Stand der Robotik 2026

Die Hardware-Landschaft

Der Robotik-Hardwaremarkt begann das Jahr 2026 in einem Zustand produktiver Fragmentierung. Während es in den Jahren 2023 und 2024 eine Handvoll dominanter Formfaktoren gab – Tischarme, mobile Untergestelle auf Rädern und ein aufkommendes humanoides Segment – ​​bietet 2026 ein umfassenderes Spektrum. Die Hersteller haben sich auf eine Reihe von Designprinzipien geeinigt, bei denen die Datenfreundlichkeit Vorrang vor der reinen Leistungsfähigkeit hat: Backdriveable Joints, integrierte IMU-Stacks und USB-C- oder Ethernet-Tethering mit geringer Latenz, die von Grund auf für die Teleoperationserfassung entwickelt wurden.

Waffenverbreitung und Kommerzialisierung

Sechs-DoF- und Sieben-DoF-Roboterarme zu Preisen unter 10.000 US-Dollar sind mittlerweile von mindestens vierzehn Herstellern in fünf Ländern erhältlich. Die OpenArm-Plattform – ursprünglich ein Forschungsderivat von ACT – ist de facto zur Basis für akademische und frühe Unternehmenspiloten geworden, wobei allein im Jahr 2025 mehr als 2.400 Einheiten ausgeliefert wurden. Dank der Open-Source-URDF- und ROS-2-Kompatibilität können Forscher an einem Arm trainierte Richtlinien innerhalb von Stunden statt Wochen auf einen anderen übertragen.

Auf chinesische Hersteller entfallen acht der vierzehn derzeit auf dem Markt befindlichen Waffen für unter 10.000 US-Dollar. Die Lieferzeiten chinesischer OEMs haben sich von 14 Wochen auf nur noch 3 Wochen für Standardkonfigurationen verkürzt, was einen erheblichen Preisdruck auf US-amerikanische und europäische Zulieferer ausübt. Als Reaktion darauf konkurrierten US-Zulieferer eher um Supportdichte, Softwareintegration und Zertifizierung (CE, UL) als um Komponentenkosten.

Humanoide überschreiten die kommerzielle Schwelle

Im Jahr 2026 wurden zwölf kommerzielle humanoide Plattformen zum Kauf oder zur strukturierten Miete angeboten. Dies ist nicht nur eine Schlagzeile, sondern ein echtes Marktbildungsereignis. Im Jahr 2024 hatten nur drei Plattformen diese Schwelle erreicht; Anfang 2025 fünf. Der Sprung auf zwölf spiegelt sowohl die Reifung der Antriebstechnologie wider (beide mit Serienelastik und Quasi-Direktantrieb haben sich als in großem Maßstab herstellbar erwiesen) als auch das Kapital, das von strategischen Investoren eingesetzt wird, um die Datenerfassungsschicht aufzubauen.

Von den zwölf Plattformen sind vier zweibeinige Vollhumanoide, drei sind nur Oberkörper-Torsos und fünf sind „an Humanoide angrenzend“ – mobile Basen mit zwei oder mehr geschickten Armen. Die durchschnittlichen Verkaufspreise reichen von 28.000 US-Dollar für die leichtesten Nur-Rumpf-Systeme bis zu 245.000 US-Dollar für vollständige Zweibeiner mit integriertem Rechner. Mehrere Hersteller bieten auch „Lease-First“-Programme für 3.500 bis 8.000 US-Dollar pro Monat an, da sie sich darüber im Klaren sind, dass Unternehmenskäufer noch nicht bereit sind, sich zum Kauf zu verpflichten, bevor sie einen Arbeitsablauf demonstriert haben.

Sensor- und Computerintegration

Die Integration von Tiefenkameras, am Handgelenk montierten Kraft-Momenten-Sensoren und integrierter Rechenleistung in den Roboter selbst – anstatt an einem Host-PC zu hängen – war ein durchgängiges Thema bei den Hardwareeinführungen im Jahr 2025. NVIDIA Jetson Orin- und Thor-Module werden jetzt in mindestens sieben kommerziellen Plattformen vorintegriert ausgeliefert. Diese Verschiebung verkürzt die Zeitspanne „von der Hardware bis zur ersten Inferenz“ von Tagen auf unter zwei Stunden für Entwickler, die bereits mit Standard-Lernstapeln für Roboter vertraut sind.

