WAIC 2026: Chinas Roboter beginnen zu arbeiten

Auf den ersten Blick sah die World Artificial Intelligence Conference 2026 aus wie das größte Roboter-Schaulaufen der Welt. Humanoide begrüßten Besucher, mobile Manipulatoren sortierten Bauteile, Vierbeiner liefen durch nachgebildete Industrieareale, und künstliche Hände griffen nach Steckern, Glas und empfindlichen Komponenten. Wer jedoch nur auf spektakuläre Bewegungen achtete, übersah die eigentliche Nachricht aus Shanghai: Chinas Roboterindustrie versucht, den Sprung von der beeindruckenden Einzelvorführung zum verlässlichen Arbeitsablauf zu schaffen.

Die WAIC fand vom 17. bis 20. Juli 2026 in Shanghai statt. Mehr als 1.100 Unternehmen zeigten über 3.000 Exponate auf erstmals mehr als 100.000 Quadratmetern. Über 300 Produkte wurden nach Angaben der Veranstalter weltweit erstmals vorgestellt. Allein die Anwendungsschau vereinte mehr als 300 Roboter in Szenarien aus Produktion, Handel, Alltag und Unterhaltung. Diese Größenordnung machte die Messe nicht automatisch zu einem Beweis für Marktreife. Sie machte aber sichtbar, wohin Kapital, Ingenieursleistung und Industriepolitik derzeit fließen: in sogenannte Physical AI, also KI-Systeme, die nicht nur Texte oder Bilder erzeugen, sondern die physische Welt wahrnehmen und in ihr handeln.

Der entscheidende Fortschritt der WAIC 2026 war deshalb kein einzelner Roboter. Es war ein neues Gesamtsystem aus spezialisierten Körperformen, universelleren KI-Modellen, Tastsensorik, Trainingsdaten, Ladeinfrastruktur und Vorserienfertigung. Die Frage lautete nicht mehr nur: Kann ein Humanoid laufen? Sie lautete: Kann ein Roboter acht Stunden verfügbar bleiben, eine Aufgabe hundertfach wiederholen, Störungen erkennen, mit vorhandenen Maschinen zusammenarbeiten und sich wirtschaftlich warten lassen?

Das Wichtigste in Kürze

AgiBot stellte mit A3 Ultra, X2 Edu, G2 Max und OmniHand 3 Ultra-M vier neue Produkte für Service, Forschung, Industrie und Manipulation vor.
MagicLab präsentierte mit MagicBot X1, D1 und MagicDog T1 drei neue Roboterformen sowie das Modell Magic-VLA K02.

Robbyant, das Robotikunternehmen der Ant Group, zeigte mit LingBot 2.0 den Ansatz eines gemeinsamen „Robotergehirns“ für Maschinen unterschiedlicher Hersteller.
Qianjue Robotics und die Fudan University rückten taktile KI in den Mittelpunkt: Roboter sollen nicht nur sehen, sondern während des Kontakts Kraft, Verformung und Rutschen verstehen.
Orbbec stellte neue Hardware vor, mit der Menschen Trainingsdaten aus Ich-Perspektive, am Handgelenk und bei feinmotorischen Tätigkeiten sammeln können.
Der wandelbare Qiyuan T1 stellte die Idee infrage, dass ein persönlicher Roboter immer dieselbe Körperform behalten muss.
Neue Trainings- und Vorserienplattformen in Shanghai zeigen, dass die eigentliche Konkurrenz zunehmend hinter den Robotern stattfindet: bei Daten, Tests, Standards und reproduzierbarer Fertigung.

Von der Show zur Schichtarbeit

Servicehumanoid und fahrender Industrieroboter arbeiten an einer modernen Produktionslinie [Bildinhalt mit KI erstellt] — Nicht jeder Arbeitsroboter braucht Beine: Servicehumanoid und fahrender Manipulator übernehmen unterschiedliche Aufgaben. Eigenständige redaktionelle KI-Visualisierung.

