Wie de afgelopen tijd filmpjes van mensachtige robots voorbij zag komen, kan de indruk krijgen dat ze al klaarstaan om het werk over te nemen. Dat beeld klopt niet helemaal.
„Een filmpje van een minuut waarin een robot danst en rondbeweegt, is heel spectaculair. Mensen zien het en vinden het leuk”, zegt Katrin J. Yuan, CEO van het Swiss Future Institute. „Maar kijk je naar de echte wereld, naar de fabrieksvloer, dan is dat een heel andere dimensie.”
Op de Humanoid Robot Summit in Stuttgart kwamen onderzoekers, robotbouwers en industriële gebruikers bijeen om precies die kloof te bespreken.
“Wat de meeste mensen eigenlijk willen weten, is wanneer ze op grote schaal aan het werk gaan. En dat is een proces dat nog wel even tijd kost”
Aya Durbin Boston Dynamics
Muhammed Saeed, onderzoekscoördinator bij ARENA2036, ziet dat de ontwikkeling hard gaat: ,,Humanoids versnellen enorm en schalen snel op. Voor ons is de belangrijkste vraag hoe we ze ook in de industrie kunnen inzetten.” De summit moet volgens hem niet alleen zorgen voor een robotnetwerk, maar vooral concrete toepassingen leveren die de industrie verder helpen.
Aya Durbin van Boston Dynamics vat de centrale vraag samen: ,,Wat de meeste mensen eigenlijk willen weten, is wanneer ze op grote schaal aan het werk gaan. En dat is een proces dat nog wel even tijd kost.”
Lees ook: Top 10 beroepen die volgens Anthropic door robotica en AI zullen verdwijnen
Waarom de industrie robots nodig heeft
De drijfveer achter de humanoids is niet het spektakel, maar productiviteit. Volgens dr. Joachim Fetzer, president Europa van FMC3 Robotics, staat de productiviteitsgroei in de maakindustrie al zo’n vijftien jaar stil.
,,Dat geldt voor Europa, maar ook voor landen als Japan en zelfs China”, zegt Fetzer. ,,Humanoïde robots en robots in het algemeen zijn nodig om de productiviteit weer te laten stijgen.”
Dat besef leeft ook bij bedrijven zelf. Christian Souche, managing director Robotics Innovation bij Accenture, ziet veel testprojecten: ,,Veel van onze klanten beginnen hun eigen roboticalabs op te zetten.”
De tijdlijn: 2028 en verder
De experts in Stuttgart zijn het grotendeels eens: echte opschaling verwachten ze niet voor het einde van dit decennium. Souche van Accenture noemt 2028 of 2029 als het moment waarop humanoïde robots kunnen opschalen, mede omdat massaproductie van de robots zelf tijd kost. ,,Het gaat dus nog even duren. Maar het werk ter voorbereiding op die opschaling moet nu beginnen.”
Lyn Wang, director bij de Chinese robotbouwer Unitree Robotics, schetst een vergelijkbaar beeld. Over vijf tot tien jaar verwacht hij dat er zo’n miljoen robots in gebruik zijn, misschien meer. ,,Maar op dit moment is de robot nog niet slim genoeg. Daarom kopen nog niet zo veel klanten een robot, en verhuur komt pas net op gang.”
Betere AI-modellen moeten daar verandering in brengen: hoe slimmer de robot, hoe meer klanten, hoe meer productie.
Yuan van het Swiss Future Institute vat het samen: de technologie heeft veel potentie, maar het ‘TikTok-moment’ voor de industrie is nog niet aangebroken.
“De robots kunnen dansen en testen met specifieke taken, maar de waarheid is dat ze heel moeilijk in een werkomgeving te plaatsen zijn”
Lyn Wang Unitree Robotics
Wat houdt de opschaling tegen?
