89 % der Industrieroboter sitzen noch immer im Käfig – und künstliche Intelligenz ist nicht die Lösung
Jahrzehntelang war das Bild des Industrieroboters stets dasselbe: eine Maschine mit metallischen Armen, kraftvoll und schnell, eingesperrt hinter einem Stahlkäfig, während Menschen von außen zuschauten. Dieses Bild ist keine Metapher für Rückständigkeit. Es ist eine ingenieurtechnische Entscheidung, die fortbesteht, weil die verfügbaren Sicherheitssysteme bisher nichts anderes ermöglicht haben.
Die Internationale Robotervereinigung (IFR) berichtet, dass ungefähr 89 % der Industrieroboter weiterhin innerhalb physischer Käfige betrieben werden. Der Markt für kollaborative Roboter – also jene, die theoretisch ohne Barrieren neben Menschen arbeiten sollten – schloss das Jahr 2025 mit einem Volumen von 2,9 Milliarden US-Dollar ab und wird für 2033 auf 17,2 Milliarden US-Dollar prognostiziert. Diese Zahlen erzählen eine Geschichte beschleunigter Adoption. Was sie nicht sagen: Die Mehrheit dieser „kollaborativen" Roboter arbeitet nach wie vor unter Raum- und Überwachungsbeschränkungen, die denen ihrer eingesperrten Vorgänger gleichwertig sind.
Der Engpass liegt nicht in der Intelligenz der Maschinen. Er liegt in der Fähigkeit, einem Regulierer, einem Versicherer und einem Maschinenbediener nachzuweisen, dass der Roboter nicht auf eine Weise versagen wird, die niemand vorhergesehen hat.
Knut Sandven, CEO von Sonair Robotics, bringt den Punkt mit chirurgischer Präzision auf den Punkt: Die Standard-Lasersensoren, die heute als Sicherheitsgrundlage in industriellen Umgebungen eingesetzt werden, wurden für eine statische Welt mit kontrollierten Lichtbedingungen und vorhersehbaren Materialien entwickelt. Sie überwachen eine horizontale Ebene auf Kniehöhe. Wenn ein Arbeiter sich bückt, um ein Werkzeug aufzuheben, oder seinen Arm über diese unsichtbare Linie streckt, erkennt der Sensor ihn schlicht nicht.
Das ist kein geringfügiger Fehler. Es ist der strukturelle Grund, warum der Käfig noch immer steht.
Die Illusion des Roboters, der bereits alles weiß
Das dominierende Narrativ im Bereich der industriellen Automatisierung der vergangenen vier Jahre war mit kleinen Abwandlungen stets dasselbe: mehr Kameras, bessere Computer Vision, ausgefeiltere Wahrnehmungsmodelle. Wenn das System gut „sehen" kann, kann es gut handeln. Und wenn es gut handelt, ist es sicher.
Das Problem mit dieser Logik ist, dass sie Wahrnehmungsfähigkeit mit formaler Garantie verwechselt. Systeme der künstlichen Intelligenz arbeiten auf der Grundlage probabilistischer Modelle. Sie berechnen die wahrscheinlichste Antwort auf einen gegebenen Stimulus. In den meisten industriellen Kontexten – Teileidentifikation, Bahnoptimierung, vorausschauende Wartung – ist das vollkommen ausreichend. Ein Modell, das in 99,7 % der Fälle korrekt liegt, ist außerordentlich nützlich.
Aber in der physischen Sicherheit hat das verbleibende 0,3 % einen Namen und ein Gesicht. Es hat rechtliche, arbeitsrechtliche und reputationsbezogene Konsequenzen, mit denen kein Betriebsleiter konfrontiert sein möchte. Und es gibt einen regulatorischen Rahmen – Normen wie ISO 10218 und ISO/TS 15066 – der etwas qualitativ anderes als „sehr wahrscheinlich" verlangt: Er fordert nachweisbaren Determinismus.
