Neoalp: Wiener Startup hilft Semperit bei der Einführung humanoider Roboter
Humanoide Roboter halten mittlerweile in der Industrie Einzug. Nach dem Prinzip Plug-and-play geht das allerdings nicht. Das Wiener Startup Neoalp hilft bei der Einführung.
Bis vor nicht allzu langer Zeit hätte man es wohl eher jenem Bereich der Science Fiction zugeordnet, der vermutlich nicht Realität wird: humanoide Roboter, die in der Fabrik arbeiten. Aber es kam bzw. kommt anders. Neben den altbekannten Produktionsrobotern kommen neuerdings auch immer mehr autonome Roboter – darunter auch humanoide – in der Industrie und anderen Branchen wie etwa Logistik und Healthcare zum Einsatz.
Neue KI-Modell-Klasse in der Robotik
Möglich macht das nicht nur der Fortschritt bei der Hardware, sondern auch und vor allem die jüngeren Entwicklungen im Bereich der Künstlichen Intelligenz. Doch einen humanoiden Roboter zu gewünschten Handlungen zu befähigen, ist noch etwas komplexer als bei einem Chatbot, erklärt Christian Tauber. Er ist einer von drei Co-Foundern des Wiener Startups Neoalp, das Unternehmen bei der Einführung von humanoiden und anderen autonomen Robotern unterstützt.
„Anders als bei Chatbots spricht man hier in der Robotik von einer neuen KI-Modell-Klasse, nämlich den sogenannten ‚Vision-Language-Action-Modellen‘. Diese müssen nicht mehr nur Text verarbeiten und erzeugen können, sondern Sprache verstehen, Sensorikdaten wie Kamera, Lidar und Tiefenkamera verarbeiten und daraus präzise Handlungen ableiten“, so Tauber. In diesen „Actions“ müssten die Dutzenden Motoren des Roboters angesteuert und dabei die digitalen Anweisungen des Modells in physische Aktionen übersetzt werden.
Neoalp: Synthetische Daten ergänzen Datenerhebung vor Ort
Die Roboter und auch die KI-Modelle dafür sind entwickelt – Neoalp macht weder das eine noch das andere selber – die Umsetzung steht und fällt letztlich aber mit dem Training, argumentiert der Gründer. „Während LLMs von der riesigen Menge frei verfügbarer Textdaten im Internet profitieren konnten, fehlt es in der Robotik genau an solchen Daten. Es existieren kaum ausreichende Video-, Sensor- und Haptikdaten, die reale industrielle Tätigkeiten realistisch abbilden“, so Tauber.
Hier kommt Neoalp ins Spiel. „Konkret erheben wir zunächst reale Trainingsdaten in industriellen Szenarien. Diese Daten werden anschließend mithilfe von KI vervielfacht indem synthetische Daten auf Basis der realen Daten erzeugt werden. Auf dieser Basis trainieren, validieren und härten wir die Modelle, bis sie robust, sicher und industriefähig sind“, erklärt der Gründer. Zentrale Kompetenz des Startups sei also der Aufbau durchgängiger Pipelines für reale und synthetische Datengenerierung, Modelltraining, Simulation und Validierung.
Semperit nutzt humanoide Roboter in der Fertigung
Damit konnte auch Semperit, globaler Hersteller von industriellen Polymerprodukten und -lösungen, als Kunde gewonnen werden. Gemeinsam mit Neoalp und Projektpartner Cancom wird nun am Einsatz humanoider Roboter in der Fertigung gearbeitet. „Ein zentraler Bestandteil unserer Arbeit ist dabei der Aufbau der Datenbasis für das Training der Robotik-Intelligenz. Diese Trainingsdaten – also reale, von Menschen demonstrierte Handgriffe, ergänzt durch synthetische Daten – sind das ‚Gold‘ der humanoiden Robotik“, sagt Tauber. Sie würden die Grundlage dafür bilden, dass Roboter komplexe, reale Tätigkeiten zuverlässig erlernen können. Für Semperit entstehe damit zudem ein langfristig strategisch wertvolles Asset: „die Digitalisierung von implizitem Produktions-Know-how“.
CX-Expertin Katja Forbes: Wie Machine Customers die Spielregeln des Handels auf den Kopf stellen
KI-Agenten shoppen bereits selbst – schneller, kühler und kompromissloser als jeder Mensch. CX-Expertin Katja Forbes erklärt im brutkasten-Interview, warum "Machine Customers" die größte Disruption seit dem Aufstieg des E-Commerce werden, und wie sich Unternehmen darauf vorbereiten können.
