Open Source trifft Robotik: Mehr Kontrolle, weniger Abhängigkeit

Open-Source-Modelle und lokale KI-Verarbeitung eröffnen hier einen strategischen Spielraum. Sie können sensible Informationen im Unternehmen halten, den Wechsel zwischen Technologien erleichtern und vorhandene Robotik mit neuer Intelligenz ausstatten. Damit treffen drei Themen unmittelbar aufeinander: Open Source, digitale Souveränität und Nachhaltigkeit.

Vom Chatbot zum physischen Assistenten

Wie das aussehen kann, zeigt ein Praxisaufbau mit dem humanoiden Roboter NAO. Kameras, Mikrofone, Lautsprecher, Sensoren und Motoren bilden seine Schnittstelle zur realen Welt; die rechenintensive KI läuft lokal auf einem leistungsfähigen Laptop. Sprache wird lokal erkannt, von einem generativen Modell verarbeitet und wieder als Sprache und/oder Roboteraktion ausgegeben.

Hinzu kommt Vision: Fragt eine Person NAO etwa „Was steht vor mir?“, kann der Roboter ein Kamerabild erfassen, Gegenstände erkennen und diese Information in das Gespräch einbeziehen. So wird NAO vom Sprachassistenten zum situativen Assistenten, der digitales Wissen mit seiner Umgebung verbindet.

Siehe Bild 1

Daten bleiben dort, wo sie gebraucht werden

Der lokale Ansatz ist besonders relevant, wenn NAO mit internen Dokumenten, Sprache oder Bildern arbeitet. Technische Dokumentationen, Wartungsanweisungen oder Prozesswissen lassen sich in einer lokalen Wissensbasis ablegen und bei einer Frage gezielt durchsuchen. Eine Mitarbeiterin kann beispielsweise fragen: „Wie wird diese Maschine nach dem Werkzeugwechsel kalibriert?“ Die KI verbindet die passende interne Information mit dem aktuellen Dialog – und kann zusätzlich berücksichtigen, was NAO über seine Kamera wahrnimmt.

Damit müssen sensible Sprach-, Bild- und Unternehmensdaten, die NAO verarbeitet, nicht zwangsläufig an externe KI-Dienste übertragen werden. Für KMU, deren spezialisiertes Prozess- und Maschinenwissen einen Wettbewerbsvorteil darstellt, ist das ein entscheidender Unterschied.

Open Source schafft Wahlfreiheit

Digitale Souveränität bedeutet nicht, jede Technologie selbst zu entwickeln. Sie bedeutet, über kritische Abhängigkeiten entscheiden zu können. Lokal ausführbare Modelle, offene Schnittstellen und modulare Anwendungen schaffen dafür Alternativen: Ein Sprachmodell lässt sich austauschen, ohne die gesamte NAO-, Robotik- oder Wissensanwendung neu aufzubauen. Ein Unternehmen kann Komponenten vergleichen, selbst betreiben oder bewusst zukaufen.

Gerade im Mittelstand ist diese Mischung aus „Make“ und „Buy“ oft sinnvoll. Standardtechnologien werden dort eingekauft, wo sie keinen strategischen Unterschied machen. Bei sensiblen Daten, unternehmensspezifischem Wissen oder zentralen KI-Funktionen – etwa in einem Roboter wie NAO – lohnt es sich dagegen, auf Portabilität und offene Architekturen zu achten.

Nachhaltigkeit: Intelligenz modernisieren, Hardware weiter nutzen

Siehe Bild 2 

Lokale KI ist nicht automatisch nachhaltiger als Cloud-KI. Auch eigene Rechner benötigen Energie und Ressourcen. Nachhaltigkeit entsteht deshalb durch die Architektur des Gesamtsystems: Quantisierte Modelle benötigen weniger Speicher, Caching vermeidet wiederholte Berechnungen und visuelle Analyse kann gezielt nur dann erfolgen, wenn sie gebraucht wird.

In der Robotik kommt ein zweiter Hebel hinzu: die Lebensdauer der Hardware. Motoren, Kameras, Sensoren und Mechanik eines Roboters wie NAO können oft deutlich länger genutzt werden als die ursprünglich mitgelieferte Software (auch Upcycling genannt). Wird die KI-Schicht davon entkoppelt, lässt sich die digitale Intelligenz modernisieren, ohne die gesamte Maschine zu ersetzen. Offene Schnittstellen und austauschbare Modelle unterstützen genau diese Trennung.

Für Unternehmen ist das doppelt relevant: Bestehende Investitionen bleiben länger nutzbar, während neue KI-Fähigkeiten schrittweise ergänzt werden können. Open Source wird damit nicht nur zu einer Softwarefrage, sondern zu einem Baustein für langlebigere digitale Produkte und Investitionsgüter.

Drei Leitfragen für den Einstieg

Ein KMU muss dafür nicht seine gesamte IT neu aufbauen. Ein klar abgegrenzter Pilot – etwa mit NAO als lokalem Assistenzsystem – reicht, um technische und wirtschaftliche Spielräume sichtbar zu machen. Drei Fragen helfen bei der Auswahl:

Siehe Bild 3 

Fazit: Die Intelligenz austauschbar machen, nicht die ganze Maschine

Generative KI und Robotik wachsen zusammen. Für den Mittelstand liegt die strategische Chance nicht nur in leistungsfähigeren Modellen, sondern in einer Architektur, die Wahlmöglichkeiten erhält. Am Beispiel von NAO wird greifbar, wie Open Source den lokalen Betrieb erleichtern, Datenkontrolle stärken und Anbieterwechsel ermöglichen kann. Gleichzeitig kann eine entkoppelte KI-Schicht dazu beitragen, bestehende Hardware länger weiterzuverwenden.

Die zentrale Frage lautet deshalb nicht nur: Welche KI ist heute die beste? Sondern: Behalten wir auch morgen die Kontrolle darüber, wo NAO und andere KI-Systeme laufen, welche Daten sie nutzen und auf welcher Hardware sie weiterarbeiten können?

Quellen und weiterführende Informationen

1. Europäische Kommission: EU Open Source Strategy.
2. Europäische Union: AI Act (Verordnung (EU) 2024/1689).
3. International Energy Agency (IEA): Energy and AI.
4. Umweltbundesamt: Digitalisierung und Klimaschutz; Verlängerung der Produktnutzungsdauer.