Posthumane Logistik: Prof. Michael ten Hompel über den Übergang zu intelligenten, autonomen Wertschöpfungsnetzen

Durch die posthumane Logistik erlebt die Logistik einen tiefgreifenden Wandel. Organizational AI verschiebt die Koordination kompletter Wertschöpfungsnetze, humanoide Roboter wachsen in produktive Rollen hinein, und das Digitale Kontinuum verbindet Simulation, Datenräume und physische Abläufe zu einer durchgehenden Architektur. Prof. Michael ten Hompel, ehemalige Inhaber des Lehrstuhls für Förder- und Lagerwesen an der Technischen Universität Dortmund und ehemaliger geschäftsführender Institutsleiter des Fraunhofer-Institut für Materialfluss und Logistik IML, beschrieb während seines Vortrags auf dem Grazer Logistik-Forum, wie sich technische Fähigkeiten und Organisationsformen verändern – und welche Rolle die Idee einer posthumanen Logistik dabei spielt.

Der Begriff der „posthumanen Logistik“, dies betonte ten Hompel in Graz, wirkt auf den ersten Blick provokant, beschreibt aber eine nüchterne Beobachtung: Systeme übernehmen in zunehmendem Maße Tätigkeiten, die traditionell dem Menschen vorbehalten waren. Dieser Übergang ist kein Bruch, sondern ein Wandel der Zuständigkeiten. Der Mensch bleibt verantwortlich, aber er muss nicht mehr an jeder Stelle operativ präsent sein.

In den aktuellen Forschungsarbeiten wird dieser Wandel nicht als Vision formuliert, sondern als Ergebnis technischer Entwicklungen, die sich inzwischen in der Breite zeigen: Lernfähige robotische Systeme, digitale Zwillinge mit hoher physikalischer Genauigkeit, KI-Agenten, die ganze Prozessketten modellieren, optimieren und bewerten. Die Logistik wird damit zu einem Ort, an dem Autonomie, Simulation und Organisation neu zusammenspielen.

Weitere Informationen zum Thema Logistik allgemein: Intralogistik Trends 2026: Wie die LogiMAT den technologischen Wandel gestaltet

Organizational AI: Intelligenz auf der Ebene der Organisation

Dafür wird laut Prof. ten Hompel eine Systematik von fünf Stufen künstlicher Intelligenz eingeführt – ein Kontinuum von Conversational über Reasoning und Autonomous bis hin zu Innovating AI und schließlich Organizational AI. Letztere ist besonders relevant, weil sie nicht einzelne Entscheidungen automatisiert, sondern Aufgaben zwischen Systemen verteilt und koordiniert.

Organizational AI stellt keine zusätzliche Ebene über der Organisation dar, sondern bildet ihre Struktur ab. Sie erkennt Abhängigkeiten, bewertet Zustände, schlägt Anpassungen vor und setzt diese innerhalb definierter Grenzen um. Sie ist damit ein Instrument, das operative Prozesse, Ressourcenflüsse und Ausnahmesituationen fortlaufend einordnet. Genau darin liegt ihr Wert für die Logistik: Sie schafft ein kognitives Modell des Gesamtzusammenhangs – und damit die Voraussetzung für autonomes Handeln im Verbund.

Agenten statt Anwendungen: Ein neues Entwicklungsmodell

Ein besonders deutlicher Wandel zeigt sich in der Softwareentwicklung. Wo bislang spezialisierte Teams Module für einzelne Funktionen geschrieben haben, übernehmen heute Agenten weite Teile des Entwicklungszyklus.

Dabei generieren Agenten nicht nur Code, sondern verfassen Tests, Dokumentation und komplette Pull Requests. Andere Agenten priorisieren Aufgaben, strukturieren Backlogs oder überprüfen Implementierungen im Hinblick auf Stilregeln und Sicherheitsrichtlinien.

Für die Logistik bedeutet das, dass Integrationszyklen kürzer werden. Schnittstellen zwischen Warehouse-Management, Materialflusssteuerung und Simulationsmodellen lassen sich erheblich schneller erstellen. Die Systemlandschaft wird modularer und dynamischer – ein zentraler Schritt auf dem Weg zum Digitalen Kontinuum.

Weitere Informationen zum Thema Logistik allgemein: Unternehmensführung im Familienunternehmen: Ein Rückblick mit Langfristbrille

Posthumane Logistik : Von der Demonstration zum betrieblichen Einsatz

Gleichzeitig entsteht eine neue Klasse von Robotern, die immer deutlicher in reale Produktions- und Logistikumgebungen hineinwachsen. Beispielsweise humanoide Systeme wie Figure HELIX, deren Bewegungsfähigkeit, Greifpräzision und Pick-Leistung inzwischen über das Stadium des prototypischen Demonstrators hinausreichen.

Dass Leasingmodelle perspektivisch auf dem Niveau von Mindestlohnbandbreiten liegen könnten, verschiebt die Diskussion von der technischen hin zur betriebswirtschaftlichen Bewertung. Entscheidend bleibt, ob diese Systeme unter realen Schichtbedingungen zuverlässig arbeiten, in Sicherheitsarchitekturen integrierbar sind und reproduzierbare Leistungen erbringen.

Genau hier zeigen aktuelle Entwicklungen – etwa verbesserte Vision-Language-Action-Modelle –, dass robotische Systeme in der Lage sind, komplexe Handlungsabläufe selbstständig zu lernen und variabel anzuwenden.

Das Digitale Kontinuum: Eine neue Grundordnung cyber-physischer Systeme

Der zentrale Gedanke ten Hompels ist das Verständnis von Logistik und Produktion als kontinuierliches digitales Gefüge. Damit ist ein Raum gemeint, in dem Simulationsmodelle, KI-Systeme und physische Prozesse nicht getrennt nebeneinanderstehen, sondern miteinander verschränkt sind.

Im Digitalen Kontinuum laufen Simulationen nicht nur voraus, sondern begleiten den laufenden Prozess in Echtzeit. Sicherheitsabstände, Bewegungsmodelle, Kollisionserkennung, Energiebedarf oder Laufzeitprognosen werden dynamisch aktualisiert. Offene Physik-Engines wie Genesis ermöglichen dabei Sim-to-Real-Transfers mit hoher Präzision.

Dieser Ansatz geht weit über digitale Zwillinge hinaus. Er schafft eine Infrastruktur, in der Entscheidungen an jedem Punkt validiert, erklärt und angepasst werden können – durch Menschen oder durch KI-Agenten. Das Digitale Kontinuum ist damit nicht ein Werkzeug, sondern ein Organisationsprinzip der künftigen Logistik.

Governance durch Semantik, Erklärbarkeit und sichere Datenräume

Damit autonome Systeme verantwortungsvoll agieren können, brauchen sie nicht nur Daten, sondern Bedeutung.

Semantische Schnittstellen definieren genau, was ein Ereignis bedeutet, welche Rollen es berührt und in welchen Grenzen es verarbeitet werden darf. Sie strukturieren auch, welche Entscheidungsautonomie ein Agent besitzt und wie er auf seine Inhalte zugreifen kann.

Explainability wird in diesem Kontext unverzichtbar. Systeme erklären ihre Entscheidungen nicht erst, wenn etwas schiefgeht, sondern als Teil ihres regulären Ablaufs. Ergänzend sorgt Retrieval-Augmented Generation dafür, dass vertrauliche Daten getrennt von den Modellen gehalten werden, ohne den Wissensbedarf in kritischen Situationen einzuschränken.

So entsteht ein Rahmen, in dem autonome Systeme verlässliche Partner werden – eingebettet in klare Regeln, überprüfbare Logiken und kontrollierbare Entscheidungswege.

Weitere Informationen zum Thema Logistik allgemein: Supply Chain Verantwortung als Leitprinzip moderner Lieferketten

Wandel der Organisation: Arbeit mit autonomen Systemen

Wenn logistische Systeme zunehmend durch humanoide Roboter, autonome Fahrzeuge und intelligente Agenten unterstützt werden, betrifft das auch die Gestaltung von Arbeit.

Der Mensch bleibt Entscheider, aber seine Rolle verschiebt sich von der Ausführung zur Überwachung, Bewertung und Gestaltung. Führung wird stärker zu einer Aufgabe der Koordination zwischen Menschen und KI-Systemen. Dashboards werden zu Analyseflächen, die nicht nur Kennzahlen zeigen, sondern auch die Herleitung von Entscheidungen sichtbar machen.