Robotermessen leben seit Jahren von Choreografien. Ein Rückwärtssalto, ein Tanz oder ein kurzer Boxkampf erzeugt Reichweite und demonstriert Bewegungsregelung. Für einen zahlenden Kunden ist aber eine andere Frage wichtiger: Was geschieht nach der hundertsten Wiederholung? Ein Produktionssystem muss mit verschobenen Objekten, verschmutzten Sensoren, nachlassender Akkuleistung, wechselndem Licht und unvollständigen Informationen zurechtkommen.

Genau hier veränderte sich die Bildsprache der WAIC. In einer nachgebildeten Produktionslinie für Elektrofahrzeuge arbeiteten Roboter an Batterien, Leuchten, Kabelbäumen, Getrieben und Hupen. Ein mit visuellen und taktilen Sensoren ausgerüstetes System nahm Bauteile auf, zog Schrauben fest, steckte Verbindungen und prüfte anschließend die Beleuchtung. In einer anderen Demonstration bauten sechs Roboter 15 Stunden lang gemeinsam ein Modell der Chinesischen Mauer aus 80.000 Bausteinen. Die Aufgabe war spielerisch, doch der technische Kern war ernst: Rollen verteilen, Arbeitsfortschritt erkennen und die eigene Aktion an die Aktionen anderer Maschinen anpassen.

Auch die Messe selbst wurde zum Testfeld. AgiBot setzte nach eigenen Angaben mehr als 60 Roboter an verschiedenen Veranstaltungsorten ein. Sie führten Besucher, gaben Auskunft und unterstützten Präsentationen. Ein solcher Einsatz ist noch kein Beweis für einen rentablen Dauerbetrieb. Er erzeugt aber reale Daten über Navigation, Kommunikation, Ladeplanung und menschliches Verhalten in einer unübersichtlichen Umgebung.

AgiBot A3 Ultra: Ein Humanoid mit Dienstplan

Unter den Premieren nahm der A3 Ultra eine Schlüsselrolle ein. Der ausgewachsene Humanoid ist 1,74 Meter groß, wiegt 60 Kilogramm und verfügt über 51 aktiv angetriebene Freiheitsgrade. Jeder Arm soll bis zu fünf Kilogramm tragen können. AgiBot nennt bis zu acht Stunden kombinierte Betriebszeit und unterstützt direktes Laden, Akkutausch sowie autonomes Andocken an eine Ladestation.

Zur Wahrnehmung kombiniert der Roboter 3D-LiDAR, RGB-D-Kameras, Fischaugenkameras und binokulares Sehen. GPS, RTK und UWB sollen Positionsbestimmung in unterschiedlichen Umgebungen ermöglichen. Für die übergeordnete KI-Verarbeitung verwendet AgiBot NVIDIA Thor. Das klingt nach einer langen Liste technischer Komponenten, doch gerade diese Liste zeigt den Produktanspruch: A3 Ultra soll kein Bühnenroboter sein, sondern ein System für Empfang, Besucherführung, Handel und andere öffentliche Dienstleistungen.

Entscheidend ist die Verfügbarkeit. „Bis zu acht Stunden kombinierte Betriebszeit“ bedeutet nicht zwangsläufig acht Stunden autonome Arbeit unter voller Belastung. Betriebsdauer hängt von Bewegung, Rechenlast, Nutzlast und Pausen ab. Trotzdem verschiebt AgiBot die Diskussion in die richtige Richtung. Ein Serviceroboter braucht nicht nur Beweglichkeit, sondern ein Energie- und Flottenkonzept. Mehr zu diesem Engpass erklärt unser Hintergrund über die Akkulaufzeit humanoider Roboter.

G2 Max: Warum der bessere Arbeitsroboter Räder haben kann

AgiBots G2 Max ist womöglich wirtschaftlich interessanter als der zweibeinige Star. Der Roboter fährt auf einer omnidirektionalen Basis, besitzt kraftgeregelte Arme und kann seine Arbeitshöhe anpassen. Er ist für Materialhandhabung, Palettierung, Maschinenbeschickung und andere körperlich belastende Wiederholungsaufgaben gedacht.

