Robotik, KI und die nächste industrielle Dekade

Prof. Dominik Bösl, Informatiker, ehemaliger Industrie-Insider bei Siemens, Microsoft, KUKA und Festo, heute Professor an der Hochschule der Bayerischen Wirtschaft, hat beim diesjährigen #EDAY26 der Wirtschaftskammer Österreich eine Keynote gehalten, die erfrischend nüchtern war. Kein Weltuntergang, kein blinder Optimismus, sondern der Versuch, Technologieentwicklung realistisch einzuordnen. Das verdient Aufmerksamkeit, gerade weil die öffentliche Debatte über KI und Robotik meist in Extremen verläuft.

Automatisierung als Antwort auf den demografischen Wandel

Der zentrale Treiber der Automatisierung ist für Bösl nicht Effizienzgier, sondern schlicht Demografie. Die OECD prognostiziert für 2045 einen globalen Arbeitskräftemangel. Europa altert schneller als es nachwächst. Wer den Wohlstand erhalten will, den wir kennen, kommt um Automatisierung nicht herum. Das ist keine ideologische Position, sondern eine Rechenaufgabe.

Interessant dabei: Bösl räumte ein, noch dafür ausgebuht worden zu sein, dass Automatisierung Arbeitsplätze vernichte. Die Realität ist heute eine andere. Die Robotik werde zuerst in jenen Bereichen Fuß fassen, die Bösl als “Dull, Dirty, Dangerous Jobs” bezeichnet: körperlich belastende, monotone, unergonomische Tätigkeiten, für die sich schlicht kein Nachwuchs mehr findet. Das ist ein substanziell anderes Argument als das klassische Effizienznarrativ der Unternehmensberatungen.

Die vier Phasen der Robotik-Entwicklung

Bösl zeichnet eine Entwicklungslinie, die er analog zur Computerisierung sieht:

1. Roboterbasierte Automatisierung – starre Systeme im Käfig, hocheffizient, aber unflexibel (Industrieroboter, Fertigungslinien).
2. Kollaborative Robotik – der Roboter verlässt den Käfig, arbeitet sicher neben Menschen, aber echte Kollaboration am gleichen Werkstück bleibt selten.
3. Mobile Robotik – der Service kommt zum Menschen, nicht umgekehrt: Serviceroboter in Hotellerie, Gastronomie, Landwirtschaft.
4. Intelligente Autonomie – der Roboter versteht Anweisungen, adaptiert sich, übernimmt Aufgaben ohne explizite Programmierung jedes Schritts.

Wir befinden uns gerade im Übergang von Phase zwei zu Phase drei. Phase vier ist technisch noch nicht ausgereift, auch wenn die Demos anderes versprechen.

KI: Innovation Trigger, aber mit Grenzen

KI ist nach Bösl tatsächlich der aktuelle “Innovation Trigger” – nicht weil sie so viel kann, sondern weil Rechenleistung und Daten erstmals im nötigen Umfang verfügbar sind. Gleichzeitig betont er etwas, das in der Öffentlichkeit kaum ankommt: Seit September 2024 ist wissenschaftlich belegt, dass Halluzinationen in Large Language Models strukturell nicht vollständig eliminierbar sind und dass rein skalierungsbasierte Ansätze an ihre Grenzen stoßen. Mehr Rechenzentren, mehr Parameter, mehr Milliarden werden das Grundproblem nicht lösen.

Was gebraucht wird: neue Technologien und Methoden, und vor allem Grundlagenforschung. Hier sieht Bösl einen europäischen Wettbewerbsvorteil, den wir allerdings aktiv verteidigen müssen. Österreich und Deutschland haben die mathematischen und technischen Köpfe. Die TU Wien, um nur ein Beispiel zu nennen, leistet international anerkannte Arbeit. Die Frage ist, ob diese Expertise im Europäischen Raum gehalten und verwertet wird oder ob sie über Talent-Akquisition und Forschungspartnerschaften abfließt.

