Bevor Roboter in großem Umfang ihren Dienst aufnehmen, brauchen sie zunächst eine große Gruppe von „Lehrern“: Welche Hinweise gibt dieser neue Beruf für die Beschäftigung?

Während viele Menschen befürchten, dass Roboter ihnen die Arbeitsplätze wegnehmen, steht eine Gruppe junger Menschen bereits direkt an der Seite der Roboter.

Sie setzen VR-Brillen auf, greifen zu Steuergriffen und demonstrieren wiederholt, wie man Flaschen greift, Wäsche faltet, Esstische ordnet und Waren sortiert. Eine scheinbar einfache Bewegung kann 300 bis 1000 Mal wiederholt werden; eine 5-minütige Aufgabe wird in 7000 bis 8000 Frames an Daten aufgeteilt. Bevor Roboter lernen, zu arbeiten, müssen Menschen zuerst die Arbeit in „Lehrmaterialien“ zerlegen, die sie verstehen können.

Diese Gruppe von Menschen wird teilweise als Trainer für humanoide Roboter bezeichnet, andere Stellenbezeichnungen lauten Datenerfasser, Modelltrainer oder KI-Trainer.

Neue Berufe entstehen gerade, aber was für normale Menschen wirklich beachtenswert ist, ist nicht, einem Job einen technisch anmutenden Namen zu geben, sondern eine Veränderung zu erkennen: Zukünftige Beschäftigungsmöglichkeiten entstehen immer häufiger im „Zwischenraum zwischen Mensch und Maschine“.

Roboter beim Arbeiten beizubringen, ist körperlicher anstrengender als gedacht

Im Innovationszentrum für humanoide Roboter in Hubei steuern Trainer Roboter, um Aktionen wie Greifen und Ablegen auszuführen. Allein das Ordnen des Esstisches und das Platzieren von Speisen sind in 20 konkrete Schritte unterteilt; nach Abschluss der Datenerhebung müssen die Daten noch gereinigt, markiert und geprüft werden, um zu gültigen Datensätzen zu werden.

Das Zentrum verfügt bereits über fast 100 Trainer, produziert täglich etwa 24.000 Datensätze mit einer jährlichen Erfassungsmenge von etwa 6 Millionen Datensätzen. Die Trainingsszenarien decken Bereiche wie Supermärkte, Cafés, Produktionslinien, Lager, Wohnungen und Labore ab.

Im Trainingsstützpunkt in Peking sind mehr als 120 Roboter eingesetzt, die in über 30 Szenarien in sechs Bereichen: Haushalt, Supermärkte, Büro, Industrie, Medizin und Gesundheitspflege trainiert werden. Der Stützpunkt hat eine tägliche Datenproduktionskapazität von über 500 Stunden, eine Datengültigkeitsrate von über 95 % und eine jährliche Produktionskapazität von über zehn Millionen Datensätzen.

Es klingt, als würde man an Spitzenforschung mitwirken, aber die praktische Arbeit besteht oft darin, sich immer wieder zu wiederholen: Arm heben, Handgelenk drehen, greifen, bewegen, ablegen. Wenn die Bewegung nicht flüssig ist, die Kraft nicht passt oder die Daten unvollständig sind, muss man von vorne anfangen.

Dieser Beruf hat technischen Anspruch, aber nicht jede Stelle ist die eines Algorithmenentwicklers.

Aus öffentlichen Stellenausschreibungen geht hervor, dass grundlegende Datenerfassungsstellen in der Regel einen Fachhochschul- oder Bachelorabschluss verlangen. Die Arbeitsinhalte umfassen das Tragen von VR- oder Bewegungserfassungsgeräten, das Steuern von Robotern zum Ausführen von Aktionen wie Greifen, Transportieren und Stapeln sowie das gleichzeitige Aufzeichnen, Auswählen und Reinigen von Daten. Einige Stellen arbeiten nach einem Sechs-Tage-Arbeitswochenmodell mit einem Gesamtmonatsgehalt von etwa 4000 bis 7000 Yuan; eine weitere Stellenausschreibung in Peking bietet ein Gehalt von etwa 5000 bis 6000 Yuan.

Das zeigt zumindest eines: Man darf nicht automatisch annehmen, dass eine Stelle mit den Wörtern „KI“ und „Roboter“ im Namen gleichbedeutend mit leichter Arbeit, hohem Gehalt und glänzender Erscheinung ist.

Der technische Charme gehört der Branche an, das Gehalt wird letztendlich durch die Knappheit der Stelle bestimmt.

Warum brauchen wir umso mehr Menschen, je intelligenter die Maschinen werden?

