Vor Kurzem sprach ich mit einem Freund, der als Designer und Ingenieur arbeitet. Seine Prognose war ziemlich eindeutig: KI werde irgendwann einen großen Teil seiner Arbeit übernehmen, Klempner hätten dagegen noch viel Zeit.
Die Einschätzung wirkt plausibel. Ein Modell kann bereits Pläne erstellen, Alternativen berechnen, Dokumentation verfassen oder Code erzeugen. Kein Allzweckroboter kann heute eine unbekannte Wohnung betreten, die Ursache eines Lecks finden und es mit der Zuverlässigkeit eines Fachmanns reparieren.
In diesem Vergleich werden jedoch zwei unterschiedliche Fragen vermischt. Die erste lautet, welche Berufe den heutigen Fähigkeiten von KI besonders stark ausgesetzt sind. Die zweite lautet, wie schnell sich die Grenze der Robotik verschieben kann, wenn Teile ihrer Software von denselben Fortschritten profitieren.
Bei der ersten Frage ist der Klempner klar im Vorteil. Die zweite mahnt dazu, sich nicht zu sehr auf einen linearen Zeitplan zu verlassen.
Die interessante Frage ist nicht, ob KI erklären kann, wie ein Rohr ausgetauscht wird. Entscheidend ist, wie viel des Weges zu einem Roboterklempner von Intelligenz abhängt und wie viel von Händen, Energie, Zuverlässigkeit, Sicherheit und Kosten.
Ein Beruf ist keine einzelne Aufgabe
Wenn wir sagen, KI könne einen Designer ersetzen, aber keinen Klempner, behandeln wir jeden Beruf als unteilbare Einheit. Tatsächlich enthalten beide Tätigkeiten Aufgaben mit sehr unterschiedlichem Automatisierungsgrad.
Ein Designer kann Anforderungen untersuchen, Alternativen vorschlagen, rechnen, modellieren, Einschränkungen aushandeln, Vorschriften prüfen und Entscheidungen verantworten. KI muss nicht den gesamten Beruf beherrschen, um ihn zu verändern. Es genügt, wenn sie den Zeitaufwand für einige digitale Teile deutlich senkt.
Auch ein Klempner diagnostiziert, plant, schätzt Materialmengen, erstellt Angebote, dokumentiert und spricht mit dem Kunden. Danach muss er zum Einsatzort gelangen, schwer zugängliche Stellen erreichen, schneiden, halten, abdichten, Druck prüfen und auf das reagieren, was sich hinter einer Wand befindet. Ein Teil dieser Arbeit ist Information. Ein anderer verlangt Eingriffe in eine wenig kontrollierte physische Umgebung.
Die Internationale Arbeitsorganisation schätzte 2025, dass jeder vierte Beschäftigte in einem Beruf mit einem gewissen Grad an Exposition gegenüber generativer KI arbeitet. Büro- und Verwaltungsberufe waren am stärksten betroffen; auch in stark digitalisierten technischen Berufen nahm die Exposition zu. Die wichtigste Schlussfolgerung lautete jedoch nicht vollständiger Ersatz, sondern Veränderung einzelner Aufgaben.
Diese Unterscheidung gilt auch außerhalb des Büros. Automatisierung dringt gewöhnlich stückweise in einen Beruf ein, statt die gesamte Stelle auf einmal zu übernehmen.
KI beschleunigt die Robotik tatsächlich
Über Jahrzehnte funktionierte ein großer Teil der industriellen Automatisierung durch die Verringerung von Variabilität. Der Roboter wird am Boden befestigt, die Position der Teile ist bekannt, die Maschine wird von Menschen getrennt und eine Sequenz wird so programmiert, dass sie sich tausendfach wiederholt.
Neuere Modelle verfolgen einen anderen Ansatz. Vision-Language-Action-Modelle, kurz VLA, erhalten Bilder und Anweisungen und erzeugen daraus Bewegungen. Sie sollen Gelerntes zwischen Objekten, Aufgaben und zunehmend auch unterschiedlichen Roboterkörpern übertragen.
Diese Übertragung kann mehrere Kosten senken, die früher für jede Anwendung neu anfielen:
- Objekte erkennen und neue Anweisungen verstehen;
- ein Ziel in Zwischenschritte zerlegen;
- eine Aufgabe aus Vorführungen lernen, statt jede Bahn einzeln zu programmieren;
- von anderen Robotern erhobene Daten wiederverwenden;
- Trainingsvarianten durch Simulation und synthetische Daten erzeugen;
- auf manche Veränderungen reagieren, ohne das gesamte System neu aufzubauen.
