Dark Factories: Chinas KI‑Roboter verändern die Fertigung

Die Phrase “dark factories” steht für eine Vorstellung: Fertigung ohne Licht, ohne Schichtenwechsel, gesteuert von KI und Robotern. In China ist dieses Bild längst Teil von Produktvideos und Investorendokumenten — prominent vertreten etwa in Xiaomi‑Präsentationen. Doch zwischen Marketing und Werkstor liegen Fragen, die wir hier mit Empathie und kritischem Blick durchgehen: Was bedeuten diese Fabriken für Effizienz, Klima und die Menschen, die einst die Fließbänder standen?

“Dark factory” ist kein normiertes Industrieformat, sondern ein Bündel von Versprechen: kontinuierlicher Betrieb, minimale Bedienpräsenz, hohe Automatisierung. In der Praxis heißt das: Robotik für Montage, maschinelles Sehen für Qualitätskontrolle, Automated Guided Vehicles (AGV) für Materialfluss, sowie ein Manufacturing Execution System (MES) gekoppelt mit Datenplattformen und digitalen Zwillingen. Xiaomi nennt seine Anlage in Changping “Smart Factory” und berichtet von einer hohen Automatisierung zentraler Prozesse; diese Angaben stammen aus Unternehmens‑Investorendokumenten und Pressematerialen.

Wichtig ist die Unterscheidung zwischen Marketingkern und messbarer Realität. Herstellerbehauptungen wie “100 % Automatisierung der Schlüsselprozesse” beziehen sich oft auf ausgewählte Prozessabschnitte, nicht zwingend auf die gesamte Wertschöpfungskette — Zulieferer, Bauteilzuführung oder Feinmontage bleiben häufig menschabhängig. Unabhängige Audits, die permanenten lights‑out‑Betrieb bestätigen, sind öffentlich selten.

“Ein ‘dunkles’ Werk ist eher ein Betriebsmodus als ein Zustand; 24/7‑Betrieb kann mit minimaler Anwesenheit realisierbar sein, aber vollständige Autonomie bleibt die Ausnahme.”

Typische technische Komponenten sind kollaborative Roboterarme, Hochgeschwindigkeits‑Montagelinien, KI‑gesteuerte Sichtprüfungen und Edge‑Computing für Latenzarme Regelkreise. Diese Tools können manuelle Tätigkeiten ersetzen, aber sie bringen neue Jobs in Instandhaltung, Datenanalyse und Systemintegration mit sich — oft an anderen Orten innerhalb der Wertschöpfungskette. Die Begriffe sind flexibel; darum ist genaue Quellenprüfung wichtig, bevor ein Werk als “dark” etikettiert wird.

Beispieltabelle (vereinfachte Systemaufteilung):

Automatisierung verspricht klare betriebswirtschaftliche Vorteile: kürzere Taktzeiten, weniger Ausschuss und geringere Ausfallzeiten. Hersteller und Technologieanbieter nennen oft prozentuale Einsparungen bei Energie und Kosten — Bosch‑Whitepaper etwa beschreibt Szenarien mit zweistelligen Effizienzgewinnen. Solche Werte sind plausibel, aber sie hängen stark von Produktmix, Auslastung und regionalen Energiepreisen ab.

Für Xiaomi und vergleichbare Vorreiter gilt: Unternehmensdokumente nennen Plan‑Kapazitäten und Investitionssummen; Medienberichte ergänzen mit Taktzeit‑Aussagen. In manchen Fällen entstehen Widersprüche — etwa wenn mediale Taktzeit‑Rechnungen (1 Gerät pro Sekunde) direkt mit Jahreskapazitätsangaben (z. B. 10 Mio. Geräte/Jahr) verglichen werden. Solche Zahlen lassen sich nur durch Transparenz über Schichtmodelle, Line‑Anzahl und Auslastung sinnvoll einordnen.

Messbarkeit bleibt der kritische Punkt: Reale Energieeffizienz muss in kWh/Produkt gemessen werden, standardisiert auf Auslastung und Produktmix. Unabhängige Messreihen, die firmenspezifische Energieverbrauchszahlen mit Produktionsoutput koppeln, sind rar. Deshalb sind Herstellerangaben oft best case‑orientiert; externe Evaluationen fehlen meist.

Ein weiterer Faktor ist die Netzeinbindung: 24/7‑Betrieb verändert die Lastprofile von Industriegebieten. Wenn Fabriken in Zeiten hoher Erneuerbaren‑Einspeisung arbeiten, sinkt die CO2‑Intensität des Produktionsprozesses; andernfalls können kontinuierliche Maschinenläufe den Strombedarf erhöhen. Hier fehlen systematische Studien, die Strommix, Lastmanagement und PUE‑ähnliche Kennzahlen in chinesischen Fabriken quantifizieren.