Het grootste knelpunt is intelligentie: een robot die kan dansen, kan nog geen fabriekshal draaien. ,,De robots kunnen dansen en specifieke taken testen, maar de waarheid is dat ze heel moeilijk in een werkomgeving te plaatsen zijn”, zegt Wang van Unitree.
Daarnaast noemt Yuan een hele rij praktische drempels: schaalbaarheid, economische haalbaarheid, de totale kosten over de levensduur, het daadwerkelijke nut, veiligheid en de energiekosten van AI. En dan zijn er nog training, onderhoud, installatie en aansturing.
Geen ruimte voor fouten
Vooral veiligheid maakt de fysieke wereld fundamenteel anders dan de wereld van chatbots. Een taalmodel dat af en toe hallucineert, kun je bijsturen. ,,Maar in een fysieke AI-wereld, met een robot in een fabriek die 20 tot 40 kilo tilt en een mens ernaast, kun je je geen fout veroorloven”, aldus Yuan.
Leren zoals een kind
Ook het trainen van robots kost veel tijd en mensenwerk. Werner Kraus, hoofd robotica bij Fraunhofer IPA, vergelijkt het met lesgeven aan een kind: de robot leert door na te doen. Hij bezocht in China een zogeheten datafabriek, waar honderden mensen robots trainen voor taken als een T-shirt vouwen, een doos in elkaar zetten of tafels schoonmaken.
,,Voor een vrij specifieke taak kost dat maar een paar uur”, zegt Kraus. ,,Maar wil je een algemeen intelligent model, dan moet je miljoenen uren trainen.”
Van pilot naar werkvloer
Hoe komt een humanoïde robot dan wél aan het werk? Aya Durbin van Boston Dynamics onderscheidt vier stappen:
- 1.
Voordoen: je laat de robot zien hoe hij de taak moet uitvoeren.
- 2.
Bijsturen: je kijkt mee terwijl de robot de taak zelfstandig uitvoert en corrigeert hem als hij fouten maakt, zodat hij slimmer wordt.
- 3.
Testen: je test de complete oplossing in je eigen faciliteit via een pilot.
- 4.
Aan het werk: pas na een geslaagde acceptatietest gaat de robot echt aan de slag.
Lessen van Siemens
Dat de praktijk weerbarstig is, ondervond Siemens in zijn eigen pilots. André Scholz, hoofd van de innovatieafdeling, noemt een verrassend basaal probleem als eerste hobbel: internet op de werkvloer.
,,Je hebt enorm veel dataverkeer nodig om foto’s, video’s en modellen te uploaden en downloaden. Dat was in sommige gevallen echt de eerste uitdaging.”
Een tweede les: niet elke robot heeft benen nodig. ,,Wij produceren elektronische onderdelen. Al onze vloeren zijn vlak en er zijn geen obstakels, dus een onderstel met wielen is altijd genoeg”, aldus Scholz.
Een kritische blik op wat de werkplek écht vraagt, kan dus veel complexiteit besparen.
Begin nu, schaal later
Humanoids gaan aan het werk, maar niet morgen en niet overal tegelijk. De verwachting in Stuttgart: rond 2028–2029 begint de opschaling, en in de jaren daarna kan het aantal robots oplopen tot een miljoen. Bedrijven die dan klaar willen zijn, moeten nu experimenteren, pilots draaien en hun infrastructuur op orde brengen.
Fetzer van FMC3 Robotics pleit daarbij voor een positief verhaal. Slimmere automatisering met een feedbacklus, gevoed door data, kan volgens hem de productiviteit en de welvaart verhogen. ,,Dat betekent niet dat iedereen morgen hetzelfde doet als vandaag. We moeten veranderen en ons aanpassen. Maar dat doen we al 150 jaar, sinds de industrialisatie, met veel succes. Als we dat positieve verhaal vertellen, gaan mensen met ons mee.”
Ontvang elke week het beste van BusinessWise in je mailbox. Schrijf je hier nu gratis in:
