Reinigungs-, Service- und Gastronomieroboter

Fachkräftemangel und steigende Lohnkosten machen sich wiederholende Tätigkeiten in Innenräumen von Hotels, Restaurants, Krankenhäusern, Flughäfen und Geschäften schwer besetzbar. Autonome Reinigungsmaschinen, Service-/Liefer- roboter und Transportroboter zur Pflegeunterstützung nutzen SLAM, Hinderniserkennung und Flottensoftware an Bord, um diese Aufgaben im Umfeld von Menschen zu erledigen. Typischer Nutzen: Das Personal wird von Routine bei der Bodenpflege und von Hol- und Bringdiensten entlastet und kann sich Aufgaben mit Gäste- und Patientenkontakt widmen, mit dokumentiertem Reinigungsnachweis.

Problem & Nutzen

• Heute: Bodenschrubben, Saugen, Tellerlaufen/Tablettservice und Lieferungen im Gebäude erfolgen manuell, oft nachts oder in Spitzenzeiten, bei hoher Fluktuation und ungleichmäßiger Qualität.
• KI-Nutzen: Roboter kartieren einen Standort einmal, planen Abdeckungspfade, weichen Menschen und Hindernissen in Echtzeit aus und melden, was gereinigt oder geliefert wurde. Anbieter wie Brain Corp, Avidbots und Pudu veröffentlichen Kundenfallstudien zu verlagerten Arbeitsstunden; die Zahlen stammen von den Anbietern und schwanken stark je Standort, daher sollten Sie mit Ihrer eigenen Ausgangslage pilotieren [1][2].
• Realitätscheck: Der meiste kommerzielle Nutzen liegt heute in wiederholbaren, strukturierten Aufgaben (Schrubben großer Flächen, Lieferung von Punkt zu Punkt). Offene Aufgaben wie Tische abräumen oder Betten machen sind noch Forschung oder frühe Pilotprojekte (siehe ROBO-004).

Varianten

• Autonome Bodenreinigung (Scheuersaugmaschinen, Kehrmaschinen, Sauger) für Einzelhandel, Flughäfen, Lager, Büros.
• Gastronomie: Servier- und Läuferroboter in Restaurants, Zimmerlieferroboter in Hotels (Aufzuganbindung), Empfangs-/Führungsroboter.
• Krankenhauslogistik: Lieferung von Wäsche, Mahlzeiten und Laborproben; Desinfektionsroboter.
• Pflege- und soziale Assistenzroboter in Pflege und Altenpflege: Hol- und Bringdienste, Nachtrunden- und Telepräsenzroboter sind Serviceroboter im Pflegeumfeld. Derselbe Navigations-Stack, dazu strengere Hygiene- und Datenschutzanforderungen und, wo ein Roboter einen medizinischen Zweck hat, Überlegungen zur MDR. Verkörperte Gesprächsroboter behandelt CONV-016, Sturzüberwachung HLTH-015.
• Private Nutzung: Saug- und Wischroboter (für Verbraucher; zum Smart-Home-Kontext siehe ROBO-012).

So funktioniert es

1. site mapping (SLAM, zones, no-go areas, elevator/door links)
2. task scheduling (cleaning plan, delivery request from app/POS/PMS)
3. localisation + path / coverage planning
4. perception (LiDAR + depth + camera: people, obstacles, cliffs, glass, spills)
5. local safe motion control (speed limits, stop/slow near people)
6. fleet management cloud (monitoring, reports, OTA updates)
7. human-in-the-loop: staff loads/empties, resolves stuck robots, reviews reports

• Wahrnehmung: Kleine CNN-/Transformer-Detektoren auf einem eingebetteten SoC klassifizieren Personen, Türen, Haustiere, nasse Böden; gelernte semantische Karten benennen Räume und Objekte. Sicherheitsbewertetes Anhalten (Stoßfänger, Sicherheits-LiDAR) bleibt deterministisch und wird nicht an ein gelerntes Modell delegiert.
• Planung: klassisches SLAM und Abdeckungsplanung plus gelernte Komponenten; Flotten aus mehreren Robotern nutzen Aufgabenverteilung (Optimierung) und Aufzug-/Türsteuerung über offene Schnittstellen (z. B. VDA 5050 oder Anbieter-APIs, auf MassRobotics/ROS 2 basierende Werkzeuge).
• Sprachschicht: aufkommende Sprach-/LLM-Frontends lassen Mitarbeiter Roboter in natürlicher Sprache steuern oder Führungsroboter Gästefragen beantworten; halten Sie sie von der Bewegungssicherheit getrennt.

