Der pragmatische Mittelweg: Warum hybride Autonomie KMU schneller voranbringt

Warum Chinas Logistik das 1+N-Modell fährt – und was KMU davon lernen

Auf Chinas Fernstrassen rollen seit Anfang 2025 Konvois, die zeigen, wie Automatisierung tatsächlich funktioniert: Ein Mensch steuert den vordersten LKW, dahinter folgen bis zu vier fahrerlose Trucks in Formation – autonom gelenkt, aber nicht allein gelassen. Pony.ai, KargoBot und SANY haben dieses 1+N-Platooning auf über 400 Kilometer langen Routen im Einsatz; Pony.ai hat mittlerweile 45'000 Kilometer gefahren und nahezu 500 TEU Fracht transportiert. Das Ergebnis: 29% niedrigere Kosten pro Kilometer, 195% höherer Gewinn pro Fahrzeug, 80% weniger Personal auf vorhersagbaren Strecken.

Der Clou ist nicht die Technik allein – Lidar, Kameras, V2V-Kommunikation gibt es auch anderswo. Der Clou ist die Entscheidung, den Menschen nicht zu ersetzen, sondern klug zu positionieren: im Lead-Truck, wo er Baustellen, chaotische Mautstellen und alle Long-Tail-Szenarien handhabt, die Autonomie heute noch überfordern. Die Follower-Trucks bewältigen das Standardszenario – geradeaus, Spurhalten, Abstand halten – mit L4-Präzision. Das System ist kein Endzustand, sondern der ökonomisch sinnvolle Zwischenschritt: Es zahlt sich heute aus und sammelt dabei die Daten, die den nächsten Schritt ermöglichen.

Der wirtschaftliche Kern: Warum der Hybrid früher schwarze Zahlen schreibt

Vollständig autonome Systeme versprechen irgendwann höchste Effizienz – doch irgendwann kostet Geld, Zeit und Nerven. Hybride Modelle hingegen senken das Deployment-Risiko sofort: Accenture und Logistics Viewpoints bestätigen, dass Onboard-Automatisierung mit Remote-Intervention bei Bedarf Vertrauen aufbaut und Betriebskosten früher drückt. Selbst im pessimistischsten Szenario sparen autonome Trucks monatlich 1'415 bis 2'222 US-Dollar pro Fahrzeug ein – und das bei Systemen, die noch nicht perfekt sind.

KargoBot hat mittlerweile über 35 Millionen Kilometer mit L4-Flotten zurückgelegt und 1,2 Milliarden Tonnen-Kilometer bewegt. Die Botschaft ist klar: Logistik ist dort, wo Autonomie heute auszahlt – nicht in perfekter Full-Autonomy, sondern in klugen Hybriden, die den Menschen dort einsetzen, wo er unschlagbar ist, und Maschinen dort, wo sie zuverlässig performen.

Die Parallele zu Schweizer KMU: Pilotitis beenden, Nutzen skalieren

Viele Schweizer Unternehmen stecken in der Pilotfalle: Man testet KI in isolierten Projekten, sammelt Erkenntnisse, feiert interne Erfolge – und skaliert nie. Der Grund ist oft die Haltung Alles oder Nichts: Entweder das System läuft vollautomatisch und fehlerfrei, oder wir warten noch. Hybride Autonomie dreht diese Logik um: Man startet dort, wo der Nutzen greifbar ist, behält den Menschen in der Schleife, wo Urteilsvermögen nötig ist, und baut Schritt für Schritt aus. Dieser Ansatz vermeidet endlose Warterei auf die perfekte Lösung und liefert echten Mehrwert, während man lernt.

Der Schweizer KI-Podcast hat dieses Phänomen treffend analysiert: Ralf Blaschke von Accenture erklärt, warum KI-Pilotprojekte 2026 sterben – und was Unternehmen stattdessen tun müssen, um echten Geschäftswert zu holen. Die Kernaussage: Skalierung ist kein späterer Schritt, sondern muss von Anfang an mitgedacht werden.

Middle-Mile-Autonomie als Blaupause: Wo hybride Systeme heute schon laufen

Warum funktioniert das 1+N-Modell gerade in der Logistik so gut? Weil die Middle Mile – die vorhersagbare Fernstrecke zwischen zwei Hubs – das ideale Einsatzgebiet für Autonomie ist: begrenzte Varianz, hohe Wiederholung, klare Parameter. First Mile (Abholung) und Last Mile (Auslieferung) bleiben menschlich, weil dort Chaos, enge Gassen und spontane Entscheidungen dominieren. Transfer-Hub-Netzwerke, wie sie ArXiv 2023 beschreibt, nutzen genau diese Aufteilung: autonom auf der Strecke, menschlich an den Enden.

