Von DerSchneider<\/strong><\/p>\n\n\n\n Wer heute durch moderne Produktionshallen geht, trifft auf eine neue Spezies von Kollegen. Sie hei\u00dfen Universal Robots, LBR iiwa oder einfach nur \u201eder Roboter an Station 4\u201c. Sie tragen keine Schutzr\u00e4une mehr, sie stehen nicht hinter Gittern. Sie arbeiten Seite an Seite mit Menschen. Und immer h\u00e4ufiger bekommen sie Namen \u2013 nicht Spitznamen aus Spott, sondern Kosenamen aus Zuneigung. \u201eWenn die Roboter Namen bekommen, ist die Technologie bei den Mitarbeitern angekommen\u201c, sagt ein Produktionsleiter in einer Fraunhofer-Studie <\/a>.<\/p>\n\n\n\n Das ist bemerkenswert. Denn \u00fcber Jahrzehnte war das Verh\u00e4ltnis von Mensch und Industriemaschine von r\u00e4umlicher Trennung gepr\u00e4gt. Der Roboter stand hinter dem Zaun. Er war gef\u00e4hrlich, er war unberechenbar, er war eine Maschine, mit der man nicht spricht. Heute verschwimmt diese Grenze. Kollaborierende Roboter \u2013 Cobots \u2013 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.<\/p>\n\n\n\n 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.<\/p>\n\n\n\n Die klassische industrielle Robotik folgte einem einfachen Prinzip: Trennung. Der Roboter war stark, schnell, unerm\u00fcdlich \u2013 und gef\u00e4hrlich. Der Mensch war flexibel, urteilsf\u00e4hig, kreativ \u2013 und verletzlich. Der Schutzzaun war die logische Konsequenz aus dieser Asymmetrie. Er sch\u00fctzte den Menschen vor der Maschine und die Maschine vor dem Menschen.<\/p>\n\n\n\n Diese Architektur hatte einen Preis. Sie machte Automatisierung starr. Jede \u00c4nderung am Produkt erforderte eine Neuprogrammierung. Jede St\u00f6rung bedeutete Stillstand. Und sie machte den Menschen zum Zuschauer: Sein Wissen, seine Erfahrung, sein Urteilsverm\u00f6gen waren im automatisierten Prozess nicht abbildbar. Der Bediener stand vor dem Zaun, nicht im Prozess <\/a>.<\/p>\n\n\n\n Die Cobot-Technologie brach mit diesem Prinzip. Sie erlaubte erstmals, dass Mensch und Roboter denselben Raum teilen. M\u00f6glich wurde das durch zwei Entwicklungen: leistungsbegrenzte Antriebe, die im Kollisionsfall rechtzeitig stoppen, und biomechanische Grenzwerte, die definieren, welche Kr\u00e4fte auf den menschlichen K\u00f6rper einwirken d\u00fcrfen, ohne Verletzungen zu verursachen <\/a><\/a>.<\/p>\n\n\n\n Die Berufsgenossenschaften haben diese Grenzwerte ma\u00dfgeblich mitentwickelt. In aufw\u00e4ndigen Forschungsprojekten wurden Schmerzschwellen und Verletzungseintritt f\u00fcr verschiedene K\u00f6rperregionen ermittelt. Das Schmerzschwellenkataster der Johannes Gutenberg-Universit\u00e4t Mainz lieferte die Datenbasis <\/a>. Die Ergebnisse flossen in die internationale Norm ISO\/TS 15066 ein, die heute die sicherheitstechnische Grundlage f\u00fcr Cobot-Anwendungen bildet <\/a>.<\/p>\n\n\n\n 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 Anh\u00e4ngsel der Maschine wird?<\/p>\n\n\n\n Der Begriff Human-in-the-Loop wird heute f\u00fcr 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 Wertsch\u00f6pfungsprozesses.<\/p>\n\n\n\n Das unterscheidet HITL von einfacher \u00dcberwachung. Ein \u00dcberwacher 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.