Schlussfolgerung: Effizienzgewinne sind möglich und wurden in Einzelfällen berichtet, doch die Verallgemeinerung auf alle “dark factories” ist derzeit nicht belegt. Transparente, standardisierte Energie‑ und Outputdaten würden helfen, Marketing von belegter Praxis zu trennen.

Automatisierung bedeutet nicht automatisch Massenarbeitslosigkeit, aber sie verändert die Zusammensetzung von Tätigkeiten. Studien mit chinesischen Mikrodaten zeigen, dass Robotisierung die Beschäftigungsqualität junger Arbeitnehmer drücken kann — insbesondere in Regionen und Branchen mit schwacher Nachfrage nach höherqualifizierten Tätigkeiten. Das heißt: Einkommen und Stabilität einzelner Gruppen können leiden, auch wenn das Beschäftigungsniveau insgesamt stabil bleibt.

Für Fabriken, die als “dark” vermarktet werden, ist die unmittelbare Folge oft eine Verschiebung: weniger Montagepersonal, mehr Techniker, Instandhalter und IT‑Support. Diese neuen Positionen sind nicht automatisch lokal verfügbar; sie können an anderen Standorten oder in neuen Firmen entstehen. Zugleich bleiben Tätigkeiten in Zulieferbetrieben oder in Verpackung/Logistik menschlastig, solange die komplette Lieferkette nicht automatisiert ist.

Politisch relevant sind drei Ebenen: kurzfristige Hilfe für Beschäftigte (Einkommensbrücken, Übergangsgelder), mittelfristige Umschulung (Robotik‑Maintenance, Datenqualifikation) und langfristige Strukturpolitik (Regionale Diversifizierung). China verfolgt mit Programmen und regionalen Fördergeldern eine beschleunigte Modernisierung — Beobachter sollten diese Maßnahmen prüfen, nicht nur die Technologie‑Claims.

Unser Urteil mit Empathie: Menschen und Maschinen sind in einem komplexen Tanz. Technologischer Fortschritt kann Chancen schaffen, aber nur, wenn Politik, Unternehmen und Ausbildungssysteme den Wandel aktiv begleiten. Ohne solche Maßnahmen drohen lokale Verwerfungen — vor allem in Regionen mit hoher Automatisierungsdichte.

Der Ausbau von automatisierten Fabriken in China steht nicht allein: Er ist Teil einer politischen und wirtschaftlichen Agenda, die unter dem Stichwort “Made in China 2025” (ältere Roadmaps) strategische Autonomie und höhere Wertschöpfung anstrebt. Hinweis: Einige grundlegende Roadmap‑Dokumente stammen aus 2016 — Datenstand älter als 24 Monate — und sollten als historische Kontextquelle interpretiert werden. Sie erklären jedoch, warum Förderprogramme, lokale Subventionen und Zielvorgaben Robotik‑Piloten begünstigen.

Auf globaler Ebene verändert die stärkere Automatisierung die Kalkulation für Nearshoring und Offshoring. Wenn Arbeitskosten weniger ins Gewicht fallen, entscheiden Faktoren wie Lieferzeit, Qualität, Energiepreise und geopolitische Resilienz stärker über Standortwahl. Das kann dazu führen, dass Fabriken dichter an Endmärkten entstehen oder dass Länder mit hochwertiger Robotik‑Industrie (inklusive Zulieferern für Robotik und KI‑Software) profitieren.

Die International Federation of Robotics dokumentiert anhaltend hohe Robotikinstallationen in China (World Robotics 2024). Diese Statistik zeigt Quantität, aber nicht automatisch, wie viele Fabriken dauerhaft lights‑out arbeiten. Für die Bewertung globaler Risiken und Chancen braucht es also sowohl quantitative Robotikdaten als auch qualitative Fallstudien — etwa zur Frage, wie robuste Lieferketten sind, wenn wenige Menschen vor Ort die Prozesse steuern.

Für europäische und andere Hersteller bedeutet das: Lieferketten neu denken. Technologieoffenheit, gemeinsame Standards für Energie‑Metriken und Kooperationen bei Upskilling können helfen, die Folgen zu mildern. Gleichzeitig sollten Politik und Wirtschaft transparenter mit Zahlen umgehen, damit Aussagen über “dark factories” nicht nur Geschichten bleiben, sondern überprüfbare Fakten.

Dark‑Factory‑Modelle sind in China realisierbar und werden in Piloten wie bei Xiaomi promotet, doch Marketing muss von überprüfbaren Produktions‑ und Energiekennzahlen getrennt werden. Effizienzgewinne sind möglich, aber stark kontextabhängig. Soziale Folgen treffen bestimmte Gruppen härter; Upskilling und regionale Politik sind entscheidend. Global betrachtet verlagert Automatisierung den Wettbewerb von Lohnkosten hin zu Technologie, Energie und Resilienz.