Große Sprachmodelle können aus massiven Textmengen lernen, aber Roboter stehen vor einer komplizierteren realen Welt.

Selbst beim Aufheben eines Bechers können Material, Gewicht, Position, Licht und Hindernisse in der Umgebung unterschiedlich sein. Wenn man zu wenig zugreift, fällt der Becher herunter, wenn man zu viel zugreift, könnte er zerbrechen; wenn der Becher auf dem Tisch nur leicht gedreht wird, kann die ursprünglich wirksame Aktion ebenfalls versagen.

Was den Robotern fehlt, ist nicht nur „Wissen“, sondern auch körperliche Erfahrung.

Trainer zeichnen Videobilder, Gelenkwinkel, Bewegungsbahnen, Kraft und taktiles Feedback durch Fernsteuerung, Bewegungserfassung und Demonstrationen in der realen Szene auf. Diese Daten werden dann gereinigt, markiert und trainiert, damit Roboter allmählich lernen, eine Aktion auf verschiedene Umgebungen zu übertragen.

Das erklärt auch, warum die Nachfrage nach Daten umso größer wird, je weiter die Roboterindustrie in reale Szenarien vordringt. Praktiken in der Branche zeigen, dass die Datenmenge, die für das Training eines hochwertigen großen Embodied-Modells benötigt wird, bis zu zehn Millionen oder sogar hundert Millionen Stunden erreichen kann; bei einer konkreten industriellen Aktion können Zehntausende von realen Szenariodaten die Erfolgsrate der Aufgabe nur auf 80 % bis 90 % trainieren, um die stabile Verwendbarkeit weiter zu erreichen, müssen noch mehr Daten ergänzt werden.

Damit entstehen auch kommerzielle Probleme.

Wenn die Erfassung einer Fertigkeit eine große Menge an Geräten, Räumlichkeiten und Personal erfordert, und jede Roboterarchitektur sowie jede Art von Anwendungsumgebung nicht vollständig identisch sind, können Daten zum teuersten „unsichtbaren Bauteil“ in der Embodied-Intelligence-Industrie werden.

Daher ist das Auftauchen von Trainern kein Zufall. Die Industrie wandelt sich von „Roboter herstellen“ zu „Roboter stabil arbeiten lassen“, und Beschäftigungsmöglichkeiten erweitern sich von der Hardwareherstellung zur Datenproduktion, Szenariogestaltung, Testbewertung sowie Betrieb und Wartung.

Im Wesentlichen ist der Beruf des Robotertrainers das Ergebnis davon, dass diese Industriekette beginnt, fehlende Teile nachzuholen.

Auch neue Berufe haben ihre eigene „Fertigkeitsstufung“

Bei der Diskussion über solche Stellen ist der häufigste Fehler, alle Trainer als dieselbe Art von Arbeit zu betrachten.

Tatsächlich kann sie mindestens in drei Ebenen unterteilt werden.

Die erste Ebene ist die ausführende Stelle für die Datenerfassung. Die Mitarbeiter bedienen Geräte nach vorgeschriebenen Aktionen und erledigen die Datenaufzeichnung, erste Auswahl und Upload. Der Eintrittsschwellenwert auf dieser Ebene ist relativ niedrig, aber die Arbeit ist sehr repetitiv und wird am leichtesten von Prozessstandardisierung und automatischen Erfassungstechnologien beeinflusst.

Die zweite Ebene ist die Stelle für Datenqualitätskontrolle und Szenariogestaltung. Sie erfordert, dass die Mitarbeiter wissen, welche Daten gültig sind, warum sie fehlschlagen und wie sie die Position von Objekten, Licht, Aufgabenschwierigkeit und Ausnahmesituationen anpassen. Menschen wiederholen nicht nur Aktionen, sondern stellen den Robotern „Aufgaben“.

Die dritte Ebene ist die Stelle für Modelltraining und -bereitstellung. Sie erfordert das Verständnis von maschinellem Sehen, bestärkendem Lernen, Steueralgorithmen, Sensoren und spezifischen Branchenabläufen, um Daten, Modelle und reale Aufgaben miteinander zu verbinden. Solche Stellen haben einen höheren Eintrittsschwellenwert, liegen aber näher am Kern des Branchenwerts.

Die Behörden für Humanressourcen und soziale Sicherheit haben bereits den „Staatlichen Berufsfertigkeitsstandard für KI-Trainer“ veröffentlicht. Die berufliche Kompetenz reicht von Facharbeitern bis hin zu hochqualifizierten Technikern und umfasst Datenerfassung, Datenmarkierung, Wartung intelligenter Systeme und Geschäftsanalyse im Kompetenzsystem.