Die Konstruktion folgt einer nüchternen Logik. Beine sind sinnvoll, wenn Treppen, Schwellen oder von Menschen geprägte Außenräume bewältigt werden müssen. Auf einem ebenen Fabrikboden kosten sie dagegen Energie, Regelungsaufwand und Wartung. Ein Radfahrwerk ist stabiler, kann größere Batterien tragen und lässt sich leichter absichern. Die humanoide Idee bleibt im Oberkörper erhalten: zwei Arme, flexible Reichweite und Werkzeuge für menschliche Arbeitsstationen. Der Unterkörper wird an die tatsächliche Aufgabe angepasst.

AgiBot zeigte G2-Systeme, die in einer Tablet-Produktion Material holen, Prüfeinrichtungen beschicken und fertige Produkte zurückführen. Das ist wichtiger als eine einzelne Greifdemonstration, weil es einen geschlossenen Ablauf beschreibt. Ob dieser Ablauf wirtschaftlich ist, lässt sich allerdings erst mit Zykluszeit, Fehlerquote, Eingriffsrate und Wartungskosten beurteilen.

MagicLab baut nicht einen Roboter, sondern eine Familie

Auch MagicLab verabschiedete sich von der Vorstellung, eine einzige Maschine müsse jede Aufgabe lösen. Das Unternehmen zeigte den zweibeinigen MagicBot X1, den fahrenden Industriehumanoiden MagicBot D1 und den leichten Vierbeiner MagicDog T1. Ergänzt wurde die Familie durch das Modell Magic-VLA K02.

Der X1 ist die universelle, menschenähnliche Plattform für mobile Aufgaben und Ganzkörperkoordination. Der D1 verbindet ein stabiles Radfahrwerk mit zwei Armen für Fabrikarbeit, Logistik und Forschung. Der T1 soll Sensoren oder zusätzliche Manipulatoren tragen und eignet sich für Inspektion, Werkschutz oder kurze Transporte auf schwierigerem Untergrund. MagicLab zufolge arbeitet der D1 bereits regelmäßig in einer Smart-Factory von Dreame.

Diese Aufteilung ist ein Indiz für die Reifung des Marktes. In einer frühen Technologiephase versucht ein Hersteller oft, sämtliche Aufmerksamkeit auf ein Flaggschiff zu konzentrieren. In einer Produktphase entstehen Varianten für unterschiedliche Kostenstrukturen und Einsatzprofile. AgiBot und MagicLab zeigen damit dieselbe strategische Einsicht: Die gemeinsame Plattform kann universell sein, der Körper muss es nicht sein.

Magic-VLA K02 und die Suche nach längeren Arbeitsabläufen

Das Modell Magic-VLA K02 soll Aufgabenverständnis und direkte Aktionssteuerung koppeln. MagicLab demonstrierte damit mehrstufige Tätigkeiten: Kartons stapeln und verschließen, flexible Kleidung falten und einen Koffer packen. Solche Aufgaben sind anspruchsvoller als klassisches Pick-and-Place, weil sich der Zustand der Umgebung nach jedem Schritt verändert.

Bei weichen Gegenständen kann der Roboter nicht allein aus einer starren 3D-Geometrie ableiten, wo er greifen soll. Ein Hemd verändert beim Falten ständig seine Form. Ein Karton kann schief stehen, eine Lasche kann nicht richtig einrasten, und ein Gegenstand kann beim Packen verrutschen. Ein VLA-Modell – Vision, Language, Action – versucht, Wahrnehmung, sprachlich oder semantisch formuliertes Ziel und Bewegungspolitik zusammenzuführen.