Diese Entwicklung verlangt Investitionen in Qualifikation, klare Verantwortungsmodelle und technisch wie organisatorisch saubere Rahmenbedingungen – sie eröffnet aber zugleich die Chance, Logistik resilienter, effizienter und menschzentrierter zu gestalten.

Weitere Details verriet Prof. ten Hompel in einem Exklusivinterview mit www.LOGISTIK-aktuell.info:

Herr Prof. ten Hompel – Sie beschreiben in Ihrem Vortrag eine Logistik, in der sich „die Frage stellen wird, wie die Intralogistik operativ und organisatorisch ohne den Menschen zu gestalten ist“. Wie müsste eine Organisation konkret aussehen, die diesen Übergang vollzieht, ohne ihre strukturelle Stabilität zu verlieren?

Michael ten Hompel: In der Tat denke ich, dass es an der Zeit ist, sich nicht nur die Frage zu stellen, wie in der Intralogistik zukünftig Menschen mit autonom handelnden KI-Agenten und humanoiden Robotern zusammenarbeiten. Die Frage ist, wie die Welt aussieht, wenn man den Menschen in einer posthumanen Zeit sukzessive als operativen Akteur aus der Struktur technischer Systeme entlässt. In diesem Kontext ist es mir wichtig, den Begriff des Posthumanen von einem Posthumanismus und seiner Suche nach einer neuen Subjektivität zu unterscheiden und erst recht vom Transhumanismus, der den Menschen gegenüber einer erwarteten »Superintelligenz« als unzureichend begreift und zu einem Cyborg zu modifizieren sucht. Elon Musk et al. verfolgen diese Idee, mit der ich mich jedoch nicht anfreunden kann und will.

Was die Stabilität betrifft, so ist zu sagen, dass wir die Systeme so gestalten müssen, dass sie nach einer Störung wieder in einen definierten Zustand zurückkehren. Hierzu sind die operativen Reichweiten maschineller Entscheidungsprozesse zu begrenzen und Regeln zu implementieren, die gegebenenfalls autonome Komponenten übersteuern oder sogar abschalten. Ein solches Regelwerk zu gestalten, ist nicht trivial, aber sehr wohl machbar und der europäische AI Act und seine Risikoklassen weisen schon in die richtige Richtung. Wir sprechen ja auch nicht von der Installation einer Superintelligenz, sondern von einem begrenzten technischen System, das mit einer klaren Zielstellung programmiert wird. Zudem sollte der Mensch immer noch die entscheidende Instanz sein und den Stecker in der Hand behalten.

Sie ordnen die aktuelle KI-Entwicklung in fünf Ebenen ein – von Conversational AI über Autonomous und Innovating AI bis hin zu Organizational AI. Welche Anforderungen ergeben sich aus Ihrer Sicht für Logistiksysteme, wenn Organisationen perspektivisch in die Nähe von „Organizational AI“ geraten?

Michael ten Hompel: Dieses Fünf-Ebenen-Modell habe ich von OpenAI und ihrem CEO Sam Altman aus dem Jahr 2024 übernommen. Es beginnt mit Chatbots und einer Conversational AI, wie sie heute mit ChatGPT und Co. vielfach im Einsatz sind. Die nächste Stufe einer »Reasoning AI« wurde ebenfalls erreicht und Künstliche Intelligenz ist heute schon in der Lage, fachliche Aufgaben auf dem Niveau einer Person mit Doktortitel zu lösen. An der dritten Stufe einer »Autonomous AI«, deren KI-Agenten selbstständig und über einen längeren Zeitraum Aktionen ausführen können, wird derzeit geforscht und entwickelt – auch hier sind erste Applikationen bereits im Einsatz. In der vierten Stufe einer »Innovating AI« beginnt die KI selbständig Innovationen hervorzubringen und es gibt einige Fachleute, die prognostizieren, dass es bereits in etwa zwei Jahren eine KI geben wird, die in der Lage ist, selbständig Forschung und Entwicklung zu betreiben. Die von Ihnen zitierte »Organizational AI« wird schließlich in der Lage sein, die Arbeit einer gesamten Organisation auf einem höheren Niveau zu übernehmen. Spätestens mit einer solchen KI wäre die Stufe einer generellen KI erreicht und für mich ist es naheliegend, in diesem Kontext darüber nachzudenken, wie zum Beispiel die Intralogistik aussieht, wenn KI ganze Organisationen steuern kann. Ich komme zum naheliegenden Schluss, das ist die Morgendämmerung einer posthumanen Zeit.

