Elon Musk prognostiziert eine Milliarde humanoider Roboter bis 2036, doch die Rechnung ist brutal
Elon Musk hat Berichten zufolge prognostiziert, dass es bis 2036 weltweit mehr als eine Milliarde humanoide Roboter geben wird. Die Behauptung erschien in einem am 2. September veröffentlichten RSSHub-36Kr-Beitrag, der sich auf CCTV Finance beruft. Darin wird eine Maschinenpopulation beschrieben, die sich einem Roboter auf neun Menschen nähert.
Diese Zahl ist nicht bloß eine optimistische Marktprognose. Sie setzt voraus, innerhalb von zehn Jahren eine Industrie aufzubauen, die größer ist als der heutige Automobilsektor. Zudem müssten humanoide Roboter in völlig unterschiedlichen Arbeitsumgebungen und Haushalten erschwinglich, zuverlässig, nützlich und akzeptiert werden.
Die Lücke zwischen dieser Vision und der heutigen Realität ist enorm. Berichten zufolge wurden 2025 mehr als 13.000 Humanoide ausgeliefert, während Tesla nur einige Hundert oder weniger lieferte. Um eine Milliarde eingesetzte Maschinen zu erreichen, müsste die Produktion um mehrere Größenordnungen wachsen.
Musk argumentierte Berichten zufolge zudem, dass eine Milliarde Roboter mehr produzieren würden als die gesamte Menschheit zusammen. Er verknüpfte künstliche Intelligenz mit einem potenziellen globalen Wirtschaftswachstum von 20 % bis 30 %, was zusätzlichen jährlichen Aktivitäten im Wert von Billionen entspräche.
Diese Produktivitäts- und Wirtschaftsschätzungen wurden nicht unabhängig überprüft. Die ursprünglichen Aussagen wurden nicht von einem veröffentlichten Modell begleitet, das Produktionsraten, Arbeitsstunden, Aufgabenleistung, Kapitalkosten oder Verdrängungseffekte erklärt.
Die eigentliche Geschichte ist daher nicht, ob Roboter tanzen, ein Hemd falten oder Teile innerhalb eines Demonstrationsbereichs bewegen können. Entscheidend ist, ob Hersteller verkörperte KI in zuverlässige Arbeitskraft in beispiellosem Maßstab verwandeln können.
Musks Prognose für 2036 zieht den Zeitplan für Roboter nach vorn
Musks Vorhersage verdichtet einen häufig mit 2050 verbundenen Ausblick zu einer Frist, die nur zehn Jahre entfernt liegt.
Die am 2. September berichtete Prognose besagt, Musk erwarte innerhalb eines Jahrzehnts mindestens eine Milliarde humanoide Roboter. Der Bericht ordnet die zugrunde liegenden Aussagen dem 1. September zu, liefert jedoch nur begrenzten Kontext zum Ort oder zu den Annahmen der Prognose.
Dieser fehlende Kontext ist wichtig. Eine Prognose kann jährliche Produktion, kumulierte Produktion, aktive Installationen oder Maschinen beschreiben, die technisch zu humanoiden Bewegungen fähig sind. Diese Definitionen führen zu sehr unterschiedlichen Marktgrößen.
Der RSSHub-36Kr-Eintrag beschreibt die Zahl als Anzahl humanoider Roboter weltweit. Er legt nicht fest, ob ausgemusterte, experimentelle, ferngesteuerte oder nur eng programmierte Maschinen in die Gesamtzahl einfließen.
Ein humanoider Roboter verbindet im Allgemeinen einen menschenähnlichen Körper mit Software für Wahrnehmung, Bewegung und Aufgabenausführung. Diese Form hilft einer Maschine, in Umgebungen mit Treppen, Türen, Regalen, Werkzeugen und Arbeitsplätzen zu arbeiten, die ursprünglich für Menschen gestaltet wurden.
Die Definition lässt dennoch erheblichen Interpretationsspielraum. Ein Lagerroboter, der festen Routen folgt, unterscheidet sich deutlich von einer universell einsetzbaren Maschine, die ein unbekanntes Zuhause betreten und offene Anweisungen ausführen kann.
Musks Zeitplan unterscheidet sich zudem von einer prominenten Wall-Street-Prognose. Morgan Stanley erwartet, dass die installierte Population humanoider Roboter erst um 2050 eine Milliarde erreicht, nicht 2036.
Seine Prognose zum Markt für Humanoide besagt, dass die Verbreitung bis Mitte der 2030er Jahre relativ langsam bleiben dürfte. In den späten 2030er und den 2040er Jahren würde das Wachstum dann anziehen.
