Roboter laufen nicht von selbst: Die Arbeitskräfte, die die physische KI antreiben

Laut HireArt erfordert die Skalierung im Bereich Robotik neue Kennzahlen zur Personalausstattung. Quelle: Lee AI, via Adobe Stock

Während Robotersysteme von Pilotphasen zu groß angelegten Einsätzen übergehen, zeichnet sich ein entscheidendes Muster ab: Der Engpass liegt selten bei der Hardware. Vielmehr sind es die Mitarbeiter, die benötigt werden, um diese Systeme unter realen Bedingungen zu betreiben, zu warten und kontinuierlich anzupassen.

Die meisten Robotik-Initiativen beginnen mit einem bekannten Modell – kleinen, eng koordinierten Teams, die frühe Einsätze unterstützen. Ingenieure sind nah am System, die Bediener sind bestens geschult, und Probleme werden schnell gelöst, da alle beteiligt sind. Diese Struktur funktioniert gut, wenn fünf oder zehn Roboter in kontrollierten Umgebungen verwaltet werden.

Dieser Ansatz versagt jedoch, wenn sich die Einsätze auf Dutzende von Standorten über mehrere Schichten hinweg und in unterschiedlichen physischen Umgebungen ausweiten. An diesem Punkt verhält sich die Robotik nicht mehr wie eine Produkteinführung, sondern funktioniert wie ein dezentraler Betriebsbetrieb.

Physische KI-Einsätze verschieben die Prioritäten in der Arbeitswelt

Eine nützliche Parallele lässt sich in der Entwicklung der KI-Arbeitswelt im letzten Jahrzehnt finden. Frühe Computer-Vision-Systeme stützten sich stark auf einfache, aufgabenbasierte Datenkennzeichnung, die breit verteilt werden konnte.

Als sich die Modelle in Richtung großer Sprachmodelle verlagerten, ging es bei der Arbeit selbst weniger um einzelne Aufgaben als vielmehr um Urteilsvermögen, Nuancen und Qualitätskontrolle. Dieser Wandel führte zu einer Abkehr von lose koordinierter Crowdwork hin zu strukturierteren, geschulten Teams mit klarerer Verantwortlichkeit.

Physische KI durchläuft derzeit einen ähnlichen Wandel, allerdings mit höherem Einsatz. Wenn Intelligenz in Maschinen verkörpert ist, die in Lagern, Krankenhäusern, Fabriken oder öffentlichen Räumen zum Einsatz kommen, ist „Qualität“ nicht mehr nur eine Modellkennzahl. Sie umfasst nun Betriebszeit, Sicherheit, Hardware-Integrität und Kundenerlebnis in dynamischen Umgebungen.

Dieser Wandel offenbart eine Lücke in der Art und Weise, wie viele Teams über die Gestaltung ihrer Belegschaft nachdenken. Traditionelle, auf Gelegenheitsjobs basierende oder rein aufgabenorientierte Arbeitsmodelle stoßen in Umgebungen an ihre Grenzen, die eine konsistente Schichtabdeckung, Sicherheitsschulungen, standortspezifische Protokolle und Eskalationsverfahren erfordern. In der Praxis zeigt sich bei vielen Robotik-Einsätzen, dass Verantwortlichkeit und Wiederholbarkeit wichtiger sind als der reine Durchsatz.

Dies treibt einen stillen Wandel hin zu hybriden Personalstrukturen voran. Einige Unternehmen bauen einen stabilen Kern aus geschulten, stundenweise bezahlten W-2-Mitarbeitern und Technikern auf, die für die grundlegende Ausführung, die Einhaltung von Standardarbeitsanweisungen (SOP) und Eskalationswege verantwortlich sind.

Um diesen Kern herum befindet sich eine flexiblere Ebene mit Spitzenkapazitäten für Pilotprojekte, die Inbetriebnahme neuer Standorte und spezialisierte Einsätze. Auch wenn die genauen Konfigurationen variieren, ist ein gängiges Muster eine gleichmäßige Aufteilung zwischen fester und variabler Kapazität, die angepasst wird, sobald sich die Systeme etablieren und das Vorfallvolumen sich stabilisiert.

Neue Rollen stellen eine organisatorische Herausforderung dar

Innerhalb dieser Teams entstehen neue Rollentypen, die sich nicht eindeutig traditionellen Berufsgruppen zuordnen lassen. Roboterbediener, Außendiensttechniker, Fernbediener, QA-Prüfer und Datenerfassungsspezialisten bewegen sich alle zwischen Technik und Betrieb. Sie sind nicht nur für den Betrieb der Systeme verantwortlich, sondern auch für die Interpretation von Grenzfällen, die Dokumentation von Ausfällen und die Umsetzung von Verhaltensweisen in der Praxis in technische Feedbackschleifen.

In diesem Zusammenhang sind Anreize ebenso wichtig wie die Struktur. Metriken, die ausschließlich auf Geschwindigkeit ausgerichtet sind – wie sie in früheren Formen der digitalen Arbeit üblich waren –, können die Leistung in physischen Umgebungen aktiv beeinträchtigen.

Stattdessen legen Teams mehr Wert auf die Einhaltung von Verfahren, die Qualität der Dokumentation, die Genauigkeit bei der Eskalation und sicheres Verhalten in unsicheren Situationen.

Es wird immer deutlicher, dass die Skalierung der Robotik nicht nur eine technische Herausforderung ist. Es ist eine organisatorische Herausforderung. Der Erfolg hängt davon ab, ob Unternehmen Personalsysteme aufbauen können, die ebenso robust und anpassungsfähig sind wie die Maschinen selbst.

Mit anderen Worten: Die nächste Phase der Skalierung der Robotik wird nicht nur durch eine bessere Autonomie definiert sein. Sie wird davon abhängen, ob Teams menschliches Urteilsvermögen zuverlässig neben maschineller Intelligenz skalieren können – über Standorte, Schichten und reale Bedingungen hinweg, die sich selten wie erwartet verhalten.

Über den Autor

Christopher Bower ist Mitbegründer, Chief Revenue Officer und Präsident von HireArt, einem Anbieter einer Plattform für Leiharbeitsverträge. Das in New York ansässige Unternehmen hat es sich zur Aufgabe gemacht, flexible Beschäftigungsformen neu zu gestalten, indem es Arbeitskräfte und Unternehmen zusammenbringt und deren Produktivität fördert.

HireArt erklärte, dass sein Tool es Kunden ermöglicht, mit einem einzigen Tool eine moderne Vertragsbelegschaft aufzubauen und zu verwalten. Sie können die Rolle des offiziellen Arbeitgebers, die bedarfsgerechte Personalbeschaffung, das Lieferantenmanagement und das Freiberuflermanagement über dieselbe Self-Service-Benutzeroberfläche abwickeln.

Bower war zuvor bei HumanEdge, der Tandym Group und Access Confidential tätig. Außerdem ist er ehrenamtlich als Karrierecoach an der New York Public Library tätig.