Ein zertifiziertes Sicherheitssystem ist nicht eines, das fast immer eine Person erkennt. Es ist eines, bei dem die Physik des Erkennungsmechanismus es erlaubt, die maximal mögliche Reaktionszeit mathematisch zu begrenzen und nachzuweisen, dass diese Zeit unter dem Schwellenwert liegt, der einen Schaden verursacht. Schallwellen bewegen sich mit einer bekannten Geschwindigkeit. Sie werden auf vorhersehbare Weise reflektiert. Das ermöglicht eine Garantieberechnung, die kein auf maschinellem Lernen basierendes Bildverarbeitungsmodell heute mit derselben Nachvollziehbarkeit liefern kann.
Sandven weist direkt darauf hin: „Sehr zuverlässig" und „nachgewiesen zuverlässig" sind nicht dasselbe. Die Industrie lernt diese Lektion in Echtzeit, mit unterschiedlichem Ausmaß an Exponierung, je nachdem, wie sehr man angenommen hat, dass das eine dem anderen gleichkommt.
Was ein Volumen zertifiziert – und kein flacher Schnitt
Sonair hat seinen Wertbeitrag auf einer technischen Unterscheidung aufgebaut, die geringfügig erscheint, bis man sie im Betrieb untersucht. Die ADAR-Ultraschallsensoren des Unternehmens – Acoustic Detection And Ranging – überwachen den Arbeitsraum eines Roboters in drei Dimensionen, nicht als zweidimensionalen Schnitt auf Bodenhöhe.
Der Unterschied ist nicht kosmetischer Natur. Ein 2D-System zeichnet eine unsichtbare Linie auf den Boden. Wer sie überschreitet, hält die Maschine an. Ein 3D-System definiert ein Volumen rund um den Roboter: oben, unten, seitlich, diagonal. Es erkennt menschliche Präsenz an jedem Punkt dieses Raums, unabhängig von der Körperhaltung oder der Körpergröße des Arbeiters.
Das Unternehmen hat soeben die erste unabhängige Sicherheitszertifizierung für einen 3D-Ultraschallsensor dieser Art bekanntgegeben. Das ist nicht nur ein ingenieurtechnischer Meilenstein. Es ist eine Veränderung in der Sprache, die ein anderes Gespräch mit dem Industriekunden ermöglicht. Es geht nicht mehr darum, jemanden davon zu überzeugen, dass die Technologie „gut funktioniert". Es geht darum, ein von einer Zertifizierungsstelle unterzeichnetes Dokument vorzulegen, das besagt, dass das System die erforderlichen Sicherheitsintegritätsstufen erfüllt.
Um zu verstehen, warum das aus der Perspektive des Käufers wichtig ist: Eine Anlage, die ihren physischen Käfig abschaffen möchte, muss ihn durch etwas ersetzen, das bei einer Arbeitsschutzkontrolle dasselbe rechtliche Gewicht hat. Bisher existierte dieses Etwas in 3D nicht. Der Käfig blieb die einzige Option mit solider normativer Unterstützung.
Mit einer unabhängigen 3D-Zertifizierung in der Hand wird das Argument für die Beibehaltung des Käfigs erheblich schwerer aufrechtzuerhalten. Und die Quadratmeter der Anlage, die dieser Käfig belegt, der Arbeitsablauf, den er fragmentiert, die Installations- und Wartungskosten, die er verursacht – all diese Faktoren wandeln sich von akzeptierten Nebenkosten zu ungerechtfertigten Ineffizienzen.
Die Macht liegt im Moment des Designs, nicht beim Einsatz
Sandven weist auf etwas hin, das über das technische Argument hinaus Beachtung verdient: Die meisten Roboterhersteller beginnen zu spät, über Sicherheit nachzudenken. Sicherheit wird als eine Schicht behandelt, die am Ende hinzugefügt wird, wenn das System bereits definiert ist. Und wenn sie am Ende hinzugefügt wird, sind die verfügbaren Optionen begrenzt, teuer oder beides.
Aus der Perspektive der Systemarchitektur ist dies nicht nur ein Prozessfehler. Es ist ein Signal darüber, wer im Raum sitzt, wenn Designentscheidungen getroffen werden.