Morgan Stanley erwartet, dass bis 2050 etwa 90 % dieser Maschinen in industriellen oder kommerziellen Umgebungen arbeiten werden. Für Haushalte prognostiziert das Institut einen deutlich kleineren Markt, da häusliche Arbeit mehr Flexibilität, Sicherheit und gesellschaftliche Akzeptanz erfordert.
Musk zieht diesen Meilenstein von einer Milliarde Einheiten faktisch um rund 14 Jahre vor. Seine Prognose setzt voraus, dass die Beschleunigungsphase nahezu sofort beginnt, statt erst nach einem weiteren Jahrzehnt technischer Entwicklung.
Der Vergleich mit der Weltbevölkerung macht die Behauptung greifbarer. Eine Prognose der Vereinten Nationen verortet die Weltbevölkerung um 2037 bei rund neun Milliarden Menschen. Eine Milliarde Roboter entspräche damit ungefähr einem Humanoiden auf neun Menschen.
Dieses Verhältnis kann jedoch auch in die Irre führen. Die meisten frühen Maschinen dürften sich in Fabriken, Lagern, Bergwerken, Krankenhäusern und Logistikeinrichtungen konzentrieren. Sie wären nicht gleichmäßig auf Haushalte oder Länder verteilt.
Eine Fabrik könnte Hunderte Roboter betreiben, während benachbarte Haushalte keinen besitzen. Das relevante wirtschaftliche Verhältnis lautet daher Roboter pro Aufgabe, Einrichtung oder Arbeitsstunde – nicht Roboter pro Person.
Musks Produktivitätsbehauptung hängt von derselben Unterscheidung ab. Eine Milliarde Maschinen, die lange Schichten arbeiten, könnten eine immense Bruttowertschöpfung liefern. Ihr nützlicher Beitrag hängt jedoch von Verfügbarkeit, Aufsicht, Wartung, Energie, Aufgabenerfolg und dem Wert der erledigten Arbeit ab.
Ein Roboter, der eine Produktionsaufgabe zuverlässig ausführt, kann messbaren Wert schaffen. Eine universell einsetzbare Maschine, die häufiges Eingreifen erfordert, kann mehr Arbeit verbrauchen, als sie ersetzt.
Die Prognose lässt sich am besten als industrielles Ziel verstehen, nicht als gemessener Ausblick. Sie beschreibt den Umfang, den Musk für verkörperte KI für erreichbar hält, wenn Fertigung und Autonomie gemeinsam Fortschritte machen.
Diese Einordnung macht die Prognose folgenreich, selbst wenn sich die genaue Zahl als falsch erweist. Sie rückt die Fertigung humanoider Roboter – und nicht allein die Fahrzeugproduktion – ins Zentrum von Teslas langfristiger Identität.
Tesla hat einen Plan für eine Million Einheiten, nicht für eine Industrie mit einer Milliarde
Teslas offengelegter Produktionsplan schafft einen glaubwürdigen Ausgangspunkt, liegt aber weiterhin drei Größenordnungen unter Musks globaler Prognose.
Tesla erklärte in seinem Unternehmensupdate vom Januar 2026, Optimus Gen 3 werde das erste für die Massenproduktion vorgesehene Design sein. Das Unternehmen plante, das Design im ersten Quartal vorzustellen.
Tesla erklärte außerdem, dass die erste Optimus-Produktionslinie vorbereitet werde. Dazu gehörte die Bereitschaft der Lieferkette; die Produktion sollte vor Ende 2026 beginnen.
Die geplante Linie würde letztlich eine jährliche Kapazität von einer Million Robotern unterstützen. Tesla wies sorgfältig darauf hin, dass installierte Kapazität nicht der tatsächlichen Produktion entspricht.
Diese Unterscheidung ist entscheidend. Die Fabrikleistung hängt von Komponentenlieferungen, Anlagenverfügbarkeit, Software-Reife, regulatorischen Bedingungen, Qualitätskontrolle und Nachfrage ab.
Selbst eine Million Einheiten jährlich wäre eine bedeutende Fertigungsleistung. Doch eine einzelne Linie, die zehn Jahre lang mit dieser Rate arbeitet, würde vor Ausmusterungen und Produktionsverlusten nur zehn Millionen Roboter herstellen.
Um bis 2036 eine Milliarde aktive Roboter zu versorgen, wäre weit mehr nötig. Die Branche müsste über das Jahrzehnt hinweg im Schnitt fast 100 Millionen Nettozugänge pro Jahr schaffen.