Daher ist es für Menschen, die in dieses Feld einsteigen wollen, nicht wirklich wichtig, sich den Namen „Robotertrainer“ zu sichern, sondern zu beurteilen, auf welcher Ebene sie sich befinden und ob sie die Fähigkeit haben, aufzusteigen.

Wenn der Arbeitsinhalt nach vielen Jahren immer noch nur darin besteht, Aktionen nach einem Skript zu wiederholen, werden die grundlegenden Stellen umso wahrscheinlicher zuerst im Preis gedrückt, je schneller die Maschine lernt. Im Gegenteil haben Menschen, die Datenmängel erkennen, Trainingsaufgaben gestalten, Branchenabläufe verstehen und Bereitstellungsprobleme lösen können, mehr Chancen, den Wert des Branchenwachstums zu teilen.

Kurz gesagt, es gibt zwei Arten von Lehrern für Roboter: Einige sind für das Kopieren von Lehrmaterialien zuständig, andere für die Gestaltung von Lehrplänen.

Roboter schaffen neue Stellen und schreiben alte Stellen neu

China ist bereits der weltweit größte Markt für Industrieroboter. Daten der Internationalen Föderation für Robotik zeigen, dass China im Jahr 2024 295.000 Industrieroboter installiert hat, was 54 % der weltweit neu installierten Menge entspricht; die Anzahl der im Einsatz befindlichen Industrieroboter übersteigt 2 Millionen.

Eine so große Anzahl von im Einsatz befindlichen Robotern bedeutet, dass die Auswirkungen auf die Beschäftigung nicht im Labor bleiben.

Auf der einen Seite ersetzen Roboter einige Aufgaben mit hohem Wiederholungsgrad, hohem Risiko oder extrem hohen Genauigkeitsanforderungen; auf der anderen Seite bringen sie neue Arbeiten wie Geräteeinstellung, Datentraining, Wartung vor Ort, Systemintegration, Sicherheitsbewertung und Mensch-Maschine-Kooperation mit sich. Die Internationale Föderation für Robotik fasst relevante Forschungsergebnisse zusammen: Der Mechanismus, mit dem Roboter die Beschäftigung beeinflussen, ist keine einfache Substitution, sondern gleichzeitig existieren Aufgabenersetzung, Produktivitätssteigerung und das Wiederauftauchen neuer Aufgaben.

Aber zwischen neuen und alten Stellen gibt es keine einfache Additions- oder Subtraktionsrechnung, bei der die Anzahl der Personen direkt verrechnet werden kann.

Stellen, die Fließbandarbeiter verlieren, werden nicht unbedingt in derselben Stadt oder im selben Unternehmen zu Wartungsstellen für Roboter; Menschen, die Produkte geschickt zusammenbauen können, erwerben nicht automatisch die Fähigkeit, Sensoren einzustellen und Daten zu analysieren. Neue Berufe nehmen zwar zu, aber Fähigkeitsfehlanpassung, regionale Fehlanpassung und Altersgrenzen existieren ebenfalls.

Das ist die Seite der Geschichte über die Beschäftigung durch Roboter, die leicht übersehen wird: Technologie kann gleichzeitig Stellen schaffen und Transformationsdruck erzeugen, und die beiden treffen oft nicht auf dieselbe Gruppe von Menschen.

Daher ist die wertvollste Frage für Arbeitnehmer nicht „Wird der Roboter mir den Job wegnehmen?“, sondern welche Aufgaben in ihrer eigenen Arbeit leicht von Maschinen übernommen werden können und welche Erfahrungen in die Fähigkeit umgewandelt werden können, Maschinen zu trainieren, zu verwalten und zu korrigieren.

Normale Menschen, die in das neue Feld einsteigen, sollten zuerst fünf Fragen stellen

Angesichts eines gerade aufstrebenden Berufs muss man ihn weder verpassen noch alle Einsätze auf den Namen setzen.

Zuerst sollte man prüfen, was die Stelle tatsächlich liefert. Wenn die Bezahlung nur nach Arbeitszeit, Anzahl der Aktionen oder Menge gültiger Daten berechnet wird, ähnelt sie eher einer neuen Art von Fließbandstelle; wenn die Gestaltung von Lösungen, die Analyse von Fehlerursachen und die Optimierung von Modellen erforderlich sind, ist der Entwicklungsraum in der Regel größer.

Zweitens sollte man prüfen, ob die Fertigkeiten übertragbar sind. Die Bedienungsmethoden von VR-Geräten können sich von Unternehmen zu Unternehmen unterscheiden, aber die Beurteilung der Datenqualität, Sensoreneinstellung, grundlegende Programmierung und Branchenkenntnisse können auf mehr Unternehmen übertragen werden.

