Agility Robotics erreicht eine Unternehmensbewertung von 2,5 Milliarden US-Dollar, während „Digit“ den Schritt in den Unternehmensmarkt vollzieht

Experten aus der Robotikbranche trafen sich diese Woche auf der AI4 in Las Vegas und einigten sich auf einen ehrgeizigen Meilenstein für die Branche. Sie bezeichneten das Jahr 2026 als das „Jahr des Roboters“, da Vorführungen von Humanoiden und mobilen Manipulatoren im Mittelpunkt standen und Unternehmen nicht mehr fragten, ob sie diese Technologien erproben sollten, sondern wann sie sie kaufen könnten. Agility Robotics bestätigte eine neue Unternehmensbewertung von 2,5 Milliarden US-Dollar inmitten lebhafter Gespräche darüber, dass Pilotprojekte in Kaufaufträge münden.

Das AI4-Programm legte den Schwerpunkt stark auf physische KI und spielte die reinen generativen KI-Vorführungen herunter. Das Interesse der Besucher konzentrierte sich auf Hardware, die heben, tragen und platzieren kann. Der „Digit“ von Agility lief, griff und stapelte mit Souveränität. Start-ups und etablierte Unternehmen legten Zeitpläne für den Produktionsausbau fest und versprachen eine sicherere Zusammenarbeit zwischen Mensch und Roboter in realen Fabrikhallen statt an Labortischen.

Agility Robotics wurde 2015 gegründet, hat seinen Hauptsitz in Corvallis, Oregon, und ist zu einem zentralen Akteur für den Aufstieg humanoider Plattformen in der Unternehmensautomatisierung geworden. Das Unternehmen entwickelt und baut „Digit“, einen zweibeinigen mobilen Manipulator, der für Materialtransportaufgaben in Lagerhäusern und Fabriken konzipiert ist. Seine Marktnische liegt zwischen autonomen mobilen Robotern und fest installierten Roboterarmen und bringt Mobilität im menschlichen Maßstab in repetitive Arbeitsabläufe, die nach wie vor schwer zu automatisieren sind.

Digit ist ein herausragendes Beispiel für das, was die Branche mittlerweile als „Physical AI“ bezeichnet. Dieser Begriff bezieht sich auf Systeme, die in der realen Welt wahrnehmen, schlussfolgern und handeln, wobei sie eine Kombination aus maschinellem Lernen, klassischer Steuerung und robuster Hardware nutzen. Während Chatbots Wörter und Bilder generieren, leistet Digit praktische Arbeit. Er bewegt sich in engen Räumen, handhabt unterschiedliche Objekte und arbeitet innerhalb eines Sicherheitsrahmens, der für den Einsatz in Umgebungen mit Menschen ausgelegt ist.

Der Kaufzyklus in Unternehmen verlagert sich von Pilotprojekten hin zur Serienproduktion

Seit mehreren Jahren führen führende Unternehmen aus den Bereichen Lagerhaltung und Fertigung Proof-of-Concept-Projekte mit Humanoiden durch. Das bekannteste Referenzprojekt von Agility ist das Pilotprojekt mit Amazon zur Bewältigung von Recyclingaufgaben im Zusammenhang mit Transportkisten, die zwar mühsam, aber notwendig sind in

Fulfillment-Zentren. Gespräche auf der AI4 deuten darauf hin, dass es 2024 und 2025 zu Bestellungen im Flottenumfang kommen wird, wobei 2026 zum Zeitrahmen für den breiten Einsatz werden dürfte.

In der Denkweise der Käufer gibt es eine wichtige Nuance. Bei frühen Experimenten ging es um die Frage, ob Humanoide zuverlässig gehen können, ohne zu stürzen. Heute konzentrieren sich die Fragen auf die Gesamtkosten pro Aufgabe und die Integration in Lagerverwaltungssysteme. Käufer erwarten Lieferzeiten, Service-Level-Vereinbarungen und Durchsatzkennzahlen, gemessen in Behältern pro Stunde. Diese Stimmung spiegelt eine allgemeine Reifung wider. Waren die letzten zwei Jahre von Befehlen und Tokens geprägt, müssen die nächsten zwei Jahre von Kommissioniervorgängen und Paletten geprägt sein.