Da die frühe Produktion deutlich geringer ausfallen wird, müsste die jährliche Produktion später erheblich über diesem Durchschnitt liegen. Hersteller müssten zudem Maschinen ersetzen, die ausfallen oder das Ende ihrer Nutzungsdauer erreichen.
Ein grober Größenvergleich verdeutlicht die Herausforderung. Die berichtete Auslieferungsbasis von 2025 überstieg 13.000 Einheiten. Um von diesem Niveau aus eine Milliarde kumulierte Einheiten zu erreichen, wären fast 77.000-mal so viele Maschinen erforderlich.
Der Weg wird nicht linear verlaufen. Die Produktion könnte sich während der frühen Kommerzialisierung rasch verdoppeln und dann langsamer wachsen, wenn die Märkte reifen. Selbst wiederholte Verdopplungen führen zu schwierigen Anforderungen, sobald das jährliche Volumen Millionen erreicht.
Tesla verfügt durchaus über nützliche Vorteile. Das Unternehmen versteht Fertigung in hohen Stückzahlen, elektrische Antriebe, Batterien, Bildverarbeitungssysteme und vertikal integrierte Software. Seine Fabriken bieten zudem kontrollierte Umgebungen, um Optimus-Aufgaben zu testen.
Ein interner Einsatz kann das anfängliche Nachfrageproblem verringern. Tesla kann Roboter in eigenen Einrichtungen einsetzen, Ausfälle beobachten, Trainingsdaten sammeln und Aufgaben verfeinern, bevor es sie breit verkauft.
Diese Strategie ähnelt der typischen Entwicklung industrieller Automatisierung. Hersteller beginnen mit wiederholbaren Aufgaben in kontrollierten Räumen und erhöhen die Komplexität erst, nachdem sie Zuverlässigkeit und Erträge gemessen haben.
Die Produktion humanoider Roboter umfasst jedoch Komponenten und Toleranzen, die sich von Autos unterscheiden. Hände benötigen kompakte Aktuatoren und präzise Sensorik. Gelenke müssen Drehmoment, Gewicht, Effizienz, Haltbarkeit und sichere Interaktion in Einklang bringen.
Ein Pkw kann bestimmte Redundanzen bei Komponenten und Schutzstrukturen verkraften. Ein Humanoider muss leicht genug bleiben, um sich effizient zu bewegen, und zugleich Stürze sowie wiederholten Kontakt überstehen.
Die Skalierung des Körpers ist nur die halbe Herausforderung. Jede Einheit benötigt außerdem Software, die Objekte wahrnehmen, Handlungen planen, Fehler korrigieren und sich in der Nähe von Menschen vorhersehbar verhalten kann.
Diese Software kann sich nicht vollständig auf einstudierte Demonstrationen stützen. Reale Arbeitsplätze enthalten verlegte Werkzeuge, reflektierende Oberflächen, beschädigte Pakete, blockierte Wege und Menschen, die sich unvorhersehbar verhalten.
Menschliche Fernunterstützung kann einige Lücken schließen. Eine Aufsichtsperson könnte mehreren Robotern helfen, wenn sie auf ungewöhnliche Bedingungen stoßen.
Häufiges Eingreifen schwächt jedoch die Produktivitätsgleichung. Eine Maschine, die wiederholt menschliche Hilfe anfordert, verlagert Arbeit in einen Kontrollraum, statt sie zu eliminieren.
Tesla muss daher drei verschiedene Formen der Skalierung nachweisen. Es braucht Fertigungsskalierung, autonome Skalierung bei Aufgaben und Skalierung bei der Kundeneinführung.
Eine Fabrik mit einer Million Einheiten adressiert nur die erste Kategorie. Investoren und Kunden benötigen weiterhin Belege dafür, dass diese Einheiten wertvolle Arbeit mit begrenzter Aufsicht erledigen können.
Musks Prognose erhöht den Druck auf Tesla, mehr operative Daten zu veröffentlichen. Demonstrationsvideos und inszenierte Veranstaltungen können weder Zuverlässigkeit auf Flottenebene noch wirtschaftlichen Wert belegen.
Nützliche Offenlegungen würden Erfolgsquoten bei Aufgaben, Eingriffshäufigkeit, Betriebsstunden, Vorfälle am Arbeitsplatz, Wartungszyklen und Leistung nach Software-Updates umfassen.
Bis diese Kennzahlen vorliegen, bleibt der Optimus-Plan eine Produktionsambition, die an ein unsicheres Arbeitsprodukt geknüpft ist.
Die Marktprognosen liegen bis 2036 weit unter einer Milliarde Roboter
Unabhängige Prognosen stützen die Aussicht auf einen großen Markt für humanoide Roboter, doch ihre Einsatzkurven bleiben deutlich langsamer als Musks Vorhersage.