MagicLab veröffentlichte für den kombinierten Stapel- und Verschließablauf eine Erfolgsquote von mehr als 90 Prozent. Diese Zahl ist interessant, aber nicht mit einer unabhängigen Industriekennzahl gleichzusetzen. Unklar bleiben Zahl und Varianz der Versuche, Geschwindigkeit, menschliche Eingriffe und die genaue Definition eines erfolgreichen Durchlaufs. Der Beitrag sollte solche Herstellerangaben nicht ignorieren, aber transparent als Herstellerangaben kennzeichnen.

LingBot 2.0: Ein Gehirn für mehrere Roboterkörper

Drei unterschiedliche Serviceroboter bearbeiten gemeinsam eine Bestellung in einer modernen Apotheke [Bildinhalt mit KI erstellt] — Ein KI-Modell, mehrere Körper: Unterschiedliche Roboter teilen sich einen vollständigen Apothekenablauf. Eigenständige redaktionelle KI-Visualisierung. [Bildinhalt mit KI erstellt]

Eine der strategisch wichtigsten Vorstellungen kam von Robbyant, dem auf verkörperte KI spezialisierten Unternehmen der Ant Group. LingBot 2.0 verfolgt den Ansatz, dieselbe Modellfamilie auf unterschiedlichen Robotern einzusetzen. Das Ziel ist „one brain, multiple robots“: Fähigkeiten sollen nicht mehr vollständig an die Mechanik eines einzigen Herstellers gebunden sein.

Die Messe demonstrierte diesen Ansatz in einer intelligenten Apotheke. Drei unterschiedliche Roboter nahmen zufällige Bestellungen entgegen, teilten die Arbeit auf, entnahmen Medikamente und übergaben die fertige Bestellung. Nach Angaben der Veranstalter wird eine entsprechende Lösung bereits in Filialen der Shanghaier Apothekenkette Guo Da eingesetzt.

Wenn ein Modell tatsächlich zuverlässig zwischen unterschiedlichen Körpern übertragen werden kann, verändert das den Robotermarkt. Heute ist eine erlernte Fähigkeit häufig eng mit Kameraposition, Gelenkgeometrie, Greifer und Regelung eines bestimmten Roboters verbunden. Ein herstellerübergreifendes Modell müsste Unterschiede erkennen und Aktionen in die jeweilige Kinematik übersetzen. Es könnte damit zu einer Softwareschicht werden, die Fähigkeiten schneller verbreitet.

Der Vergleich mit einem Smartphone-Betriebssystem liegt nahe, ist aber nur begrenzt passend. Ein falscher Softwarebefehl lässt einen Roboter nicht nur abstürzen, sondern kann eine physische Kollision verursachen. Universelle Roboter-KI benötigt deshalb zusätzlich zertifizierte Sicherheitsgrenzen, klare Zuständigkeiten und eine lokale Steuerung, die gefährliche Modellaktionen blockiert.

Der Tastsinn wird zum entscheidenden Wettbewerb

Taktile Roboterhand setzt einen transparenten Steckverbinder in eine Fahrzeugleuchte ein [Bildinhalt mit KI erstellt] — Sehen allein genügt nicht: Tastsensorik und Kraftregelung ermöglichen kontaktreiche Präzisionsmontage. Eigenständige redaktionelle KI-Visualisierung. [Bildinhalt mit KI erstellt]

Sehen ist in der Robotik weit fortgeschritten. Kameras erkennen Objekte, schätzen Positionen und erstellen räumliche Modelle. Viele Fehler entstehen jedoch erst beim Kontakt: Ein Stecker sitzt schief, ein Stoff rutscht, ein Glas beginnt zu kippen oder eine Schraube erreicht ihr vorgesehenes Drehmoment. Ohne Tastsinn bemerkt der Roboter diese Situationen zu spät oder nur indirekt.

Qianjue Robotics stellte deshalb einen neuen VTLA-Ansatz vor: Vision, Touch, Language und Action werden in einem multimodalen Modell zusammengeführt. Die gezeigten Systeme unterschieden Oberflächenstruktur, Härte und Elastizität, erkannten beginnendes Rutschen und passten Bewegungen während der Manipulation an. In einem Demonstrationsablauf wurden weiche Einlagen beschädigungsfrei entnommen, sensorisch untersucht und wieder eingesetzt.

