Kein Unternehmen auf der Erde betreibt mehr Roboter als Amazon. Allein diese Tatsache rückt jedes Gespräch über Automatisierung und Beschäftigung in ein neues Licht. Amazon setzt mehr als eine Million Roboter in seinem Logistiknetzwerk ein und koordiniert sie rund um die Uhr, um Dutzende Millionen Lieferungen am selben und am nächsten Tag abzuwickeln. Gleichzeitig bleibt das Unternehmen der zweitgrößte Arbeitgeber der Welt mit mehr als 1,5 Millionen menschlichen Voll- und Teilzeitbeschäftigten. Das Koexistieren dieser beiden Zahlen ist kein Widerspruch. Es ist die zentrale Spannung, die es zu verstehen gilt.
Der Roboter, der das Tempo angibt
Die meiste Berichterstattung über die Lagerautomatisierung konzentriert sich auf den Verlust von Arbeitsplätzen. Was dabei übersehen wird, ist eine subtilere Verschiebung in der Art und Weise, wie die Arbeit selbst strukturiert ist, wenn sich Mensch und Roboter denselben Boden teilen.
Brian Greenwood, Professor für Betriebswirtschaft an der George Mason University, zieht eine nützliche Unterscheidung. Im größten Teil des vergangenen Jahrhunderts hat die Automatisierung gefährliche Aufgaben von Arbeitern entfernt und sie aus der Ferne ausgeführt. Das Aufkommen kollaborativer Roboter ändert das auf zweierlei Weise: Der Roboter agiert physisch nah am Menschen und er kann das Arbeitstempo vorgeben. Dieser zweite Punkt hat ein erhebliches Gewicht. Wenn ein menschlicher Arbeiter mit einem Roboterpendant Schritt halten muss, das niemals müde wird, ändert sich die Natur des Jobs, selbst wenn die Berufsbezeichnung gleich bleibt.
Amazons eigene Führungskräfte stellen die Roboterflotte als Werkzeug zur Reduzierung physischer Belastungen dar. Scott Dresser, Vizepräsident von Amazon Robotics, beschreibt den Ansatz des Unternehmens so, dass Herausforderungen identifiziert werden, die sowohl Angestellte als auch Kunden betreffen, und dann Technologie angewendet wird, um diese zu bewältigen. Das Unternehmen verweist auf die Verletzungs- und Krankheitsrate im US-amerikanischen Lagersektor, die laut Angaben der Arbeitsschutzbehörde OSHA typischerweise mehr als doppelt so hoch ist wie der Durchschnitt aller Branchen, als Grund dafür, die körperlich anstrengendsten Aufgaben zu automatisieren. Gewerkschaften und unabhängige Forscher argumentieren jedoch, dass das Bild komplizierter ist, als es dieser Rahmen nahelegt.
Von Kiva zu DeepFleet: Wie das System aufgebaut wurde
Amazons Roboterinfrastruktur geht auf eine einzige Übernahme zurück. Im Jahr 2012 kaufte das Unternehmen Kiva Systems, einen der frühesten Pioniere für fahrbare mobile Roboter, die darauf ausgelegt waren, Regale zu den Arbeitern zu bringen, anstatt von den Arbeitern zu verlangen, durch das Lager zu gehen. Kiva wurde in Amazon Robotics umbenannt und wurde zum Motor dessen, was heute eine Flotte von über einer Million Maschinen ist, von denen die meisten in Eigenregie in Anlagen in Massachusetts hergestellt werden. In diesem Jahr kündigte Amazon Pläne an, zusätzliche Produktionswerke in Austin, Texas, und Greenwood, Indiana, zu bauen.
Die mobilen Roboter, darunter Modelle namens Hercules und Titan, reichen in ihrer Größe von einem Billardtisch bis zu einem Stutzflügel. Sie holen hohe Textilregale ab, die mit Plastikbehältern gefüllt sind, und bringen sie zu menschlichen Arbeitsstationen. Ein neueres Modell, Proteus, nutzt Sensoren, um sicher in offenen Bereichen Seite an Seite mit Menschen zu arbeiten, anstatt in eingezäunten Zonen zu bleiben.
Die Verwaltung einer Flotte dieser Größenordnung bringt ihre eigene Komplexität mit sich. Roboterhwärme, die sich durch enge Gänge bewegen, können Verkehrsstaus erzeugen. Amazon hat dies mit einer Reihe von KI foundation models namens DeepFleet gelöst, die darauf ausgelegt sind, Roboterengpässe vorherzusagen und zu verhindern, bevor sie entstehen.