Goldman Sachs schätzte 2024, dass der Markt für humanoide Roboter bis 2035 ein Volumen von 38 Milliarden US-Dollar erreichen könnte. Seine Analyse des Robotermarkts prognostizierte in diesem Zeitraum 1,4 Millionen Auslieferungen.
Diese Schätzung lag bereits viermal über der vorherigen Auslieferungsprognose des Unternehmens. Goldman führte die Anpassung teilweise auf schnellere KI-Entwicklung und niedrigere erwartete Komponentenkosten zurück.
Das Unternehmen hob robotische Large Language Models hervor, die sprachbasiertes Schlussfolgern mit Wahrnehmung und physischen Handlungen verbinden. Diese Systeme sollen den Bedarf verringern, dass Ingenieure jedes Verhalten manuell programmieren müssen.
Goldman warnte zudem, dass die Eignung für allgemeine Zwecke nicht nachgewiesen sei. Manipulation, natürliche Interaktion, Präzisionskomponenten und Fertigungskapazität blieben wichtige Einschränkungen.
Im Basisszenario erwartete das Unternehmen 2030 mehr als 250.000 Auslieferungen humanoider Roboter. Fast alle würden industriellen Zwecken dienen, wo Umgebungen und Aufgaben kontrolliert werden können.
Diese Prognose liegt weit unter der für Musks Ziel erforderlichen Produktionskurve. Selbst eine deutlich angehobene Vorhersage von mehreren Millionen Einheiten pro Jahr bis 2035 würde eine enorme Lücke hinterlassen.
Morgan Stanley nimmt eine längerfristige Perspektive ein. Das Institut erwartet bis 2050 fast eine Milliarde Humanoide, wobei die Verbreitung nach Mitte der 2030er Jahre anzieht.
Auch diese Prognose beschreibt außergewöhnliches Wachstum. Sie gibt Herstellern jedoch mehr als doppelt so viel Zeit, um Lieferketten, Standards, Servicenetze und öffentliche Akzeptanz aufzubauen.
Aktuelle Einsatzdaten geben Anlass zu vorsichtigem Optimismus, nicht zu der Erwartung einer unmittelbar bevorstehenden Allgegenwart. Die Associated Press berichtete, dass 2025 weltweit mehr als 13.000 Humanoide ausgeliefert wurden.
Ihre Übersicht zu den Auslieferungen verweist auf Omdia-Schätzungen, wonach AGIBOT und Unitree jeweils mehr als 5.000 Einheiten auslieferten. Tesla und Figure lieferten einige Hundert oder weniger aus.
Omdia erwartet, dass die Auslieferungen fortschrittlicher Roboter Anfang der 2030er Jahre jährlich eine Million übersteigen werden. Das wäre ein erhebliches Wachstum gegenüber dem Niveau von 2025.
Doch selbst eine Million Auslieferungen pro Jahr würde nur einen kleinen Bruchteil von Musks vorgeschlagener Flotte hinzufügen. Das Ziel von einer Milliarde Einheiten erfordert Fertigung im Smartphone-Maßstab, nicht die Stückzahlen spezialisierter Industrieanlagen.
Vergleiche mit Smartphones können die Schwierigkeit verschleiern. Smartphones enthalten hochentwickelte Elektronik, halten aber nicht das Gleichgewicht, manipulieren keine unbekannten Objekte und arbeiten nicht neben Beschäftigten.
Ein Smartphone-Ausfall unterbricht meist die Kommunikation. Der Ausfall eines mobilen Roboters kann Anlagen beschädigen, eine Produktionslinie anhalten oder Menschen verletzen.
Roboter benötigen zudem Wartung vor Ort. Motoren verschleißen, Gelenke lockern sich, Batterien verlieren an Leistung, Sensoren driften ab, und Hände sind wiederholter mechanischer Belastung ausgesetzt.
Eine Flotte von einer Milliarde Einheiten würde daher eine enorme Wartungswirtschaft schaffen. Hersteller bräuchten Ersatzteile, Techniker, Diagnosesoftware, Versicherungsprozesse und sichere Update-Systeme in vielen Ländern.
Die Konzentration in der Lieferkette stellt eine weitere Einschränkung dar. Morgan Stanley zufolge sind Entwickler weiterhin stark auf Komponenten aus China und anderen Teilen Asiens angewiesen.
Diese Konzentration schafft geopolitische und operative Risiken. Exportkontrollen, Zölle, Materialengpässe oder Produktionsunterbrechungen könnten alle großen Roboterhersteller gleichzeitig treffen.