Wenn das Team, das den Roboter baut, aus Bewegungsingenieuren, Wahrnehmungsspezialisten und Softwareentwicklern besteht, wird sich das Gespräch auf natürliche Weise um das drehen, was der Roboter tun kann. Die Sicherheit kommt später, wenn jemand aus dem Compliance-Team oder der Rechtsabteilung die Hand hebt und fragt, ob das System die Normen des Zielmarkts erfüllt.
Diese Abfolge hat vorhersehbare Konsequenzen: Sicherheit wird in den Einschränkungen des Produkts kodiert, nicht in seiner Architektur. Der Roboter ist am Ende in der Lage, Dinge zu tun, die er nicht auf zertifizierbare Weise nachweisen kann, sicher auszuführen. Und genau diese Lücke ist der Engpass, der 89 % der Industrieroboter hinter ihren Käfigen hält.
Die von Sonair vorgeschlagene Lösung – eine zertifizierte 3D-Sicherheitsschicht, getrennt vom KI-Gehirn des Roboters und auf deterministischen physikalischen Prinzipien aufgebaut – ist nicht nur eine ingenieurtechnische Antwort. Sie ist eine architektonische Antwort. Sie besagt, dass Sicherheit nicht von der Qualität des KI-Modells abhängen kann, weil KI-Modelle versagen, aktualisiert werden, sich verschlechtern oder sich bei Datenverteilungen, die sie im Training nicht gesehen haben, unerwartet verhalten können.
Ein Sicherheitssystem, das versagt, wenn das KI-Modell versagt, ist kein Sicherheitssystem. Es ist eine Illusion von Sicherheit mit guter Marketing-Dokumentation.
Vertrauen lässt sich nicht an den Algorithmus delegieren
Der Markt für kollaborative Automatisierung beschreibt seine Expansion seit Jahren mit einem impliziten Argument: Je intelligenter die Roboter werden, desto natürlicher wächst das Vertrauen in sie. Diese Annahme verdient eine ernsthafte Überprüfung.
Vertrauen in Systeme mit hohen Konsequenzen – und der Betrieb schwerer Maschinen neben Menschen ist zweifellos ein solches System – wird nicht dadurch aufgebaut, dass man nachweist, dass das System selten versagt. Es wird dadurch aufgebaut, dass man zeigt, dass das System, wenn es versagt, auf eine Weise versagt, die bereits vorhersehbar, begrenzt und kontrollierbar war. Das ist der Unterschied zwischen einem modernen Flugzeug und einem autonomen Automobil: nicht in der Häufigkeit der Ausfälle, sondern in der Architektur zur Eindämmung dieser Ausfälle.
Sonair setzt darauf, dass der Industriemarkt bereit ist, diese Unterscheidung zu treffen. Die sechs Millionen US-Dollar, die das Unternehmen zur Beschleunigung seines Einsatzes aufgebracht hat, deuten darauf hin, dass es Investoren gibt, die diese Einschätzung teilen. Die soeben erhaltene unabhängige Zertifizierung ist das wertvollste Aktivum dieser Wette: nicht weil sie alle Sicherheitsprobleme in der kollaborativen Robotik löst, sondern weil sie dort eine überprüfbare Sprache etabliert, wo zuvor nur implizites Vertrauen herrschte.
Wenn 89 % der Industrieroboter trotz jahrzehntelanger Versprechen über die Mensch-Maschine-Kollaboration noch immer eingesperrt sind, zeigt die ehrlichste Diagnose auf eine Architekturlücke hin, nicht auf eine Intelligenzlücke. Die Roboter sitzen nicht in ihren Käfigen, weil sie von Natur aus gefährlich sind. Sie sitzen dort, weil das Gerüst der formalen Verifikation, das es ermöglicht, sie herauszuholen, nie die richtigen Dimensionen hatte, um den Raum zu beschreiben, in dem Menschen und Maschinen gemeinsam arbeiten. Das ist der strukturelle Riss, den eine 3D-Zertifizierung zum ersten Mal beginnt zu schließen.