Die Strategie der Kapitalhebelwirkung hinter der Bewertung von Agility

Mit einer Bewertung von 2,5 Milliarden US-Dollar zählt Agility zu den Spitzenreitern in einem kapitalintensiven Wettlauf. Physische KI erfordert Fabriken, Lagerbestände, Außendienst sowie Sicherheitszertifizierungen. Dies sind keine optionalen Gemeinkostenposten. Sie sind die Einstiegskosten. Das Unternehmen hat seine RoboFab-Produktionsstätte in Salem, Oregon, eröffnet und den Weg für eine Jahresproduktion von Tausenden von Einheiten signalisiert, sobald sich Kundennachfrage und Komponentenversorgung aufeinander abstimmen.

Die Kapitalstruktur des Unternehmens muss daher eine doppelte Aufgabe erfüllen. Sie finanziert das Kernprogramm für Mechatronik und Software und sichert gleichzeitig den Ausbau der Lieferkette ab, der die Stückkosten senkt. Konkurrenten sind ähnlichen Strategien gefolgt. Figure AI hat Berichten zufolge Anfang dieses Jahres bei einer Bewertung von rund 2,6 Milliarden US-Dollar etwa 675 Millionen US-Dollar von Partnern aus der Big-Tech-Branche und der Automobilindustrie eingeworben. Hyundai erwarb 2021 für rund 1,1 Milliarden US-Dollar eine Mehrheitsbeteiligung an Boston Dynamics, um die Mobilität auf Beinen in eine umfassendere Strategie zur industriellen Automatisierung zu integrieren. Die Wettbewerber verfügen über ausreichend Kapital, um gleichzeitig Sprints und Marathons zu bestreiten.

Physische KI verlagert den Unternehmens-Stack vom Chat zum Chassis

In den Konferenzvorträgen wurde eine Neuausrichtung der KI-Ausgaben in Unternehmen beschrieben. Generative Plattformen bleiben für die Dokumentation und Code-Unterstützung unverzichtbar, doch der marginale

Der Markt verschiebt sich zunehmend hin zu Systemen, die Lagerbestände und Teile transportieren. Stellen Sie sich das wie ein Unternehmen vor, das eine Armee intelligenter Sachbearbeiter ausgebildet hat, nun aber Gabelstapler und qualifizierte Lagerarbeiter benötigt, um Produkte zu versenden. Intelligenz ohne körperliche Umsetzung stößt in Umgebungen, die von körperlicher Arbeit geprägt sind, schnell an ihre Grenzen.

Das Alleinstellungsmerkmal von Digit ist seine menschenfreundliche Bauweise. Er überwindet Schwellen, wendet in engen Gängen und erreicht Regale ohne größere infrastrukturelle Änderungen. Dieser Ansatz steht im Gegensatz zu Flotten autonomer Transportwagen und fest installierter Roboterarme, die spezielle Zonen und die Umgestaltung von Förderanlagen erfordern. Für Betreiber mit Hunderten von Bestandsanlagen kann ein Roboter, der sich an das Gebäude anpasst, anstatt dass sich das Gebäude an den Roboter anpassen muss, die Einführungszeit verkürzen und die Investitionskosten senken.

Die Realitäten der Lieferkette werden über Erfolg oder Misserfolg der Einführung humanoider Roboter entscheiden

Die erste Welle des Masseneinsatzes wird auf eine bekanntermaßen angespannte Lieferkette für Präzisionskomponenten treffen. Humanoide Roboter sind auf Dehnungswellen-Getriebe, Motoren mit hoher Drehmomentdichte, Leistungselektronik, leichte Strukturwerkstoffe und Hochleistungsrechner angewiesen. Japanische Anbieter wie Harmonic Drive Systems und Nabtesco dominieren den Markt für zentrale Antriebskomponenten. Schweizer und deutsche Motorspezialisten liefern kompakte Servomotoren. Sensoren stammen von japanischen, europäischen und US-amerikanischen Unternehmen, darunter IMUs, 3D-Kameras und Kraftsensoren.

Diese Konzentration birgt ein Risiko. Die Lieferzeiten für Harmonic-Antriebe haben sich in der Vergangenheit bei Nachfragespitzen auf mehrere Monate verlängert. Batteriezellen mit hoher Leistungsdichte stehen in Konkurrenz zu E-Bikes und Industrieanlagen. Edge-AI-Rechenplatinen basieren auf GPUs und NPUs, die weiterhin zyklischen Engpässen unterliegen. Exportkontrollen erschweren die Beschaffungsstrategien für Unternehmen mit globalen Ambitionen. Die Entscheidung von Agility, in den Vereinigten Staaten zu produzieren, trägt dazu bei, geopolitische Risiken zu mindern, schützt das Unternehmen jedoch nicht vor Engpässen bei vorgelagerten Komponenten, die vor allem in Japan, Europa und Taiwan auftreten.

