Die Produktion ist schlank. Die Logistik, die sie versorgt, nicht.

Einblicke vom Scaling Business Summit 2026, Ho-Chi-Minh-Stadt.

Das SBS-Publikum hatte zwei Tage lang über KI, autonome Produktion und die Fabrik der Zukunft gehört. Dr. Philipp Schäfers, Head of Partnership bei SYNAOS, eröffnete seine Session mit einem Gabelstapler.

Nicht als Rückblick. Als Diagnose. Denn in den meisten Fabriken ist die Produktionslinie das am meisten optimierte Element auf dem Hallenflur. Die Bewegungen, die sie versorgen — Gabelstapler, Kommissionierrouten, Materialflüsse zwischen Stationen — sind oft manuell, unverfolgt und lecken Effizienz, die noch niemand gemessen hat.

SYNAOS entwickelt die Orchestrierungssoftware, die dies verwaltet. 2018 in Hannover gegründet, verbindet das Unternehmen manuelle Gabelstapler, mobile Roboter und gemischte Flotten unter einer intelligenten Plattform — mit Kunden von Volkswagen und Schaeffler bis hin zu Lebensmittel- und Getränkeherstellern. In Asien agiert das Unternehmen über seinen Partner Gradion. Was Philipp darlegte, war der Weg vom Gabelstapler zur Flottenintelligenz und die konkreten Entscheidungen, die bestimmen, ob die Automatisierung skaliert oder stagniert.

1. Der größte Optimierungsblindfleck der Fabrik

Produktionsprozesse in den meisten Fertigungsanlagen werden intensiv gesteuert. Lean-Teams kartieren Verschwendung. Industrieingenieure gleichen Arbeitslasten aus. Jede Sekunde der Zykluszeit wird umkämpft. Die Optimierungsdisziplin ist real, und die Ergebnisse zeigen es.

Dann verlässt das fertige Teil die Produktionszelle. Und der Gabelstapler übernimmt.

„In der Intralogistik gibt es oft keine Optimierung. Die Prozesse sind sehr manuell. Auch die Auftragsabwicklung ist sehr manuell. Deshalb sehen wir ein enormes Potenzial, diese Prozesse zu optimieren und effizienter zu gestalten.“

Die Lücke ist strukturell. Die Produktionsoptimierung verfügt über Jahrzehnte an Methodik — Lean, Six Sigma, Theory of Constraints. Die Intralogistik-Optimierung wurde hingegen weitgehend durch Erfahrung und Intuition gesteuert: ein Fahrer, der die Abkürzungen kennt, ein Vorgesetzter, der die Halle beobachtet, ein Planer, der Zeitpläne in einem Tabellenblatt erstellt.

Philipp nannte ein konkretes Beispiel. Ein Werkleiter stand auf dem Hallenboden und beobachtete seine Gabelstaplerfahrer. Er bemerkte, dass sie weit öfter leer fuhren als nötig. Er vermutete es, hatte aber keine Daten, um es zu bestätigen, keine Ausgangsbasis zur Verbesserung, keine Transparenz darüber, wie Routen tatsächlich gefahren wurden. „Er hatte wirklich keine Transparenz über die Effizienz seiner manuellen Intralogistikprozesse.“ Diese Transparenzlücke — unsichtbar, weil sie niemand instrumentiert hatte — ist genau dort, wo die meisten Fabriken die meiste Effizienz auf dem Tisch liegen lassen.

Lektion 1: Die Produktion ist optimiert, weil sich jemand entschieden hat, sie zu messen. Die Intralogistik ist ineffizient aus demselben Grund. Die Lücke zwischen dem, was Sie annehmen zu passieren, und dem, was tatsächlich passiert, beginnt mit einem Sensor.

2. Das Automatisierungsmuseum-Problem

Viele Fabriken haben Automatisierungspiloten gestartet. Ein mobiler Roboter bewegt Teile zwischen zwei Stationen. Es funktioniert. Der Pilotbericht sieht gut aus. Und dann bleibt es dabei. Ein Roboter. Vielleicht zwei. Fahren dieselbe Schleife seit Jahren.

Philipp nannte dieses Muster direkt. „Sie werden feststecken und vielleicht einen oder zwei Roboter fahren haben, und dann landet es in einer Art Automatisierungsmuseum.“ Nicht weil die Technologie versagt hat. Weil die frühen Entscheidungen das Skalieren unmöglich gemacht haben.

Der häufigste Versagenspunkt ist Software-Lock-in. Eine Fabrik kauft einen mobilen Roboter von einem Anbieter. Dieser Roboter wird mit dem proprietären Flottenmanagement-System des Anbieters geliefert. Es funktioniert für diesen Roboter. Wenn die Fabrik einen zweiten Roboter von einem anderen Anbieter möchte — weil sie einen anderen Fahrzeugtyp benötigt oder der erste Anbieter nicht schnell genug liefern kann —, können die beiden Systeme nicht miteinander kommunizieren. Die Flotte kann nicht als Flotte verwaltet werden. Jeder Roboter operiert isoliert.