China verfügt derzeit über einen Fertigungsvorteil. Laut einer von der Associated Press zitierten Studie entfielen 2025 schätzungsweise 85 % der Humanoiden-Auslieferungen auf das Land.
China hatte in diesem Jahr zudem mehr als 140 Humanoiden-Hersteller und über 330 Modelle. Diese Zahlen zeigen intensiven Wettbewerb, belegen jedoch keine nachhaltige Nachfrage.
Ein fragmentierter Markt kann Experimente beschleunigen. Er kann aber auch zu redundanten Designs, schwachem Service-Support und Fabriken führen, die nach Aufträgen suchen, bevor verlässliche Anwendungen existieren.
Der RSSHub-36Kr-Bericht präsentiert Musks Wirtschaftsprognose, ohne zu erklären, wie sie mit diesen Marktschätzungen zusammenhängt. Eine Ausweitung der globalen Produktion um 20 % bis 30 % erfordert mehr als den Verkauf von Robotern.
Roboter müssen produktive Aufgaben erledigen, die sonst unerledigt blieben, wesentliche Engpässe reduzieren oder völlig neue Güter und Dienstleistungen schaffen. Der bloße Ersatz bestehenden Kapitals erzeugt kein entsprechendes Nettowachstum.
Ökonomen müssen außerdem Investitionen, Energie, Wartung, Software, Aufsicht und verdrängte Anlagen berücksichtigen. Bruttoleistung und Netto-Wohlfahrt sind nicht austauschbar.
Die Prognose könnte in ihrer Richtung zutreffen und dennoch zahlenmäßig extrem bleiben. KI-gestützte Maschinen können die Produktionskapazität erweitern, ohne bis 2036 eine Milliarde Einheiten zu erreichen.
Eine kleinere Flotte in hochwertigen Einsatzbereichen könnte wichtiger sein als eine weitaus größere Flotte mit geringwertigen Aufgaben. Produktivität hängt von Auslastung und Fähigkeiten ab, nicht allein von der Anzahl der Roboterkörper.
Zuverlässigkeit und Nachfrage sind schwieriger als die Humanoiden-Roboter-Demo
Der zentrale Wettbewerb lautet nicht Ambition gegen Ingenieurskompetenz. Es geht um das Versprechen von einer Milliarde Einheiten gegenüber Belegen dafür, dass Kunden zuverlässige Humanoide benötigen.
Robotik-Demonstrationen haben sich schnell verbessert. Maschinen gehen inzwischen über unebene Flächen, fangen sich nach Stößen wieder, sortieren Objekte und reagieren auf Befehle in natürlicher Sprache.
Diese Fähigkeiten sind wichtig, doch Demonstrationen wählen günstige Bedingungen aus. Kommerzielle Einsätze konfrontieren Roboter mit langen Schichten, verschlissenen Komponenten, unerwarteten Hindernissen und repetitiver Arbeit.
Zuverlässigkeit muss über Tausende von Stunden gemessen werden. Eine Aufgabenerfüllungsquote, die in einem kurzen Video beeindruckend aussieht, kann im Fabrikmaßstab dennoch zu inakzeptablen Ausfallzeiten führen.
Stellen wir uns einen Roboter vor, der Teile zwischen Arbeitsstationen transportieren soll. Er muss den richtigen Behälter identifizieren, ihn sicher greifen, Menschen ausweichen und ihn abliefern, ohne die Produktion zu stören.
Jeder Schritt fügt potenzielle Fehlerquellen hinzu. Eine kleine Fehlerrate summiert sich über Hunderte von Bewegungen pro Schicht.
Allgemeine Einsatzfähigkeit macht dies schwieriger. Spezialisierte Maschinen optimieren ihre Struktur und Steuerung für eine eng umrissene Aufgabe. Humanoide tauschen einen Teil ihrer Effizienz gegen die Fähigkeit ein, menschliche Räume und Werkzeuge zu nutzen.
Dieser Kompromiss kann wertvoll sein, wenn sich Umgebungen häufig ändern. Weniger überzeugend ist er, wenn ein fest installierter Roboterarm oder eine fahrende Plattform dieselbe Aufgabe günstiger und zuverlässiger erledigt.
Fabriken nutzen bereits umfangreiche Automatisierung. Humanoide müssen mit etablierten Maschinen, neu gestalteten Arbeitsabläufen und menschlichen Arbeitskräften konkurrieren, statt einen leeren Markt zu besetzen.
Auch die menschliche Form bleibt umstritten. Zwei Beine bieten Mobilität in für Menschen gebauten Räumen, doch Räder verbrauchen oft weniger Energie und sorgen für bessere Stabilität.