Drittens sollte man sich die Branchenszenarien ansehen. Die Anforderungen an Roboter in Industrie, Logistik, Medizin, Altenpflege und Haushaltsdienstleistungen sind völlig unterschiedlich. Wer nur Roboter versteht, aber die Szenarien nicht, bleibt leicht im Demonstrationsstadium stecken; wer sowohl Geräte als auch Verfahren versteht, kommt den Problemen näher, für die Unternehmen bereit sind zu zahlen.

Viertens sollte man die Arbeitsbedingungen prüfen. Langes Tragen von VR-Geräten und wiederholte Armbewegungen können zu Schwindel, Müdigkeit und berufsbedingten Verletzungen führen; einige Stellen sehen Nachtschichten, Akkordarbeit und hohe Anforderungen an die Datengültigkeitsrate vor. Man sollte sich über Arbeitszeit, Leistungsberechnung, Schulungsgebühren und Arbeitsschutz im Klaren sein.

Schließlich sollte man prüfen, ob die Kommerzialisierung real ist. Ein schöner Roboter-Demonstration bedeutet nicht, dass Kunden bereit sind, kontinuierlich zu zahlen. Derzeit haben humanoide Roboter noch deutliche Einschränkungen in Bezug auf Geschicklichkeit, Umgebungsanpassungsfähigkeit, Kosten und Stabilität, einige Anwendungen hängen noch von voreingestellten Abläufen und menschlichen Eingriffen ab.

Nur wenn Roboter in Fabriken, Lagern, Supermärkten oder Pflegeeinrichtungen tatsächlich Einnahmen erzielen und Kosten sparen, können die um sie herum entstandenen Stellen langfristig existieren.

Das Wertvollste, was man lernen kann, ist nicht, eine Bewegung tausendmal zu wiederholen

Der Beruf des Robotertrainers ist wie ein Spiegel, der ein wichtiges Gesetz der zukünftigen Beschäftigung widerspiegelt.

Neue Technologien erzeugen nicht nur „Wissenschaftler“ und „Programmierer“. Jede industrielle Modernisierung führt zu einer großen Anzahl von Zwischenstellen zwischen Technologie und der realen Welt: Einige sammeln Daten, andere gestalten Szenarien, andere testen die Sicherheit, andere warten Geräte, und wieder andere sind dafür zuständig, die unscharfen Anforderungen der Kunden in Aufgaben zu übersetzen, die Maschinen ausführen können.

Diese Stellen öffnen jungen Menschen und Arbeitnehmern, die ihren Arbeitsplatz wechseln, eine Tür, aber hinter der Tür gibt es nicht nur Abkürzungen zu hohen Gehältern.

Die Fähigkeit mit langfristigem Wert besteht darin, zu verstehen, wie die reale Arbeit abläuft, zu wissen, warum Maschinen Fehler machen, und menschliche Erfahrungen in Daten, Abläufe und Standards umzuwandeln. Heute lehrt man Roboter, Wäsche zu falten, morgen könnte es wertvoller sein, zu beurteilen, warum Roboter Wäsche nicht gut falten können und wie man sie dazu bringt, Wäsche in verschiedenen Räumen von Tausenden von Haushalten gut zu falten.

Laufen Sie nicht nur dem neuesten Berufsnamen hinterher. Bemühen Sie sich, an die Position zu gelangen, an der die Maschine Sie braucht, um Probleme zu definieren, Ausnahmen zu bearbeiten und Verantwortung zu übernehmen.

In Zukunft müssen Menschen nicht unbedingt in jeder Sache schneller sein als Roboter, aber sie müssen besser verstehen als Roboter: Warum diese Sache getan werden muss, wie man sie gut macht und was zu tun ist, wenn etwas schiefgeht.

Referenzmaterialien:

1. Volkszeitung: „Als Lehrer für humanoide Roboter arbeiten“, 2. September 2026

2. Xinhua-Nachrichtenagentur: „Chefreporter spricht über Wirtschaft im ersten Quartal · Beschäftigungskapitel | Neue Geschäftsformen und neue Felder bringen neue Berufe und neue Stellen hervor“, 24. April 2026

3. Xinhua-Nachrichtenagentur: „Daten „füttern“ das „Groß- und Kleinhirn“ von Robotern – Besuch des Daten- und Trainingsstützpunkts für Embodied-Intelligence-Roboter im Innovationszentrum für humanoide Roboter in Peking“, 14. Juni 2026