Die Robotik hat kein „ChatGPT-Moment“-Problem. Sie hat ein geografisches Problem.

Eine ehemalige Führungskraft im Produktmarketing bei Nvidia, die sieben Jahre lang den Geschäftsbereich für Robotikplattformen des Unternehmens aufgebaut hat, leitet nun einen Risikokapitalfonds, der auf einer Wette gegen den Lieblingsslogan ihres ehemaligen Arbeitgebers basiert. Amulya Vishwanath bezeichnet den aktuellen Stand der Branche als „Lego-Ära“: Aktuatoren, Greifer, Software und Sicherheitsstandards werden nach wie vor Stück für Stück zusammengesetzt, und ein bahnbrechendes Modell, das die Praxisreife erreicht, ist noch in weiter Ferne. Im selben Gespräch vertrat Pim de Witte, Geschäftsführer von General Intuition, nahezu die gegenteilige Ansicht: Ein ausreichend allgemeines Grundmodell würde einen Großteil dieser spezialisierten Montagearbeit fast über Nacht überflüssig machen.

Beide Investoren streiten sich über die falsche Variable. Die Frage ist nicht, ob die Robotik einen einzigen „ChatGPT-Moment“ erleben wird. Die Frage ist, ob ein einzelner Moment überhaupt die richtige Form ist, auf die diese Branche hoffen sollte. Vier voneinander unabhängige Ereignisse der letzten 72 Stunden – von der Art, die es nie in eine Keynote schaffen – deuten darauf hin, dass dies wahrscheinlich nicht der Fall ist.

Text basierte auf einem gemeinsamen Ausgangsmaterial. Bei Robotern ist dies nicht der Fall, und dieser Unterschied ist dauerhaft, keine vorübergehende Phase.

Warum ein globaler Moment für Sprache funktionierte, für Hardware jedoch nicht funktionieren wird

ChatGPT konnte in dieser Weise skalieren, weil das Internet bereits einen riesigen, gemeinsamen, mehrsprachigen Textkorpus als ungeplantes Nebenprodukt gewöhnlicher menschlicher Aktivitäten hervorgebracht hatte und jedes Labor, das ein großes Sprachmodell trainierte, auf ungefähr dieselbe Darstellung dieses Korpus zurückgreifen konnte. Ein in Peking trainiertes Modell und ein in San Francisco trainiertes Modell lernen immer noch aus sich überschneidenden Texten.

Der physische Einsatz verfügt über kein vergleichbares gemeinsames Fundament. Ein für ein deutsches Lager zugelassenes Sortiersystem unterliegt anderen Vorschriften als ein für einen chinesischen Gehweg zugelassener Lieferroboter, der wiederum anderen Vorschriften unterliegt als ein für eine philippinische Krankenstation zugelassener Krankenhausroboter. Was die Robotik ausmacht, ist nicht ein einziger Korpus, aus dem alle schöpfen. Es sind Dutzende regionaler Ansammlungen von Hardware, Kapital und Vorschriften, die sich auf getrennten

Uhren, und die Transaktionen dieser Woche sind ein repräsentativer Querschnitt genau davon.

Was die Chipindustrie tatsächlich plant

Microns eigene Gewinnbekanntgaben in diesem Jahr sind ein besserer Indikator für die Entwicklung der Robotik als jede noch so eindrucksvolle Demonstration. Bei der Telefonkonferenz zum Ende des Geschäftsjahres im September nutzte Vorstandsvorsitzender Sanjay Mehrotra autonome Fahrzeuge der Stufe 4 als Bezugspunkt – eine Fahrzeugklasse, für die er einen Bedarf von mehr als 200 Gigabyte an Bordspeicher sowie mehrere Terabyte an Speicherplatz veranschlagte – und erklärte den Investoren, dass ein humanoider Roboter einen weitgehend vergleichbaren Speicherbedarf haben dürfte. Drei Monate zuvor, bei der Telefonkonferenz im Juni, hatte er einen völlig anderen Maßstab herangezogen: Humanoide Roboter, so sagte er, würden etwa das Zehnfache des Speichers eines durchschnittlichen Personenkraftwagens der Stufe 2+ mit sich führen.

Keine der beiden Zahlen ist eine Hardware-Spezifikation. Bei beiden handelt es sich um die eigenen, zukunftsorientierten Schätzungen eines Chipherstellers, die auf zwei unterschiedlichen Vergleichspunkten im Abstand von drei Monaten basieren – was einem Käufer etwas sagen sollte: Selbst das Unternehmen, das den Speicher verkauft, hat sich noch nicht auf ein einziges Referenzdesign für die Anforderungen eines Roboters festgelegt. Das ist kein Unternehmen, das hinter dem Zeitplan zurückliegt. Es handelt sich um ein Unternehmen, das seine Kapazitäten für eine Kategorie plant, die noch nicht standardisiert ist – eine Entscheidung mit mehrjährigen Vorlaufzeiten, die getroffen wird, unabhängig davon, ob ein Forschungslabor im nächsten Quartal ein intelligenteres Modell auf den Markt bringt.