Autonome KI-Agenten und -Komponenten werden sich vernetzen und es entsteht ein digitales Kontinuum entlang der Prozesse und vom Shopfloor bis zur Managementebene. Zugleich entfallen viele Anforderungen wie die ergonomische Gestaltung der Arbeitsplätze. Roboter agieren unabhängig von Raumhöhen, menschlicher Greifbarkeit oder geradlinigen Laufwegen. Sie bewegen sich unter Regalen, in Clustern, in nichtlinearen Pfadnetzen und sie tun dies mit einer Präzision, Wiederholbarkeit und Ausdauer, die dem Menschen nicht möglich ist. Der logistische Raum wird dynamisch, strukturelle Starrheit wird durch funktionale Fluidität ersetzt.

Am Beispiel von Claude Sonnet, Borderless Technologies und neuen Developer-Agents, zeigen Sie auf, wie Softwareentwicklung zunehmend autonomisiert wird. Welche Folgen erwarten Sie für die Architektur logistischer IT-Systeme, wenn wesentliche Teile des Betriebs und der Weiterentwicklung dauerhaft von KI-Agenten getragen werden?

Michael ten Hompel: Der Mensch hat in der Softwareentwicklung schon heute eine andere Position als noch vor wenigen Jahren. Er überträgt KI-Agenten nicht nur das Schreiben eines einzelnen Programms, sondern die Lösung einer Aufgabe. Sie geben zum Beispiel bei der KI »Claude Sonnet« von Anthropic den Prompt ein: »Du bist ein erfahrener C++-Softwareentwickler mit tiefgreifender Expertise in Backend-Systemen, Performance-Optimierung und System-Design. Du arbeitest nach modernen C++-Standards und Best Practices.«  [Beispiel von Borderless Technologies].

Damit wird ein Software-Agent generiert, dem sie anschließend und ebenfalls per Prompt eine Aufgabe übertragen. Sie können weitere Agenten wie »Reviewer« und »Projektmanager« generieren, die den Code überprüfen und bei Bedarf weitere Agenten starten und letztlich eine Aufgabe vollständig erfüllen. So wird die Softwareentwicklung zunehmend vom einfachen »Coden« befreit. Zugleich bekommt die übergeordnete fachliche Qualifikation der Menschen einen höheren Stellenwert, denn es müssen nun sehr komplexe Fragen nach der semantischen Anschlussfähigkeit oder der operativen Reichweite der Systeme beantwortet werden. Hierzu ist auch Forschung und Entwicklung in erheblichem Maßstab notwendig, aber die Zielarchitektur scheint klar zu sein: das digitale Kontinuum.

In Ihrem Vortrag führen Sie mit Genesis, Vision-Language-Action-Modellen und realitätsnaher Simulation mehrere Bausteine eines Digitalen Kontinuums zusammen. Wie verändert dieses Verständnis von Simulation die Planung, den Betrieb und die Sicherheit logistischer Systeme, wenn reale Prozesse und simulierte Modelle praktisch ineinander übergehen?

Michael ten Hompel: Die Simulation wird zunehmend zum Experimentierraum Künstlicher Intelligenz. Bei einzelnen Robotern erreichen wir schon sehr hohe Abbildungsgenauigkeiten der Realität in der Simulation. Dieser »Sim-to-Real Gap« verringert sich für einzelne Systeme zurzeit so stark, dass die Roboter-KI sozusagen »nicht merkt«, dass sie sich in einer simulierten Realität befindet und ob die Sensoren beim Griff in die Kiste real oder nur simuliert sind. Es entstehen immer größere Fundamentalmodelle an denen viele Menschen und Unternehmen gemeinsam arbeiten – wie zum Beispiel in der Open Source Initiative Neuraverse der NEURA Robotics GmbH. Mit dem Ausrollen des Erlernten aus der Simulation in die Realität werden diese gewissermaßen zu Avataren der Simulation, in der sie vieles Lernen können ohne Geld oder Leben zu gefährden.

