Mensch und Maschine im Takt

Warum Human-in-the-Loop kein Kompromiss ist, sondern die Voraussetzung für gute Arbeit

Von DerSchneider

Einleitung

Wer heute durch moderne Produktionshallen geht, trifft auf eine neue Spezies von Kollegen. Sie heißen Universal Robots, LBR iiwa oder einfach nur „der Roboter an Station 4“. Sie tragen keine Schutzräune mehr, sie stehen nicht hinter Gittern. Sie arbeiten Seite an Seite mit Menschen. Und immer häufiger bekommen sie Namen – nicht Spitznamen aus Spott, sondern Kosenamen aus Zuneigung. „Wenn die Roboter Namen bekommen, ist die Technologie bei den Mitarbeitern angekommen“, sagt ein Produktionsleiter in einer Fraunhofer-Studie .

Das ist bemerkenswert. Denn über Jahrzehnte war das Verhältnis von Mensch und Industriemaschine von räumlicher Trennung geprägt. Der Roboter stand hinter dem Zaun. Er war gefährlich, er war unberechenbar, er war eine Maschine, mit der man nicht spricht. Heute verschwimmt diese Grenze. Kollaborierende Roboter – Cobots – teilen sich den Arbeitsraum mit Menschen. Und die entscheidende Frage lautet nicht mehr, ob der Mensch durch die Maschine ersetzt wird, sondern wie beide zusammenarbeiten.

Human-in-the-Loop (HITL) beschreibt genau diese Schnittstelle. Es ist kein reines technisches Konzept. Es ist ein arbeitsorganisatorisches, ein rechtliches, ein ethisches und zutiefst menschliches Konzept. Wer verstehen will, was HITL in der industriellen Praxis bedeutet, muss verstehen, warum der Mensch nicht aus der Schleife verschwinden darf.

1. Von der Trennung zur Kooperation: Eine kurze Geschichte der Mensch-Roboter-Beziehung

Die klassische industrielle Robotik folgte einem einfachen Prinzip: Trennung. Der Roboter war stark, schnell, unermüdlich – und gefährlich. Der Mensch war flexibel, urteilsfähig, kreativ – und verletzlich. Der Schutzzaun war die logische Konsequenz aus dieser Asymmetrie. Er schützte den Menschen vor der Maschine und die Maschine vor dem Menschen.

Diese Architektur hatte einen Preis. Sie machte Automatisierung starr. Jede Änderung am Produkt erforderte eine Neuprogrammierung. Jede Störung bedeutete Stillstand. Und sie machte den Menschen zum Zuschauer: Sein Wissen, seine Erfahrung, sein Urteilsvermögen waren im automatisierten Prozess nicht abbildbar. Der Bediener stand vor dem Zaun, nicht im Prozess .

Die Cobot-Technologie brach mit diesem Prinzip. Sie erlaubte erstmals, dass Mensch und Roboter denselben Raum teilen. Möglich wurde das durch zwei Entwicklungen: leistungsbegrenzte Antriebe, die im Kollisionsfall rechtzeitig stoppen, und biomechanische Grenzwerte, die definieren, welche Kräfte auf den menschlichen Körper einwirken dürfen, ohne Verletzungen zu verursachen .

Die Berufsgenossenschaften haben diese Grenzwerte maßgeblich mitentwickelt. In aufwändigen Forschungsprojekten wurden Schmerzschwellen und Verletzungseintritt für verschiedene Körperregionen ermittelt. Das Schmerzschwellenkataster der Johannes Gutenberg-Universität Mainz lieferte die Datenbasis . Die Ergebnisse flossen in die internationale Norm ISO/TS 15066 ein, die heute die sicherheitstechnische Grundlage für Cobot-Anwendungen bildet .

Doch die technische Machbarkeit war nur die eine Seite. Die andere Seite ist die arbeitsorganisatorische: Wie gestaltet man einen Arbeitsplatz, an dem Mensch und Roboter gemeinsam arbeiten? Wie verteilt man Aufgaben? Wie stellt man sicher, dass der Mensch nicht zum Anhängsel der Maschine wird?

