Die Geschichte der Robotik

Wir erleben gerade, wie Künstliche Intelligenz in Unternehmen Einzug hält, oder auch nicht. KI passt zu Dienstleistungen wie Roboter in die physische Produktion. Vielleicht können wir etwas aus dem Vergleich lernen.

Es dauerte, bis Roboter die Fabrik erreichten

Heute scheint es selbstverständlich, dass Roboter Menschen in der industriellen Produktion unterstützen. Auf 1.000 Mitarbeiter:innen kommen in Deutschland und Japan 45 Roboter, in den USA sind es 31 (Stand 2024, Quelle: Our World in Data).

Ein Wikipedia-Artikel fasst die ersten industriellen Schritte in der Robotik zusammen. Die Geschichte der Robotik begann in den USA mit dem Patent von George Devol 1954 für den Unimate, der 1961 bei General Motors in Serie ging und zunächst für Schweiß- und Handhabungsaufgaben eingesetzt wurde. 

Der Unimate revolutionierte ab 1961 die Automobilproduktion, doch die anfängliche Verbreitung war langsam: Bis Ende der 1960er Jahre gab es nur wenige Installationen, hauptsächlich bei GM. Das Geschäft lief schleppend, bis Japan 1968 Lizenzen übernahm und der Boom in den 1970er/80er Jahren einsetzte.

Foto von Lenny Kuhne auf Unsplash

In Deutschland startete KUKA als Händler US-Roboter ab 1970 bei Mercedes und entwickelte 1973 mit dem Famulus den ersten sechsachsigen Elektro-Industrieroboter.

Frühe Erwartungen an universelle Automatisierung führten nicht zu sofortigem Erfolg; es gab Phasen der Skepsis, ähnlich dem Gartner-Hype-Cycle mit "Tal der Enttäuschung", da Roboter anfangs starr und teuer waren. In den USA kein massiver "Hype-Crash", aber langsames Wachstum; in Deutschland fokussierte man pragmatisch auf Anpassungen ohne große Enttäuschungen. 

Im Jahr 1964 beschäftigt sich der Spiegel mit der Automation, z. B. im Artikel "Einzug der Roboter". Im Jahr 1980 titelte das Time Magazine mit der Überschrift "The Robot Revolution".

Vom Prototyp 1961 dauerte es ca. 10–20 Jahre bis zu signifikantem Wachstum: In den 1980er Jahren ging die Installation von Industrierobotern in den USA hoch (siehe Our World in Data). Deutschland führte Europa an mit Fokus auf Autoindustrie; weltweit stieg der Bestand von wenigen Tausend (1970er) auf Millionen bis 2000.

Lehren für KI heute

Robotik zeigt, dass Hypes realistische Erwartungen dämpfen müssen: Technologien brauchen 10–20 Jahre für Reife, iterative Verbesserungen und Branchenanpassung (z. B. KI wie Sensorik in Robotern).

Martina Heßler fasst in dem Artikel "Die Halle 54 bei Volkswagen und die Grenzen der Automatisierung" die Schwierigkeiten der Automatisierung zusammen. So einfach war es dann doch nicht, Abläufe zu automatisieren. Menschen erkennen leichte Abweichungen sofort und können reagieren. Für Maschinen sind leichte Abweichungen sofort Störungen.

Was können wir daraus lernen?

1. Roboter haben in der Industrie die Menschen nicht ersetzt. KI wird es auch nicht. In einem aktuellen Artikel beim Economist (Paywall) wird der Wirtschaftshistoriker Nicholas Crafts zitiert. Auf die Frage, ob KI zu Massenentlassungen führt, antwortet er: "those warning of AI-driven mass unemployment are predicting something that has never happened before." Die Jobs ändern sich. Und in einer Rezession werden die unproduktiven Jobs zuerst gestrichen.

2. Nach dem Hype kommt das Tal der Enttäuschungen. Das ist normal. Die großen KI-Anbieter erkennen gerade die Grenzen für ihr Wachstum: Es dauert Rechenzentren aufzubauen. Neue Rechenzentren kommen auch nicht gut bei der lokalen Bevölkerung an. Es fehlen Chips für Prozessoren und Grafikkarten. Die Chiphersteller, vor allem TSMC in Taiwan, können und wollen nicht einfach die Produktion massiv steigern. Sie würden Kapazitäten aufbauen, die später ungenutzt bleiben. 

3. Technik muss in die Kultur und Organisation eingebunden werden. Wer schlechte Prozesse mit KI weiter beschleunigt, erhöht das Chaos nur noch. Wir brauchen viel mehr ein Gefühl dafür, wie KI die Menschen unterstützen kann. Dazu brauchen wir stabile Prozesse mit erkennbaren Absichen und guten Daten als Grundlage.

4. Wir brauchen ein Ökossystem für KI. KI-Modelle allein bringen wenig. Wir brauchen Vektordatenbanken, Schnittstellen, Domänenwissen, Prompt-Engineering und Governance. Dieses "boring middleware" wird über Erfolg und Misserfolg entscheiden. In den meisten Betrieben werden externe, vor allem US-amerikanische Frontiermodelle aus verschiedenen Gründen nicht eingesetzt. KI wird vor Ort betrieben. Dazu brauchen wir ebenfalls Kompetenz und lokale Hardware.

Achten wir auf die wirklichen Treiber für KI 

Ich würde nicht sagen, dass wir uns beim Einsatz von KI ewig Zeit lassen können. Panik und Hektik sind nicht angebracht. Ich würde eher darauf schauen, was die eigentlichen Treiber für den Einsatz von KI sind. Externe Treiber sind sicher der demografische Wandel und die Schwierigkeiten, gute Fachkräfte zu finden. Interne Treiber sind Felder, auf denen eine Organisation wachsen oder sich verbessern will.