Datenaufbereitung

Dieser Anwendungsfall braucht wenig klassische Daten. Wichtig sind Standortkarten (Grundrisse, Sperrbereiche, Positionen von Aufzügen und Türen), Reinigungspläne und Aufgabenlisten sowie für Integrationen die Zimmer-, Bestell- oder Ticketdaten aus PMS, POS oder CMMS. Diese liegen oft in Gebäudeplänen, Excel-Plänen oder papiernen Checklisten. Typische Lücken sind veraltete Grundrisse, undokumentierte Routen, uneinheitliche Zimmernummern und unklare Regeln dazu, wo Roboter fahren und filmen dürfen.

Schritte der Aufbereitung: Grundrisse und Routen digitalisieren, Zimmer- und Standort-IDs festlegen (PREP-010), papierne Reinigungschecklisten durch digitale Erfassung ersetzen (PREP-008), PMS- oder CMMS-Daten über APIs exportieren (PREP-005) und Regeln für Kameradaten festlegen, einschließlich Unkenntlichmachen oder Löschen von Aufnahmen (PREP-022, PREP-024). Die meisten Anbieter kartieren das Gebäude selbst in ein bis zwei Tagen. Die Datenaufbereitung ist ein kleiner Teil des Aufwands, typischerweise unter 15 Prozent; die Hauptarbeit liegt in Organisation und Veränderung.

Umsetzungswege

Welcher Weg für wen

• KMU (Hotels, Restaurants, Geschäfte, Pflegeheime): Weg A, weil Robots-as-a-Service mit Support und CE-Kennzeichnung ausgereift sind; die einzigen Integrationen sind Aufzüge, Türen und eventuell das POS.
• Enterprise (Hotelketten, Handels- und Gebäudedienstleistungskonzerne): Weg B, weil viele Standorte Flottendaten, Tickets und Zimmer- oder Aufgabensysteme (PMS, POS, CMMS) brauchen, die über Anbieter-APIs angebunden werden.
• Öffentlicher Sektor (Krankenhäuser, kommunale Gebäude): Weg A, weil CE-gekennzeichnete, unterstützte Produkte zu den Vergaberegeln passen; prüfen Sie den Umgang mit Kameradaten und EU-Servicepartner.

Weg A — Kaufen (Standardsoftware) (für KMU empfohlen)

• Reinigung: Brain Corp (BrainOS, verbaut in Scheuersaugmaschinen mehrerer Hersteller), Avidbots, Gausium (Gaussian Robotics), Autonomie-Angebote von Nilfisk und Tennant, Kärcher (DE) und autonome Maschinen von Diversey; Tennant, Nilfisk (DK), Kärcher (DE) sitzen in der EU oder sind dort vertreten.
• Gastronomie/Service: Pudu Robotics, Bear Robotics (Servi), Keenon, Richtech; Hotellieferung von Savioke/Relay Robotics; viele sind nicht in der EU ansässig, prüfen Sie daher EU-Support und Datenflüsse.
• Krankenhaus-/Pflegelogistik: Aethon (TUG), Swisslog Healthcare (CH/DE), Diligent Robotics (Moxi, USA, Pilotprojekte).
• Modelle: Robots-as-a-Service (RaaS) als Leasing inklusive Support ist üblich; wählen Sie A für fast jedes KMU. Prüfen Sie CE-Kennzeichnung, EU-Servicepartner, Umgang mit Kamera-/Daten und Aufzuganbindung.

Weg B — Auf Cloud-KI-Diensten aufbauen

Selten der Kern. Nutzen Sie die Cloud für Flottenanalytik, Ticket-Integration (PMS/POS/CMMS) und optionale VLM-/LLM-Dienste (Gästefragen, Foto-Auffälligkeiten) mit Endpunkten in EU-Regionen. Binden Sie die Flotten-APIs der Anbieter über n8n oder eigene Dienste an (Muster aus ROBO-002).

Weg C — Selbst betreiben (Open Source)

• Stack: ROS 2 mit Nav2 (Navigation), SLAM Toolbox oder RTAB-Map, Open-RMF (herstellerübergreifende Flotten, Interoperabilität von Aufzügen und Türen), micro-ROS für Controller [3][4].
• Wahrnehmung: Detektoren der Klasse YOLO oder RT-DETR, Tiefenmodelle vom Typ Depth Anything; NVIDIA Isaac ROS oder Ähnliches auf Jetson Orin (HW1).
• Aufwand: braucht Robotik-Ingenieure und eine zertifizierte Hardwarebasis; sinnvoll für Hersteller, Integratoren und Forschung, nicht für KMU als Endanwender.

