Aufstieg der Supertechnologie

KI, Robotik und das Ende der Expertise

von Yuval Valiano-Rips

Dieser Beitrag wurde auf dem Internationalen Aufzugs- und Fahrtreppensymposium 2025 in Buenos Aires, Argentinien, vorgestellt.

Abstract

Die Aufzugsbranche steht an einem Wendepunkt. Künstliche Intelligenz (KI) und Robotik sind keine Randerscheinungen mehr – sie prägen gemeinsam die Aufzugsindustrie und verändern die Anforderungen an Fachkräfte, von Servicetechnikern bis hin zu Sicherheitsinspektoren. Dieser Artikel untersucht, ob KI „Supertechnologien“ hervorbringen wird, die Probleme in Sekundenschnelle diagnostizieren und beheben können, und ob die Revolution zwischen Robotik und KI letztendlich menschliche Experten überflüssig machen wird.

Wir werden anhand von Anwendungsfällen aus der Praxis Colors.AI untersuchen, einer KI-gestützten Außendienstplattform, die jahrzehntelange Service- und Inspektionserfahrung in einen sofort verfügbaren, kontextbezogenen Assistenten umwandelt. Mithilfe von Retrieval-Augmented Generation (RAG) und firmenspezifischen Wissensdatenbanken liefern diese neuen KI-Tools präzise und zuverlässige Anleitungen im Außendienst – und verbessern so die Diagnosegenauigkeit deutlich, erhöhen die Quote erfolgreicher Reparaturen beim ersten Einsatz, reduzieren Nachbesuche und optimieren die Einhaltung der Sicherheitsvorschriften.

Neben der Unterstützung durch KI erreichen auch Robotertechnologien, analog zur Annäherung an menschliche kognitive Fähigkeiten, rasant ein vergleichbares Leistungsniveau in der realen Welt. Das Zusammenwirken dieser beiden Entwicklungen markiert einen Wendepunkt für die VT-Branche und ermöglicht es Systemen, Wartungs- und Inspektionsaufgaben ohne menschliches Eingreifen durchzuführen. Diese Verschmelzung kognitiver und physischer Fähigkeiten wird Veränderungen vorantreiben, die den Bedarf an Fachkräften im Außendienst grundlegend verändern und wichtige Fragen zu Ausbildung, Zertifizierung, Einhaltung gesetzlicher Vorschriften und der langfristigen Personalentwicklung aufwerfen. Wird KI das ultimative Werkzeug für Techniker und Inspektoren sein – oder die Kraft, die sie überflüssig macht? Dieser Beitrag lädt die VT-Community ein, sich dieser Frage direkt zu stellen.

1. Einleitung – Von Schlagworten zu einem echten technologischen Wandel

Im vergangenen Jahrzehnt diente die Aufzugsbranche als Testfeld für nahezu jede bahnbrechende Innovation in der Industrietechnologie. Jede dieser Entwicklungen wurde mit Begeisterung aufgenommen, versprach Umbrüche und brachte meist nur stetige, wenn auch schrittweise Fortschritte.

Internet der Dinge (IoT)-Konnektivität was the first great hope. Cloud-linked controllers and sensors allowed service teams to see live performance metrics and detect anomalies remotely. Otis' ONE^[1]. platform and TK Elevator's MAX^[2]. Der Service Stack bot der Branche einen ersten Vorgeschmack auf Vorhersagefähigkeiten.

Als nächstes kam digitale Zwillinge, with KONE's traffic-simulation^[3]. Virtuelle Modelle waren wegweisend. Diese Nachbildungen ermöglichten es Ingenieuren, neue Konfigurationen und Wartungsstrategien zu testen, bevor sie an einem Live-System arbeiteten. Die Technologie war – und ist – leistungsstark, wurde aber hauptsächlich für Planung und Optimierung und weniger für den täglichen Feldeinsatz eingesetzt.

Dann kam Augmented Reality (AR) und Virtual Reality (VR).^[4]. Die Idee, dass ein Techniker eine Mixed-Reality-Brille tragen, 3D-Diagramme einblenden und sich von einem erfahrenen Ingenieur aus der Ferne anleiten lassen könnte, versprach, Fachwissen für alle zugänglich zu machen. Die Realität sah jedoch anders aus. Kosten, Benutzerfreundlichkeit und kulturelle Widerstände verhinderten eine breite Anwendung.