2. Was Human-in-the-Loop in der Fertigung wirklich bedeutet

Der Begriff Human-in-the-Loop wird heute für vieles verwendet. In der KI-Forschung bezeichnet er die Einbindung menschlicher Bewertung beim Training von Modellen. In der Automatisierungstechnik meint er die aktive Rolle des Bedieners im Regelkreis. In der Fertigung hat er eine spezifische Bedeutung: Der Mensch ist nicht nur Aufsichtsperson, sondern Teil des Wertschöpfungsprozesses.

Das unterscheidet HITL von einfacher Überwachung. Ein Überwacher greift ein, wenn etwas schiefgeht. Ein Mensch-in-der-Schleife ist von Anfang an beteiligt. Er trifft Entscheidungen, die das System nicht treffen kann. Er bringt Kontextwissen ein, das nicht in Algorithmen abbildbar ist. Er korrigiert, justiert, improvisiert.

Ein Beispiel aus einer aktuellen Studie zur Qualitätskontrolle in der Medizintechnik illustriert den Unterschied. Ein Hersteller kämpfte über ein Jahrzehnt mit Nacharbeitsquoten von 85 bis 95 Prozent und einer First-Pass-Ausbeute von unter vier Prozent. Fünf erfahrene menschliche Prüfer erreichten einen Variationskoeffizienten zwischen 1,4 und 9,3 Prozent. Ein KI-System war deutlich konsistenter – 0,2 bis 2,0 Prozent – aber der integrierte Ansatz aus Mensch und KI übertraf beide .

Die Schlussfolgerung: Der Mensch ist nicht per se der bessere oder schlechtere Prüfer. Aber seine Stärken – Kontextverständnis, Urteilsfähigkeit bei Grenzfällen, die Fähigkeit, aus Erfahrung zu lernen – ergänzen die Stärken der Maschine – Konsistenz, Geschwindigkeit, Ermüdungsfreiheit. Human-in-the-Loop heißt, diese Ergänzung strukturell zu verankern.

3. Die unsichtbaren Daten des Menschen

Ein häufig übersehener Aspekt: Der Mensch ist selbst eine Datenquelle. Seine kognitiven Zustände, seine Aufmerksamkeit, seine Ermüdung, seine impliziten Fähigkeiten – all das sind Informationen, die für den Produktionsprozess relevant sind, aber traditionell nicht erfasst werden.

Ein Forschungsteam hat genau hier angesetzt. Es untersuchte, wie „unkonventionelle“ Sensordaten vom Menschen – etwa EEG-Signale zur Messung kognitiver Belastung – in cyber-physische Systeme integriert werden können . Die Grundidee: Erfahrene Bediener arbeiten oft konsistenter und energieeffizienter als weniger erfahrene. Wenn man ihre kognitiven und motorischen Muster erfassen könnte, ließen sich Prozesse optimieren – nicht indem man den Menschen ersetzt, sondern indem man sein Wissen nutzbar macht.

Das ist ein Paradigmenwechsel. In der klassischen Industrie-4.0-Vision ist der Mensch eine Fehlerquelle, die minimiert werden muss. In der Industrie-5.0-Vision, die die Europäische Kommission 2021 formulierte, ist der Mensch eine Ressource, die gefördert werden muss. Human-in-the-Loop wird damit nicht nur zu einem Sicherheitskonzept, sondern zu einem Produktivitätskonzept .

4. Die rechtliche Dimension: Wenn der Mensch in der Schleife bleiben muss

Human-in-the-Loop ist nicht nur eine technische oder organisatorische Wahl. Er ist in vielen Bereichen gesetzlich vorgeschrieben. Zwei Regelwerke sind hier besonders relevant: die Datenschutz-Grundverordnung (DSGVO) und der EU AI Act.

DSGVO: Artikel 22

Artikel 22 der DSGVO regelt automatisierte Entscheidungen im Einzelfall. Die Kernaussage: Betroffene Personen haben grundsätzlich das Recht, nicht einer ausschließlich auf automatisierter Verarbeitung beruhenden Entscheidung unterworfen zu werden, die rechtliche Wirkung entfaltet oder sie erheblich beeinträchtigt .