Der eigentliche Wert: Daten und domänenspezifisches Wissen

Bösl formulierte eine schlichte, aber wichtige Warnung: Der wahre Schatz österreichischer und europäischer Unternehmen sind derzeit ihre Daten und ihr domänenspezifisches Wissen. Branchenerfahrung, Prozesswissen, historische Betriebsdaten. Wer diese voreilig für externe KI-Dienste freigibt, nur weil das Versprechen technischer Unterstützung verlockend klingt, gibt damit einen strategischen Vermögenswert preis, ohne den Gegenwert wirklich beurteilen zu können.

Das klingt nach Datenschutz-Rhetorik, ist aber ökonomisch gemeint. Und es trifft sich mit einer Position, die aus Compliance-Perspektive ohnehin geboten ist: Wer Daten in externe Systeme einspeist, muss wissen, welche Verarbeitungsverträge bestehen, wo die Daten verarbeitet werden und welche Rechte daran verbleiben.

Anthropomorphismus als unterschätztes Risiko

Ein Detail aus Bösl’s Vortrag, das ich für besonders relevant halte: der menschliche Hang zum Anthropomorphismus. Sobald ein Gerät sich menschlich oder tierähnlich bewegt, projizieren Menschen Absichten, Gefühle und Vertrauen hinein. Bösl zeigt das mit dem Staubsaugerroboter, der sich in einer Ecke verfängt – und dem Publikum, das spontan applaudiert, als er sich befreit. Das passiert nicht bewusst, es ist ein tief verankerter Reflex.

In der Praxis hat das Konsequenzen: Menschen vertrauen Systemen, die ihnen vertraut wirken, schneller als angemessen. Das ist in der Mensch-Maschine-Interaktion im Industriekontext bekannt und führt zu realen Sabotagehandlungen, wenn Menschen das Gefühl haben, von der Maschine moralisch unfair behandelt zu werden. Im Kontext von KI-gestützten Assistenzsystemen, die in Büro- oder Pflegeumgebungen eingesetzt werden, ist das eine ernste Designfrage.

Was Europa jetzt tatsächlich entscheiden muss

Bösl stellt die Frage, was Europa entscheiden muss, bevor es andere für uns tun. Implizit gibt er auch die Antworten:

Datenhoheit ernstnehmen. Nicht als regulatorischen Reflex, sondern als wirtschaftliche Entscheidung. Wer entscheidet, welche Daten in welchen Trainingsprozessen landen, hat mittelfristig Einfluss auf die KI-Systeme, die daraus entstehen. Europäische Initiativen zur Datensouveränität, von Gaia-X bis zu sektorspezifischen Datenräumen, sind langsam und unvollständig, aber sie adressieren das richtige Problem.

Grundlagenforschung stärken. Die Erkenntnis, dass Skalierung allein nicht ausreicht, öffnet ein Fenster für Europa. Die mathematische Forschungstradition, die in Deutschland, Österreich und der Schweiz gepflegt wird, kann hier einen echten Beitrag leisten – aber nur, wenn die Rahmenbedingungen stimmen: Finanzierung, Vernetzung, Technologietransfer.

Partizipativen Dialog führen. Bösl formuliert eine Forderung, die ich teile: Wer Technologie entwickelt oder erforscht, soll in der Lage sein, auf einer Seite verständlich zu erklären, was er tut und welche Folgen das hat. Das ist keine Kommunikationsaufgabe, sondern eine demokratische Notwendigkeit.

Meine Gedanken dazu

Die Keynote war kein Strategiepapier, sie war eine Orientierungshilfe. Was bleibt, ist die Überzeugung, dass die Entscheidungen, die Europa in den nächsten fünf bis zehn Jahren trifft – über Datenregulierung, Forschungsförderung, Ausbildung und den Umgang mit KI-Systemen –, den Unterschied machen werden zwischen technologischer Eigenständigkeit und Abhängigkeit.

Ob das gelingt, hängt nicht nur von Regulierung oder Forschungsgeldern ab. Es hängt auch davon ab, ob Unternehmen, Behörden und Gesellschaft die richtige Frage stellen: nicht “Wie setze ich KI ein?”, sondern “Wofür setze ich KI ein, und zu welchem Preis?”

Das ist keine technische Frage. Das ist eine Frage der Verantwortung.

Transparenzhinweis: Dieser Beitrag wurde ermit Unterstützung generativer KI (Claude Sonnet 4.6, Anthropic) erstellt und vor Veröffentlichung redaktionell geprüft.