Um mit dieser Realität umzugehen, bedarf es eines Vorgehens, das

Automobilindustrie. Die Beschaffung kritischer Bauteile aus verschiedenen Quellen, die Qualifizierung von Zweit- und Drittlieferanten sowie die Anpassung des Designs an Lieferengpässe können strategisch ebenso entscheidend sein wie jeder Durchbruch im Bereich des maschinellen Lernens. Ein Humanoid, der auf ein einziges Antriebsbauteil mit langer Vorlaufzeit angewiesen ist, stellt für jedes Markteinführungsziel einen Single Point of Failure dar. Die Gewinner werden die Hardware-Beschaffung als ein vorrangiges ingenieurtechnisches Problem behandeln.

Das Verhältnis von Leistung zu Preis muss mit der Lagerwirtschaft vereinbar sein

Unternehmen messen die Automatisierung anhand der Kosten pro gehandhabter Einheit und der Amortisationszeit. Für Digit bedeutet dies, eine Roboter-Stunde mit einer menschlichen Arbeitsstunde bei Aufgaben wie dem Entladen von Transportbehältern, dem Bewegen von Rückgabebehältern oder dem Transportieren von Artikeln aus einem Bereitstellungsbereich auf ein Förderband zu vergleichen. Wenn ein Roboter nach Abschreibung 12 bis 20 US-Dollar pro Stundenäquivalent kostet, ist er auf Märkten mit Arbeitskräftemangel und hoher Fluktuation gut konkurrenzfähig. Steigen die Kosten über 30 US-Dollar pro Stunde oder sinkt die Betriebszeit, schwächt sich das Wertversprechen ab.

Agility argumentiert, dass „Physical AI“ eine allgemeine Einsetzbarkeit über eine ganze Familie von Aufgaben hinweg ermöglicht, anstatt sich auf eine einzige fest programmierte Aufgabe zu beschränken. Diese Vielseitigkeit verteilt die Kosten auf mehr Schichten und reduziert Leerlaufzeiten. Tatsächlich strebt Digit danach, ein flexibler Mitarbeiter zu sein, der bei Änderungen im Volumengemisch neu zugewiesen werden kann. Die Analogie aus der Softwarewelt ist eine Cloud-Instanz, die je nach Nachfrageverschiebungen mehrere Dienste ausführen kann. Das skeptische Gegenargument ist einfach. Die Geschichte der Robotik ist übersät mit Versprechungen von Allzwecklösungen, die letztlich nur Nischenergebnisse lieferten, sobald die Komplexität der realen Welt ins Spiel kam. Es liegt in der Verantwortung jedes Anbieters humanoider Roboter, eine konsistente Leistung in unübersichtlichen, variablen Arbeitsabläufen unter Beweis zu stellen.

Sicherheit, Normen und Versicherungen werden die Geschwindigkeit der Einführung bestimmen

Da sich Humanoide den Raum mit Menschen teilen, ist Sicherheit kein bloßes Feature. Sie ist die Voraussetzung für den Betrieb. Normungsgremien arbeiten daran, Maschinennormen an zweibeinige und mobile Manipulatoren anzupassen. Sensorredundanz, Kraftbegrenzung und Sturzerkennung in Echtzeit sind Mindestanforderungen. Große Kunden werden Zertifizierungen durch unabhängige Stellen sowie detaillierte Gefahrenanalysen verlangen

Bewertungen, bevor eine schrittweise Einführung genehmigt wird.

Versicherer haben sich mit eigenen Modellen in die Diskussion eingebracht. Die Prämien hängen von der Störungshäufigkeit, der Nähe der Mitarbeiter und der Qualität der Wartungsprogramme ab. Die besten Teams werden sich nicht nur durch Mechatronik und KI, sondern auch durch Dokumentation, Bedienerschulungen und Wiederherstellungsverfahren durchsetzen. Ein Roboter, der fehlerfrei ausfallen und sich sicher zurücksetzen lässt, ist zuverlässiger als einer, der Leistung am Rande der Stabilität anstrebt.

Die Wettbewerbsdynamik konzentriert sich zunehmend auf einige wenige wiederholbare Aufgaben

An den Ständen und bei den geschlossenen Briefings tauchten immer wieder dieselben Aufgabenbereiche auf. Transportbehälterhandhabung. Kommissionierung von Kartons in Hüfthöhe. Materialzuführung an Fertigungslinien in Fabriken. Lagerabfertigung für den Ein- und Ausgangsfluss. Diese Aufgaben weisen gemeinsame Einschränkungen auf, die sich gut für Humanoide eignen. Sie beinhalten moderate Gewichte, vorhersehbare Bewegungswege und häufige Zusammenarbeit mit Menschen. Zudem sind sie derzeit kostspielig, da sie auf Arbeitskräftepools mit hoher Fluktuation angewiesen sind.