Die letzte Welle vor der KI war vorausschauende Wartung algorithms, analyzing telemetry data to flag door cycles or motor temperatures that were trending toward failure. Useful, measurable, but bounded by the limits of pattern recognition and sensors' limitations rather than true understanding and full hands-on sensing.

Jede dieser Innovationen schuf Mehrwert, blieb aber evolutionär, nicht revolutionär. KI und Robotik zusammen sind anders. Sie verbessern nicht einfach nur die menschliche Arbeit – sie definieren ihre Grenzen neu. Wo das IoT Maschinen vernetzt, vernetzt KI Wissen; wo Robotik Bewegungen ausführt, liefert KI durch Verständnis die nötige Intention. Diese Konvergenz markiert einen Strukturwandel, der alle Branchensegmente betreffen wird – von multinationalen OEMs bis hin zu kleinen, familiengeführten Dienstleistungsunternehmen, deren Ingenieure ihr Handwerk seit Langem beherrschen.

2. Der Aufstieg der Supertechnologie – KI als Gehirn des Technikers

Die erste sichtbare Phase dieses Wandels hat bereits begonnen: der Aufstieg des Supertechs – eines Technikers, dessen kognitive Fähigkeiten weit über persönliche Erfahrung und technisches Know-how hinausgehen. In den nächsten fünf Jahren werden KI-gestützte Begleiter bei Wartung und Inspektion zum Standard gehören und jeden Techniker in einen lebenden Knotenpunkt institutioneller Intelligenz verwandeln.

Plattformen wie diejenige, die von dem aufstrebenden Startup Colors.AI entwickelt wurde.^[5]. Colors.AI stellt einen ersten Schritt in diese Richtung dar. Colors.AI erstellt maßgeschneiderte KI-Agenten, die die RAG[6]-Architektur verwenden, um sicherzustellen, dass jede Antwort, die die KI liefert, aus verifizierten Quellen stammt – Servicehandbüchern, Inspektionsprotokollen und technischen Bulletins – und nicht aus dem allgemeinen Speicher eines großen Sprachmodells (LLM).^[8]. In Branchen wie der Aufzugstechnik, wo Fehlinformationen die Sicherheit gefährden können, ist diese Unterscheidung entscheidend. Eine KI auf Basis des Ampelsystems (RAG) ruft zunächst relevante Dokumente ab und erstellt anschließend eine Antwort, die ausschließlich auf diesen maßgeblichen Texten und Bildern basiert. Das Ergebnis ist ein Assistent, der kontextbezogen argumentieren kann und sich dabei an Fakten orientiert. Fragt ein Servicetechniker beispielsweise nach einem Fehler des Türsensors, findet die KI anhand der relevanten Dokumentation der Steuerung und der Serviceberichte eine Lösung und vermeidet so KI-Spekulationen, die als „Halluzinationen“ bezeichnet werden.^[9]. — Wenn der LLM Dinge im vollen Vertrauen sagt, handelt es sich in Wirklichkeit um seine eigenen Halluzinationen, die jeglicher faktischen Grundlage entbehren.

Dasselbe Prinzip gilt auch für Sicherheitsinspektionen. KI-gestützte Systeme können zertifizierte Inspektoren unterstützen, indem sie automatisch standortspezifische Checklisten erstellen, Fotos oder Sensormesswerte analysieren, um potenzielle Anomalien zu erkennen, und die Berichtsformate standortübergreifend standardisieren. Dies erhöht die Konsistenz, reduziert menschliche Fehler und verbessert die Einhaltung gesetzlicher Vorschriften, insbesondere in Kombination mit gut geschulten KI-Systemen und Ampelsystemen.

This architecture transforms the nature of expertise itself. Knowledge no longer vanishes when an engineer retires or changes companies — it becomes an accessible digital corpus. Smaller family-run businesses, often rich in experience but short on data infrastructure, stand to gain the most. A chief engineer's lifetime of insight can be indexed once and made accessible to every technician, any time, in any building. The senior engineers become mentors to the AI simply by talking to it, curating and correcting its understanding — while junior technicians gain instant and precise access to the seniors' expertise in the field.