<\/p>\n\n\n\n Ein Beispiel aus einer aktuellen Studie zur Qualit\u00e4tskontrolle in der Medizintechnik illustriert den Unterschied. Ein Hersteller k\u00e4mpfte \u00fcber ein Jahrzehnt mit Nacharbeitsquoten von 85 bis 95 Prozent und einer First-Pass-Ausbeute von unter vier Prozent. F\u00fcnf erfahrene menschliche Pr\u00fcfer erreichten einen Variationskoeffizienten zwischen 1,4 und 9,3 Prozent. Ein KI-System war deutlich konsistenter \u2013 0,2 bis 2,0 Prozent \u2013 aber der integrierte Ansatz aus Mensch und KI \u00fcbertraf beide <\/a>.<\/p>\n\n\n\n Die Schlussfolgerung: Der Mensch ist nicht per se der bessere oder schlechtere Pr\u00fcfer. Aber seine St\u00e4rken \u2013 Kontextverst\u00e4ndnis, Urteilsf\u00e4higkeit bei Grenzf\u00e4llen, die F\u00e4higkeit, aus Erfahrung zu lernen \u2013 erg\u00e4nzen die St\u00e4rken der Maschine \u2013 Konsistenz, Geschwindigkeit, Erm\u00fcdungsfreiheit. Human-in-the-Loop hei\u00dft, diese Erg\u00e4nzung strukturell zu verankern.<\/p>\n\n\n\n Ein h\u00e4ufig \u00fcbersehener Aspekt: Der Mensch ist selbst eine Datenquelle. Seine kognitiven Zust\u00e4nde, seine Aufmerksamkeit, seine Erm\u00fcdung, seine impliziten F\u00e4higkeiten \u2013 all das sind Informationen, die f\u00fcr den Produktionsprozess relevant sind, aber traditionell nicht erfasst werden.<\/p>\n\n\n\n Ein Forschungsteam hat genau hier angesetzt. Es untersuchte, wie \u201eunkonventionelle\u201c Sensordaten vom Menschen \u2013 etwa EEG-Signale zur Messung kognitiver Belastung \u2013 in cyber-physische Systeme integriert werden k\u00f6nnen <\/a>. Die Grundidee: Erfahrene Bediener arbeiten oft konsistenter und energieeffizienter als weniger erfahrene. Wenn man ihre kognitiven und motorischen Muster erfassen k\u00f6nnte, lie\u00dfen sich Prozesse optimieren \u2013 nicht indem man den Menschen ersetzt, sondern indem man sein Wissen nutzbar macht.<\/p>\n\n\n\n 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 Europ\u00e4ische Kommission 2021 formulierte, ist der Mensch eine Ressource, die gef\u00f6rdert werden muss. Human-in-the-Loop wird damit nicht nur zu einem Sicherheitskonzept, sondern zu einem Produktivit\u00e4tskonzept <\/a><\/a>.<\/p>\n\n\n\n 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.<\/p>\n\n\n\n Artikel 22 der DSGVO regelt automatisierte Entscheidungen im Einzelfall. Die Kernaussage: Betroffene Personen haben grunds\u00e4tzlich das Recht, nicht einer ausschlie\u00dflich auf automatisierter Verarbeitung beruhenden Entscheidung unterworfen zu werden, die rechtliche Wirkung entfaltet oder sie erheblich beeintr\u00e4chtigt <\/a>.<\/p>\n\n\n\n Das klingt technisch, hat aber weitreichende Konsequenzen. Eine automatische Kreditablehnung ohne menschliche Pr\u00fcfung ist unzul\u00e4ssig. Ein Online-Bewerbungsverfahren, das Bewerber aussortiert, ohne dass ein Mensch die Entscheidung \u00fcberpr\u00fcfen kann, verst\u00f6\u00dft gegen die DSGVO. Der Europ\u00e4ische Gerichtshof hat in einem Grundsatzurteil klargestellt, dass auch die Berechnung eines Wahrscheinlichkeitswerts \u2013 etwa eines Scoring-Werts durch eine Wirtschaftsauskunftei \u2013 als \u201eEntscheidung\u201c im Sinne des Artikel 22 gelten kann, wenn das Handeln Dritter ma\u00dfgeblich von diesem Wert geleitet wird <\/a>.