1. Kontext und Kernpunkte

Im November 2026 fand in einem Convenience-Store im Bezirk Jing’an in Shanghai ein 24-stündiger Feldtest mit sechs AGIBOT-G2-Robotern statt. Während des Zeitraums führten die Roboter 1.730 Aufgaben aus, darunter Kundenbetreuung, Produktauffüllung, Zahlungsabwicklung und Bestandskontrolle. Am Ende des Tests erfüllten vier der sechs Roboter die vom Store-Betreiber festgelegten Kriterien für die Leistungsbewertung, während die beiden übrigen Einschränkungen bei der mehrsprachigen Interaktion und der Anpassung an unerwartete Kundenströme zeigten.

Das Experiment ist relevant, weil es einen der ersten großflächigen Einsätze von Servicerobotern mit Dialogfähigkeit auf Basis großer Sprachmodelle (LLM) in einer realen Einzelhandelsumgebung darstellt. Die Ergebnisse bieten eine empirische Referenz für Chief Technology Officers (CTO) und Betriebsverantwortliche, die die Machbarkeit bewerten, menschliches Personal durch autonome physische Agenten zu ersetzen oder zu ergänzen.

2. Hervorgehobene technische Aspekte

Der AGIBOT G2 ist die zweite Generation der Serviceroboter-Familie, die vom chinesischen Unternehmen AGI Robotics entwickelt wurde. Die Architektur kombiniert eine omnidirektionale mobile Plattform mit einem 7-Freiheitsgrade-Armgelenk, einer RGB-D-Kamera, 2D-LiDAR-Sensoren und einer bordeigenen Verarbeitungseinheit auf Basis von NVIDIA Jetson AGX Orin. Die Wahl des Orin ermöglicht die Ausführung von Inferenzen von Sprachmodellen mit mehreren hundert Millionen Parametern, ohne von 5G-Konnektivität abhängig zu sein, was die vom Kunden wahrgenommene Latenz bei einfachen Dialogen auf unter 300 ms reduziert.

Auf Softwareebene verwendet der Roboter einen dreischichtigen KI-Stack: (1) Wahrnehmung, die Seh- und LiDAR-Daten durch ein leichtes, mit Destillationstechniken trainiertes Faltungsnetzwerk fusioniert; (2) Planung, die ein auf PPO basierendes Verstärkungsmodell verwendet, um sichere Trajektorien in Echtzeit zu generieren; und (3) Dialog, der sich auf ein LLM stützt, das durch DPO (Direct Preference Optimization) ausgerichtet und mit Einzelhandelsinteraktionsdaten in Mandarin und Englisch feinabgestimmt wurde. Die Präferenzausrichtung wurde mit einem Satz von 150.000 Gesprächsrunden durchgeführt, die von menschlichen Operatoren gekennzeichnet wurden, was kohärente und respektvolle Antworten in Verkaufskontexten gewährleistet. Der Prozess des Neutrainings des Dialogmodells wurde in der Cloud von Alibaba Cloud ausgeführt, wo die Gewichte wöchentlich durch föderiertes Lernen aktualisiert wurden, das die Interaktionsprotokolle des Tests einbezieht. Dieser Ansatz ermöglicht es den Robotern, ihr Antwortrepertoire an lokale Konsummuster anzupassen, ohne sensible Daten preiszugeben. Aus Integrationssicht wird der AGIBOT G2 über eine RESTful-API an das Store-Management-System (POS) angebunden, die das Abfragen von Preisen, Verfügbarkeit und Sonderangeboten in Echtzeit ermöglicht. Die Messaging-Architektur basiert auf MQTT mit QoS 1, was die Zustellung kritischer Befehle auch unter Bedingungen intermittierender Netzwerkverbindung gewährleistet. Hinsichtlich der physischen Sicherheit verfügt der Roboter über ein Kollisionserkennungsmodul auf Basis eines stereoskopischen Sehalgorithmus, der die Fortbewegung stoppt, wenn Hindernisse in weniger als 0,3 m Entfernung erkannt werden. Darüber hinaus verfügt der Arm über einen Drehmomentregler, der die Kraft auf 15 N begrenzt und so Schäden an zerbrechlichen Produkten oder an Nutzern vermeidet. Die beiden Roboter, die die Bewertung nicht bestanden, zeigten wiederkehrende Fehler bei der Verwaltung von Kundenschlangen, wenn die Nachfrage 30 gleichzeitige Kunden überstieg. Die spätere Analyse ergab, dass die Token-Cache-Kapazität des Dialogmodells (ca. 4 k Token) gesättigt war, was zu abgeschnittenen Antworten führte. Dieser Engpass deutet darauf hin, dass zukünftige Versionen das Kontextfenster erweitern oder Techniken zur Verlaufs kompression implementieren müssen.