Roboterarme stellen eine neuere Grenze dar. Amazons erster hauseigener Arm, Robin, begann 2021 mit Tests und ging 2022 in einer Anlage in Lakeland, Florida, an den Start. Er verwendet acht Saugnäpfe, um einzelne Pakete von überfüllten Förderbändern zu greifen. Vor jedem Greifvorgang analysiert die Software des Roboters eine Ansicht des Stapels von oben und ordnet mögliche Aktionen nach geschätzter Erfolgswahrscheinlichkeit ein.
Frühe Versionen von Robin basierten auf handgeschriebenen Algorithmen, von denen jeder spezifische Fehlerbilder aufwies. Eine Strategie, die größere Pakete priorisierte, hatte Probleme, wenn kleinere diese überlappten. Eine andere, die zugängliche Pakete an der Spitze von Stapeln bevorzugte, versagte bei teilweise vergrabenen Gegenständen. Das Team ersetzte diese regelbasierten Ansätze durch maschinelles Lernen und trainierte ein initiales Modell mit mehr als 394.000 realen Greifvorgängen.
Die Ergebnisse waren messbar. Die beste Methode des maschinellen Lernens erreichte eine Erfolgsrate von 93,73 Prozent, verglichen mit 92,28 Prozent für den besten traditionellen Algorithmus. Diese Lücke von etwa eineinhalb Prozentpunkten führte zu rund 16.500 weniger fehlgeschlagenen Greifvorgängen in einem Zeitraum mit mehr als einer Million Gesamtzugriffen. Ein weiteres Experiment mit zwei Millionen Greifvorgängen zeigte, dass der Ansatz des maschinellen Lernens die Fehlgriffsrate um 20 Prozent senken konnte. Bei Amazons Maßstab summieren sich marginale Verbesserungen zu operativer Bedeutung.
Amazon geht davon aus, seine Flotte von Roboterarmen in diesem Jahr mehr als zu verdoppeln. Nach den jüngsten Zahlen, die von Amazon-Finanzchef Brian Olsavsky genannt wurden, liegt die Zahl der im Einsatz befindlichen Arme im niedrigen Tausenderbereich, was bedeutet, dass die geplante Expansion beträchtlich ist.
Was dies tatsächlich über Arbeit und Technologie signalisiert
Der Fall Amazon veranschaulicht etwas Breiteres darüber, wie KI-gestützte Automatisierung in den Arbeitsplatz einzieht. Die Frage ist selten, ob Roboter den Menschen vollständig ersetzen. Die folgenschwerere Frage ist, wie die Anwesenheit von Roboter die Bedingungen umgestaltet, unter denen Menschen arbeiten: die von ihnen erwartete Geschwindigkeit, die ihnen überlassenen Aufgaben und die physischen sowie kognitiven Anforderungen, die bestehen bleiben.
Angesichts von fast zwei Millionen Beschäftigten im US-Lagerhaussektor, der durch hohe Fluktuation und erhöhte Verletzungsraten gekennzeichnet ist, ist es nicht abstrakt, dieses Gleichgewicht richtig hinzubekommen. Roboter, die die gefährlichsten Aufgaben erledigen, können Schäden nachweislich reduzieren. Roboter, die das Arbeitstempo für menschliche Kollegen vorgeben, erzeugen eine andere Art von Druck.
Die Technologie selbst schreitet rasant voran. Maschinelles Lernen ersetzt feste Algorithmen. KI models koordinieren Roboterflotten in Echtzeit. Neue Fabriken werden gebaut, um mehr Maschinen zu produzieren. Die Infrastruktur skaliert schneller als die Rahmenbedingungen, um zu verstehen, was sie für die Menschen bedeutet, die darin arbeiten.
Kurz gefasst
Amazon betreibt mehr als eine Million Roboter und beschäftigt mehr als 1,5 Millionen Menschen. Diese Zahlen existieren nebeneinander, weil Roboter immer noch nicht alles tun können, was Menschen können, aber die Lücke schließt sich. Die wichtigere Veränderung ist nicht, ob Roboter Arbeiter ersetzen, sondern wie sie die Arbeitsbedingungen für die verbleibenden verändern. Maschinelles Lernen macht Roboterarme spürbar fähiger, und die Flotte wird voraussichtlich stark wachsen. Zu verstehen, was das für die Menschen im Lager bedeutet, erfordert den Blick über die Schlagzeilenzahlen hinaus.
Basierend auf Berichten von Ars Technica.
Zur Originalstudie.