AGIBOT schlägt mit Worken eine Kennzahl für produktive Roboterarbeit vor

Was Worken misst

Der Name verbindet "Work" und "Token". AGIBOT beschreibt Worken als "Effective Intelligent Work Hours" (effektive intelligente Arbeitsstunden) und definiert es mit einer Formel: Worken = Anzahl aktiver Roboter × autonome Arbeitsstunden × Output-Effizienzquote.

• Anzahl aktiver Roboter: zählt Roboter, die in realen Umgebungen aktiv Aufgaben erledigen, nicht gefertigte oder eingelagerte Geräte.
• Autonome Arbeitsstunden: misst die Zeit, in der selbstständig gearbeitet wird, nicht die gesamte Einschaltdauer.
• Output-Effizienzquote: bewertet die produktive Leistung anhand einer Referenzgröße für eine definierte Aufgabe, etwa der Menge akzeptabler Arbeit, die ein Mensch unter festgelegten Betriebsstandards erledigt.

Laut AGIBOT können Einsätze mit ähnlich vielen Robotern unterschiedlich produktiv sein, je nachdem, wie eigenständig die Maschinen arbeiten, wie oft menschliches Eingreifen nötig ist und wie viel akzeptable Arbeit sie abschließen.

Peng Zhihui, Mitgründer, President und CTO von AGIBOT, formulierte die Idee als praktische Frage an die Branche. "Worken ist unser Versuch, eine neue Antwort auf diese Frage zu entwickeln", sagte er mit Blick darauf, wie viel produktive Arbeit Roboter tatsächlich leisten.

Wirtschaftlichkeit und nächste Schritte für das Rahmenwerk

AGIBOT zufolge könnte Worken in Bereichen wie Industrie-Handling, Logistik, Inspektion und gewerblichen Dienstleistungen zum Einsatz kommen. Das Unternehmen verknüpft die Kennzahl auch mit der Wirtschaftlichkeit von Robotik: Während Hardware mit der Zeit an Wert verliert, könnten Verbesserungen bei Software und KI-Modellen dieselbe Maschine während ihrer Nutzungsdauer mehr nützliche Arbeit verrichten lassen. Werde dieser Output zusammen mit den Gesamtkosten über den Lebenszyklus erfasst, könne das Unternehmen helfen, den langfristigen Wert von Robotereinsätzen zu beurteilen, so AGIBOT.

AGIBOT bezeichnet Worken als ein sich entwickelndes Rahmenwerk, das anhand realer Einsätze und Betriebsdaten weiter verfeinert werden soll. Geplant sind aufgabenspezifische Benchmarks. Das Unternehmen hofft, dass Worken langfristig zu einer breit anwendbaren Referenz für den produktiven Wert von Physical AI wird.

Auf der Veranstaltung erschien außerdem der "2026 Embodied Intelligence Industry Innovation Report", erstellt vom China Economic Information Service und dem Shanghai Industrial Innovation Center der China Academy of Information and Communications Technology (CAICT). Der Bericht bezieht Worken und die Einsatzbeispiele von AGIBOT in seine Branchenanalyse ein.

Hardwareplattform AHA3 und Bewegungsintelligenz

Auf der Hardwareseite präsentierte AGIBOT AHA3 (AGIBOT Humanoid Architecture), die dritte Generation seiner Humanoiden-Hardwarearchitektur und die erste kommerzielle "Three Intelligences in One"-Plattform. Sie vereint die Hardwaregrundlagen für Fortbewegung, Interaktion und Aufgabenausführung in einer Architektur. Die Plattform baut auf Motorantriebstechnik, integrierter Rechenleistung und schneller Anbindung auf, darunter Wi-Fi 6 und 5G, und soll die Integrationskomplexität senken und die Reaktionsfähigkeit des Systems verbessern.

Für den dauerhaften Industrieeinsatz führte AGIBOT ein Flüssigkühlsystem für die Gelenke ein, das die thermische Leistung im Dauerbetrieb verbessern soll, dazu spezielle Gelenke mit Schutzart IP67. Zur neuen Familie geschickter Hände gehören OmniHand 3 Lite, OmniHand 3 und OmniHand 3 Ultra sowie der taktile Greifer OmniPicker 3.

Das Unternehmen hob zudem sein Bewegungsintelligenz-Framework AGILE hervor, das nun eine selbstentwickelnde Agentenfunktion umfasst. Roboter sollen damit die Grenzen ihrer körperlichen Fähigkeiten ausloten und sich durch Erfahrung in realen Umgebungen verbessern können. AGIBOT beschreibt das als Wandel von der Bewegungssteuerung hin zu räumlicher Mobilitätsintelligenz.

GO-3 Preview, WITA-Omni und Produktstarts

AGIBOT stellte GO-3 Preview vor, ein Embodied-Foundation-Modell der nächsten Generation, das auf einem Framework namens WRAM (World Reasoning Action Model) basiert. Das Modell soll Robotern helfen, die Folgen ihrer Handlungen vorherzusehen, sich an veränderte Umgebungen anzupassen und über zuvor gelernte Aufgabenabfolgen hinaus zu generalisieren. AGIBOT zeigte Zero-Shot- und Few-Shot-Fähigkeiten und präsentierte seinen Ansatz des Physical Intelligence Scaling, der Pre-Training mit Post-Training und kontinuierlicher Verbesserung nach dem Einsatz verbindet.

Laut den auf der Veranstaltung vorgestellten Evaluierungsergebnissen belegte GO-3 Preview bei RoboDojo sowohl bei der Aufgabenerfolgsquote als auch beim Prozess-Score den ersten Platz und erzielte bei RoboTwin die höchste Gesamtpunktzahl. Der Quelltext bricht vor den weiteren Benchmark-Details ab.

Das Unternehmen zeigte außerdem sein omni-modales Interaktionsmodell WITA-Omni mit einer geplanten Einführungsroadmap für eine natürlichere, multimodale Interaktion zwischen Mensch und Roboter und brachte den Industrieroboter G2 Max sowie Link-U OS 1.0 auf den Markt.

Einordnung

Worken ist ein Vorschlag und kein etablierter Standard, und AGIBOT selbst sagt, dass er mit realen Einsatzdaten weiter verfeinert werden soll. Würde er sich durchsetzen, hätten Käufer und Branche eine Möglichkeit, Einsätze nach autonomer Arbeitszeit und Output statt nach Stückzahlen zu vergleichen. Das Unternehmen versteht die Ankündigungen der Veranstaltung als Vorstoß, der den Einsatz in den Vordergrund stellt und Hardware, Modelle, Betrieb und Ökosystem umfasst.