Hände bieten breites Manipulationspotenzial, doch viele industrielle Aufgaben benötigen lediglich einen speziell entwickelten Greifer. Zusätzliche Finger und Gelenke erhöhen Kosten, Steuerungskomplexität und Wartungsaufwand.
Die stärksten frühen Anwendungen werden wahrscheinlich von für Menschen gestalteten Umgebungen und Aufgaben geprägt sein, die sich fester Automatisierung widersetzen. Materialhandhabung, Inspektion, Maschinenbedienung und Wartung in gefährlichen Bereichen passen zu diesem Muster.
Hausarbeit stellt eine deutlich höhere Hürde dar. Wohnungen und Häuser enthalten Treppen, Haustiere, Kinder, zerbrechliche Gegenstände, lose Kleidung, Flüssigkeiten und sich ständig verändernde Grundrisse.
Die Associated Press beschrieb einen Haushaltstest, bei dem ein Roboter Schuhe sortierte, Kleidung faltete und Müllbeutel wechselte. Eine menschliche Reinigungskraft begleitete ihn.
Die Nutzerin fand die Maschine interessant, aber ineffizient und in einem kleinen Zuhause schwer zu bewegen. Diese Erfahrung verdeutlicht die Distanz zwischen technischer Fähigkeit und überzeugender Akzeptanz.
Die kommerzielle Nachfrage ist eine weitere Unbekannte. Chinesische Hersteller meldeten Tausende von Bestellungen, doch viele Käufer waren Forschungseinrichtungen, Staatsunternehmen oder Demonstrationsstandorte.
Diese Käufe fördern die Entwicklung. Sie belegen jedoch nicht zwangsläufig, dass private Kunden nach Berechnung von Betriebskosten und Produktivität große Flotten einsetzen werden.
Von der Associated Press zitierte Analysten warnten, dass die Anwendungsfälle weiterhin begrenzt seien. Roboter seien noch immer teuer in der Herstellung, im Betrieb störanfällig und auf strukturierte Umgebungen angewiesen.
Diese Kritik bedeutet nicht, dass Humanoide scheitern werden. Sie bedeutet, dass die Branche subventionierte Experimente von wiederholbarer Kundennachfrage unterscheiden muss.
Ein erfolgreicher Einsatz sollte Kunden dazu bewegen, ihre Flotte auszubauen, ohne sich auf Neuheit oder politische Unterstützung zu stützen. Wiederholungsbestellungen liefern stärkere Belege als Absichtserklärungen oder Pilotankündigungen.
Auch die Sicherheit wird das Adoptionstempo prägen. Arbeitgeber benötigen klare Regeln für Maschinen, die neben Menschen arbeiten, insbesondere wenn Modelle nach dem Einsatz neue Verhaltensweisen erlernen.
Physische KI birgt Risiken, die über herkömmliche Software hinausgehen. Eine falsche Antwort eines Chatbots unterscheidet sich von einer falschen Bewegung einer schweren Maschine.
Roboterhersteller benötigen mehrschichtige Schutzvorkehrungen. Dazu gehören Kraftbegrenzungen, Not-Aus-Schalter, eingeschränkte Betriebszonen, Kollisionserkennung, sichere Updates und prüfbare Verhaltensprotokolle.
Regulierungsbehörden und Versicherer werden fragen, wie Verantwortung zugeordnet wird, wenn ein Roboter Schaden verursacht. Die Haftung kann den Hersteller, den Softwarelieferanten, den Betreiber des Arbeitsplatzes oder den Datenanbieter betreffen.
Cybersicherheit schafft ein weiteres physisches Risiko. Ein kompromittierter Roboter kann Kameras und Gebäudepläne offenlegen und zugleich Maschinen und Menschen beeinträchtigen.
Eine Milliarde vernetzter Humanoide würde eine enorme Angriffsfläche bilden. Sichere Identitäten, verschlüsselte Kommunikation, Update-Verifizierung und Netzwerkisolation würden zur grundlegenden Infrastruktur.
Trainingsdaten werfen eigene Bedenken auf. Roboter lernen aus Videos, Teleoperation, Simulationen und Sensoraufzeichnungen, die an Arbeitsplätzen oder in Privathaushalten gesammelt werden.
Diese Aufzeichnungen können Gesichter, Gespräche, proprietäre Prozesse und sensible Raumaufteilungen enthalten. Lernen zu skalieren, ohne zugleich Datenschutzkontrollen zu skalieren, würde regulatorischen Widerstand hervorrufen.