3. Branchenauswirkungen und Marktfolgen

Der Convenience-Einzelhandelssektor in China steht unter wachsendem Druck, Betriebskosten zu senken und das Kundenerlebnis zu verbessern. Laut Daten des Chinesischen Einzelhandelsverbands liegt die durchschnittliche Bruttomarge in Convenience-Stores bei etwa 22 % und die Personalfluktuation übersteigt 30 % jährlich. Die Einführung von Servicerobotern wie dem AGIBOT G2 bietet einen Weg, die Belegschaft zu stabilisieren und menschliche Mitarbeiter von repetitiven Aufgaben zu entlasten.

Aus der Perspektive der Lieferkette reduziert die Fähigkeit des Roboters, automatische Auffüllungen auszuführen, die Wiederauffüllzeit (Lead Time) um geschätzte 15 %, indem die Abhängigkeit von manuellen Eingriffen beim Transport von Produkten vom Lager zum Regal beseitigt wird. Diese Einsparung schlägt sich in einer höheren Verfügbarkeit kritischer SKUs und potenziell in einem Umsatzanstieg von bis zu 3 % in schnell drehenden Kategorien nieder. Auf dem Kapitalmarkt haben Investoren ein wachsendes Interesse an Servicerobotik-Startups gezeigt. Seit Anfang 2025 hat das Risikokapital für chinesische Robotikunternehmen 1,2 Milliarden Dollar überschritten, mit besonderem Fokus auf Lösungen, die LLM und Computer Vision integrieren. Der teilweise Erfolg des AGIBOT-G2-Tests stärkt die Erzählung, dass die Konvergenz von generativer KI und Edge-Hardware kommerzielle Reife erreicht. Die Masseneinführung stößt jedoch auf regulatorische Hürden im Zusammenhang mit Datenschutz und zivilrechtlicher Haftung im Schadensfall. Die Vorschriften der Nationalen Entwicklungs- und Reformkommission (NDRC) verlangen, dass KI-Systeme, die mit Verbrauchern interagieren, Gesprächsprotokolle mindestens 30 Tage lang aufbewahren und dass Hersteller Mechanismen zur Entscheidungsprüfung implementieren. In Bezug auf die Wettbewerbsfähigkeit entwickeln die wichtigsten internationalen Akteure (Boston Dynamics, SoftBank Robotics) Versionen von Servicerobotern mit ähnlichen Dialogfähigkeiten, aber der Vorteil von AGI Robotics liegt in der nativen Integration mit lokalen Zahlungsplattformen und in der Verfügbarkeit von Trainingsdaten in Mandarin, was die Lokalisierungsreibung reduziert.

4. Marktaussichten

Analysten des Forschungsunternehmens IDC China weisen darauf hin, dass die Bestehensquote von 66,7 % (vier von sechs Robotern) ausreicht, um erweiterte Pilotprojekte in Store-Ketten mit mehr als 500 Verkaufsstellen zu rechtfertigen. Sie empfehlen, dass Betreiber die Segmentierung hochwertiger Aufgaben (kontaktlose Zahlung, Rückgabenverwaltung) für die Roboter priorisieren, während sich das menschliche Personal auf den Beratungsverkauf und die Bearbeitung komplexer Vorfälle konzentrieren sollte.