In practice, this shift democratizes expertise without diminishing it. A well-trained AI copilot reduces the number of repeated visits, increases first-time-fix rates and accelerates training cycles for new staff. The technician remains central — interpreting sensor data, validating AI suggestions and ensuring safety, but now works with a tool that mirrors the company's collective mind.

Ist dies die letzte Phase, in der der Mensch noch den Schraubenschlüssel in der Hand hält – oder die erste, in der der Schraubenschlüssel endlich mit uns mitdenkt?

3. Die Übernahme durch die Humanoiden – Roboter im Maschinenraum

Wenn die Supertech-Revolution der Branche ihr Gehirn verleiht, wird die nächste Welle ihr Hände geben. Weltweit schreitet die Entwicklung humanoider Robotik mit beispielloser Geschwindigkeit voran. Unternehmen wie Agility Robotics[10], Tesla-Optimus,^[11]. Sanctuary AI,^[12]. Boston-Dynamik,^[13]. Abbildung AI^[14]. Und viele weitere bauen Roboter, die für die Ausführung menschenähnlicher körperlicher Aufgaben konzipiert sind: Balancieren, Greifen, Heben und Navigieren in unebenen Räumen.

Diese Entwicklungen sind nicht spekulativ; Pilotprojekte zeigen Roboter, die Werkzeuge handhaben, sich in unebenem Gelände fortbewegen und klettern sowie industrielle Bauteile manipulieren. Im Bereich der Aufzüge könnten humanoide Roboter Schächte inspizieren, Sensoren austauschen, Befestigungselemente festziehen oder Schmier- und Reinigungsarbeiten durchführen – alles ohne Menschen beengten oder gefährlichen Bedingungen auszusetzen. Wo heute ein Inspektor physisch Zugang zu einem Maschinenraum oder einer Grube benötigt, könnte morgen ein Roboter dieselbe Arbeit mit minimaler Fernüberwachung ausführen.

The key enabler is convergence: The same AI systems that guide Supertechs will train these robots. Machine vision, sensor fusion and reinforcement learning now allow robots to interpret elevator components visually, recognizing panels, fasteners and cables with growing precision. While far from perfect, this capability is evolving faster than many expected — propelled by AI's rapid cognitive improvements and robotics' incremental mechanical gains.

Dies stellt die zweite Phase des industriellen Wandels dar: von der Unterstützung des Menschen hin zu autonomen Akteuren. Kurzfristig werden Roboter Techniker unterstützen, nicht ersetzen, indem sie als mobile Assistenten oder ferngesteuerte Beobachter in gefährlichen oder schwer zugänglichen Bereichen fungieren. Mit zunehmender Autonomie und Zuverlässigkeit werden sie schrittweise die praktische Ausführung übernehmen, während der Mensch für die Überwachung, Beurteilung und das Ausnahmemanagement zuständig bleibt.

4. Das Meta-Tech-Zeitalter – Von der praktischen Arbeit zur Systemüberwachung

Jenseits der Supertechnologie existiert die Metatechnologie: eine Rolle, deren vollständige Durchdringung der Branche etwa ein Jahrzehnt dauern kann (2035–2040). Während die Supertechnologie mit KI arbeitet, steuert die Metatechnologie KI und Robotik. Ihre Hauptaufgabe wird nicht mehr im praktischen Einsatz bestehen, sondern in der Orchestrierung ganzer Flotten autonomer Systeme von zentralen Kontrollzentren aus.

In diesem Modell überwacht ein Meta-Tech Dashboards mit Live-Bildern von mehreren Aufzügen, Roboterinspektionen und vorausschauenden Warnmeldungen. Tritt eine Anomalie auf, entscheidet der Meta-Tech, ob die KI eine Reparatur durchführt, ein Roboter eingesetzt wird, ein Mitarbeiter geschickt wird oder ob die Störung mithilfe einer AR-Brille erkannt wird. Der Meta-Tech bleibt die Instanz, die die Einhaltung ethischer und regulatorischer Vorgaben überwacht und sicherstellt, dass die Automatisierung niemals die Sicherheit gefährdet. Diese Rolle erfordert fundiertes technisches Verständnis, Situationsbewusstsein und die Fähigkeit, unter Berücksichtigung der Unternehmens- und persönlichen Werte fundierte Entscheidungen zu treffen.