Das klingt technisch, hat aber weitreichende Konsequenzen. Eine automatische Kreditablehnung ohne menschliche Prüfung ist unzulässig. Ein Online-Bewerbungsverfahren, das Bewerber aussortiert, ohne dass ein Mensch die Entscheidung überprüfen kann, verstößt gegen die DSGVO. Der Europäische Gerichtshof hat in einem Grundsatzurteil klargestellt, dass auch die Berechnung eines Wahrscheinlichkeitswerts – etwa eines Scoring-Werts durch eine Wirtschaftsauskunftei – als „Entscheidung“ im Sinne des Artikel 22 gelten kann, wenn das Handeln Dritter maßgeblich von diesem Wert geleitet wird .

Die Konsequenz: Wo automatisierte Systeme erhebliche Wirkung auf Menschen entfalten, muss ein Mensch eingreifen können. Nicht als Alibi, sondern als echte Kontrollinstanz.

EU AI Act: Menschliche Aufsicht als Pflicht

Der EU AI Act, 2024 in Kraft getreten, geht noch weiter. Für Hochrisiko-KI-Systeme – etwa in der Medizin, im Personalwesen, in der kritischen Infrastruktur – schreibt er menschliche Aufsicht explizit vor. Artikel 14 fordert, dass diese Systeme so konzipiert sind, dass natürliche Personen sie wirksam überwachen können .

Der Gesetzgeber nennt konkrete Anforderungen. Die überwachende Person muss:

• die Fähigkeiten und Grenzen des Systems verstehen,
• sich der Gefahr des Automatisierungsbias bewusst sein,
• Ergebnisse richtig interpretieren können,
• in der Lage sein, das System zu stoppen oder außer Kraft zu setzen.

Besonders streng sind die Anforderungen bei biometrischer Identifizierung: Hier müssen mindestens zwei natürliche Personen das Ergebnis überprüfen, bevor eine Entscheidung getroffen wird .

Das sind keine unverbindlichen Empfehlungen. Es sind rechtliche Pflichten, deren Verletzung mit Bußgeldern belegt ist.

5. Die Arbeit mit dem Roboter: Neue Aufgaben, neue Qualifikationen

Wenn Cobots in Produktionsprozesse integriert werden, verändert sich die Arbeit. Das ist keine Frage des Ob, sondern des Wie.

Das Fraunhofer IAO hat in einer umfassenden Studie die neuen Aufgabenprofile untersucht, die durch Mensch-Roboter-Kollaboration entstehen . Die Ergebnisse sind differenzierter als erwartet. Es entstehen nicht einfach weniger Arbeitsplätze. Es entstehen andere Arbeitsplätze. Neue Tätigkeiten kommen hinzu: Roboter einrichten und rüsten, einfache Störungen beheben, Anlagen disponieren, Kollegen anlernen, Applikationen planen und bewerten.

Das ist eine Chance. In manuellen Montagesystemen herrscht oft Monotonie und körperliche Einseitigkeit. Durch die neuen Aufgaben können gestufte Profile entstehen – Entwicklungsmöglichkeiten für Mitarbeiter, die bisher keine hatten .

Aber die Chance realisiert sich nicht automatisch. Sie muss gestaltet werden. Das Fraunhofer IAO formuliert klare Gestaltungsdimensionen: frühzeitige Einbindung der Mitarbeiter, kooperative Planung, transparente Kommunikation über Ziele und Grenzen der Technologie, Qualifizierung nicht nur der Operatoren, sondern auch der Führungskräfte .

Die Erfahrung zeigt: Wo Mitarbeiter früh in den Integrationsprozess eingebunden werden, entsteht Akzeptanz. Sie geben den Robotern Namen. Sie sprechen mit ihnen. Sie entwickeln Verantwortungsgefühl . Wo sie übergangen werden, entsteht Skepsis, Angst, Widerstand.

6. Die Ökonomie der Kollaboration

Die Einführung von Cobots ist auch eine wirtschaftliche Entscheidung. Und die fällt nicht immer eindeutig aus.

Eine aktuelle Studie zur Integration kollaborativer Robotik in kleinen und mittleren Unternehmen zeigt die typischen Treiber: Cobots sind leichter programmierbar als klassische Industrieroboter, flexibler einsetzbar und benötigen weniger Platz. Für KMU, die nicht in neue vollautomatisierte Anlagen investieren können, sind sie eine kostengünstige Alternative zur Modernisierung bestehender Maschinen .