Auch der Energiebedarf verdient Aufmerksamkeit. Jeder Roboter muss geladen werden, während das Trainieren und Bereitstellen seiner KI-Modelle Recheninfrastruktur erfordert.
Eine Milliarde Roboter würde Strom nicht gleichmäßig verbrauchen. Dennoch müssen Einsatzpläne Ladezeiten, Netzbeschränkungen, Batterien sowie lokale Kühl- oder Rechenanforderungen berücksichtigen.
Musks Produktivitätsvergleich setzt voraus, dass diese Systeme über lange Zeiträume nützlich bleiben. Wartungsbedingte Ausfallzeiten und Energieverbrauch verringern die Nettoleistung.
Er setzt außerdem voraus, dass Organisationen die Arbeit rund um Maschinen neu gestalten können. Roboter zu installieren, ohne Prozesse zu ändern, kann teure Engpässe statt höherer Produktivität erzeugen.
Unternehmen benötigen Prozessanalysen, Sicherheitsprüfungen, Mitarbeiterschulungen, Integrationssoftware und Leistungsüberwachung. Diese Aktivitäten verlängern die Einsatzzyklen.
Wissensarbeiter sollten sich dafür interessieren, weil physische Automatisierung auch Informationssysteme umgestalten wird. Jeder Roboter erzeugt Anweisungen, Sensorhistorien, Vorfallsaufzeichnungen und Wartungsdokumentation.
Teams werden durchsuchbares Betriebswissen statt verstreuter Handbücher und Chat-Verläufe benötigen. Eine gut verwaltete KI-Wissensdatenbank kann Menschen helfen, Entscheidungen festzuhalten, Fehler zu vergleichen und sich verändernde Verfahren zu prüfen.
Diese Informationsebene wird mechanische Probleme nicht lösen. Sie wird bestimmen, ob Organisationen aus Tausenden kleiner Fehler lernen oder sie immer wieder neu entdecken.
Die Prognose von einer Milliarde Einheiten beruht daher ebenso sehr auf institutioneller Fähigkeit wie auf Robotik. Kunden müssen wissen, was sie automatisieren sollen, wie sie dies messen und wann sie einen unsicheren Einsatz stoppen müssen.
Was die Prognose für 2036 glaubwürdig machen würde
Drei Signale werden zeigen, ob Musks Prognose zu einer industriellen Entwicklung wird oder ein Werbeziel bleibt.
Das erste Signal ist eine verifizierte Optimus-Produktion. Tesla hat eine Linie mit einer möglichen jährlichen Kapazität von einer Million Robotern beschrieben, doch Kapazität allein belegt keine tatsächliche Produktion.
Investoren sollten auf fertiggestellte Einheiten, Einsätze in Fabriken, externe Auslieferungen und wiederholbare monatliche Produktion achten. Tesla sollte zudem Prototypen klar von kundenreifen Maschinen trennen.
Die stärkste Bestätigung wäre eine anhaltende Produktion in Verbindung mit veröffentlichten Betriebsdaten. Eine große Flotte, die über beträchtliche Zeiträume inaktiv bleibt, würde die These schwächen.
Das zweite Signal ist autonome Produktivität. Roboterhersteller müssen berichten, wie lange Maschinen zwischen menschlichen Eingriffen arbeiten und wie oft sie zugewiesene Aufgaben abschließen.
Nützliche Kennzahlen umfassen produktive Stunden, Eingriffshäufigkeit, Sicherheitsvorfälle, Wartungsintervalle und Aufgabenerfolg unter wechselnden Bedingungen.
Diese Messungen sollten den gewöhnlichen Betrieb abdecken, nicht ausgewählte Demonstrationen. Unabhängige Kunden sollten bestätigen, dass Roboter nach Berücksichtigung von Integrations- und Überwachungskosten Wert schaffen.
Das dritte Signal ist wiederholte Nachfrage in mehreren Branchen. Ein Markt mit einer Milliarde Einheiten kann nicht davon abhängen, dass Automobilhersteller Maschinen aus verbundenen Robotikprogrammen kaufen.
Lagerhäuser, Logistikanbieter, Hersteller, Versorger, Krankenhäuser, Hotels und Dienstleistungsunternehmen müssen nach Abschluss von Pilotprojekten wiederholt bestellen.
Bestellungen sollten in Auslieferungen und ausgeweitete Einsätze übergehen. Anzahlungen, Partnerschaftsankündigungen und Vorzeigeveranstaltungen sind schwächere Belege.
China wird für diesen Test zentral sein. Seine Lieferkette, die Zahl der Hersteller und sein früher Vorsprung bei den Auslieferungen geben dem Land derzeit die stärkste Grundlage für eine schnelle Produktion.