Der Datenerfassungsgriff XTac UMI G1 kombiniert visuelle Tastsensoren, IMU, hochauflösende Encoder und den Zustand des Greifers. So lassen sich Bild, Kraft, Kontakt, Bewegung und Schlupf synchron aufzeichnen. Diese Daten sind wertvoll, weil Videos allein nicht zeigen, wie stark ein Mensch drückt oder wann ein Gegenstand kurz vor dem Abrutschen steht.

Qianjue zeigte außerdem eine vollständige Hand mit Fingersensoren und elektronischer Haut. Ziel ist ein Netz aus vielen Kontaktpunkten statt einzelner Kraftsensoren. Für Roboterhände bedeutet dies denselben Entwicklungsschritt, den hochauflösende Kameras für die Bildverarbeitung brachten: Aus einem groben Signal wird ein detailliertes räumliches Wahrnehmungsfeld.

OmniHand 3 Ultra-M: Eine Hand als Trainings- und Arbeitsgerät

AgiBots OmniHand 3 Ultra-M ergänzt diese Entwicklung von der Hardwareseite. Die Hand integriert 20 aktive Freiheitsgrade in ein 630 Gramm schweres Gehäuse. Sie soll bis zu fünf Kilogramm greifen, in etwa 0,3 Sekunden öffnen oder schließen und eine Wiederholgenauigkeit von ±0,2 Millimetern erreichen. Visuell arbeitende Sensoren in den Fingerspitzen und eine taktile Fläche in der Handinnenfläche erfassen Kontakt und Objektbewegung.

Bemerkenswert ist der geplante Doppelzweck. Die Hand soll nicht nur am fertigen Roboter arbeiten, sondern auch für Teleoperation und die Aufzeichnung menschlicher Demonstrationen verwendet werden. Dadurch ähneln sich Datenerfassung und spätere Ausführung mechanisch stärker. Bewegungen, Kontaktkräfte und Greifzustände müssen weniger auf ein vollkommen anderes Endgerät übertragen werden.

Für präzise Manipulation bleibt die Drehmomentregelung entscheidend. Ein lernendes Modell kann einen Greifplan erzeugen; schnelle lokale Regelkreise müssen dennoch verhindern, dass Motoren empfindliche Objekte oder Menschen mit zu hoher Kraft belasten.

Fudan zeigt, warum ein Stecker schwieriger ist als ein Rückwärtssalto

Die Fudan University präsentierte gemeinsam mit Partnern ein visuell-taktiles System für die Montage von Fahrzeugleuchten. Der Roboter nahm Schrauben und Steckverbinder auf, setzte sie ein, überwachte Kräfte und prüfte am Ende die Funktion der Leuchte. Die eingesetzten Sensoren sollen rund 40.000 Wahrnehmungspunkte pro Quadratzentimeter bieten. Die Universität spricht von mehr als 10.000 Stunden gesammelter Interaktionsdaten.

Eine solche Montageaufgabe wirkt unspektakulär, ist technisch aber hochrelevant. Bauteile besitzen Toleranzen, Kabel bewegen sich, Steckverbinder können verkanten und Schrauben können ein Gewinde beschädigen. Ein rein visuelles System erkennt nicht zuverlässig, ob ein Stecker mit der richtigen Kraft eingerastet ist. Die taktile Rückmeldung ermöglicht, die Bahn im Kontakt zu korrigieren und den erreichten Zustand zu bewerten.

Das Beispiel zeigt, warum die industrielle Zukunft humanoider Roboter nicht an Laufgeschwindigkeit entschieden wird. Die größte Wertschöpfung entsteht häufig an den Händen: beim Verbinden, Einsetzen, Sortieren, Prüfen und Bearbeiten. Genau dort treffen Sensorfusion, Tastsinn, Kraftregelung und ein Verständnis des Arbeitsablaufs aufeinander.

