AutoStore macht mit seiner Produktpalette für Herbst 2026 weitere Fortschritte auf dem Weg zur Autonomie

AutoStore gab am 13. Oktober 2026 von seinem Hauptsitz in Nedre Vats, Norwegen, seine Produktpalette für den Herbst 2026 bekannt und kündigte neue Hardware- und Softwarelösungen für Fulfillment-Workflows, Systemdesign und Wartung an. Nach Angaben des Unternehmens zielen diese darauf ab, die praktischen Hindernisse zu beseitigen, die noch zwischen gewöhnlicher Lagerautomatisierung und dem sogenannten „Lights-out-Fulfillment“ bestehen – einer Anlage, die mit minimalem menschlichem Eingriff betrieben wird. Die Ankündigung ist die zweite große Plattformveröffentlichung von AutoStore in diesem Jahr, nachdem im Frühjahr 2026 „CubeVerse“ eingeführt wurde – eine einheitliche Cloud-Umgebung, die den Software-Stack des Unternehmens untermauert. Damit wird dieselbe cloudnative Architektur auf neue physische Hardware, KI-gestützte Systemdesign-Tools sowie eine Wartungsplattform, die darauf ausgelegt ist, Probleme mit der Ausrüstung zu erkennen, bevor diese zu Ausfallzeiten führen.

Das Unternehmen ist kein Start-up, das sich erstmals an Käufer wendet. AutoStore gibt an, das Vertrauen von mehr als 1.300 Kunden in 68 Ländern zu genießen und weltweit rund 2.000 Systeme im Einsatz zu haben, was diese Veröffentlichung eher zu einem Plattform-Update für eine installierte Basis dieser Größenordnung macht als zur Produkteinführung eines neuen Marktteilnehmers. Parth Joshi, Chief Product Officer und Präsident von AutoStore, stellte die Ankündigung bewusst als schrittweisen Fortschritt und nicht als einen einzigen dramatischen Sprung dar: Das Ziel, so sagte er, sei eine Reihe praktischer Fortschritte, die eine größere Autonomie zunehmend realisierbar machen – eine bemerkenswert zurückhaltende Beschreibung für ein Unternehmen, das im Zusammenhang mit einer „Autonomie“-Version leicht zu dramatischeren Formulierungen hätte greifen können.

Wo die neue Hardware tatsächlich Platz spart

Die für einen Lagerbetreiber unmittelbar praktischste Neuerung ist FlexBinsPort, wodurch eine einzige Arbeitsstation gemischte Behältergrößen verarbeiten kann, anstatt dass separate Stationen für unterschiedliche Behälterabmessungen konfiguriert werden müssen. Für einen Betreiber, der eine Anlage mit einem vielfältigen Produktmix betreibt – von Kleinteilen bis hin zu sperrigeren Kartons –, reduziert diese Konsolidierung direkt die Anzahl der physischen Arbeitsstationen, die auf einer

Bodenfläche, wodurch stattdessen Platz für zusätzliche Lagerdichte oder Durchsatzkapazität geschaffen wird. AutoCase erweitert unterdessen den Umfang und die Effizienz der Handhabung auf Kartonebene – eine Fulfillment-Ebene, die zwischen der Einzelartikelkommissionierung und der Vollpalettenhandhabung angesiedelt ist und für die Betreiber bislang separate Förder- oder Roboterarmsysteme nachrüsten mussten, anstatt sie als native AutoStore-Funktionalität zu nutzen. Pio Pal rundet die Hardware-Ergänzungen ab, indem es die robotergestützte Kommissionierung für kleinere Unternehmen zugänglich macht und damit die bestehende Pio-Produktreihe von AutoStore erweitert, die auf Betreiber mit geringeren Volumina abzielt, denen zuvor möglicherweise überhaupt kein kosteneffizienter Einstieg in die kubusbasierte Automatisierung zur Verfügung stand.

AutoStore erweitert zudem VersaAI, sein Roboterarm-Stückkommissioniersystem, um zusätzliche AutoStore-Konfigurationen sowohl in neuen als auch in bestehenden Anlagen zu unterstützen, was insbesondere für Betreiber von Bedeutung ist, die bereits über ein installiertes System verfügen: Eine Software- und Konfigurationserweiterung, die die robotergestützte Einzelstückkommissionierung auf ein bestehendes Raster ausweitet, stellt einen wesentlich kostengünstigeren Upgrade-Weg dar als ein Hardware-Austausch; zudem ist dies eine Neuerung, die Betreiber belohnt, die frühzeitig auf das AutoStore-Ökosystem gesetzt haben, anstatt sie zu zwingen, auf ein System der nächsten Generation zu warten, um Zugang zu den neuesten Kommissionierfunktionen zu erhalten.

