Dein Roboter wird besser, nachdem du ihn gekauft hast

Maschinen verlieren normalerweise ab dem Kauftag an Fähigkeiten. Eine Presse macht das, was sie bei der Lieferung konnte, abzüglich Verschleiss. Die Stellenbeschreibung eines Lastwagens ändert sich nie. Alles Mechanische, das man besitzen kann, hat eine feste Liste von Dingen, die es tut, und diese Liste wird nur kürzer.

Roboter verhalten sich inzwischen anders, und eine letzte Woche veröffentlichte Arbeit zeigt, wie weit das geht.

Zwölf Sekunden, um einen Job zu lernen

Am 19. August veröffentlichte das Robotiklabor Generalist AI ein Modell namens GEN-1.5. Seine Behauptung, in den Worten des Unternehmens: Das Modell “lernt neue Aufgaben in Sekunden, wenn man es mit 3 bis 12 Sekunden einer einzigen Demonstration promptet, ohne Training”.

Diesen Satz sollte man zweimal lesen, denn der entscheidende Teil lässt sich leicht überlesen. Nicht drei bis zwölf Sekunden Training. Drei bis zwölf Sekunden, in denen jemand dem Roboter die Aufgabe einmal zeigt. Kein Nachtrainieren, kein Fine-Tuning, kein Ingenieur, der das Programm neu schreibt. Generalist nennt diese Demonstrationen „physische Prompts", in Analogie dazu, wie man einen Chatbot promptet, statt ihn neu zu trainieren.

Die ehrlichen Zahlen lauten so. Über zehn verschiedene Aufgaben hinweg gelang das One-Shot-Prompting in 59 Prozent der Fälle. Gibt man dem Modell fünf Minuten Daten und zehn Gradientenschritte, steigt die Erfolgsquote auf 83 Prozent. 59 Prozent sind keine Maschine, die man unbeaufsichtigt auf eine Produktionslinie lässt. Sie sind aber auch nicht das, wonach eine Forschungsdemo vor zwei Jahren aussah, als das Beibringen einer wirklich neuen Manipulationsaufgabe Wochen an Datensammlung und einen Spezialisten bedeutete.

Das Unternehmen berichtet, dass Fähigkeiten auftauchten, für die es gar nicht trainiert hatte, darunter der Umgang mit ungesehenen Werkzeugen und das Umgehen von Hindernissen.

Warum das ändert, was ein Roboter wert ist

Wir haben kürzlich geschrieben, dass die Auslastung und nicht die Hardware darüber entscheidet, was eine Roboterflotte einbringt. Eine Maschine verdient, während sie arbeitet, und kostet Geld, während sie wartet. Diese Sichtweise hat eine Konsequenz, die meist übersehen wird.

Ein Roboter für genau eine Aufgabe ist nur so viel wert wie diese eine Aufgabe. Endet der Vertrag, ändert sich die Produktlinie, räumt der Kunde sein Lager um, dann steht die Maschine still und ihr Eigentümer sucht den nächsten Kunden mit demselben Problem. Diese Suche ist der teure Teil.

Ein Roboter, dem man eine neue Aufgabe zeigen kann und der noch am selben Nachmittag brauchbar produktiv ist, hat dieses Problem so nicht. Er füllt Lücken. Er wechselt zwischen Jobs innerhalb desselben Gebäudes. Er kann den kleinen Auftrag übernehmen, für den sich eine massgeschneiderte Integration nie gelohnt hätte.

Und er tut etwas, das keine andere Maschine tut, die man besitzen kann: Er wird besser, während er einem gehört. Die Hardware, die man im Januar hat, kann im Dezember Dinge, die ihr im Januar niemand beigebracht hatte, weil sich das Modell verbessert hat und nicht die Motoren. Fähigkeit kommt als Software-Release. Das ist eine seltsame Eigenschaft für einen physischen Vermögenswert und läuft der Richtung jedes anderen Ausrüstungsguts in der Wirtschaft entgegen.

Was das für eine gemischte Flotte bedeutet

Es gibt einen Effekt zweiter Ordnung, den man benennen sollte. Wenn Fähigkeit im Modell steckt und nicht in massgeschneiderter Programmierung pro Maschine, dann bestimmt zunehmend das Modell, was ein Roboter kann. Forschungsgruppen arbeiten ausdrücklich an Modellen, die Fertigkeiten zwischen verschiedenen Roboterkörpern übertragen, statt an die Hardware eines Herstellers geschweisst zu sein.

Für alle, die Maschinen mehrerer Hersteller halten, ist diese Richtung eine gute Nachricht. Eine gemischte Flotte trug immer einen Integrationsaufschlag, weil jeder Hersteller seine eigene Toolchain und seine eigenen Spezialisten brauchte. Je mehr Fähigkeit aus geteilten Modellen kommt, desto kleiner wird dieser Aufschlag. Das ist einer der Gründe, warum der beep Robo-Pool über Hersteller und Branchen hinweg aufgebaut ist, statt sich auf eine einzige Plattform festzulegen: Uns sind die Maschinen lieber, die Arbeit haben, als eine Bindung an den Hersteller, der zum Kaufzeitpunkt am stärksten aussah.

Der Markt bewegt sich in dieselbe Richtung. Counterpoint Research zählt mehr als 22.000 humanoide Roboter, die im ersten Halbjahr 2026 weltweit ausgeliefert wurden, knapp 300 Prozent mehr als im Vorjahr, und rechnet für das Gesamtjahr mit über 50.000 Einheiten. Diese Maschinen wird niemand einzeln von Hand umprogrammieren.

Der Teil, der weiterhin schwierig ist

Forschungsergebnisse sind keine Einsätze. GEN-1.5 ist ein Laborergebnis über zehn Aufgaben und keine Flotte, die unbeaufsichtigt in jemandes Lager läuft, und der Abstand zwischen diesen beiden Dingen hat schon viele Robotikfirmen verschluckt. Ein Modell, das im ersten Versuch zu 59 Prozent gelingt, braucht für alles Wichtige weiterhin einen Menschen im Ablauf. Zuverlässigkeit, Sicherheitszertifizierung und die undankbare Integrationsarbeit bleiben genau so schwierig, wie sie waren.

Wir garantieren keine Renditen, und kein Modell-Release ändert daran etwas.

Aber die Richtung lohnt sich zu verstehen, denn sie schreibt leise um, was der Besitz eines Roboters bedeutet. Ein Jahrhundert lang hiess der Besitz einer Maschine, eine feste Fähigkeit zu besitzen, die verfiel. Heute heisst er, ein Stück Hardware zu halten, dessen Stellenbeschreibung noch geschrieben wird, von Leuten, die deine Maschine nie gesehen haben und ihre Verbesserungen an sie ausliefern, während sie arbeitet.