Qiyuan T1: Ein persönlicher Roboter verändert seine Form

Der Qiyuan T1 setzte einen anderen Akzent. Der erstmals öffentlich gezeigte Roboter soll zwischen einem radgestützten humanoiden Innenraummodus und einer vierbeinigen Form für Gras, Schotter, Rampen und Stufen wechseln. Eine gemeinsame Transformer-basierte Architektur soll Gleichgewicht, Bewegungsplanung und Interaktion in beiden Formen steuern.

In Innenräumen sollen Räder leise und effizient sein sowie eine Drehung auf engem Raum ermöglichen. Im Freien bietet die vierbeinige Konfiguration mehr Bodenfreiheit und Kontaktpunkte. Vorgesehene Aufgaben reichen von Begleitung bis zur automatischen Filmaufnahme bei Ausflügen oder Familienaktivitäten.

Das Konzept ist redaktionell reizvoll, weil es die kulturell dominante Vorstellung des menschenähnlichen Allzweckroboters infrage stellt. Ein persönlicher Roboter muss nicht immer wie ein Mensch aussehen. Vielleicht ist Anpassungsfähigkeit wichtiger als anatomische Konsequenz. Gleichzeitig fehlen noch entscheidende Produktdaten: Preis, reale Akkulaufzeit, Wetterfestigkeit, Gewicht, sichere Transformation und Liefertermin. T1 ist deshalb eine interessante Wette auf die Zukunft, noch kein belegter Massenmarkt.

Trainingsdaten ohne teure Roboterstunden

Eine weitere Premiere kam von Orbbec. Die Robot-Free Data Collection Platform umfasst EGO für kopfgetragene Aufnahmen aus der Ich-Perspektive, UMI für Manipulationsdaten und WristCam für die Nahsicht an Hand oder Handgelenk. Menschen können damit Tätigkeiten ausführen und gleichzeitig RGB-D-, Bewegungs- und Interaktionsdaten sammeln.

Das adressiert einen grundlegenden Kostenfaktor. Ein Roboter ist während der Datensammlung gebunden, bewegt sich oft langsamer als ein Mensch und kann bei Fehlern beschädigt werden. Tragbare Datenerfassung erlaubt, viele menschliche Demonstrationen parallel aufzuzeichnen. Allerdings müssen die Bewegungen später auf einen Roboter mit anderer Reichweite, Kraft und Kinematik übertragen werden. „Robot-free“ bedeutet deshalb nicht, dass kein Training am realen Roboter mehr nötig wäre.

Orbbec zeigte außerdem gemeinsam mit Robbyant einen LingBot-Depth-Filter für die Gemini-330-Kameras. Er soll Tiefenrauschen verringern, fehlende Bereiche ergänzen und Kanten verbessern. Besonders relevant sind transparente oder spiegelnde Gegenstände, bei denen klassische Tiefensensoren häufig unvollständige Daten liefern. Damit entsteht eine durchgängige Kette von Datenerfassung über Modelltraining bis zur Wahrnehmung auf dem eingesetzten Roboter.

Die Fabrik hinter der Roboterfabrik

Ingenieure testen humanoide Roboter, Roboterhände und unterschiedliche Plattformen in einer Trainingsfabrik [Bildinhalt mit KI erstellt] — Die Fabrik hinter dem Roboter: Training, Prüfung und Vorserienfertigung werden zur strategischen Infrastruktur. Eigenständige redaktionelle KI-Visualisierung. [Bildinhalt mit KI erstellt]

Die möglicherweise folgenreichste Nachricht der WAIC war kein Roboterprodukt. Das nationale und lokale Innovationszentrum für humanoide Roboter präsentierte gemeinsam mit Huawei ein neues Trainingsfeld. Zusätzlich ging eine von dem Zentrum und Shanghai Electric aufgebaute Vorserien- und Testplattform in Pudong in Betrieb.