CX-Expertin Katja Forbes: Wie Machine Customers die Spielregeln des Handels auf den Kopf stellen
KI-Agenten shoppen bereits selbst – schneller, kühler und kompromissloser als jeder Mensch. CX-Expertin Katja Forbes erklärt im brutkasten-Interview, warum "Machine Customers" die größte Disruption seit dem Aufstieg des E-Commerce werden, und wie sich Unternehmen darauf vorbereiten können.
Katja Forbes zählt zu den gefragtesten internationalen Stimmen an der Schnittstelle von Customer Experience, Künstlicher Intelligenz und Digitalstrategie. Die gebürtige Australierin war Executive Director und Head of Client Experience bei der Standard Chartered Bank, zuvor International Director und Vice President im globalen Vorstand der Interaction Design Association (IxDA); heute teilt sie ihre Zeit zwischen Singapur und Australien auf. Mit ihrem jüngsten Buch „Machine Customers: The Evolution Has Begun“ hat sie ein Thema in den Fokus gerückt, das gerade von der Theorie in die Praxis kippt. brutkasten hat mit ihr am Exporttag 26 der Wirtschaftskammer Österreich gesprochen.
Der Begriff „Machine Customer“ geht auf Gartner zurück und beschreibt einen nicht-menschlichen wirtschaftlichen Akteur: eine KI, die eigenständig entscheidet, verhandelt und Geld ausgibt. Was nach ferner Zukunft klingt, ist längst Realität. Visa hat mit „Intelligent Commerce“ einen Zahlungsstandard für Agenten gestartet, Googles Shopping-Agent greift auf einen Produktgraphen mit Milliarden Einträgen zu, und Handelsriesen wie Walmart verhandeln Lieferantenverträge bereits weitgehend automatisiert.
Für europäische Unternehmen ist das mehr als eine technische Spielerei. Wenn KI-Agenten zu einem unkontrollierbaren Filter zwischen Marke und Kunde werden, verlieren klassische Marketing-Hebel ihre Wirkung – und maschinenlesbare, überprüfbare Werte- und ESG-Nachweise werden zum stärksten Verkaufsargument. Hinzu kommt eine geopolitische Dimension: die Abhängigkeit von US-Modellen und die Frage der „kommerziellen Souveränität“. Im Interview erklärt Forbes, was Konzerne, Startups und KMU jetzt tun sollten.
Was ist ein „Machine Customer“?
Die breiteste Definition kommt von Gartner: ein nicht-menschlicher wirtschaftlicher Akteur. Ich betrachte es lieber etwas kategorisierter: Es ist etwas, das in der Wirtschaft agieren, Transaktionen durchführen, Entscheidungen treffen und Geld ausgeben kann – entweder von einem Menschen gesteuert oder autonom. Ein B2C-Beispiel: Visa Intelligent Commerce ist letztes Jahr mit der Anweisung gestartet: „Finde mir die besten Kopfhörer unter 200 Dollar – und wenn du sie gefunden hast, kauf sie.“ Googles Spark geht noch weiter, weil darunter ein Produktgraph mit rund 65 Milliarden Einträgen liegt. Der Agent gleicht die Parameter ab, findet das Produkt und bezahlt über Google Pay. Das Bemerkenswerte: Es ist ein vollständig disintermediierter Kauf. Wenn Spark ein Paar Bose-Kopfhörer findet, geht es nie wieder auf die Bose-Website. Bose wird für Google effektiv zum Drop-Shipper – die Marke verschwindet aus der Beziehung.
Heißt das, Logik ersetzt Emotion?
Das ist der erste, naive Reflex – und er greift zu kurz. Ein Agent fällt zwar auf seine harten Vorgaben zurück, meist rund um den Preis. Aber Agenten sind bemerkenswert gut darin, emotionale Stimmungen zu quantifizieren. Wenn ich sage: „Ich will lustige Socken, die mich glücklich machen“, durchsucht der Agent das Web nach genau diesem Sentiment über zehntausende Bewertungen hinweg und verknüpft es mit meinem Wunsch. In China habe ich ein BYD-Auto gesehen, das die Stimmung erkennt und die Umgebung entsprechend anpasst. Mercedes Pay kann im Fahrzeug bereits bezahlen, parken und Ladevorgänge aushandeln. Neun chinesische Autohersteller bauen Alibabas Qwen-Modell ins Cockpit ein, ebenso BMW China. Agenten fühlen nichts – aber sie leiten Emotionen bemerkenswert kreativ ab. So einfach wie „Logik schlägt Emotion“ ist es also nicht.