<\/p>\n\n\n\n Die Konsequenz: Wo automatisierte Systeme erhebliche Wirkung auf Menschen entfalten, muss ein Mensch eingreifen k\u00f6nnen. Nicht als Alibi, sondern als echte Kontrollinstanz.<\/p>\n\n\n\n Der EU AI Act, 2024 in Kraft getreten, geht noch weiter. F\u00fcr Hochrisiko-KI-Systeme \u2013 etwa in der Medizin, im Personalwesen, in der kritischen Infrastruktur \u2013 schreibt er menschliche Aufsicht explizit vor. Artikel 14 fordert, dass diese Systeme so konzipiert sind, dass nat\u00fcrliche Personen sie wirksam \u00fcberwachen k\u00f6nnen <\/a><\/a>.<\/p>\n\n\n\n Der Gesetzgeber nennt konkrete Anforderungen. Die \u00fcberwachende Person muss:<\/p>\n\n\n\n Besonders streng sind die Anforderungen bei biometrischer Identifizierung: Hier m\u00fcssen mindestens zwei nat\u00fcrliche Personen das Ergebnis \u00fcberpr\u00fcfen, bevor eine Entscheidung getroffen wird <\/a>.<\/p>\n\n\n\n Das sind keine unverbindlichen Empfehlungen. Es sind rechtliche Pflichten, deren Verletzung mit Bu\u00dfgeldern belegt ist.<\/p>\n\n\n\n Wenn Cobots in Produktionsprozesse integriert werden, ver\u00e4ndert sich die Arbeit. Das ist keine Frage des Ob, sondern des Wie.<\/p>\n\n\n\n Das Fraunhofer IAO hat in einer umfassenden Studie die neuen Aufgabenprofile untersucht, die durch Mensch-Roboter-Kollaboration entstehen <\/a>. Die Ergebnisse sind differenzierter als erwartet. Es entstehen nicht einfach weniger Arbeitspl\u00e4tze. Es entstehen andere Arbeitspl\u00e4tze. Neue T\u00e4tigkeiten kommen hinzu: Roboter einrichten und r\u00fcsten, einfache St\u00f6rungen beheben, Anlagen disponieren, Kollegen anlernen, Applikationen planen und bewerten.<\/p>\n\n\n\n Das ist eine Chance. In manuellen Montagesystemen herrscht oft Monotonie und k\u00f6rperliche Einseitigkeit. Durch die neuen Aufgaben k\u00f6nnen gestufte Profile entstehen \u2013 Entwicklungsm\u00f6glichkeiten f\u00fcr Mitarbeiter, die bisher keine hatten <\/a>.<\/p>\n\n\n\n Aber die Chance realisiert sich nicht automatisch. Sie muss gestaltet werden. Das Fraunhofer IAO formuliert klare Gestaltungsdimensionen: fr\u00fchzeitige Einbindung der Mitarbeiter, kooperative Planung, transparente Kommunikation \u00fcber Ziele und Grenzen der Technologie, Qualifizierung nicht nur der Operatoren, sondern auch der F\u00fchrungskr\u00e4fte <\/a>.<\/p>\n\n\n\n Die Erfahrung zeigt: Wo Mitarbeiter fr\u00fch in den Integrationsprozess eingebunden werden, entsteht Akzeptanz. Sie geben den Robotern Namen. Sie sprechen mit ihnen. Sie entwickeln Verantwortungsgef\u00fchl <\/a><\/a>. Wo sie \u00fcbergangen werden, entsteht Skepsis, Angst, Widerstand.<\/p>\n\n\n\n Die Einf\u00fchrung von Cobots ist auch eine wirtschaftliche Entscheidung. Und die f\u00e4llt nicht immer eindeutig aus.<\/p>\n\n\n\n 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 ben\u00f6tigen weniger Platz. F\u00fcr KMU, die nicht in neue vollautomatisierte Anlagen investieren k\u00f6nnen, sind sie eine kosteng\u00fcnstige Alternative zur Modernisierung bestehender Maschinen <\/a>.<\/p>\n\n\n\n Eine Fallstudie dokumentiert die Nachr\u00fcstung einer Facettiermaschine mit einem Universal Robot UR3. Das Ergebnis: gesteigerte Produktivit\u00e4t, verbesserte Flexibilit\u00e4t, l\u00e4ngere Nutzungsdauer der bestehenden Anlage <\/a>.