WRC 2026 zeigt den Wandel von der Robotershow zum echten Arbeitseinsatz

Die 2026 World Robot Conference (WRC) in Pekings Stadtteil Yizhuang zeigte eine Branche im Übergang. Vom 19. bis 23. August waren Roboter beim Sortieren von Paketen, in Produktionsabläufen, bei der Zubereitung von Speisen und im Haushalt zu sehen – neben den inzwischen vertrauten Kunststücken zweibeiniger Humanoide. Die zentrale Frage lautete damit weniger, ob eine Maschine ein Publikum einmalig beeindrucken kann. Entscheidend ist vielmehr, ob sie nützliche Arbeit zuverlässig genug erledigt, um dauerhaft Teil eines Geschäftsprozesses zu werden. 3417

Gleichzeitig wurde deutlich, dass die Softwarebasis für vielseitig einsetzbare Roboter noch keineswegs feststeht. Unternehmen suchen unterschiedliche Antworten auf dasselbe Problem: Wie lassen sich Maschinen mit genügend physischem Verständnis, Trainingsdaten und Anpassungsfähigkeit ausstatten, damit sie auch außerhalb eng vorgegebener Abläufe funktionieren?

Von der Show zur wiederholbaren Arbeit

Das Motto der Konferenz – „Human-Robot Symbiosis, Production-Demand Convergence“, also sinngemäß „Mensch-Roboter-Symbiose, Zusammenführung von Produktion und Nachfrage“ – rückte konkrete Anwendungen und potenzielle Abnehmer stärker ins Zentrum. Zu sehen waren unter anderem Paketsortierung, das Verpacken von Mobiltelefonen, Materialtransport, Empfang, Einzelhandel und Hausarbeit. Reuters beschrieb den Anspruch der Branche als Schritt weg von publikumswirksamen Vorführungen hin zu einer breiteren kommerziellen Nutzung. Zugleich machten die Demonstrationen allein noch keinen Nachweis für einen dauerhaften und skalierbaren Betrieb. 217

Dieser Unterschied ist entscheidend: Ein Roboter, der eine Aufgabe auf einer vorbereiteten Messefläche erledigt, zeigt technische Fähigkeiten. Ein Roboter, der dieselbe Aufgabe in einer wechselhaften Arbeitsumgebung zuverlässig und wiederholt bewältigt, ist ein einsatzfähiges Produkt. Die WRC 2026 lieferte mehr Anzeichen für den Weg zum zweiten Schritt – aber noch keinen Beleg für eine flächendeckende Einführung.

Mehrere Aussteller machten die Bandbreite dieses Vorstoßes sichtbar:

• X Square Robot demonstrierte ein einheitliches Modell für Logistik und Haushalt. Die Roboter sortierten Kleidung, reinigten, holten Lieferungen und Getränke, gossen Pflanzen und erledigten weitere Hausarbeiten.
• UBTECH zeigte koordinierte humanoide Arbeitsabläufe mit Heben, Stapeln, Sortieren und Nachfüllen von Waren. Der Walker C1 wurde dagegen vor allem für Service und Interaktion im öffentlichen Raum, etwa am Empfang, positioniert.
• JD.com setzte seine KI-Plattform JoyInside auf einem Unitree R1 ein. Der Roboter wurde dabei gezeigt, wie er einen Roboterhund ausführt. Das Beispiel unterstrich JD.coms Rolle nicht nur als möglicher Roboternutzer, sondern auch als Anbieter einer KI-Plattform und Teil eines größeren Ökosystems.
• Vorführungen aus Gastronomie, Handel und Service – darunter automatisches Kochen, Kaffeezubereitung und robotergestützte Einkaufserlebnisse – machten die kommerzielle Ausrichtung für Besucher unmittelbar sichtbar. 516

Für konkrete Anwendungen von AI² Robotics oder LimX Dynamics auf der WRC 2026 reichen die vorliegenden Belege nicht aus. Ihre Rollen bei der Veranstaltung sollten daher nicht überzeichnet werden.

Große Zahlen, aber noch kein Beweis für Reife

Auch die Dimensionen der Konferenz waren beachtlich. Die Veranstalter meldeten 373 chinesische und internationale Unternehmen, mehr als 3.000 Produkte und 311 erstmals vorgestellte Neuheiten während der fünftägigen Veranstaltung. Gezeigt wurden komplette Roboter, Kernkomponenten, industrielle Kooperationen und Anwendungen für unterschiedliche Einsatzumgebungen. 34

Die Größe ist vor allem deshalb relevant, weil sie auf eine zunehmend vollständige Vermarktungsstruktur hindeutet – nicht bloß auf eine Ansammlung einzelner Roboterhersteller. Auf der Messe trafen Roboterkörper, Aktoren und Sensoren, Chips, Systeme zur Datenerfassung, Basismodelle, Anwendungssoftware und potenzielle Nutzer aufeinander. Auch Komponenten wie geschickte Roboterhände, Kraftsensoren, Gelenkmodule und Chips standen prominent im Mittelpunkt. 5

Die Zahlen müssen jedoch vorsichtig interpretiert werden. Hunderte Aussteller und Tausende Produkte messen die Aktivität und die Ambitionen einer Branche. Sie belegen nicht, dass Tausende Systeme bereits profitabel und in großem Maßstab im Betrieb sind. Das aussagekräftigere Signal war die engere Verbindung zwischen Vorführungen und klar erkennbaren Tätigkeiten: Materialien bewegen, Pakete sortieren, Lagerbestände auffüllen, Kunden bedienen und Hausarbeiten erledigen.