KI-Tools, die auf die Entscheidung vor der Bestellung abzielen

Zwei der im Herbst 2026 hinzugefügten Funktionen zielen auf die Investitionsentscheidung selbst ab und nicht auf den Lagerbetrieb. CubeExplore ist ein generatives KI-Tool zur Modellierung der Kapitalrendite, das auf betrieblichen Benchmarks und vergleichbaren früheren Projekten basiert, sodass die Partner und potenziellen Kunden von AutoStore einen fundierteren Business Case erstellen können, bevor sie Kapital binden. „AutoStore Intelligence“ in CubeStudio ergänzt dies um einen KI-gestützten Planungsassistenten, der Partnern und Kunden hilft, Konfigurationen zu vergleichen und in der Planungsphase fundiertere Entscheidungen zur Systemdimensionierung zu treffen. Beide Tools zielen direkt auf ein Problem ab, das jeder Käufer von Automatisierungslösungen kennt

Aus erster Hand: Die Rechtfertigung einer millionenschweren Investition in die Lagerautomatisierung gegenüber einem Finanzausschuss ist oft schwieriger als die technische Arbeit, die mit dem tatsächlichen Betrieb des Systems nach dessen Installation verbunden ist, und ein vom Anbieter bereitgestelltes Modellierungstool, das auf realen, vergleichbaren Projektdaten basiert, ist ein wesentlich überzeugenderes Argument als die eigenen Prognosen des Vertriebsteams.

Dennoch sollte ein Käufer die Ergebnisse von CubeExplore mit derselben Sorgfalt prüfen, wie er es bei jedem vom Anbieter erstellten ROI-Modell tun würde: Die dem Tool zugrunde liegenden Vergleichsdaten stammen von AutoStore selbst und basieren auf dessen installierter Basis; dies verleiht ihnen zwar eine echte statistische Grundlage, bedeutet aber auch, dass die Benchmarks speziell die AutoStore-Implementierungen widerspiegeln und keine unabhängige, herstellerneutrale Sicht auf die Wirtschaftlichkeit der Lagerautomatisierung im Allgemeinen bieten. Ein Beschaffungsteam sollte die Prognosen von CubeExplore als solide Ausgangshypothese betrachten, die anhand der tatsächlichen Volumina und Personalkosten der eigenen Anlage einem Stresstest unterzogen werden muss, und nicht als Ersatz für diese interne Analyse.

Die Ausfallzeitzahlen von CubeFleet sind die konkreteste Aussage der Pressemitteilung

Die am stärksten quantifizierte Aussage in der gesamten Ankündigung stammt von CubeFleet, einer Flottenmanagement-Plattform, die Wartungsmeldungen, Anleitungen und die Erstellung von Arbeitsaufträgen in einer einzigen Ansicht für einen Standort oder mehrere Standorte zusammenfasst. CubeFleet nutzt Live-Betriebsdaten aus der bestehenden CubeAnalytics-Plattform von AutoStore sowie vordefinierte Wartungsschwellenwerte, um Wartungsbedarf zu erkennen, bevor dieser im Rahmen eines festen Wartungsplans festgestellt worden wäre, und AutoStore schätzt, dass dieser Ansatz ungeplante Ausfallzeiten um 35 bis 45 Prozent reduzieren kann. Dies ist eine konkrete, überprüfbare Zahl in einer Pressemitteilung, die ansonsten größtenteils auf allgemeine Formulierungen wie „größere Autonomie“ und „Lights-out-Fulfillment“ ausgerichtet ist. Es handelt sich um eine Zahl, deren Belegung ein potenzieller Käufer von AutoStore im Verkaufsgespräch anhand echter Kundendaten einfordern sollte, da ungeplante Ausfallzeiten zu den am direktesten quantifizierbaren Faktoren gehören.

Kosten in jedem automatisierten Lagerbetrieb, und eine derartige Behauptung eines Anbieters sollte durch eine entsprechend konkrete Fallstudie untermauert werden.

CubeAnalytics selbst wird zudem erweitert, um Transparenz über mehrere Standorte hinweg sowie KI-generierte Flottenübersichten bereitzustellen. Dadurch kann ein Betriebsteam, das mehrere Standorte verwaltet, schnell erkennen, welcher Standort Aufmerksamkeit erfordert, ohne die Dashboards an jedem Standort einzeln manuell überprüfen zu müssen – eine Funktion, die sich gezielt an den Einzelhandel, Lebensmittelhandel sowie an Drittlogistikdienstleister, die einen großen Teil des Kundenstamms von AutoStore ausmachen und die Automatisierung in der Regel über ein Netzwerk von Standorten hinweg statt in einem einzelnen Lager betreiben.