Die Ergebnisse gehen bereits über das Abspielen einer bekannten Sequenz hinaus. Physical Intelligence zeigte π0.5 bei zehn bis fünfzehn Minuten dauernden Reinigungsaufgaben in Wohnungen, die nicht in den Trainingsdaten enthalten waren. Google DeepMind zufolge kann Gemini Robotics On-Device 2 mit weniger als 200 Beispielen und einigen Stunden Anpassungszeit an einen neuen Roboter angepasst werden.
Das sind Forschungsergebnisse der jeweiligen Entwickler, keine Produkttests in Tausenden Haushalten. Trotzdem deuten sie auf eine wichtige Veränderung hin: Ein besseres Modell kann das Repertoire vieler Maschinen erweitern, ohne jede von Grund auf neu zu entwerfen.
Über diesen Mechanismus überträgt sich der Fortschritt der KI auf die Robotik. Er erfindet keine bessere Batterie und verhindert nicht den Verschleiß einer mechanischen Sehne. Er verringert aber einen Teil des Aufwands, den ein Roboterkörper zum Wahrnehmen, Planen und Lernen benötigt.
Nicht jeder Engpass ist Software
Ein Roboter, der außerhalb einer industriellen Zelle arbeiten soll, muss mehrere Ebenen gleichzeitig bewältigen.
Die erste ist das Verstehen der Situation. Der Roboter muss Objekte erkennen, ihre Position schätzen, eine Anforderung interpretieren und eine Abfolge von Handlungen festlegen. Multimodale Modelle treiben diese Ebene schnell voran.
Die zweite ist das Beherrschen von Kontakt. Einen Schraubenschlüssel an einer korrodierten Verbindung zu drehen bedeutet nicht nur, bestimmte Koordinaten anzufahren. Das Werkzeug muss ausgerichtet, Kraft ohne Verformung des Bauteils ausgeübt, ein Abrutschen erkannt und die Bewegung an den Widerstand angepasst werden. Sehen hilft, ersetzt aber weder Tastsinn noch Kraftregelung oder präzise Mechanik.
Die dritte ist ein Körper, der die Arbeit aushält. Aktuatoren, Getriebe, Kabel, Beschichtungen und Sensoren müssen Stöße, Staub, Wasser und Tausende von Zyklen überstehen. Der Roboter braucht außerdem genügend Nutzlast und Energiereserven. Eine in Scientific Reports veröffentlichte Übersicht zu Humanoiden im Bauwesen nennt Batterien, Tragfähigkeit, mechanische Präzision und Widerstandsfähigkeit unter schwierigen Bedingungen ausdrücklich als Hindernisse für den Einsatz.
Die vierte Ebene ist die zuverlässige Ausführung der gesamten Aufgabe. Für eine Vorführung lässt sich der beste Versuch auswählen. Eine professionelle Dienstleistung muss an einem gewöhnlichen Dienstag in einer Wohnung funktionieren, die niemand für das Video vorbereitet hat.
Im Juli 2026 von Google DeepMind veröffentlichte Daten veranschaulichen den Abstand. In den eigenen Tests erreichte Gemini Robotics 2 beim Herausdrehen einer Glühbirne 92 Prozent, beim Eindrehen jedoch 36 Prozent, beim Zubinden eines Müllbeutels 44 Prozent und beim Verschließen eines Druckverschlussbeutels mit einer fünffingrigen Roboterhand 40 Prozent. Mit einem Zweifingergreifer wurden bei präzisen Einfügeaufgaben 89,6 Prozent erreicht. Das sind echte Fortschritte und zugleich Ergebnisse, die für einen autonomen Service nicht ausreichen.
Je länger eine Aufgabe dauert, desto schwieriger wird Zuverlässigkeit. Hätte ein Vorgang zwanzig unabhängige Schritte, von denen jeder in 95 Prozent der Fälle gelingt, läge die Wahrscheinlichkeit für einen vollständig fehlerfreien Ablauf nur bei rund 36 Prozent. Das Beispiel vereinfacht das Problem, zeigt aber, warum der Weg von einer eindrucksvollen Fähigkeit zu einem ganzen Arbeitstag weit mehr verlangt als einige zusätzliche Punkte in einem Test.