Die ungelöste Richtungsfrage bei Embodied AI

Die Konferenz legte außerdem eine grundlegende strategische Frage offen: Welcher Weg führt am effizientesten zu anpassungsfähiger Roboterintelligenz?

Ansatz eins: Physisches Verhalten aus menschlichen Videos lernen

Dyna Robotics’ Dyna-2 steht für einen Ansatz, der auf große Mengen menschlicher Videodaten setzt. Das Unternehmen beschreibt Dyna-2 als „World-Action Model“ für Manipulationsaufgaben. Vortrainiert wurde es mit mehr als einer Million Stunden aus der Ich-Perspektive aufgenommener menschlicher Videos – umgerechnet etwa 170 Jahre ununterbrochener Wachzeit. Die Grundidee: Videos in großem Maßstab können Informationen darüber liefern, wie sich Szenen verändern, wie Gegenstände auf Berührung reagieren und wie Menschen physische Handlungen ausführen. Dadurch soll die Abhängigkeit von knappem Roboter-Aktionsmaterial sinken.

Dyna zufolge lässt sich Dyna-2 auf verschiedene Roboterplattformen übertragen und mit nur wenigen Stunden zusätzlichem Feintuning anpassen. Dabei handelt es sich allerdings um Angaben des Unternehmens, nicht um eine unabhängige Bestätigung einer allgemein einsetzbaren Leistung.

Ansatz zwei: Schnell aus einer Demonstration lernen

GEN-1.5 von Generalist setzt einen anderen Schwerpunkt. Das Unternehmen beschreibt das System als multimodales Roboter-Basismodell, das eine neue Aufgabe innerhalb von Sekunden anhand einer einzigen Demonstration erlernen kann – ohne Gradienten-Updates oder Feintuning. Das Modell verarbeitet Video sowie Sensor-, Sprach- und Propriozeptionsdaten, also Informationen über den eigenen Körperzustand, und erzeugt daraus Bewegungsabläufe.

Im Mittelpunkt steht die schnelle Anpassung im laufenden Kontext: Statt einen Roboter für jede neue Aufgabe neu zu trainieren, zeigt ein Bediener vor, was zu tun ist. Das Modell soll diese Anweisung anschließend auf neue Situationen übertragen. Wie bei Dyna-2 stammen auch diese Angaben überwiegend aus Unternehmensquellen. Sie sollten daher als berichtete Fähigkeiten und nicht als endgültig etablierte Benchmarks verstanden werden.

Was weiterhin offen ist

Die beiden Ansätze machen die ungelösten Weichenstellungen der Branche sichtbar:

• Wie viel nützliches physisches Wissen lässt sich aus menschlichen Videos statt aus direkter Roboterinteraktion gewinnen?
• Wann sind reale Daten wertvoller als Simulationen oder aufgezeichnete Demonstrationen?
• Sollten Entwickler vor allem größere Modelle, Weltmodelle, Imitationslernen oder eine besonders schnelle Aufgabenanpassung priorisieren?
• Kann ein auf einem Roboter trainiertes Modell zuverlässig auf einen anderen Körper mit abweichenden Sensoren, Abmessungen und Steuerungsgrenzen übertragen werden?

Die verfügbaren Belege benennen weder eine eindeutig überlegene Architektur noch ein allgemein gültiges Trainingsrezept. Diese Richtungsdivergenz ist kein Nebenschauplatz: Sie entscheidet mit darüber, wie teuer es wird, neue Aufgaben, Umgebungen und Roboterkörper hinzuzufügen.

Was das „Jahr der Landung“ praktisch bedeutet

Die WRC 2026 deutete auf eine Doppelstrategie hin. Unternehmen verfolgen Anwendungen mit einem klaren wirtschaftlichen Nutzen – etwa in Lagerhaltung, Montage, Logistik, Handel und Service – und investieren gleichzeitig weiter in Basismodelle, Dateninfrastruktur und Hardware für eine allgemeinere verkörperte Intelligenz. 24

Das ist ein pragmatischer Weg. Spezialisiertere Systeme können schon heute Kundenfeedback und Betriebsdaten erzeugen, auch wenn sie das Problem der allgemeinen Robotik nicht lösen. Humanoide Plattformen ziehen zwar besonders viel Aufmerksamkeit auf sich; für konkrete Aufgaben können fahrende Roboter und spezialisierte Maschinen aber besser geeignet sein. Berichte von der Konferenz stellten fest, dass viele Roboter, die produktive Arbeit verrichteten, auf Rädern unterwegs waren und nicht auf zwei Beinen.

Der Markt kommerzialisiert sich damit, bevor die technische Zukunft entschieden ist. Die WRC 2026 war weniger die Erklärung, dass vielseitige Humanoide nun angekommen sind, als vielmehr ein Praxistest: Können Robotikunternehmen beeindruckende Vorführungen in wiederholbare Arbeitsabläufe verwandeln – und diese Einsätze nutzen, um ihre Systeme weiterzuentwickeln, während der Wettbewerb um Methoden der verkörperten KI anhält?