Wie sich AutoStore im Vergleich zu konkurrierenden Lagerarchitekturen positioniert

AutoStore konkurriert auf einem Markt für Kubuslager und „Goods-to-Person“-Lösungen, der seit der Einführung dieser Kategorie durch das Unternehmen erheblich umkämpfter geworden ist. Zu den Konkurrenten zählen der Lizenzzweig für Lagertechnik von Ocado, die shuttlebasierten Systeme von Kardex, das breitere Portfolio an automatisierten Lager- und Kommissioniersystemen von Dematic sowie eine Welle kostengünstigerer „Goods-to-Person“-Anbieter aus China, die aufgrund ihrer Preisvorteile aggressiv in den europäischen und nordamerikanischen Markt vordringen. Der Großteil dieses Wettbewerbs unterscheidet sich nach wie vor in erster Linie hinsichtlich des Hardware-Durchsatzes und der Lagerdichte – also der Anzahl der Behälter, die ein System pro Stunde bewegen kann, und des Volumens, das es auf einer bestimmten Grundfläche unterbringen kann. Die für Herbst 2026 geplante Version von AutoStore ist ein bewusster Versuch, den Vergleich auf eine völlig andere Ebene zu verlagern, hin zu Software-Intelligenz, die auf einer mittlerweile ausgereiften Hardware-Basis aufbaut. Dabei kann das Unternehmen auf ein KI-Modell verweisen, das anhand von Millionen von Betriebsstunden aus 2.000 live betriebenen Systemen trainiert wurde – ein Wettbewerbsvorteil, den ein neuerer, hardwareorientierter Wettbewerber nicht ohne Weiteres nachbilden kann, ganz gleich, wie wettbewerbsfähig dessen Behälterumschlaggeschwindigkeit auf dem Datenblatt auch sein mag.

Ob diese Strategie Bestand hat, hängt stark davon ab, wie real der von AutoStore behauptete Datenvorteil in der Praxis tatsächlich ist. Ein Modell, das anhand von Daten aus Tausenden von Kunden

Implementierungen sollten grundsätzlich besser skalierbar sein als bei einem Anbieter mit einer geringeren installierten Basis, jedoch nur dann, wenn die zugrunde liegenden Betriebsmuster, Lagerplatzgrößen, Kommissionierraten und Fehlermodi tatsächlich auf die Anlagen verschiedener Kunden übertragbar sind und nicht lediglich standortspezifische Besonderheiten widerspiegeln. Ein Beschaffungsteam, das AutoStore rein preislich mit einem kostengünstigeren Konkurrenten vergleicht, sollte AutoStore speziell in diesem Punkt unter Druck setzen: Es sollte Nachweise dafür einfordern, dass die KI-gesteuerten Funktionen dieser Version – allen voran die von CubeFleet geschätzte Reduzierung der Ausfallzeiten – über verschiedene Anlagentypen und Regionen hinweg konsistent funktionieren und nicht nur in den spezifischen Implementierungen, die zur Ermittlung der Marketingzahlen herangezogen wurden.

Was die Plattformstrategie für bestehende Kunden bedeutet

Insgesamt betrachtet ist die Version vom Herbst 2026 weniger ein einzelnes neues Produkt als vielmehr eine Fortsetzung der Software-Plattform-Strategie, die AutoStore im Frühjahr mit CubeVerse begonnen hat: eine einheitliche Cloud-Umgebung, die Kunden einen zentralen Zugangspunkt für die gesamte Hardware und Software von AutoStore bietet. Diese soll die Integration von Drittanbietern vereinfachen und es dem Unternehmen ermöglichen, neue intelligente Funktionen schrittweise einzuführen – basierend auf den zugrunde liegenden KI-Modellen von AutoStore Intelligence, die nach Angaben des Unternehmens anhand von Millionen von Stunden realer Lagerbetriebsdaten trainiert wurden –, anstatt dies durch disruptive Hardware-Generationen zu bewerkstelligen. Für einen bestehenden AutoStore-Kunden ist diese Strategie von unmittelbarer Bedeutung: Sie deutet darauf hin, dass zukünftige Funktionserweiterungen eher in Form von Software- und Konfigurationsupdates für ein bestehendes System erfolgen werden als durch einen erzwungenen Hardware-Ersatzzyklus, was die langfristigen Kosten für die Aufrechterhaltung der Plattformaktualität senkt. Für einen Käufer, der noch dabei ist, das kubusbasierte Lagersystem im Vergleich zu konkurrierenden Automatisierungsarchitekturen zu bewerten, wirft diese Veröffentlichung die praktische Frage auf, ob die installierte Basis eines Anbieters und die Reife seiner Cloud-Plattform – und nicht nur dessen neueste Hardware-Spezifikationen – nun im Auswahlprozess stärker gewichtet werden sollten,

vor dem Hintergrund, dass ein Großteil des Verkaufsarguments von AutoStore darauf beruht, dass sich die Softwarefunktionen über die gesamte Lebensdauer einer installierten Anlage hinweg weiterentwickeln und nicht auf einer einmaligen Hardwareanschaffung.

Diese Analyse fasst Unternehmensaussagen und veröffentlichte Produktunterlagen zum Zeitpunkt der Veröffentlichung zusammen und ist nicht als Anlage-, Finanz- oder Fachberatung zu verstehen; sie dient ausschließlich allgemeinen Informationszwecken.