Warum Automatisierung beim Skalieren gefährlich wird

Kurzfassung: Ubers Robotaxi-Kurs zeigt eine unbequeme Lektion für KMU: Das Risiko neuer Automatisierung liegt selten im überzeugenden Piloten, sondern im Rollout. Erst beim Skalieren werden Infrastruktur, Partnerfähigkeit, Sonderfälle, Kapitalbindung und Verlässlichkeit zum eigentlichen Prüfstein.

Reuters berichtete am 15.04.2026 unter Verweis auf die Financial Times, Uber verpflichte sich auf einen Robotaxi-Kurs im Volumen von 10 Milliarden. Zuvor hatte Reuters bereits über mehr als 100 Millionen für Ladehubs, über einen mit Nvidia geplanten Rollout ab 2027 mit Ausweitung auf 28 Städte bis 2028 sowie über Investitionen von bis zu 1,25 Milliarden im Zusammenhang mit Rivian berichtet. Uber selbst hatte am 23.02.2026 die Einheit Uber Autonomous Solutions angekündigt.

Für den Mittelstand ist daran nicht die Größe der Beträge entscheidend. Interessant ist der Unterschied zwischen Vorführung und Skalierung. Ein einzelner Test kann zeigen, dass eine neue Automatisierung grundsätzlich funktioniert. Ein Rollout zeigt, ob sie wiederholbar, bezahlbar und verlässlich genug ist, um echte Leistung zu tragen.

Der Pilot beweist weniger, als er oft verspricht

Piloten sind wichtig, aber sie sind freundliche Umgebungen. Der Anwendungsfall ist begrenzt, die Beteiligten sind aufmerksam, Sonderfälle werden oft manuell aufgefangen, und die Erwartungen sind kontrollierbar. In dieser Lage kann Automatisierung überzeugend wirken, ohne schon belastbar zu sein.

Der Uber-Fall zeigt die andere Seite. Ein Rollout in vielen Städten ist keine größere Vorführung, sondern eine andere Aufgabe. Ladeinfrastruktur muss verfügbar sein. Partner müssen liefern. Lokale Bedingungen unterscheiden sich. Kapital ist gebunden, bevor der volle Nutzen gesichert ist. Die Leistung muss nicht einmal, sondern dauerhaft funktionieren.

Genau diese Verschiebung trifft auch KMU. Ein KI-gestützter Angebotsassistent kann in einem Vertriebsteam gute Ergebnisse liefern. Gefährlich wird es, wenn daraus ein Standard für mehrere Standorte, Produktlinien oder Kundengruppen wird. Dann zeigen sich die Unterschiede: abweichende Preislogiken, Sonderkonditionen, uneinheitliche Produktinformationen, regionale Zusagen, unterschiedliche Erfahrungsstände der Mitarbeitenden. Der Pilot hat diese Vielfalt oft nur teilweise gesehen.

Skalierung vervielfacht Sonderfälle

Neue Automatisierung wird nicht linear schwieriger. Sie wird durch Vielfalt schwieriger. Je breiter ein Einsatz wird, desto mehr Sonderfälle treten auf. Was in einem klar abgegrenzten Ablauf stabil war, kann in der Fläche brüchig werden.

Im Service bedeutet das: Ein System, das Standardanfragen gut vorbereitet, trifft beim Rollout auf ältere Produkte, unvollständige Kundendaten, abweichende Garantiebedingungen, Ersatzteilengpässe und unterschiedliche Eskalationswege. Im Projektgeschäft tauchen historische Zusagen, kundenspezifische Anpassungen und uneinheitliche Dokumentation auf. In der internen Verwaltung kommen Ausnahmen hinzu, die nie sauber beschrieben wurden, aber im Alltag funktionieren, weil erfahrene Menschen sie kennen.

Das ist der Kern des Skalierungsrisikos. Automatisierung kann im Test gut wirken, weil der Ausschnitt sauber gewählt ist. In der Breite muss sie mit dem ganzen Unternehmen umgehen. Wenn die vielen Varianten nicht bewusst berücksichtigt werden, entsteht keine stabile Entlastung, sondern neue Nacharbeit. Die Technik produziert schnelle Vorschläge, die Organisation muss sie mühsam einfangen.