Die rund 6.800 Quadratmeter große Anlage umfasst modulare Montagelinien, Testbereiche und intelligentes Lager. Sie soll unterschiedliche Humanoide, fahrende Manipulatoren und Vierbeinroboter aufnehmen können. Angegeben werden Kapazitäten von bis zu 2.000 Robotersystemen sowie 2.000 Gelenk- oder Handmodulen pro Jahr. Mehr als 400 Prüfungen sollen Komponenten und Gesamtsysteme abdecken. Zur Ausstattung gehören Handprüfstände, spezielle Laufbänder und begehbare Temperaturkammern.

Eine solche Infrastruktur schließt die Lücke zwischen Labor und Serienwerk. Junge Hersteller können Konstruktionen montieren, Belastungstests durchführen, Fertigungsschritte optimieren und kleinere Stückzahlen produzieren, ohne sofort eine eigene Fabrik aufzubauen. Noch wichtiger ist die Standardisierung: Vergleichbare Tests und gemeinsame Datenformate machen Fortschritte messbarer und erleichtern Zulieferern die Integration.

China baut damit nicht nur Roboter, sondern eine industrielle Lernmaschine. Daten fließen aus realen Aufgaben in Modelle, Modelle werden auf unterschiedlichen Körpern getestet, Komponenten werden in Vorserie gefertigt, und die Ergebnisse fließen zurück in Konstruktion und Training. Dieses Tempo kann einen größeren Wettbewerbsvorteil erzeugen als ein einzelnes patentiertes Gelenk.

Was wirklich neu war – und was nur neu inszeniert wurde

Eine seriöse WAIC-Bilanz muss Premieren von Aktualisierungen unterscheiden. Shanghai Electrics zweibeiniger Suyuan wurde bereits 2025 vorgestellt. Auf der WAIC 2026 war vor allem das weiterentwickelte Betriebskonzept mit einem Hot-Swap-System aus zwei Akkus interessant. Matrix-3 wurde schon im Januar 2026 angekündigt; während der Messe standen ein Update des WAVE-Modells und neue Partnerprogramme im Vordergrund. Keenon zeigte einen neuen Ablauf für Hotelwäsche, verwendete dabei jedoch überwiegend bekannte Roboterplattformen.

Auch bemannte Mecha-Konstruktionen, Basketball und akrobatische Vorführungen lieferten eindrucksvolle Bilder, aber nur begrenzte Aussagen über wirtschaftliche Arbeit. Eine hohe Gelenkgeschwindigkeit beweist weder sichere Zusammenarbeit noch zuverlässige Objekterkennung. Genau diese Unterscheidung sollte ein redaktioneller Beitrag konsequent durchhalten.

Die offenen Fragen hinter den beeindruckenden Vorführungen

Wie autonom waren die Systeme wirklich?

Bei vielen Messevorführungen ist nicht erkennbar, ob ein Ablauf vollständig autonom, teilweise fernbedient oder eng durch vorbereitete Bedingungen begrenzt war. Teleoperation ist kein Makel; sie kann ein sinnvoller Sicherheits- und Lernmechanismus sein. Problematisch wird sie erst, wenn menschliche Arbeit als autonome Roboterleistung dargestellt wird.

Wie oft gelang eine Aufgabe?

Eine Erfolgsquote ohne Anzahl, Objektvarianz und Zeitfenster ist wenig aussagekräftig. Für industrielle Kunden zählen tausende Wiederholungen, nicht das beste Video. Hersteller sollten künftig Erfolgsrate, durchschnittliche Zykluszeit, Eingriffe pro Schicht und sichere Ausfallreaktionen offenlegen.

Was kostet eine produktive Stunde?