Eine Fallstudie dokumentiert die Nachrüstung einer Facettiermaschine mit einem Universal Robot UR3. Das Ergebnis: gesteigerte Produktivität, verbesserte Flexibilität, längere Nutzungsdauer der bestehenden Anlage .

Ein anderes Beispiel kommt aus Vietnam. In einem Pilotprojekt der Internationalen Arbeitsorganisation (ILO) führte ein Hersteller ein KI-gestütztes Vision-System zur Qualitätskontrolle ein. Die Inspektionszeit sank von 20 auf 5 Sekunden. Die Genauigkeit stieg von 95 auf 99 Prozent. Aber – und das ist entscheidend – die Belegschaft wurde nicht entlassen. Sieben der zehn Prüfer wurden umgeschult und in höherwertige Tätigkeiten versetzt. Drei blieben als erfahrene Aufsichtskräfte .

Der Projektleiter brachte es auf eine Formel: „Optimale Produktivität hängt von der engen Zusammenarbeit zwischen menschlichen Bedienern und dem KI-Werkzeug ab. Die Technologie ist auf die Einsichten und die Aufsicht der Arbeiter angewiesen.“

7. Die Grenzen: Wo HITL an seine Grenzen stößt

Human-in-the-Loop ist kein Allheilmittel. Es hat Kosten. Der Mensch ist langsam. Er ermüdet. Er macht Fehler. Er kostet Geld.

Das ist keine Nebensache. In Hochgeschwindigkeitsprozessen kann der Mensch zum Flaschenhals werden. Wo ein Algorithmus in Millisekunden entscheidet, braucht der Mensch Sekunden. Wo das System 24 Stunden läuft, braucht der Mensch Pausen.

Ein zweites Problem ist der Automatisierungsbias. Menschen neigen dazu, automatisierten Empfehlungen zu vertrauen, auch wenn sie falsch sind. Die EU-Kommission nennt das explizit als Gefahr, die bei der Gestaltung von HITL-Systemen berücksichtigt werden muss . Ein Mensch, der jede Empfehlung ungeprüft übernimmt, ist kein Human-in-the-Loop, sondern ein Human-Alibi.

Ein drittes Problem ist die Verantwortungsdiffusion. Wenn Mensch und Maschine zusammenarbeiten, wer haftet, wenn etwas schiefgeht? Der Bediener, der die Empfehlung übernommen hat? Der Hersteller des Systems? Der Integrator? Diese Fragen sind rechtlich nicht immer geklärt.

8. Die Zukunft: Von HITL zu HOTL?

Mit zunehmender Leistungsfähigkeit der KI verschiebt sich die Diskussion. Der Begriff Human-on-the-Loop (HOTL) beschreibt eine Konstellation, in der der Mensch das System überwacht, aber nicht mehr jeden Schritt aktiv bestätigt. Human-out-of-the-Loop (HOOTL) bezeichnet die Vollautonomie.

In der Fertigung ist die Richtung nicht eindeutig. Einerseits ermöglichen bessere Sensoren und Algorithmen, dass Cobots komplexere Aufgaben übernehmen. Andererseits wächst der regulatorische Druck, menschliche Aufsicht zu gewährleisten. Der EU AI Act geht davon aus, dass Hochrisiko-Systeme menschliche Kontrolle brauchen – nicht als Übergangslösung, sondern als dauerhafte Anforderung.

Die Forschung zu Industrie 5.0 setzt auf ein anderes Modell: nicht den Menschen als Kontrolleur, sondern als Partner. Der Mensch bringt ein, was die Maschine nicht kann: Kreativität, Urteilsvermögen, ethische Reflexion, die Fähigkeit, mit Unsicherheit umzugehen. Die Maschine bringt ein, was der Mensch nicht kann: Konsistenz, Geschwindigkeit, Ermüdungsfreiheit.

Das ist kein Kompromiss. Das ist Arbeitsteilung im besten Sinne.

Fazit

Human-in-the-Loop ist mehr als ein technisches Konzept. Es ist die Antwort auf eine grundlegende Frage: Wie wollen wir mit Maschinen arbeiten, die immer fähiger werden?