• Identifiziere den Middle Mile in deinen Prozessen: Wo ist der Ablauf vorhersagbar, repetitiv, klar strukturiert?
• Automatisiere dort, behalte den Menschen an den Schnittstellen, wo Urteilsvermögen, Kontext und Flexibilität nötig sind.
• Sammle im laufenden Betrieb Daten: Jeder hybride Durchlauf zeigt dir, wo die Maschine stabil läuft – und wo noch nicht.
• Erweitere schrittweise: Wenn die Maschine eine neue Situation zuverlässig meistert, gib ihr mehr Verantwortung.

DeepWay in Hefei hat eine 200-Kilometer-Route mit unbemannten Followern absolviert – auf Nationalstrassen, nicht im Labor. Das System ist nicht perfekt, aber es ist produktiv. Und genau das ist der Punkt: Produktivität schlägt Perfektion, wenn du dabei lernst.

Warum schlechte Prozesse durch KI nicht besser werden

Ein weiterer Grund, warum hybride Systeme erfolgreicher sind: Sie zwingen dich, den Prozess vorher zu klären. Wenn du nicht weisst, was der Mensch tun soll und was die Maschine, wird weder das eine noch das andere funktionieren. Martin Jäger hat im KI-Podcast erklärt, warum KI Chefsache ist: Schlechte Strukturen werden durch KI nicht besser – erst kommt der Prozess, dann das Tool.

Hybride Autonomie ist daher auch ein Organisations-Test: Wenn du den Prozess nicht sauber genug dokumentieren kannst, um zu definieren, wo die Maschine übernimmt, ist dein Problem nicht die fehlende KI – sondern die fehlende Klarheit. Der Vorteil: Dieser Test kostet dich nichts ausser Denkarbeit, und er zeigt dir, wo du wirklich stehst.

Drei Prinzipien für den hybriden Einstieg in dein KMU

Erstens: Definiere den Lead und die Follower in deinem Prozess. Wo braucht es menschliches Urteilsvermögen, Kontext, Empathie? Das bleibt beim Menschen. Wo ist der Ablauf repetitiv, regelbasiert, vorhersagbar? Das geht an die Maschine. Zweitens: Akzeptiere, dass die Maschine nicht alles kann – und plane dafür. Der Mensch im Lead-Truck ist kein Notbehelf, sondern Teil des Designs. Drittens: Miss, lerne, erweitere. Jeder Durchlauf zeigt dir, wo die Grenze zwischen Mensch und Maschine verschoben werden kann.

1. Identifiziere einen Prozess mit klarer Wiederholung (Dateneingabe, Kategorisierung, Standardanfragen, Berichtserstellung).
2. Automatisiere den Standardfall, behalte den Menschen für Ausnahmen, Kontext, strategische Entscheidungen.
3. Sammle Feedback: Wo läuft die Maschine stabil? Wo braucht es noch Eingriffe? Erweitere die Autonomie dort, wo sie sich bewährt.

Dieser Ansatz ist nicht glamourös, aber er funktioniert. Und er liefert dir etwas, das Pilotprojekte nie liefern: echten, messbaren Nutzen ab Tag eins.

Was hybride Autonomie von Vollautomatisierung unterscheidet

Vollautomatisierung verspricht maximale Effizienz – irgendwann. Hybride Autonomie verspricht weniger, liefert aber früher. Der Unterschied liegt nicht nur in der Technik, sondern in der Haltung: Vollautomatisierung behandelt den Menschen als Problem, das eliminiert werden muss. Hybride Autonomie behandelt den Menschen als Asset, das klug eingesetzt wird. In einer Welt, in der Technik schneller entwickelt wird, als sie verstanden wird, ist Letzteres der realistischere Weg.

Der erfolgreichste Weg zu Automatisierung ist nicht vollständig autonom oder gar nicht

Chinas 1+N-Konvois zeigen, dass der pragmatische Mittelweg nicht nur schneller, sondern auch wirtschaftlicher ist. Du musst nicht warten, bis die Maschine perfekt ist – du kannst heute starten, wo sie gut genug ist, und dabei die Daten sammeln, die sie besser machen.

Der nächste Schritt: Vom Wissen zum Tun

Du verstehst jetzt, warum hybride Autonomie funktioniert. Du siehst die Zahlen, die Logik, die Beispiele. Der nächste Schritt ist die Frage: Wo in deinem Unternehmen ist die Middle Mile – der Prozess, der klar genug ist, um teilweise automatisiert zu werden, und wertvoll genug, um den Aufwand zu rechtfertigen? Diese Frage zu beantworten, ist nicht trivial. Sie verlangt Prozess-Klarheit, technisches Verständnis und die Fähigkeit, Nutzen realistisch einzuschätzen. Genau hier endet der allgemeine Ratschlag – und beginnt die massgeschneiderte Strategie.