<\/p>\n\n\n\n Ein anderes Beispiel kommt aus Vietnam. In einem Pilotprojekt der Internationalen Arbeitsorganisation (ILO) f\u00fchrte ein Hersteller ein KI-gest\u00fctztes Vision-System zur Qualit\u00e4tskontrolle ein. Die Inspektionszeit sank von 20 auf 5 Sekunden. Die Genauigkeit stieg von 95 auf 99 Prozent. Aber \u2013 und das ist entscheidend \u2013 die Belegschaft wurde nicht entlassen. Sieben der zehn Pr\u00fcfer wurden umgeschult und in h\u00f6herwertige T\u00e4tigkeiten versetzt. Drei blieben als erfahrene Aufsichtskr\u00e4fte <\/a>.<\/p>\n\n\n\n Der Projektleiter brachte es auf eine Formel: \u201eOptimale Produktivit\u00e4t h\u00e4ngt von der engen Zusammenarbeit zwischen menschlichen Bedienern und dem KI-Werkzeug ab. Die Technologie ist auf die Einsichten und die Aufsicht der Arbeiter angewiesen.\u201c <\/a><\/p>\n\n\n\n Human-in-the-Loop ist kein Allheilmittel. Es hat Kosten. Der Mensch ist langsam. Er erm\u00fcdet. Er macht Fehler. Er kostet Geld.<\/p>\n\n\n\n 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 l\u00e4uft, braucht der Mensch Pausen.<\/p>\n\n\n\n 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 ber\u00fccksichtigt werden muss <\/a>. Ein Mensch, der jede Empfehlung ungepr\u00fcft \u00fcbernimmt, ist kein Human-in-the-Loop, sondern ein Human-Alibi.<\/p>\n\n\n\n Ein drittes Problem ist die Verantwortungsdiffusion. Wenn Mensch und Maschine zusammenarbeiten, wer haftet, wenn etwas schiefgeht? Der Bediener, der die Empfehlung \u00fcbernommen hat? Der Hersteller des Systems? Der Integrator? Diese Fragen sind rechtlich nicht immer gekl\u00e4rt.<\/p>\n\n\n\n Mit zunehmender Leistungsf\u00e4higkeit der KI verschiebt sich die Diskussion. Der Begriff Human-on-the-Loop (HOTL) beschreibt eine Konstellation, in der der Mensch das System \u00fcberwacht, aber nicht mehr jeden Schritt aktiv best\u00e4tigt. Human-out-of-the-Loop (HOOTL) bezeichnet die Vollautonomie.<\/p>\n\n\n\n In der Fertigung ist die Richtung nicht eindeutig. Einerseits erm\u00f6glichen bessere Sensoren und Algorithmen, dass Cobots komplexere Aufgaben \u00fcbernehmen. Andererseits w\u00e4chst der regulatorische Druck, menschliche Aufsicht zu gew\u00e4hrleisten. Der EU AI Act geht davon aus, dass Hochrisiko-Systeme menschliche Kontrolle brauchen \u2013 nicht als \u00dcbergangsl\u00f6sung, sondern als dauerhafte Anforderung.<\/p>\n\n\n\n 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: Kreativit\u00e4t, Urteilsverm\u00f6gen, ethische Reflexion, die F\u00e4higkeit, mit Unsicherheit umzugehen. Die Maschine bringt ein, was der Mensch nicht kann: Konsistenz, Geschwindigkeit, Erm\u00fcdungsfreiheit.<\/p>\n\n\n\n Das ist kein Kompromiss. Das ist Arbeitsteilung im besten Sinne.<\/p>\n\n\n\n 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 f\u00e4higer werden?<\/p>\n\n\n\n Die einfache Antwort w\u00e4re: gar nicht. Vollautomatisierung, wo immer m\u00f6glich. Aber diese Antwort \u00fcbersieht, dass viele Prozesse menschliches Urteilsverm\u00f6gen erfordern. Sie \u00fcbersieht, dass Menschen nicht nur Kostenfaktor, sondern Quelle von Wissen und Kreativit\u00e4t sind. Und sie \u00fcbersieht, dass der Gesetzgeber in Europa klare Grenzen gesetzt hat.