Infrastruktur und Partner werden erst im Rollout sichtbar

Reuters’ Hinweis auf mehr als 100 Millionen für Ladehubs ist deshalb besonders lehrreich. Er macht sichtbar, dass Skalierung an Voraussetzungen hängt, die im ersten Test leicht unterschätzt werden. Bei Robotaxis ist das unter anderem Ladeinfrastruktur. Bei mittelständischer KI-Nutzung können es Verfügbarkeit von Systemzugängen, verlässliche Datenstände, Supportkapazität, Schulung, Datenschutzprüfung oder die Leistungsfähigkeit eines Dienstleisters sein.

Der geplante Rollout mit Nvidia ab 2027 und die Ausweitung auf 28 Städte bis 2028 zeigen ebenfalls: Skalierung ist ein Zusammenspiel mehrerer Beteiligter. Ein Unternehmen kann nicht einfach annehmen, dass ein funktionierendes Einzelsetup automatisch überall tragfähig ist. Partner müssen das Wachstum mittragen. Plattformen müssen zuverlässig bleiben. Kosten müssen unter höherem Verbrauch noch passen.

Für KMU heißt das: Vor dem breiten Einsatz sollte nicht nur gefragt werden, ob ein Werkzeug im Pilot funktioniert hat. Gefragt werden muss, ob alle Voraussetzungen für die Breite vorhanden sind. Wer unterstützt die Fachbereiche, wenn Nutzung steigt? Was passiert bei Fehlern? Kann der Anbieter die Last tragen? Bleiben Kosten beherrschbar, wenn aus zehn Nutzern hundert werden? Gibt es klare Grenzen für Einsatzbereiche, in denen die Lösung noch nicht stabil genug ist?

Kapitalbindung erhöht den Druck auf Erfolg

Die Reuters-Zahlen zu 10 Milliarden, 1,25 Milliarden und 100 Millionen zeigen zudem, dass Skalierung Entscheidungen schwerer umkehrbar macht. Je mehr Kapital, Zeit und Aufmerksamkeit in einen Rollout fließen, desto größer wird der Druck, ihn als Erfolg zu bewerten. Das kann gefährlich sein. Unternehmen neigen dann dazu, Schwächen zu rechtfertigen, statt sie früh zu korrigieren.

Auch hier gilt die Logik im kleineren Maßstab. Wenn ein KMU eine Lösung in mehreren Abteilungen eingeführt, Schulungen durchgeführt, Schnittstellen eingerichtet und interne Erwartungen geweckt hat, wird ein Rückzug unattraktiv. Der Einsatz läuft weiter, obwohl Nutzen und Aufwand nicht mehr sauber zusammenpassen. Aus einem Experiment wird Gewohnheit, bevor die Wirtschaftlichkeit wirklich geklärt ist.

Deshalb braucht Skalierung bewusst gesetzte Haltepunkte. Nicht jeder erfolgreiche Pilot verdient automatisch den Rollout. Und nicht jeder gestartete Rollout muss ungebremst weiterlaufen. Gute Führung legt vorher fest, woran Tragfähigkeit erkannt wird: weniger Nacharbeit, stabilere Kundenantworten, kürzere Durchlaufzeiten, bessere Entscheidungsgrundlagen oder geringere Fehlerfolgekosten. Ohne solche Kriterien gewinnt oft der Eindruck über die Realität.

Der gefährliche Moment kommt nach dem Erfolg

Die zentrale Lehre aus Ubers Robotaxi-Kurs lautet daher: Der riskante Moment ist nicht der erste Beweis, dass Automatisierung möglich ist. Der riskante Moment kommt danach, wenn aus Möglichkeit Verbindlichkeit wird. Dann müssen Infrastruktur, Partner, Kosten, Sonderfälle und Verantwortung zusammenhalten.

Für Geschäftsführer im Mittelstand ist das ein praktischer Blickwechsel. Ein Pilot sollte nicht nur zeigen, dass etwas funktioniert. Er sollte zeigen, welche Bedingungen erfüllt sein müssen, damit es in der Breite funktioniert. Die bessere Abschlussfrage lautet nicht: „War der Test gut?“ Sondern: „Was bricht, wenn wir ihn verdreifachen?“

Wer diese Frage früh stellt, schützt sich vor der häufigsten Automatisierungsfalle: einem überzeugenden Anfang, der im Rollout teuer wird. Skalierung ist kein administrativer Nachgang. Sie ist der eigentliche Test.