Ein Standard, von dem die meisten Labore für Grundmodelle noch nie gehört haben

Chinas Sektor für autonome Fahrzeuge mit niedriger Geschwindigkeit – die Müllwagen, Lieferwagen und Shuttle-Fahrzeuge, die selten in Finanzierungsschlagzeilen auftauchen – vergab allein im dritten Quartal 2026 fast 200 Aufträge im Wert von mehr als 8 Milliarden RMB (etwa 1,1 Milliarden US-Dollar) allein im dritten Quartal 2026, wodurch die Summe seit Jahresbeginn laut Branchendaten des „New Strategy Low-Speed Automated Driving Industry Research Institute“ auf über 21,8 Milliarden RMB (etwa 3 Milliarden US-Dollar) stieg. Die Verteilung innerhalb dieser Zahl ist das eigentliche Highlight: Aufträge im Wert von 1 Million bis 10 Millionen RMB (etwa 140.000 bis 1,4 Millionen US-Dollar) machten 72 Prozent aller Aufträge aus, wobei

zählen, während die rund ein Fünftel der Projekte mit einem Auftragswert von über 100 Millionen RMB (etwa 14 Millionen US-Dollar) mehr als 95 Prozent des Gesamtwerts ausmachten.

Diese ungleiche Verteilung entstand nicht von selbst. Eine nationale technische Norm, GA/T 2388-2026, trat am 1. Juli in Kraft und wird in den brancheninternen Berichten ausdrücklich als Faktor genannt, der größeren, besser in der Lage befindlichen Betreibern dabei half, einen wachsenden Anteil an Aufträgen zu gewinnen. Eine bürokratische Anforderung – und kein intelligentes Modell – hat lediglich neu bestimmt, wer auf einem der weltweit größten Märkte für den Einsatz von Robotik mitbieten darf.

Hardware-Konsolidierung und Schulungsinfrastruktur – ein ganzer Kontinent trennt sie

Zwei weitere Datenpunkte aus derselben Woche vervollständigen das Bild. Symbotic, das US-amerikanische Unternehmen für Lagerautomatisierung, übernahm das in Bremen ansässige Unternehmen Cellumation und dessen „celluveyor“-Plattform – eine omnidirektionale Sortierzelle, die aus unabhängig voneinander gesteuerten Modulen anstelle von festen Förderbändern aufgebaut ist. Es ist Symbotics zweite Übernahme im Robotikbereich in diesem Jahr, nach Fox Robotics im Februar, und Geschäftsführer Rick Cohen bezeichnete die Technologie als „bahnbrechend“ für Durchsatz und Flächennutzung. Die Vorteile von „celluveyor“ lassen sich nicht durch ein Sprachmodell erklären. Sie beruhen auf Maschinenbaukunst, für deren Patentierung und Produktentwicklung die Gründer von Cellumation Jahre in einer deutschen Stadt benötigt haben.

Auf der anderen Seite der Welt nahm Hongkong am 15. Oktober eine neue Einrichtung in Betrieb: seinen ersten Trainingsort für „embodied intelligence“, der für den internationalen Einsatz konzipiert wurde und vom Hong Kong Productivity Council mit dem ausdrücklichen Ziel errichtet wurde, die Lücke zwischen dem, was ein Roboter in einer Demonstration leistet, und dem, was im realen Einsatz Bestand hat, zu schließen. Die erste Phase startete mit bereits sieben Technologiepartnern und acht internationalen Szenariopartnern, wobei Forschung, Modelltraining, Systemverifizierung und Szenariotests in einer einzigen Einrichtung vereint wurden – eine staatlich finanzierte Antwort auf ein Problem, das kein Labor für Grundmodelle freiwillig allein lösen wollte.

Keine dieser vier Geschichten würde einen Jensen Huang

Keynote-Folie. Alle vier stellen die konkreten Mechanismen dar, durch die die Robotik in diesem Quartal leistungsfähiger wird.