Tesla und andere amerikanische Entwickler könnten Vorteile bei KI-Modellen, Chips oder integrierter Software behalten. Diese Stärken müssen sich in zuverlässige Maschinen übersetzen, nicht nur in höhere Benchmark-Ergebnisse.
Der Wettbewerb zwischen universell einsetzbaren und spezialisierten Robotern wird ein weiteres wichtiges Signal liefern. Kunden könnten zu dem Schluss kommen, dass Systeme auf Rädern und feste Automatisierung für die meisten Aufgaben bessere Renditen bieten.
Sollten spezialisierte Maschinen dominieren, könnten die Stückzahlen humanoider Roboter dennoch wachsen, ohne sich Musks Ziel zu nähern. Die menschliche Form muss beweisen, dass ihre Flexibilität ihre mechanische Komplexität aufwiegt.
Die kommenden Monate dürften Teslas eigene Position verdeutlichen. Eine detaillierte Vorstellung von Optimus Gen 3 würde zeigen, ob Hand, Aktuatoren, Wartungsfreundlichkeit und Design für eine reproduzierbare Fertigung bereit sind.
Wenn Produktionsanlagen noch vor Ende 2026 in Betrieb gehen, würde das Teslas Zeitplan stützen. Eine Verzögerung oder ein grundlegender Designwechsel würde das erforderliche Wachstum in einen noch kürzeren Zeitraum drängen.
Frühe Ergebnisse aus den Fabriken werden wichtiger sein als die Qualität einer Präsentation. Tesla muss zeigen, dass Maschinen über vollständige Schichten hinweg nützliche Arbeit mit begrenzter Aufsicht erledigen.
Die umfassendere wirtschaftliche Behauptung wird weiterhin schwieriger zu prüfen sein. Ein jährliches globales Wachstum von 20 % bis 30 % würde Verbesserungen bei Produktivität, Investitionen, Konsum und Marktzugang erfordern.
KI könnte das produktive Potenzial der Wirtschaft steigern, ohne diese Wachstumsrate hervorzubringen. Engpässe könnten sich von Arbeit hin zu Energie, Materialien, Kapital, Regulierung oder Nachfrage verlagern.
Auch die Verteilung ist wichtig. Die Produktion von Robotern kann die Gesamtproduktion erhöhen, während sich Einkommen zugleich bei Maschinenbesitzern und Infrastrukturanbietern konzentriert.
Arbeitnehmer, Regierungen und Unternehmen werden über Löhne, Steuern, Weiterbildung, Regulierung und neue Unternehmensgründungen reagieren. Diese Reaktionen werden beeinflussen, ob höhere Kapazitäten zu breit geteiltem Wohlstand führen.
Der RSSHub-36Kr-Beitrag enthält Musks spektakulärste Zahl, doch die Lücke bei der Überprüfung bleibt Teil der Geschichte. Leser sollten die berichtete Aussage von geprüften Belegen zu Produktion und Einsatz trennen.
Eine Milliarde humanoide Roboter bis 2036 ist mathematisch nur unter einer außergewöhnlich steilen Fertigungskurve möglich. Dafür müssten viele Unternehmen und Länder – nicht Tesla allein – eine enorme Größenordnung erreichen.
Die Prognose wird glaubwürdig, wenn drei Dinge gleichzeitig geschehen: Fabriken liefern Millionen aus, Kunden bestellen erneut, und Roboter arbeiten sicher, ohne ständig gerettet werden zu müssen.
Bis dahin fungiert die Zahl als Herausforderung für die Branche. Sie zeigt Herstellern, Zulieferern, Regulierungsbehörden und Käufern, was sich ändern müsste, damit physische KI ihre größten Versprechen erfüllt.
Die nächste nützliche Frage lautet nicht, ob ein humanoider Roboter eine weitere eindrucksvolle Demonstration absolvieren kann. Entscheidend ist, wie viele produktive Stunden er geleistet hat, wie oft ein Mensch eingreifen musste und ob der Kunde weitere Geräte bestellt hat.
Verfolgen Sie diese Antworten bei Tesla, chinesischen Herstellern und unabhängigen Einsätzen. Wenn sie sich verbessern, während die Produktion steigt, verdient Musks komprimierter Zeitplan ernsthafte Aufmerksamkeit.
Wenn Hersteller nur Kapazitätsziele und choreografierte Videos veröffentlichen, bleibt die längere Einführungskurve überzeugender. Eine Milliarde Roboter wäre dann ein Zielpunkt, keine Realität im Jahr 2036.