Was bedeutet das für Konsumgütermarken?
Ein Albtraum. Ich arbeite gerade mit vielen CMOs zusammen, und die Frage lautet immer: „Wie vermarkte ich an einen KI-Agenten?“ Die Antwort: gar nicht. Der Agent wird zu einem Filter, den man nicht mehr kontrolliert. Keiner der klassischen Hebel, mit denen man früher Menschen zum Kauf bewegt hat, wirkt bei einem Agenten.
Ich sehe drei Ebenen im Agentic Commerce. Erstens: Auffindbarkeit – GEO, AEO, im Grunde das, was früher SEO war, neu gedacht für Agenten. Rund 90 Prozent der Anbieteraktivität spielt sich hier ab, weil es am leichtesten zugänglich ist. Zweitens: die technische Vertrauensebene – kann ich eine vertrauenswürdige Transaktion abwickeln? Hier kommen die Payment-Rails ins Spiel – Mastercard, Visa, Stripe. Und drittens, die anspruchsvollste Ebene: Werte. In meinen Experimenten war der Ausschlag gebend, wenn alle gleich auffindbar und gleich vertrauenswürdig waren, dass eine Marke zu meinen Werten passte – und das unabhängig in Drittquellen überprüfbar war. Wenn ich sage: „Ich will einen Regenmantel, Nachhaltigkeit ist mir wichtig“, landet der Agent bei Patagonia, weil deren Footprint Chronicles das mit Daten belegen. Und genau darum geht es: Man kann eine KI nicht greenwashen. Sie kann jede Behauptung überprüfen – und was sich nicht belegen lässt, fliegt raus.
Wo stehen wir bei der Adoption?
Im B2C-Bereich sind wir noch ganz am Anfang. Eine aktuelle Gartner-Umfrage beziffert es auf rund 11 Prozent, die einem Agenten einen Kauf ohne Rückfrage zutrauen würden. Im B2B-Bereich steckt das eigentliche Geld – und dort ist man bereits weit fortgeschritten. Seit einem Pilotprojekt 2022 verhandelt Walmart mit Lieferanten über KI, via der von einem Esten gegründeten Plattform Pactum. Fast 70 Prozent der Verträge wurden ohne menschliche Beteiligung auf Walmart-Seite abgeschlossen, und drei Viertel der Lieferanten bevorzugten die Verhandlung mit der KI. Das Ergebnis: rund drei Prozent bessere Einkaufspreise und 35 Tage längere Zahlungsziele – Working Capital, das aus den Taschen der Lieferanten zurück zu Walmart wandert. Auch Maersk, Honeywell und Astra Zeneca sind Kunden. Für Lieferanten bedeutet das: Die KI hat alle Zeit der Welt, die Lieferkette bis ins Detail zu durchleuchten. Wenn ESG- und Werte-Nachweise nicht verifizierbar dokumentiert sind, kommt man nicht mehr durch.
Und die geopolitische Dimension – Europas Abhängigkeit von US-KI?
Es geht um kommerzielle Souveränität: Unternehmen müssen selbst bestimmen können, zu welchen Bedingungen sie KI-Akteure in ihr Geschäft lassen. Mein Rat: sich nicht nur auf die USA zu fixieren. Fünf der Top-Ten-Modelle kommen aus China – leichter und günstiger im Betrieb. Die VAE wollen bis 2028 mindestens die Hälfte ihrer Regierungsdienste über agentische KI abwickeln und dieses Governance-Modell in den Globalen Süden exportieren – womit der gesamte afrikanische Kontinent ins Spiel kommt. Australien hat ein souveränes Modell. KI ist nicht politisch neutral; entscheidend ist, wie sie gesteuert wird.
Deine Botschaft an KMU?
Findet heraus, welche Machine Customers bei euch anklopfen. Es gibt fünf Typen: den delegierten Agenten, den autonomen Käufer, das Multi-Agenten-Netzwerk, den Co-Buyer und den Intermediär – wie Amazons Rufus. Beginnt mit dem Machine Customer Canvas. Vielleicht baut ihr selbst Machine Customers: Mercedes-Fahrzeuge sind welche. Mit Agenten verdreifacht sich der mögliche Geschäftsmodellraum. Das wird alles verändern.
Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.