In der Forschung beschäftigen wir uns wiederum mit dem Problem, Modelle und Umgebungen automatisiert aus realen Sensordaten zu erstellen und so ein digitales Kontinuum aus Simulation→Deployment→Realität→Sensorik→Modellierung→Simulation zu schaffen. Das ist allerdings viel leichter gesagt als getan. Schon einfache Tätigkeiten, die uns Menschen so leicht fallen, sind nur schwer in die Simulation zu übertragen. Ich denke, hier brauchen wir noch mehr als zwei Anläufe. Aber wir sollten auf diesem Feld industrieller KI-Applikationen und simulationsbasierter KI intensiv forschen und entwickeln. Denn ist das Kontinuum einmal valide geschlossen, wird sich die Entwicklung selbst beschleunigen.

Sie sagen, dass bei autonomen Systemen künftig nicht mehr der Mensch erklärt, wie eine Entscheidung zustande gekommen ist, sondern „ein KI-System, das seine eigene Entscheidungslogik offenlegt“. Welche Form von nachvollziehbarer Erklärung benötigen Unternehmen in einer posthumanen Logistik, damit sie die Entscheidungen von KI-Agenten verstehen und sicher in ihre Organisation einbinden können?

Michael ten Hompel: Wir nutzen die KI, um die repetitiven Aufgaben täglicher Arbeit zu erfüllen. Einfache Ausschreibungen generieren, standardisierte Angebote erstellen und Teile der operativen Logistik zu disponieren – all das kann KI schon heute ganz gut. Der nächste Schritt einer »Innovating AI« (Stufe vier, s. o.) wird mit sich bringen, dass KI zu neuen Lösungen kommt, neue Systeme plant, Störungen und Potenziale erkennt oder Vorschläge macht. Wahrscheinlich werden progressive Kollegen sagen, dass wir auch diese Stufe schon heute erreicht haben. Aber ich denke, im industriellen Umfeld sind wir noch ein oder zwei Jahre entfernt davon, dass uns die KI die Welt erklärt. Klar ist jedoch, dass Erklärbarkeit zum konstitutiven Bestandteil maschineller Handlungskompetenz wird, und zwar in einer Form, die Mensch und KI gleichermaßen verstehen.  Idealerweise eingebettet in Governance-Modelle, wie sie aktuell in der Forschung zu »Explainable AI« und organisatorischer AI-Governance diskutiert werden.

Sie verweisen darauf, dass die Kosten für humanoide Roboter ab 2026 unterhalb des Mindestlohns liegen könnten und nennen Beispiele dafür, wie Figure HELIX bereits hohe Pick-Leistungen erreichen. Welche Einsatzfelder sehen Sie als erste, in denen humanoide Systeme die Schwelle zum breiten praktischen Einsatz überschreiten – und welche Voraussetzungen müssen dafür erfüllt sein?

Michael ten Hompel: Die Hersteller von humanoiden Robotern wie Figure AI zeigen erste Prototypen, die einfache Aufgaben in der Intralogistik übernehmen. Nehmen Sie zum Beispiel den aktuellen Roboter »Optimus« von Tesla. Er soll nächstes Jahr für einen Preis von rund 25.000 US$ auf den Markt kommen und Elon Musk hat erklärt, dass er 2026 mit der Produktion von 10.000 Robotern pro Monat starten will. Bei solchen Preisen ergeben sich Leasingraten, die deutlich unter dem deutschen Mindestlohn liegen werden – eine schlichte, aber sehr bemerkenswerte Erkenntnis, wie ich finde. So scheint es naheliegend, Aufgaben wie die Kommissionierung oder das Ausrichten von Teilen auf dem Band an die neuen Roboter-Kollegen zu übertragen. Aber der Nachweis der Industrietauglichkeit steht noch aus. Für mich ist jedoch der Weg in Richtung einer weitgehend posthumanen Logistik vorgezeichnet.