Die letzte Ebene ist die wirtschaftliche und rechtliche Tragfähigkeit des Systems. Zum Preis der Maschine kommen Transport, Einrichtung, Aufsicht, Wartung, Versicherung und Ausfallzeiten hinzu. Außerdem muss geklärt sein, wer haftet, wenn der Roboter eine Leitung beschädigt, eine Überschwemmung verursacht oder jemanden verletzt.
KI beschleunigt die erste Ebene stark, beginnt die zweite zu verbessern und hilft beim Testen der übrigen. Ihre materiellen Zeitmaßstäbe beseitigt sie nicht.
Eine Wohnung ist eine besonders schwierige Umgebung
Roboter arbeiten bereits in großem Maßstab, aber vor allem dort, wo die Umgebung mitspielt.
Die International Federation of Robotics erfasste für 2024 in ihrer Stichprobe von 294 Anbietern fast 200.000 verkaufte professionelle Serviceroboter. Mehr als die Hälfte entfiel auf Transport und Logistik, vor allem auf den Warenverkehr in Innenräumen ohne öffentlichen Verkehr. Dieses Muster ist kein Zufall: ebene Böden, bekannte Wege, standardisierte Objekte und wiederholbare Abläufe verringern die Zahl der Überraschungen.
Eine Reparatur in einem Privathaushalt bietet fast das Gegenteil.
Jedes Gebäude vereint unterschiedliche Bauzeiten, Materialien und frühere Entscheidungen. Leitungen können verborgen sein. Der Arbeitsbereich kann ein Schrank, eine abgehängte Decke oder ein Hohlraum sein, in den gerade noch ein Mensch passt. Starre Teile, verformbare Dichtungen, Flüssigkeiten, Schmutz und Reflexionen erschweren die Wahrnehmung. Derselbe sichtbare Fehler kann unterschiedliche Ursachen haben.
Außerdem beeinflussen sich Diagnose und Reparatur gegenseitig. Manchmal zeigt sich das Problem erst nach dem Ausbau eines Bauteils. Dabei können Korrosion, eine vom Plan abweichende Installation oder ein unpassendes Ersatzteil zum Vorschein kommen. Der Fachmann führt keinen geschlossenen Plan aus: Er untersucht die Lage, während er die Umgebung verändert.
Das Bauwesen teilt viele dieser Schwierigkeiten. Räume verändern sich täglich, Material wird verschoben, Staub beeinträchtigt Sensoren und mehrere Gewerke arbeiten gleichzeitig. Eine Fabrik kann um eine Maschine herum angepasst werden. Eine bestehende Wohnung wird kaum umgebaut, um den gelegentlichen Besuch eines Roboters zu erleichtern.
Ein Klempner ist deshalb nicht nur ein Manipulator mit besseren Händen. Der Beruf vereint Diagnosetechniker, Mobilitätssystem, Werkzeugwerkstatt, Planer und Verantwortlichen für einen Eingriff mit physischen Folgen.
Robotik ist längst in der Sanitärtechnik angekommen
Dass es keinen autonomen Allzweckklempner gibt, bedeutet nicht, dass die Branche auf sein Erscheinen wartet.
Hilti stellte Jaibot als semiautonomen mobilen Roboter für Deckenbohrungen vor. Er nutzt BIM-Daten, um die für mechanische, elektrische und sanitäre Installationen erforderlichen Löcher zu lokalisieren und zu bohren. Ein Bediener bewegt und richtet ihn ein; der Roboter automatisiert den repetitiven, anstrengenden und klar definierten Teil.
Am anderen Ende des Spektrums haben Forschende der Carnegie Mellon University ein modulares System entwickelt, das Gasleitungen durchfährt, Karten erstellt, Schäden erkennt und zur Reparatur von innen Harz aufträgt. KI hilft bei der Auswertung der erfassten Daten. Der wichtigste Vorteil entsteht jedoch durch die Begrenzung der Welt: Der Roboter muss nicht durch eine Küche fahren und das richtige Werkzeug auswählen, sondern arbeitet in einer Leitung mit festgelegter Geometrie und Aufgabe.
2026 veröffentlichte ein anderes Team SPPIRO, einen weichen, kabellosen Roboter, der Rohre mit wechselnden Durchmessern, 90-Grad-Bögen und Abzweigungen inspizieren kann. Auch er löst einen konkreten Teil der Arbeit — und zwar einen, den der menschliche Körper nicht erreichen kann.