<\/p>\n\n\n\n Die differenzierte Antwort lautet: Es kommt darauf an. Auf den Prozess. Auf das Risiko. Auf die F\u00e4higkeiten von Mensch und Maschine. Gute HITL-Gestaltung hei\u00dft, den Menschen dort einzubinden, wo er einen Unterschied macht \u2013 und ihn dort zu entlasten, wo die Maschine \u00fcberlegen ist.<\/p>\n\n\n\n Das ist aufw\u00e4ndiger als Vollautomatisierung. Es erfordert Schulung, Kommunikation, Partizipation. Es erfordert, den Menschen nicht als St\u00f6rfaktor, sondern als Teil des Systems zu begreifen.<\/p>\n\n\n\n Aber die Erfahrung zeigt: Wo das gelingt, entsteht etwas, das reine Automatisierung nicht erreicht. Akzeptanz. Vertrauen. Und manchmal sogar Zuneigung. \u201eWenn die Roboter Namen bekommen\u201c, sagt der Produktionsleiter, \u201eist die Technologie bei den Mitarbeitern angekommen.\u201c <\/a><\/p>\n\n\n\n Vielleicht ist das die tiefere Wahrheit \u00fcber Human-in-the-Loop: Es geht nicht nur um Sicherheit und Produktivit\u00e4t. Es geht darum, dass Arbeit menschlich bleibt.<\/p>\n\n\n\n Quellen<\/strong><\/p>\n\n\n\n <\/p>","protected":false},"excerpt":{"rendered":" Warum Human-in-the-Loop kein Kompromiss ist, sondern die Voraussetzung f\u00fcr gute Arbeit Von DerSchneider Einleitung Wer heute durch moderne Produktionshallen geht, trifft auf eine neue Spezies von Kollegen. Sie hei\u00dfen Universal Robots, LBR iiwa oder einfach nur \u201eder Roboter an Station 4\u201c. Sie tragen keine Schutzr\u00e4une mehr, sie stehen nicht hinter Gittern. Sie arbeiten Seite an […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,26],"tags":[522,1245,1819,2272,3170,11209,11208],"class_list":["post-7641","post","type-post","status-publish","format-standard","hentry","category-industrie-4-0","category-mit-den-handen","tag-arbeitsschutz","tag-cobots","tag-dsgvo","tag-eu-ai-act","tag-human-in-the-loop","tag-industrie-5-0","tag-mensch-roboter-kollaboration"],"_links":{"self":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/7641","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/comments?post=7641"}],"version-history":[{"count":1,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/7641\/revisions"}],"predecessor-version":[{"id":7642,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/7641\/revisions\/7642"}],"wp:attachment":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/media?parent=7641"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/categories?post=7641"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/tags?post=7641"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\n\n\n\nEinleitung<\/h2>\n\n\n\n
\n\n\n\n1. Von der Trennung zur Kooperation: Eine kurze Geschichte der Mensch-Roboter-Beziehung<\/h2>\n\n\n\n
\n\n\n\n2. Was Human-in-the-Loop in der Fertigung wirklich bedeutet<\/h2>\n\n\n\n
\n\n\n\n3. Die unsichtbaren Daten des Menschen<\/h2>\n\n\n\n
\n\n\n\n4. Die rechtliche Dimension: Wenn der Mensch in der Schleife bleiben muss<\/h2>\n\n\n\n
DSGVO: Artikel 22<\/h3>\n\n\n\n
EU AI Act: Menschliche Aufsicht als Pflicht<\/h3>\n\n\n\n
\n
\n\n\n\n5. Die Arbeit mit dem Roboter: Neue Aufgaben, neue Qualifikationen<\/h2>\n\n\n\n
\n\n\n\n6. Die \u00d6konomie der Kollaboration<\/h2>\n\n\n\n
\n\n\n\n7. Die Grenzen: Wo HITL an seine Grenzen st\u00f6\u00dft<\/h2>\n\n\n\n
\n\n\n\n8. Die Zukunft: Von HITL zu HOTL?<\/h2>\n\n\n\n
\n\n\n\nFazit<\/h2>\n\n\n\n
\n\n\n\n\n
\n\n\n\n