Der Punkt, in dem beide Investoren Recht haben, und der Punkt, den die Daten korrigieren

De Wittes zugrunde liegender Gedanke verdient mehr Anerkennung, als ihm die obige Darstellung zuteilwird. Ein wirklich allgemeines Grundmodell würde nach wie vor große Teile der engen, aufgabenspezifischen Softwareebene – die Palettierungslogik, die Sortierroutenführung, den Wahrnehmungsstack –, die Unternehmen wie CMES Robotics derzeit als differenzierte Produkte verkaufen, zu Massenware machen. CMES präsentiert diesen Monat auf seiner ersten US-Fachmesse seinen KI-gestützten Palettierer für gemischte Kartons – eine Fähigkeit, die bei der Palettierung einheitlicher Kartons bereits vor Jahren gelöst wurde, während sich die Automatisierung gemischter Kartons bis vor kurzem noch als schwierig erwiesen hat. Sollte ein allgemeines Modell diese Art der Handhabung variabler Geometrien schließlich als Nebeneffekt eines umfassenderen Trainings bewältigen, würde ein bedeutender Teil der heutigen spezialisierten Robotik-Anbieter seinen Wettbewerbsvorteil innerhalb eines einzigen Release-Zyklus verlieren. Dieses Risiko ist real und stellt das stärkste Argument gegen die in diesem Beitrag vertretene These der Fragmentierung dar.

Was die Erkenntnisse dieser Woche widerlegen, sind der Zeitpunkt und die Form, nicht die Möglichkeit. Kapitalgeber, Normungsgremien und Hardware-Lieferketten verhalten sich nicht so, als würden sie auf einen einzigen Durchbruch warten, bevor sie sich engagieren. Sie bauen bereits jetzt regionsspezifische und branchenspezifische Infrastrukturen auf, ausgehend von der Annahme, dass jede noch zu entwickelnde Intelligenz auf der Grundlage der vor Ort bereits vorhandenen physischen und regulatorischen Rahmenbedingungen laufen muss. Ein Modell, das in einem Labor in San Francisco immer intelligenter wird, muss dennoch die Norm GA/T 2388-2026 in Guangdong sowie die eigenen Beschaffungsvorschriften eines philippinischen Krankenhauses in Manila erfüllen. Intelligenz lässt sich global skalieren. Die Einführung erfolgt jedoch Schritt für Schritt in den einzelnen Rechtsräumen.

Was dies für alle bedeutet, die kaufen und nicht nur zuschauen

Ich betreibe eine Plattform, die jede Woche Hunderte dieser Anmeldungen, Normenaktualisierungen und Übernahmen erfasst, und das Muster, das tatsächlich vorhersagt, welche

Der Erfolg von Investitionen in die Robotik hängt nicht davon ab, welches Labor die beeindruckendsten Benchmark-Ergebnisse veröffentlicht. Entscheidend ist vielmehr, welche Unternehmen still und leise die für ihre jeweilige Region erforderlichen Voraussetzungen in Bezug auf Compliance, Leistungsfähigkeit und Hardware schaffen – unabhängig davon, welches Grundmodell sich letztendlich durchsetzen wird.

Für einen Käufer, der in Manila und nicht in Shenzhen oder Boston ansässig ist, bedeutet dies, dass die entscheidende Frage niemals lautet: „Wann kommt der große Moment der Robotik?“ Die Frage lautet vielmehr: „Wie sieht die Version der Norm GA/T 2388-2026 in meinem eigenen Rechtsraum aus, wer ist bereits in der Lage, diese zu erfüllen, und halten die Angaben meines Anbieters zu Verfügbarkeit und Konformität auch vor Ort stand – und nicht nur auf einer Folie, die für einen anderen Markt erstellt wurde?“ Die Branche ist kein einziges Rennen mit einer einzigen Ziellinie. Es sind Dutzende regionaler Rennen, von denen einige bereits in vollem Gange sind, und die Akteure, die sie in diesem Quartal gewinnen, sind nicht diejenigen mit dem cleversten Modell. Es sind diejenigen, die aufgehört haben, auf eines zu warten.

Diese Analyse spiegelt die persönliche Interpretation des Autors eines kürzlich aufgezeichneten Interviews mit Amulya Vishwanath von Techable VC und Pim de Witte von General Intuition wider, sowie die Äußerungen von Micron in den Gewinnkonferenzen vom September und Juni 2026, Branchendaten zum chinesischen Sektor für autonome Fahrzeuge mit niedriger Geschwindigkeit vom New Strategy Low-Speed Automated Driving Industry Research Institute, die eigenen Stellungnahmen von Symbotic und Cellumation zu ihrer Übernahme, die eigenen Unterlagen des Hong Kong Productivity Council zu seinem Trainingsgelände für „embodied intelligence“ sowie die eigenen Stellungnahmen von CMES Robotics zu ihrem Debüt auf der PACK EXPO International 2026. Diese Informationen dienen ausschließlich allgemeinen Informationszwecken und stellen keine Anlage-, Rechts- oder Fachberatung dar.

Titelbild: Die „celluveyor“-Sortierzelle von Cellumation, mit freundlicher Genehmigung von Cellumation.