Die einfache Antwort wäre: gar nicht. Vollautomatisierung, wo immer möglich. Aber diese Antwort übersieht, dass viele Prozesse menschliches Urteilsvermögen erfordern. Sie übersieht, dass Menschen nicht nur Kostenfaktor, sondern Quelle von Wissen und Kreativität sind. Und sie übersieht, dass der Gesetzgeber in Europa klare Grenzen gesetzt hat.

Die differenzierte Antwort lautet: Es kommt darauf an. Auf den Prozess. Auf das Risiko. Auf die Fähigkeiten von Mensch und Maschine. Gute HITL-Gestaltung heißt, den Menschen dort einzubinden, wo er einen Unterschied macht – und ihn dort zu entlasten, wo die Maschine überlegen ist.

Das ist aufwändiger als Vollautomatisierung. Es erfordert Schulung, Kommunikation, Partizipation. Es erfordert, den Menschen nicht als Störfaktor, sondern als Teil des Systems zu begreifen.

Aber die Erfahrung zeigt: Wo das gelingt, entsteht etwas, das reine Automatisierung nicht erreicht. Akzeptanz. Vertrauen. Und manchmal sogar Zuneigung. „Wenn die Roboter Namen bekommen“, sagt der Produktionsleiter, „ist die Technologie bei den Mitarbeitern angekommen.“

Vielleicht ist das die tiefere Wahrheit über Human-in-the-Loop: Es geht nicht nur um Sicherheit und Produktivität. Es geht darum, dass Arbeit menschlich bleibt.

Quellen

1. Kim, D.B., Bajestani, M.S., et al.: Human-in-the-loop in smart manufacturing (H-SM): A review and perspective. ScienceDirect, 2025.
2. IET Collaborative Intelligent Manufacturing: Collaborative Robot in Engine Assembly: A Socioeconomic Approach to Technological Advancement in Manufacturing, 2026.
3. EUR-Lex: Verordnung (EU) 2024/1689 (EU AI Act), Artikel 15 – Genauigkeit, Robustheit und Cybersicherheit.
4. Datenschutzarchiv: Artikel 22 DSGVO – Automatisierte Entscheidungen im Einzelfall einschließlich Profiling.
5. Institut für Arbeitsschutz der Deutschen Gesetzlichen Unfallversicherung (IFA): Kollaborierende Roboter (COBOTS) – Medizinisch/Biomechanische Anforderungen, 2025.
6. DUP Magazin: Cobots verändern die Arbeitswelt: Roboter als Kollegen, 2025.
7. IEEE Xplore: Designing an Integrated Human–AI Quality Control Framework: A 10-Year Case Study in Regulated Medical Device Manufacturing, 2026.
8. ScienceDirect: Utilizing untapped human operator knowledge for smarter and more sustainable manufacturing, 2026.
9. EUR-Lex: Vorschlag für eine Verordnung des Europäischen Parlaments und des Rates zur Festlegung harmonisierter Vorschriften für Künstliche Intelligenz (KI-VO), Artikel 14 – Menschliche Aufsicht.
10. EUR-Lex: Urteil des Gerichtshofs (Große Kammer) vom 7. Dezember 2023 – C-634/21 (SCHUFA Holding), Randnummern 58-67.
11. IFA: Kollaborierende Roboter (COBOTS) – Sichere Kooperation von Mensch und Roboter, 2026.
12. Fraunhofer IAO: Identifizierte Gestaltungsdimensionen ganzheitlich gestalteter und akzeptierter kollaborativer Montagearbeitsplätze, 2020.
13. International Labour Organization (ILO): When AI meets decent work: A productivity breakthrough from the factory floor, 2025.
14. ScienceDirect: From predictive maintenance 4.0 to 5.0: bringing humans back into the loop with a self-learning platform and implementation roadmap on automated production lines, 2026.
15. NSTL: Modernisierung bestehender Produktionsanlagen: Fallstudie zur Integration kollaborativer Robotik in kleinen und mittleren Unternehmen, 2025.
16. Deutsche Rentenversicherung: Art. 22 DSGVO – Automatisierte Entscheidungen im Einzelfall, 2026.
17. DGUV: Robotics – Safety regulations for industrial and collaborative robots.
18. Fraunhofer IAO: Studie Leichtbauroboter – Interpretation und Gestaltungshinweise, 2016.