Kaufpreis allein reicht nicht. Entscheidend sind Abschreibung, Energie, Wartung, Ersatzteile, Leitstellenpersonal, Softwarelizenzen und Stillstand. Ein günstiger Roboter kann teuer sein, wenn ständig ein Techniker eingreifen muss. Ein teureres System kann wirtschaftlich werden, wenn es zuverlässig mehrere Aufgaben übernimmt.

Wie sicher sind Modelle und Daten?

Herstellerübergreifende KI-Plattformen und tragbare Datenerfassung schaffen neue Angriffsflächen. Kameras und Mikrofone können vertrauliche Produktions- oder Kundendaten aufnehmen. Manipulationsmodelle dürfen zertifizierte Kraft-, Geschwindigkeits- und Kollisionsgrenzen nicht überschreiben. Cybersicherheit und Datenschutz sind deshalb Teil der physischen Sicherheit.

Gibt es Service, Ersatzteile und belastbare Liefertermine?

Die Robotikbranche ist voller hervorragender Prototypen. Ein Produkt entsteht erst mit dokumentierter Wartung, Schulung, Ersatzteilversorgung, Updates und Versicherung. Besonders bei jungen Herstellern ist unklar, wie Flotten nach drei oder fünf Jahren betreut werden.

Wer die WAIC 2026 gewonnen hat

Den überzeugendsten Produktbaukasten zeigte AgiBot. A3 Ultra, G2 Max, X2 Edu und OmniHand adressieren verschiedene Schichten des Marktes und werden durch reale Flotten- und Fabrikerfahrungen ergänzt. Die strategisch interessanteste Softwareidee kam von Robbyant: Ein gemeinsames Modell für unterschiedliche Roboterkörper könnte Fähigkeiten schneller verbreiten und Hardwareanbieter austauschbarer machen.

Den tiefsten technischen Fortschritt repräsentierten die taktilen Ansätze von Qianjue und Fudan. Sobald Roboter während des Kontakts verstehen, was geschieht, werden Aufgaben möglich, die mit Kameras und festen Bahnen allein nicht robust lösbar sind. MagicLab zeigte wiederum, dass eine gemeinsame Technologieplattform sinnvoll auf Zweibeiner, Radroboter und Vierbeiner verteilt werden kann. Qiyuan T1 lieferte den mutigsten Entwurf für persönliche Robotik.

Langfristig könnte jedoch die Trainings- und Vorserieninfrastruktur in Pudong der eigentliche Gewinner sein. Produkte ändern sich schnell; eine Plattform, die Daten, Tests, Fertigung und Standards verbindet, beschleunigt eine ganze Industrie.

Fazit: Der beste Roboter war nicht der spektakulärste

Die WAIC 2026 markierte keinen plötzlichen Durchbruch zum universellen Roboterarbeiter. Dafür sind Zuverlässigkeit, Kosten und Sicherheit noch zu wenig belegt. Die Veranstaltung zeigte aber, wie sich die Prioritäten verschieben. Beine bleiben sichtbar, doch Hände, Sensoren, Daten und Ladeplanung werden wichtiger. Hersteller präsentieren nicht mehr nur einen Körper, sondern Produktfamilien. Modelle sollen zwischen Robotern wechseln. Trainings- und Fertigungsplattformen sollen den Übergang zur Serie verkürzen.

Der entscheidende Maßstab der nächsten Jahre wird deshalb nicht sein, welcher Humanoid am höchsten springt. Gewinnen wird das System, das an einem gewöhnlichen Dienstagmorgen pünktlich startet, acht Stunden nachvollziehbar arbeitet, Fehler sicher behandelt und am Ende eine niedrigere Kostenrechnung hinterlässt als der Prozess, den es ersetzt.

Quellen und weiterführende Informationen

Bewerte den Beitrag hier!

[Total: 0 Average: 0]

Nico Nuss

Website

Der Autor Nico Nuss beschäftigt sich seit 2001 mit den Themen Mobile Computing und Automation Software. Auf Grund seiner Erfahrung und dem starken Interesse für Zukunftstechnologien gilt seine Aufmerksamkeit den Themen Robotik und AI.