nach wie vor unwahrscheinlich, alle realen Szenarien abzudecken.

Eine weiter entfernte Lösung ist das Weltmodell: Roboter sollen die physikalischen Gesetze der realen Welt verstehen und durch Schlussfolgerungen statt durch Erinnerung auf unbekannte Umgebungen reagieren, um eine echte allgemeine Anpassungsfähigkeit zu erreichen.

Dieser Ansatz hat in diesem Jahr zunehmend an Bedeutung gewonnen – NVIDIA hat das Cosmos-Weltgrundmodell veröffentlicht, das Text, Sehen, Audio und Aktionen miteinander verbindet. Auf der gerade zu Ende gegangenen Weltroboterkonferenz hat die Chinese Institute of Electronics auch die Gründung des Expertenausschusses für Weltmodelle angekündigt.

Aber die Bewertung der Branche für den aktuellen Stand ist sehr nüchtern. Auf dem diesjährigen Zhiyuan-Forum erklärte ein Forscher offen, dass es in der physischen Welt „vorläufig keine Weltmodellfähigkeiten gibt, die tatsächlich in die Produktionsphase eintreten können“. Viele weitere sind der Meinung, dass seine kurzfristige Rolle nur ein Datenmotor und ein Trainingswerkzeug ist, nicht das „Gehirn“, das die echten Roboter antreibt. Huang Qingqiu, CTO von Moqi Intelligence, äußerte sich: „Weder das Weltmodell noch VLA sind die Antwort.“

Die Branche hat noch keinen Konsens darüber, wo das Ende der allgemeinen Anpassungsfähigkeit liegt, und es gibt keinen Zeitplan dafür.

Tatsächlich gibt es neben dem Problem der allgemeinen Anpassungsfähigkeit auch das Problem der Kosten, die sich gegenseitig bedingen.

Da die Forschung und Entwicklung auf dem Modell „ein Szenario, ein Gerät“ basiert, bedeutet der Wechsel zu einem anderen Anwendungsszenario oft, dass die mechanische Struktur, die Anordnung der Sensoren und sogar das gesamte Gerätedesign von Grund auf neu erstellt werden müssen. Jede Entwicklung für ein neues Szenario führt zu einem starken Anstieg der Kosten. Und die Szenarienanforderungen von Unternehmen und Nutzern sind stark verteilt, sodass die Forschungs-, Entwicklungs- und Herstellungskosten der gesamten Branche auf hohem Niveau bleiben.

Der Massenproduktionsumfang reicht ebenfalls nicht aus, um Skaleneffekte zu erzielen. Nach Statistiken von Branchenorganisationen beliefen sich die weltweiten Auslieferungen von humanoiden Robotern im Jahr 2025 auf etwa 17.000 Einheiten – zum Vergleich: Die monatlichen Verkaufszahlen eines beliebten Autos liegen oft bei Zehntausenden. Ohne die Tiefe der Massenproduktion wie in der Automobilindustrie lassen sich die Kosten für Bauteile nicht senken.

Die unterschiedlich geformten Roboter bringen zudem eine weitere Belastung mit sich: die Wartung. Ein Medienbericht fasste die Bedenken der Fabriken zusammen: Ob die Roboter stabil arbeiten können, wie lange die Reparatur dauert, wie viele Tage die Anpassung für neue Aufgaben braucht und wer die Verluste durch Ausfallzeiten trägt; hinter vielen Bestellungen stehen „Wartungsverbindlichkeiten“ wie die Bereitstellung von Ingenieuren vor Ort, die Umgestaltung von Spannvorrichtungen und Fehlerbehebung, wobei die Einnahmen die nachfolgenden Investitionen möglicherweise nicht decken.

Wang Li, Direktor für KI-Produkte bei Foxconn Industrial Internet, gab eine direktere Perspektive aus der Fabrik: Die Amortisation der Produktionslinie innerhalb von 3 Jahren ist die Grundlinie. Unter Berücksichtigung der Gesamtlebenszykluskosten erreichen die Kosten eines Roboters erst nach 5 bis 8 Jahren das Niveau eines Fabrikarbeiters.

So gesehen ist die Schlussfolgerung der Fabriken nicht kompliziert: Die aktuellen Roboter rechnen sich nicht.

Der Weg aus der Krise könnte in einer neuen Entwicklungsform liegen

Unter allen branchenüblichen Ansätzen, die versuchen, die Probleme „schlechte allgemeine Anpassungsfähigkeit, hohe Kosten“ zu lösen, verdient einer eine besondere Betrachtung: die Modularisierung.

Die hier gemeinte Modularisierung bedeutet nicht, Roboter in Teile zu zerlegen und zu verkaufen, sondern dass der Roboter selbst die Fähigkeit hat, frei demontiert und neu zusammengesetzt zu werden – wie Lego, mit einem Satz standardisierter Module, die zu Formen zusammengesetzt werden können, die für verschiedene Szenarien geeignet sind. Sie zielt gleichzeitig auf die beiden oben genannten Probleme ab: Die Kombinationsfähigkeit erweitert den Umfang der Szenarienabdeckung, und die Standardisierung senkt die Herstellungskosten erheblich.