Alle drei Beispiele verfolgen dieselbe Strategie. Sie versuchen nicht, den vollständigen Fachmann nachzubilden. Sie gestalten das Problem so um, dass eine spezialisierte Maschine einen wertvollen Teil davon lösen kann.
Vor dem Roboterklempner kommt etwas anderes
Der wahrscheinlichste Weg beginnt nicht mit einem Humanoiden, der an der Haustür klingelt, und endet nicht mit dem Verschwinden des Berufs. Er beginnt an den Rändern der Arbeit.
KI kann bei der ersten Einordnung eines Vorfalls helfen, Handbücher durchsuchen, Angebote vorbereiten, Einsätze dokumentieren und Ersatzteile finden. Sensoren und Inspektionsroboter können Leitungen erreichen, Karten erstellen und Anomalien erkennen. Semiautonome Werkzeuge können unter kontrollierten Bedingungen messen, markieren, bohren oder Verbindungen wiederholt herstellen. Durch Vorfertigung lassen sich weitere Arbeitsschritte von der Baustelle in eine maschinengerechte Werkstatt verlagern.
Zwischen Handwerkzeug und vollständiger Autonomie liegt außerdem ein großer Bereich für Fernüberwachung. Ein System kann vertraute Bewegungen ausführen und bei Ausnahmen Hilfe anfordern. Das entfernt den Menschen nicht, verteilt dieselbe menschliche Expertise aber auf mehr Einsätze und lässt den Roboter gerade zu den schwierigen Fällen Daten sammeln.
Die nützliche Unterscheidung wird nicht immer Mensch gegen Maschine lauten. Entscheidend wird sein, welche Kombination aus Software, Spezialmaschine, beaufsichtigter Autonomie und menschlichem Handwerk jeden Abschnitt am besten löst.
Es gibt zwei Uhren und drei Abstände
In der Debatte über Automatisierung wird meist nur eine Uhr betrachtet: die der Fähigkeiten. Eine neue Vorführung scheint die Zukunft schlagartig näher zu bringen; ein unbeholfener Fehler wirkt, als werfe er sie um Jahrzehnte zurück.
Tatsächlich gibt es mindestens zwei Uhren. Die erste misst, was das beste System unter günstigen Bedingungen leisten kann. Die zweite misst, wann diese Fähigkeit zuverlässig, sicher und günstig genug für einen realen Einsatz ist.
Dazwischen liegen drei Abstände:
- von der Vorführung zur zuverlässigen Wiederholung;
- von der Wiederholung zu einer langen Abfolge mit Ausnahmen;
- von der technischen Fähigkeit zu einem wirtschaftlich sinnvollen Betrieb.
KI verkürzt den ersten Abstand und einen Teil des zweiten in einem Tempo, das vor Kurzem noch unwahrscheinlich erschien. Hardware, Sicherheit und Bereitstellung halten den dritten länger.
Mein Freund hatte mit der unmittelbaren Reihenfolge wahrscheinlich recht: Viele Bürotätigkeiten sind heute stärker betroffen, weil sie bereits in einem Computer stattfinden. Daraus folgt aber weder, dass körperliche Berufe stillstehen, noch dass wir ihr heutiges Tempo über zwanzig Jahre fortschreiben können.
Ein allgemeiner Roboterklempner ist noch weit entfernt. Robotergestützte Sanitärarbeit hat bereits begonnen.
In der Lücke zwischen diesen beiden Aussagen wird fast die gesamte Veränderung stattfinden.
Quellen
- ILO und NASK: Generative AI and Jobs — A Refined Global Index of Occupational Exposure
- International Federation of Robotics: World Robotics 2025
- Google DeepMind: Gemini Robotics 2
- Physical Intelligence: π0.5 — A Vision-Language-Action Model with Open-World Generalization
- Firoozi et al.: Foundation models in robotics — Applications, challenges, and the future
- Uthai et al.: Opportunities, challenges and roadmap for humanoid robots in construction
- Hilti: Jaibot, BIM-gestützter Baustellenroboter
- Carnegie Mellon University: Roboter zum Erkennen und Reparieren von Gasleitungen
- Chen et al.: SPPIRO, ein autonomer weicher Roboter zur Rohrinspektion