Weg D — Eigenes Training

Nur für Hersteller: Detektoren auf standortspezifische Klassen feintunen (Feintuning: Verschüttetes, Stühle, Rollstühle, Glastüren) oder gelernte Navigationsstrategien in der Simulation trainieren (ROBO-010). Braucht Tausende annotierter Bilder aus den Zielumgebungen; Datenschutzfilter für aufgezeichnetes Video sind Pflicht.

Stand der Technik (2026)

• Kommerzielle Autonomie für Bodenreinigung und Servieren ist ausgereift; der Wettbewerb läuft über Preis, Akku/Verfügbarkeit, Aufzug-Interoperabilität und Flottenanalytik.
• Die Interoperabilität verbessert sich (Open-RMF, Erweiterungen von VDA 5050), doch Flotten mehrerer Hersteller in einem Gebäude erfordern weiterhin Integrationsarbeit.
• Funktionen auf Basis von Foundation-Modellen (Sprachbefehle, Erkennung mit offenem Vokabular, VLM-Szenen- verständnis) kommen in Führungs- und Pflegerobotern an, während Manipulation (Tische abräumen, Türen öffnen) noch begrenzt ist [ROBO-004].
• Fehlerbilder: Glas und Spiegel, dunkle oder spiegelnde Böden, Menschenmengen, Kinder und Rollstuhlfahrer, geänderte Raumaufteilungen, Ausfälle von WLAN/Aufzug, Steckenbleiben. Soziale Akzeptanz und der Arbeitsablauf des Personals entscheiden oft stärker über den Erfolg als Algorithmen.

Gemeinsame Bausteine & Kombinationen

• Derselbe Navigations-, Flotten- und Aufzug-Stack wie bei ROBO-002 (AMRs) und ROBO-020 (Gehweg-Lieferung).
• Muster der Sicherheitswahrnehmung aus ROBO-016; Humanoide/VLA-Nachfolger in ROBO-004.
• Gesprächs-Frontends: CONV-012 (Concierge in der Gastronomie), CONV-016 (Begleitroboter).
• Pflegeumfeld: HLTH-015 (Sturzerkennung), ROBO-018 (Exoskelette für die Pflegearbeit).

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen für Kartierung und Einführung; Kostentreiber sind Leasing/Kauf, Servicevertrag, Verbrauchsmaterial und Schulung des Personals.
• Weg C/D: 6–18 Monate Robotik-Entwicklung; nur für Produkthersteller.
• Kennzahlen: gereinigte Fläche pro Schicht, Autonomiegrad (Eingriffe pro 100 h), Verfügbarkeit, Liefer- erfolgsquote und -zeit, Zufriedenheit von Gästen/Personal, Vorfälle und Beinaheunfälle, Kosten je gereinigtem m².

Menschen & Veränderung

Die Geschäftsführung entscheidet über Budget und Verantwortung. Die Fachabteilungsleitung (Hauswirtschaft, Facility, Pflege- oder Serviceleitung) ist Prozesseigner und legt Routen, Zeiten und Sperrbereiche fest. Endnutzer (Reinigungskräfte, Servicekräfte, Pflegekräfte) müssen vor dem Kauf einbezogen werden, weil der Roboter ihren Arbeitsalltag verändert. Die IT kümmert sich um WLAN, Aufzüge und Integrationen; die Datenschutzbeauftragte bzw. der Datenschutzbeauftragte prüft die Kameras; Lieferanten decken Service und Updates ab.

Betriebsrat: ja, in der Praxis. Roboter mit Kameras, Sensoren und Protokollen am Arbeitsplatz eignen sich zur Überwachung von Verhalten oder Leistung der Beschäftigten, daher gilt die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG, und § 90 Abs. 1 Nr. 3 verlangt rechtzeitige Information über KI-geplante Arbeitsabläufe. Schließen Sie eine Betriebsvereinbarung zu Kameranutzung, Datenlöschung und zum Verzicht auf Leistungsbewertung Einzelner (GUIDE-004). Öffentliche Stellen beteiligen den Personalrat.

Datenschutz: Gäste, Patienten und Beschäftigte können gefilmt werden; ziehen Sie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten früh hinzu, prüfen Sie Rechtsgrundlage, Löschfristen und den AVV mit dem Anbieter; in Pflege und Krankenhaus ist eine DSFA wahrscheinlich (GUIDE-005). KI-Kompetenz: Fördern Sie die Beschäftigten mit einer kurzen Einführung (GUIDE-006). Beginnen Sie mit einer Etage oder einem Bereich als Pilot, benennen Sie Robotik-Ansprechpersonen und kommunizieren Sie, dass Roboter schwere, sich wiederholende Aufgaben übernehmen, damit das Personal Zeit für Gäste und Pflege gewinnt (GUIDE-008). Das Personal kann den Roboter jederzeit pausieren oder stoppen.