Dieses Entwicklungsmodell gibt es schon lange in der Industriegeschichte, das klassischste Beispiel stammt aus der Automobilindustrie. Im Jahr 2012 hat Volkswagen die modulare MQB-Plattform eingeführt, mit einheitlichen Schnittstellenstandards wurden Aggregate wie Motor, Getriebe und Klimaanlage zu wiederverwendbaren „Bausteinen“. Der damalige VW-CEO Martin Winterkorn gab damals Zahlen bekannt: Die Modularisierung senkte die Herstellungskosten um 20 % und verkürzte die Herstellungszeit um bis zu 30 %.

Die gemeinsame Nutzungsrate der Bauteile dieser Plattform erreichte 60 %. Allein die Anzahl der Versionen großer Komponenten wie der Heizung für die vordere Kabine wurde von 102 auf 28 reduziert. In zehn Jahren produzierte die MQB-Plattform insgesamt über 32 Millionen Autos, die mehr als 40 Modelle der vier Marken Volkswagen, Audi, Škoda und SEAT umfassen.

Man kann sagen, dass die Modularisierung allein die Kostenkurve der Automobilindustrie verändert hat.

Aber die Modularisierung von Robotern ist nicht völlig identisch mit der von Autos. Das Wesen der Automobilmodularisierung ist die gemeinsame Nutzung von Bauteilen auf der Produktionsseite, Autobesitzer müssen ihr Auto nicht selbst neu zusammenbauen; Die Modularisierung von Robotern erfordert, dass das Produkt in den Händen des Nutzers noch demontiert und umgebaut werden kann.

Das bedeutet, dass nicht nur die mechanischen und elektrischen Schnittstellen einheitlich sein müssen, sondern auch Antrieb, Wahrnehmung, Steuerung und sogar die übergeordneten Algorithmensysteme sich bei Änderungen der Form in Echtzeit verbinden müssen – wenn ein neues Modul hinzugefügt wird, muss das gesamte Gerät „verstehen“, was es geworden ist, und sofort zusammenarbeiten.

Gerade weil die Hürden hoch sind, erreichen viele Produkte auf dem Markt, die unter dem Banner der „Modularisierung“ angeboten werden, im Wesentlichen nur eine Austauschbarkeit auf der Ebene von Werkzeugen oder Peripheriegeräten: Ein Greifer wird ausgetauscht, ein Saugnapf hinzugefügt oder ein Endeffektor schnell gewechselt. Der Körper des Geräts ändert sich nicht, das System ändert sich nicht, und die Fähigkeitsgrenzen ändern sich natürlich auch nicht. Diese „Pseudomodularisierung“ ähnelt eher einem Zubehörgeschäft und kann die Funktionen und das Entwicklungsmodell von Robotern nicht wirklich verändern.

Echte Modularisierung sollte schichtweise durchgängig sein. Die Praxis von Benuo Technology liefert ein beobachtbares Beispiel: Die öffentliche technische Anordnung dieses Unternehmens ist in drei Schichten unterteilt: Die untere Schicht besteht aus standardisierten Antriebsmodulen, die mittlere Schicht aus kompletten Rad-Fuß-Robotern und die obere Schicht aus einem modularen Verbindungssystem.

Ende 2025 stellte es den D1 vor, den weltweit ersten verkörperten intelligenten Roboter mit „ganzem Gerät als Modul“: Das gesamte Gerät ist um das selbst entwickelte integrierte Direktantriebsgelenkmodul P10 aufgebaut und realisiert die „Integration von Wahrnehmung, Antrieb und Steuerung“. In Kombination mit dem kooperativen Algorithmus des „allgemeinen Kleinhirns“ können zwei D1 innerhalb von 3 Sekunden schnell verbunden werden und zwischen den Formen mit zwei Rad-Füßen und vier Rad-Füßen wechseln. Nach der Verbindung beträgt die Tragfähigkeit 60 kg, und die Module können innerhalb von Millisekunden gemeinsam Kraft ausüben.

In diesem Februar zeigte der D1 bei der Frühlingsgala in Jining, Shandong, die gesamte Form der Zusammenarbeit zwischen Rad-Fuß- und Rad-Fuß-Modulen, Fuß- und Fuß-Modulen sowie Rad-Fuß- und Fuß-Modulen. Auf der Weltroboterkonferenz im August veröffentlichte Benuo Technology die integrierte Gelenkmodulserie HMD-P, die die Basis der Modularisierung weiter für die Industrie öffnet.

Im Vergleich zu den beiden oben genannten Schwierigkeiten ist die Bedeutung dieses Entwicklungsmodells direkt ersichtlich. Erstens kann derselbe Satz von Modulen zu verschiedenen Formen wie Inspektion, Transport und Notrettung zusammengesetzt werden, sodass für die Anpassung an Szenarien keine vollständige Neukonstruktion des Geräts erforderlich ist. Zweitens bedeutet die Allgemeinverwendbarkeit der Module, dass der Ausgangspunkt der Entwicklung bei neuen Szenarien in Zukunft nicht mehr Null ist. Drittens ändert sich die Wartungslogik von „Rücksendung des gesamten Geräts zur Fabrik“ zu „Austausch des Moduls“ – das defekte Modul wird ausgetauscht, wodurch Ausfallzeiten und Nachsorgekosten reduziert werden.

Mit