Dieser Wandel wird nicht über Nacht geschehen. Er erfordert eine Anpassung der Regulierung, eine Weiterentwicklung der Haftungsrahmen und den schrittweisen Aufbau von Vertrauen. So wie die vorausschauende Wartung Jahre brauchte, um vom Pilotprojekt zur Praxis zu gelangen, wird es ein Jahrzehnt oder länger dauern, bis sich der vollständige Einsatz von Meta-Technologien im täglichen Betrieb etabliert hat. Einmal etabliert, wird sich die Bedeutung von Expertise in der virtuellen Wartung neu definieren – von mechanischer Intuition hin zu systemischer Steuerung.

5. Was könnte diese (nicht allzu ferne) Zukunft verzögern?

Der Weg vom KI-Assistenten zur Roboterautonomie wird nicht reibungslos verlaufen. Verschiedene Einschränkungen können die Einführung verzögern:

• Regulatorische Trägheit. Sicherheitsstandards entwickeln sich langsam. Die Zertifizierung von KI-gestützten oder robotergestützten Wartungsaufgaben erfordert neue Testrahmen und klar definierte Verantwortlichkeiten. In einem Bereich, in dem die Sicherheit von Menschenleben oberste Priorität hat, ist es verständlich, dass die Aufsichtsbehörden besonders vorsichtig vorgehen wollen.
• Wirtschaftliche Reibungsverluste. Die Entwicklung und der Einsatz humanoider Roboter sind kapitalintensiv. Für kleine Dienstleistungsunternehmen mit geringen Gewinnmargen rechtfertigt der ROI möglicherweise nicht die frühe Einführung.
• Widerstand der Belegschaft. Techniker könnten die Automatisierung zunächst als Bedrohung und nicht als Werkzeug betrachten. Ohne klare Kommunikation und entsprechende Schulungsprogramme wird die Integration ins Stocken geraten.
• Technische Einschränkungen. Zum jetzigen Zeitpunkt ist echte Künstliche Allgemeine Intelligenz (AGI) noch nicht erreicht. Aktuelle KI-Systeme sind spezialisierte Systeme mit engen Anwendungsbereichen, die zwar hervorragend im Abrufen von Informationen und im Vorhersagen sind, aber Schwächen beim korrekten kontextbezogenen Denken in unbekannten Situationen aufweisen. Die Robotik steht vor einer noch größeren Herausforderung: der Energiedichte. Die Batterietechnologie hat noch nicht das erforderliche Niveau für ganztägige, leistungsstarke Mobilität erreicht. Die meisten humanoiden Roboter sind daher weiterhin an ein Kabel gebunden oder durch häufiges Aufladen eingeschränkt. Umwelteinflüsse in Aufzugsschächten, Vibrationen, Staub und enge Toleranzen erfordern robuste Konstruktionen, die sich noch in der frühen Testphase befinden.

Aus diesen Gründen wird die KI-Revolution (softwarebasiert, skalierbar, reibungslos) deutlich schneller voranschreiten als die Robotik-Revolution (hardwarebasiert, reguliert und physisch). KI ist bereits im Einsatz; humanoide Roboter benötigen noch einige Jahre bis zur Reife; die Integration von Metatechnologien wird etwa ein Jahrzehnt dauern, bis sie sich im Alltag wirklich durchsetzt.