Risiken, Regulierung & Compliance

• Produktsicherheit: Roboter sind Maschinen. Die Maschinenrichtlinie 2006/42/EG gilt, bis die Maschinenverordnung (EU) 2023/1230 ab dem 20. Januar 2027 anwendbar wird; sie ergänzt Anforderungen für Maschinen mit selbstentwickelndem Verhalten und für Cybersicherheit [5]. Reinigungsmaschinen fallen unter EN 60335-2-xx bzw. Normen für Industriereiniger; mobile Roboter unter ISO 3691-4 und ISO 13482 (Roboter für die persönliche Pflege).
• KI-Verordnung (AI Act): Der Roboter ist meist ein Produkt, dessen Sicherheitskomponente KI-gesteuert sein kann; nach Art. 6 Abs. 1 setzt der Hochrisiko-Status (Pflichten für Produkte nach Anhang I ab 2. Aug. 2028 laut Digital Omnibus, VO (EU) 2026/1744) Rechtsvorschriften des Anhangs I mit Konformitätsbewertung durch Dritte voraus, und die Maschinenverordnung ist dort für Sicherheitskomponenten aufgeführt. Die meisten Reinigungs-/Serviceroboter mit herkömmlichen Sicherheitsfunktionen haben daher in der Praxis minimales Risiko, doch die Einstufung hängt von der Bauart ab; klären Sie das mit dem Hersteller [6]. Pflegeroboter mit medizinischem Zweck fallen unter die MDR und sind typischerweise hochriskant. Art. 5: Nutzen Sie Kameras an Servicerobotern nicht zur Emotionserkennung bei Beschäftigten oder zur biometrischen Kategorisierung; das Ableiten von Emotionen bei Beschäftigten ist verboten, und die biometrische Echtzeit-Fernidentifizierung in öffentlich zugänglichen Räumen ist eingeschränkt. Transparenz (Art. 50) gilt für Chatbot-/Sprachfunktionen mit Gästekontakt.
• DSGVO: Kameras und Mikrofone an Bord erfassen Gäste, Patienten und Beschäftigte. Führen Sie eine DSFA für Pflege- und Krankenhausumfelder durch, minimieren Sie Aufzeichnungen (Verarbeitung im Gerät, Unkenntlichmachung, standardmäßig keine Audiospeicherung), bringen Sie sichtbare Hinweise an und vereinbaren Sie eine Regelung mit dem Betriebsrat für das Personal (Deutschland: Mitbestimmung nach BetrVG) [7].
• Sonstiges: Haftung und Versicherung, Hygienevorschriften in Krankenhäusern, Barrierefreiheit (blockierte Fluchtwege), Cybersicherheit der Flotten-Clouds (Cyber Resilience Act für Produkte mit digitalen Elementen, gestaffelt ab 2026–2027).
• Gegenmaßnahmen: sicherheitsbewertete Sensoren, Geschwindigkeitsbegrenzung in der Nähe von Menschen, Schulung des Personals, Vorfall- protokoll, Datenhaltung in der EU, getesteter Not-Aus.

Erste Schritte

1. Wählen Sie eine strukturierte Aufgabe (z. B. nächtliches Schrubben der Halle oder Tablettservice im Restaurant) und erfassen Sie deren Arbeitsstunden als Ausgangslage.
2. Begehen Sie den Standort mit 2–3 Anbietern und testen Sie Aufzüge, Glas, Teppiche und den Andrang zu Spitzenzeiten.
3. Prüfen Sie CE-Erklärung, EU-Servicepartner, Datenflüsse und Kameraeinstellungen; führen Sie die DSFA durch.
4. Beziehen Sie Personal und Betriebsrat früh ein; legen Sie fest, wer sich um steckengebliebene Roboter kümmert.
5. Führen Sie einen Pilotbetrieb über 4–8 Wochen mit Kennzahlen durch und skalieren Sie danach.

Quellen

1. Brain Corp — autonomous cleaning robots — https://www.braincorp.com
2. Pudu Robotics — service robots — https://www.pudurobotics.com
3. Nav2 — ROS 2 navigation stack — https://docs.nav2.org
4. Open-RMF — robotics middleware framework — https://www.open-rmf.org
5. Regulation (EU) 2023/1230 (Machinery Regulation) — https://eur-lex.europa.eu/eli/reg/2023/1230/oj
6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
7. Regulation (EU) 2016/679 (GDPR) — https://eur-lex.europa.eu/eli/reg/2016/679/oj
8. ISO 13482:2014 Personal care robots safety — https://www.iso.org/standard/53820.html