96 Prozent in Sindelfingen: Die Roboter-Story steckt in den 4 Prozent

Roboter-News lesen sich oft wie Science-Fiction. Diese nicht. Ein Roboter steht an einer Linie und legt Metallhalter aus großen Kisten in kleine Schalen, in der Reihenfolge, die das nächste Auto braucht. Mehr nicht. Genau deshalb lohnt sich der Blick.

Was passiert ist

• Wer: Google DeepMind mit Gemini Robotics 2.5, einem Modell, das Sehen, Sprache und Bewegung verbindet. Hardware ist der humanoide Roboter Apollo 2 von Apptronik.
• Wo: laufende Produktionslinien von Mercedes-Benz in Kecskemét (Ungarn) und Sindelfingen.
• Was: Kitting, also Halter aus Sammelkisten fahrzeuggerecht in Schalen sortieren. Erfolgsquote laut DeepMind 96 Prozent, ausdrücklich als Proof of Concept.
• Wie: Zwei Modelle teilen sich die Arbeit. Gemini Robotics ER behält den Ablauf im Blick, Gemini Robotics 2.5 steuert Arme und Hände.
• Drumherum: Über mehr als 200 Aufgaben meldet DeepMind 30 bis 100 Prozent höhere Erfolgsquoten als beim Vorgänger und 20 bis 30 Prozent schnellere Ausführung. Das Modell geht vorerst nur an Robotik-Partner.

Der beste erste KI-Job ist langweilig

Was ich daran spannend finde: Niemand hat den Roboter ein Auto bauen lassen. Der Job ist eng abgegrenzt, hat eine klare Reihenfolge und endet in einem Ergebnis, das jeder sofort prüfen kann. Liegt der richtige Halter in der Schale oder nicht?

Genau so sollte auch das erste Agenten-Projekt im Marketing aussehen. Meine Faustregel: ein klar abgegrenzter Job, der bei einer konkreten Entscheidung endet und ein Ergebnis liefert, das jemand beurteilen kann. Zum Beispiel: Reaktivierungskampagne vorbereiten, Paket zur Prüfung vorlegen. Nicht: „Mach unser Marketing.“

Der Haken: Wer fängt die 4 Prozent?

96 Prozent klingt stark. Rechnen wir es in deine Welt um. Ein Agent, der Newsletter-Varianten zu 96 Prozent richtig personalisiert, verschickt bei 50.000 Mails rund 2.000 falsche. Im Werk dürfte ein falscher Halter spätestens am Band auffallen. Im Marketing landet der Fehler direkt beim Kunden.

Dazu fehlen in der Meldung wichtige Angaben: wie lange der Pilot lief und wie genau der Erfolg gemessen wurde. Das ist eine Herstellerzahl, kein Audit. Und Gemini Robotics 2.5 ist noch kein Produkt, das ein Mittelständler morgen kauft.

Die eigentliche Arbeit liegt deshalb nicht im Modell, sondern im Prozess darum: Wo wird geprüft, wer gibt frei, was passiert mit dem Fehler? Human in the Loop heißt nicht, dass ein Mensch daneben steht. Es heißt, dass jemand weiß, wo die 4 Prozent landen.

Was ich jetzt tun würde

• Einen Kitting-Job im Büro suchen. Aufgaben mit klarer Sortierlogik: Leads nach Kriterien zuordnen, Assets nach Kanal ablegen, Anfragen vorsortieren.
• Die Fehlerquote vorher festlegen. Welche Quote ist okay, und wo wird geprüft, bevor etwas rausgeht?
• Den Fehlerweg bauen. Ein Ort, an dem falsche Ergebnisse landen, und eine Person, die ihn täglich leert.

Bottom Line: 96 Prozent sind die Schlagzeile. Wer die restlichen 4 Prozent auffängt, entscheidet, ob KI im Alltag funktioniert.