6. Fahrplan für Aufzugsunternehmen (2025–2040)

Der Zeitplan für die Entwicklung einer hybriden Mensch-Maschine-Belegschaft lässt sich in vier sich überschneidende Phasen unterteilen:

1. KI-Integration (2025–2028): Flotten mit Cloud-Plattformen verbinden und IoT für ältere Aufzüge ausbauen. RAG-basierte KI-Agenten als Copiloten für Techniker einsetzen. Handbücher und Inspektionsberichte für den KI-Einsatz digitalisieren. Techniker in KI-gestützter Diagnose schulen.
2. Supertech-Expansion (2028–2032): Standardisierung der KI-gestützten Steuerung aller Außendiensttätigkeiten. Erfassung des institutionellen Wissens erfahrener Ingenieure vor deren Ruhestand. Einrichtung von „KI-Genauigkeitskomitees“ zur Validierung der Ergebnisse und Protokollierung von Fehlern.
3. Hybridbetrieb (2030–2036): Pilotprojekt zur robotergestützten Inspektion, Reinigung und Datenerfassung. Implementierung von Fernüberwachungsprotokollen und Genehmigungsprozessen durch Menschen.
4. Meta-Tech-Übergang (2036–2040): Aufbau von Fernsteuerzentralen, in denen erfahrene Ingenieure autonome Flotten überwachen. Entwicklung neuer Ausbildungsprogramme für Meta-Tech-Positionen, die Mechanik, KI-Kenntnisse und Systemüberwachung kombinieren.

7. Fazit – Jenseits des Werkzeugkastens

The elevator industry's mission has never changed: to move people safely and reliably. What is changing is how that mission is achieved. AI and robotics will not erase expertise — they will erase guesswork. The winners of this new era will be those who pair connected assets, explainable AI and human judgment into a continuous, auditable ecosystem. The technician of tomorrow will be part mechanic, part analyst and part collaborator with machines that never forget. A decade later, Meta-Techs will emerge as conductors of symphonies composed of AI, sensors and humanoid robots.

Der Aufzug symbolisiert seit jeher den Aufstieg. In den kommenden Jahrzehnten wird sich auch der Beruf des Aufzugwarts weiterentwickeln: vom handwerklichen Können zur digitalen Expertise, um die Sicherheit und Intelligenz der vertikalen Welt zu gewährleisten.

Referenzen

[1] Otis Worldwide Corp., Otis ONE Predictive Maintenance Overview, otis.com/en/us/products-services/otis-signature-service/otis-one

[2] TK Elevator, MAX Smart Maintenance Platform, digital.brochure.tkelevator.com/en-us/brochure/max-smart-maintenance/max-2

[3] KONE Corp., Entwicklung eines digitalen Zwillings zur Optimierung des Personenflusses. kone.co.id/en/stories-and-references/stories/developing-digital-twin-with-rockstar-mindset.aspx

[4] AR Genie, Behebung einer Aufzugsstörung mithilfe von AR-Technologie, argenie.ai/blogs/fixing-a-critical-elevator-maintenance-breakdown-at-a-premier-office-complex-with-ar-technology

[5] Colors.AI, Offizielle Website colors-ai.com

[6] Rick Merritt, NVIDIA, Was ist Retrieval-Augmented Generation, kurz RAG? blogs.nvidia.com/blog/what-is-retrieval-augmented-generation/

[7] Holzinger, A., Ist die menschliche Aufsicht über KI-Systeme noch möglich? researchgate.net/publication/387032069_Is_Human_Oversight_to_AI_Systems_still_possible

[8] Amazon AWS, Was sind große Sprachmodelle (LLM)? aws.amazon.com/what-is/large-language-model/

[9] Wan Zhang et al., Halluzinationsminderung für abruferweiterte große Sprachmodelle, mdpi.com/2227-7390/13/5/856/pdf

[10] Agility Robotics, DIGIT – kommerziell eingesetzter humanoider Roboter, agilityrobotics.com

[11] Tesla, Optimus Robot, en.wikipedia.org/wiki/Optimus_(robot)

[12] Sanctuary AI, Allzweckrobotik, sanctuary.ai/blog/sanctuary-ai-controlling-advanced-hydraulic-hands

[13] Boston Dynamics, Der neue Standard für industrielle Inspektionen, bostondynamics.com/solutions/inspection/

[14] Figure AI, „Introducing-figure-03“, figure.ai/news/introducing-figure-03

Alle Abbildungen in diesem Artikel sind Eigentum des Autors und wurden mit Hilfe von OpenAI's ChatGPT (GPT-5-Modell) erstellt, 2025.