Die Strategie von Agility scheint sich auf solche wiederholbaren Aufgaben zu konzentrieren, bei denen die Reichweite und Mobilität von „Digit“ einen Vorteil bieten. Figure AI zielt auf ähnliche Bereiche ab und knüpft gleichzeitig Partnerschaften in der Automobilbranche. Tesla positioniert „Optimus“ als Fabrikarbeiter, der letztendlich auch in Privathaushalte gelangen könnte, wenngleich der Sprung in den Verbrauchermarkt bislang spekulativ bleibt. Sanctuary AI hat den Schwerpunkt auf geschickte Handhabung in der Leichtindustrie gelegt. Boston Dynamics hat jahrzehntelange Mobilitätsforschung genutzt, jedoch noch keinen Humanoiden für die Kommissionierung in Lagern in großem Maßstab angekündigt. Das Feld ist überfüllt, doch der Markt ist riesig. Einzelhändler, Paketdienstleister, Konsumgüterhersteller und Elektronikhersteller haben allesamt überlappende Anforderungen.

Der Software-Stack wird zum eigentlichen Wettbewerbsvorteil

Hardware zieht auf Messen die Aufmerksamkeit auf sich, doch Software entscheidet über die langfristige Wettbewerbsfähigkeit. Die Autonomie von Digit umfasst Wahrnehmungs-, Planungs- und Steuerungsebenen, die mit Aufgabenplanern und der Integration in Lagersysteme verschmelzen. Physische KI bedeutet hier die Fähigkeit, Greifvorgänge an unterschiedliche

Griffe ausführen, Ausrutscher ausgleichen und die Fußstellung mit den Armbewegungen koordinieren, während Ziele verfolgt werden, die von Unternehmenssoftware vorgegeben werden.

Anbieter wetteifern darum, Verhaltensbibliotheken und Simulationspipelines zu entwickeln, die die Lernzeit verkürzen. Cloudbasiertes Umtrainieren und drahtlose Updates erweitern die Leistungsfähigkeit, ohne dass Hardware ausgetauscht werden muss. Hier zeichnet sich ein hybrider Ansatz ab. Unternehmen nutzen dort, wo es sinnvoll ist, Grundmodelle für Bildverarbeitung und Sprache, umschließen diese jedoch mit deterministischen Steuerungen und Sicherheitsgrenzen. Die Analogie ist ein System für autonomes Fahren, das erlernte Wahrnehmung mit regelgebundenen Fahrstrategien kombiniert. Das Ergebnis ist eine vorhersehbare Leistung, die dennoch von der Datenmenge profitiert.

Arbeitsmärkte und gewerkschaftliche Dynamiken stellen eine realweltliche Einschränkung dar

Keine Geschichte über physische Automatisierung ist vollständig ohne den Kontext der Arbeitswelt. Lagerhäuser in den gesamten Vereinigten Staaten haben mit hohen Leerstandsquoten und saisonalen Spitzenzeiten zu kämpfen, die nur schwer personell abdecken lassen. Die Verletzungsraten aufgrund wiederholter Hebevorgänge sind nicht unerheblich. Roboter, die die Belastung verringern und Personalfluktuation auffangen, können die Ergebnisse verbessern. Allerdings werden Gewerkschaften und Betriebsräte eine klare Darstellung der Auswirkungen auf die Neugestaltung von Arbeitsplätzen, die Schulung sowie die Löhne verlangen.

Bei der AI4 betonten mehrere Podiumsdiskussionen kooperative Einsatzmodelle, bei denen Roboter die ergonomisch ungünstigsten Aufgaben übernehmen, während Menschen sich der Qualitätskontrolle, der Ausnahmebehandlung und der Aufsicht widmen. Wenn Unternehmen eine Verringerung der Verletzungszahlen und Verbesserungen der Karrierewege nachweisen können, beschleunigt sich die Einführung. Wenn der Einsatz jedoch als kaum verhüllte Kosteneinsparung erscheint, die den Personalbestand ohne Vorteile für die Beschäftigten reduziert, ist mit politischen und sozialen Spannungen zu rechnen. Die Reputationskosten in einem markenorientierten Umfeld mit direktem Kundenkontakt sind real.

Haftungsausschluss: Dieser Artikel dient ausschließlich zu Informationszwecken und stellt keine Finanz- oder Anlageberatung dar.