Die Lösung besteht nicht darin, sich an einen einzelnen Roboteranbieter zu binden. Es geht darum, sich von Anfang an an eine anbieterunabhängige Plattform zu binden.

„Es ist wichtig, von Anfang an die richtigen Entscheidungen zu treffen. Sonst werden Sie nie den Punkt erreichen, an dem Sie die Automatisierung skalieren können.“

Das bedeutet, Orchestrierungssoftware zu wählen, die mehrere Robotertypen, mehrere Anbieter und eine sich wandelnde Mischung aus manuellen und automatisierten Transporten aufnehmen kann — bevor die Flotte groß genug ist, um einen Wechsel teuer zu machen.

Lektion 2: Der Automatisierungspilot ist einfach. Die Skalierungsentscheidung findet auf der Softwareschicht statt — vor dem zweiten Roboter. Wählen Sie von Anfang an eine anbieterunabhängige Orchestrierung, oder akzeptieren Sie, dass Ihre Automatisierung ein Museumsexponat bleibt.

3. Ihre Flotte wird vielfältig sein. Planen Sie jetzt dafür.

Im großen Maßstab betreibt kein Hersteller eine Roboterflotte mit einem einzigen Anbieter. 50 oder 100 Standorte weltweit bedeuten unterschiedliche Beschaffungsentscheidungen, unterschiedliche Fahrzeuganforderungen für unterschiedliche Bodentypen und unterschiedliche Lieferanten in verschiedenen Regionen. Die Multi-Vendor-Flotte ist kein Randfall. Sie ist der Standard auf Unternehmensebene.

Die Herausforderung dabei ist die Kommunikation. Roboter verschiedener Hersteller sprechen unterschiedliche Protokolle. Ein Schlepperfahrzeug eines Anbieters und ein AMR eines anderen haben keine gemeinsame Sprache, um Positionen auszutauschen, Aufträge anzunehmen oder Fehler zu behandeln — es sei denn, ein Standard schreibt es vor.

VDA 5050 ist dieser Standard. Entwickelt von den deutschen Automobil- und Maschinenbauverbänden, definiert er eine universelle Kommunikationsschnittstelle zwischen mobilen Robotern und Flottenmanagement-Systemen. Er ist technologieunabhängig: Dasselbe Protokoll funktioniert für einen AMR, einen AGV, einen Gabelstapler-AGV oder einen automatisierten Schlepper. SYNAOS ist seit der Entstehung des Standards Teil der Arbeitsgruppe und nutzt ihn als Integrationsschicht für alle verbundenen Roboter.

Der Standard bewältigt auch die operative Komplexität von gemischten Flottenumgebungen. Lokale Sicherheitsentscheidungen — das Anhalten, wenn eine Person vor den Roboter tritt — bleiben beim bordeigenen System des Roboters. Zentrale Optimierung und Auftragsvergabe laufen in der Cloud. Die Architektur trennt, was lokal bleiben muss, von dem, was besser zentralisiert wird, und das Protokoll verwaltet die Übergabe zwischen beiden.

Lektion 3: Multi-Vendor-Flotten sind im großen Maßstab unvermeidlich. Gestalten Sie Ihre Integrationsarchitektur jetzt um einen offenen Standard, damit Sie den dritten und vierten Anbieter hinzufügen können, ohne von Grund auf neu aufzubauen.

4. Beginnen Sie mit dem Gabelstapler, nicht mit dem Roboter

Der kontraintuitive Einstiegspunkt für die Fabrikautomatisierung ist nicht der Kauf eines Roboters. Es ist die Instrumentierung dessen, was Sie bereits haben.

Das erste Produkt von SYNAOS auf dem Automatisierungsweg ist die Echtzeit-Lokalisierung für manuelle Fahrzeuge: ein kleines kamerabasiertes Sensor-Kit, das an einem bestehenden Gabelstapler montiert wird und kontinuierlich seine Position übermittelt. Der Gabelstapler bleibt manuell. Der Fahrer fährt weiterhin selbst. Aber zum ersten Mal kann das System sehen, wohin der Gabelstapler fährt, wie lange er an jeder Station verbringt, wie viel seiner Fahrten beladen gegenüber leer sind, und wo die Engpässe im Fluss tatsächlich liegen.

Der zweite Schritt ist die Gabelstapler-Navigation: eine App, die dem Fahrer Anweisungen gibt, was als Nächstes aufzunehmen und wohin zu fahren ist, sequenziert von derselben Optimierungs-Engine, die später die Roboterflotte verwalten wird. Das Urteil des Fahrers bei der Auftragssequenzierung wird durch Systemintelligenz ersetzt, das Fahrzeug bleibt aber menschlich gesteuert.