Aus der Perspektive der KI-Architektur warnen Experten für föderiertes Lernen, dass die Erfassung von Interaktionsdaten in Einzelhandelsumgebungen von robusten Anonymisierungsprotokollen begleitet werden muss, um das Gesetz zum Schutz personenbezogener Informationen (PIPL) einzuhalten. Das Fehlen solcher Protokolle könnte Betreiber Sanktionen von bis zu 5 % ihres Jahresumsatzes aussetzen. Betriebsleiter von Convenience-Ketten, die bereits Lieferroboter in internen Lagern implementiert haben, beobachten eine Reduzierung der direkten Arbeitskosten um 12 %. Sie betonen jedoch, dass die Integration von Legacy-Systemen (ERP, WMS) die größte technische Herausforderung darstellt, da die API des AGIBOT G2 benutzerdefinierte Adapter für jede Plattform benötigt. Hinsichtlich der Nachhaltigkeit wird der Energieverbrauch des AGIBOT G2 im Aktivmodus auf 150 W geschätzt, was 3,6 kWh an einem 24-Stunden-Tag entspricht. Im Vergleich zum durchschnittlichen Verbrauch eines Vollzeitmitarbeiters (ca. 1 kWh pro Bürostunde) weist der Roboter einen wettbewerbsfähigen Energie-Fußabdruck auf, sofern die Energie aus erneuerbaren Quellen stammt. Anlagestrategen schlagen vor, dass Private-Equity-Fonds die Übernahme von Startups in Betracht ziehen sollten, die Software-Schichten für das Flottenmanagement anbieten, da die Fähigkeit, Hunderte von Robotern remote zu überwachen und zu aktualisieren, in den nächsten fünf Jahren ein entscheidender Differenzierungsfaktor sein wird.

5. Nächste Schritte

In den nächsten 12 Monaten plant AGI Robotics die Einführung einer Version „G2-Plus“, die ein Kontextfenster von 8 k Token und ein mehrsprachiges Spracherkennungsmodul integriert, das Kantonesisch und Japanisch unterstützt. Es wird erwartet, dass die Verbesserung der Kontextkapazität die im Shanghai-Test beobachteten Engpässe beseitigt und die Bestehensquote auf über 85 % erhöht.

Mittelfristig (18, 24 Monate) beabsichtigt das Unternehmen, eine Routenplanungs-Engine auf Basis dynamischer Graphen zu integrieren, die es den Robotern ermöglicht, gleichzeitig die Produktauffüllung und die Kundenbetreuung zu optimieren und die durchschnittliche Servicezeit von 45 s auf weniger als 30 s pro Interaktion zu reduzieren. Für 2028 prognostizieren Analysten, dass mindestens 20 % der Convenience-Stores in den wichtigsten chinesischen Städten mindestens einen Serviceroboter in ihrem Tagesbetrieb einsetzen werden, angetrieben durch die Senkung der Hardwarekosten (es wird erwartet, dass der Listenpreis des AGIBOT G2 gegenüber 2026 um 30 % fällt) und durch die Reife der regulatorischen KI-Rahmenwerke.

6. Fazit und Bewertung

Der Einsatz von sechs AGIBOT G2 in einem Convenience-Store in Shanghai zeigt, dass dialogfähige Servicerobotik bereit ist, von der Pilotphase in die kommerzielle Einführung überzugehen. Die Ergebnisse deuten darauf hin, dass Roboter mit einer gut ausgerichteten KI-Architektur und einer sorgfältigen Integration mit Store-Management-Systemen Hunderte von Aufgaben täglich mit einer Erfolgsquote von über 60 % ausführen können.

Für CTOs und Betriebsleiter ist die Botschaft klar: Die Priorität muss sein: (1) eine Dateninfrastruktur aufzubauen, die Datenschutz und Rückverfolgbarkeit gewährleistet; (2) Anwendungsfälle mit hoher Rendite auszuwählen, bei denen die Automatisierung Betriebskosten senkt, ohne das Kundenerlebnis zu beeinträchtigen; und (3) einen Fahrplan für Hardware- und Software-Upgrades zu planen, der die Erweiterung des Kontextfensters und die mehrsprachige Expansion umfasst. Nur durch eine ganzheitliche Strategie wird es möglich sein, den 24-Stunden-Test in einen nachhaltigen Wettbewerbsvorteil zu verwandeln.