Beide Schritte erzeugen etwas Wertvolleres als Effizienzgewinne: Sie erzeugen Daten. Die Daten enthüllen die tatsächlichen Materialflüsse in der Fabrik — nicht die angenommenen Flüsse aus den Planungsdokumenten, sondern die realen. Diese Realität wird zur Grundlage für jede folgende Automatisierungsentscheidung. Wo sind Roboter sinnvoll? Welche Routen haben ausreichendes Volumen, um Automatisierung zu rechtfertigen? Wo müssen manuelle und automatisierte Flüsse koexistieren?

Lektion 4: Sichtbarkeit geht der Automatisierung voraus. Die Daten aus der Instrumentierung Ihrer manuellen Prozesse sind mehr wert als der erste Roboter. Sie zeigen Ihnen, wo Sie den Roboter einsetzen sollen.

5. Software ist die Intelligenz. Cloud ist die Skalierung.

Die von Philipp beschriebene Zukunft ist eine, in der die Orchestrierungsintelligenz klar von der Hardware getrennt ist, die sie verwaltet. Roboter tragen ihre eigene bordeigene Software für Navigation, Sicherheit und lokale Entscheidungsfindung. Eine Cloud-Plattform verwaltet alles darüber: Auftragsvergabe, Routenoptimierung, Verkehrsmanagement, Ladekoordinierung und Echtzeit-Neuplanung bei Änderungen der Bedingungen.

Die Cloud-Schicht berechnet kontinuierlich. „Wir berechnen 200 bis 300.000 Lösungen pro Sekunde, um dieses Ziel zu erreichen“ — alle ausstehenden Transportaufträge werden bei jedem neuen Ereignis gegen alle verfügbaren Ressourcen abgewogen. Ein Roboter stoppt unerwartet. Ein neuer Auftrag geht ein. Eine Tür ist blockiert. Der Plan wird in Echtzeit neu berechnet, nicht am nächsten Morgen, wenn jemand einen Excel-Bericht exportiert.

Dies ist die Lücke, in der die meisten Fabriken derzeit leben. Die Daten existieren. Die Systeme generieren sie. Aber zwischen Daten und Entscheidung sitzt ein Mensch und führt manuelle Analysen durch, die automatisiert werden könnten. Die Optimierung, die die Software in Millisekunden kontinuierlich durchführt, kostet den Analysten Stunden und liefert einen Plan, der bereits veraltet ist, wenn er umgesetzt wird.

Die Cloud-Architektur ermöglicht auch das Unternehmens-Rollout, das die Investition rechtfertigt. Dieselbe Plattform, die in einer Fabrik läuft, kann auf zehn, fünfzig oder hundert Standorte ausgedehnt werden, ohne proportionale Erhöhung der Softwarekosten oder des Management-Overheads. Dort addiert sich die Rendite.

Lektion 5: Das Effizienzargument für Intralogistik-Software ist Echtzeit-Daueroptimierung. Der Business Case ist die Unternehmens-Skalierung. Beides erfordert eine Cloud-Architektur.

Das CEO-Execution-Playbook: Was Sie morgen tun sollten

1. 1. Installieren Sie in diesem Quartal einen Sensor an einem Gabelstapler. Bevor Sie über Roboter sprechen, erhalten Sie Echtzeit-Transparenz darüber, wie Ihre manuelle Intralogistik tatsächlich funktioniert. Die Daten werden entweder Ihre Annahmen bestätigen oder korrigieren. Beides ist es wert zu haben.
2. 2. Kartieren Sie Ihren Leerfahrtenanteil. Sobald Sie Lokalisierungsdaten haben, berechnen Sie den Prozentsatz der Gabelstaplerfahrten, der leer ist. In den meisten unoptimierten Betrieben ist diese Zahl überraschend hoch. Sie ist Ihre erste Ausgangsbasis für Verbesserungen.
3. 3. Prüfen Sie Ihre aktuelle Automatisierungssoftware auf Vendor-Lock-in. Wenn Ihr bestehendes Robotermanagement-System nur mit der Hardware eines Anbieters funktioniert, haben Sie bereits eine Skalierungsgrenze. Verstehen Sie, wo diese Grenze liegt, bevor Sie Ihren nächsten Roboter beschaffen.
4. 4. Prüfen Sie die VDA-5050-Konformität bei Ihrem nächsten Roboterkauf. Bevor Sie einen neuen Vertrag für mobile Roboter unterzeichnen, vergewissern Sie sich, dass der Anbieter VDA 5050 unterstützt. Das ist der Unterschied zwischen dem Hinzufügen eines Roboters zu Ihrer Flotte und dem Hinzufügen eines Roboters zu Ihrem Museum.
5. 5. Definieren Sie Ihr Intralogistik-Skalierungsziel vor dem Piloten. Wie viele Roboter sollen letztendlich in dieser Anlage laufen? Gestalten Sie die Softwarearchitektur für diese Zahl, nicht für den ersten Roboter. Den Piloten neu zu starten ist günstig. Die Architektur nicht.

→ Sehen Sie sich die vollständige Session auf YouTube an