Datenerfassung im großen Maßstab

Wenn Hardware die Geschichte des Jahres 2024 war, ist die Dateninfrastruktur die entscheidende Geschichte des Jahres 2026. Die zugrunde liegende Wirtschaftlichkeit von Robotertrainingsdaten hat sich stärker verändert als jedes andere Segment des Stapels. Die durchschnittlichen Kosten pro Stunde für hochwertige Teleoperationsdaten – erfasst, gekennzeichnet und in ein standardisiertes Datensatzformat verpackt – sanken von etwa 340 US-Dollar/Stunde Anfang 2024 auf 136 US-Dollar/Stunde im vierten Quartal 2025. Der SVRC-Benchmark-Datensatz beziffert die voll geladenen Kosten auf 118 US-Dollar/Stunde ab März 2026 für eine Standard-Pick-and-Place-Aufgabe mit Handgelenkkamera und externem RGBD.

Was den Kostenrückgang verursachte

Drei Kräfte trieben diese Kompression parallel voran. Erstens wurde die Teleoperationshardware selbst billiger und ergonomischer. Das Aufkommen von Leader-Follower-Systemen zu Preisen unter 2.000 US-Dollar machte es wirtschaftlich rentabel, Teleoperatoren in großem Maßstab ohne maßgeschneiderte Hardware pro Standort einzusetzen. Zweitens haben sich die Wiedergabe- und Anmerkungspipelines dramatisch ausgereift. Tools wie DROID, Lerobot und kommerzielle Äquivalente können jetzt rohe Operator-Streams aufnehmen und RLDS-formatierte Episoden mit halbautomatischer Qualitätsbewertung produzieren, wodurch der Annotationsaufwand im Vergleich zu 2024-Workflows um 40–60 % reduziert wird. Drittens standardisierte die Community eine kleine Reihe von Episodenformaten (RLDS, HDF5 mit LeRobot-Schema), wodurch die Integrationssteuer für jede neue Hardwareplattform gesenkt wurde.

Märkte für Teleoperationsbetreiber

Es ist ein Sekundärmarkt für ausgebildete Teleoperationsbetreiber entstanden. Mehrere Marktplätze verbinden mittlerweile Unternehmen, die eine Datenerfassungsabdeckung benötigen, mit Betreibern, die für bestimmte Hardwareplattformen zertifiziert wurden. Die Tarife reichen von 22 bis 55 US-Dollar/Stunde für Bediener in Indien, den Philippinen und Osteuropa bis zu 65 bis 120 US-Dollar/Stunde für in den USA ansässige Bediener mit Fachkenntnissen (chirurgische Simulation, Lebensmittelservice, Laboreinstellungen). Dies ist keine Gig-Arbeit im herkömmlichen Sinne – führende Plattformen benötigen eine Plattformzertifizierung von 8 bis 40 Stunden, bevor Betreiber für Produktionsaufgaben berechtigt sind.

Datensatzqualität und Kontamination

Die Kommerzialisierung der Datenerfassung hat neue Qualitätsherausforderungen mit sich gebracht. Da die Sammlungskosten sinken und das Angebot steigt, stehen Käufer vor einem wachsenden Problem, qualitativ hochwertige Datensätze von verrauschten, automatisch gekennzeichneten oder kontaminierten Sammlungen zu unterscheiden. Reproduzierbarkeitsfehler – wenn eine veröffentlichte Richtlinie nicht auf die Hardware des Käufers übertragbar ist – haben das Interesse an standardisierten Datensätzen zur Qualitätsbewertung geweckt. Die Qualitätsrubrik „Open-X Embodiment“, die vom SVRC und mehreren akademischen Partnern erweitert wurde, hat sich zum am häufigsten zitierten Rahmenwerk entwickelt und deckt die Glätte der Flugbahn, die Demonstrationsvielfalt und die Zuverlässigkeit der Kennzeichnung ab.

Proprietäre vs. offene Daten

Die Spannung zwischen offenen Datensätzen und proprietärer Kuratierung ist mittlerweile akut. Einerseits ist das Open-X-Ökosystem auf über 1 Million kommentierte Roboterdemonstrationen für 22 Robotertypen angewachsen. Andererseits erkennen Unternehmenskunden zunehmend, dass ihre einsatzspezifischen Daten – die auf ihrer Hardware, in ihren Umgebungen und bei der Aufgabenverteilung gesammelt werden – einen dauerhaften Wettbewerbsvorteil darstellen. Das intelligente Geld im Jahr 2026 besteht darin, proprietäre Datensätze zu erstellen, die Open-Foundation-Datensätze ergänzen und nicht ersetzen.

Der Aufstieg der Stiftungsmodelle

Die Einführung von Vision-Language-Action (VLA)-Modellen in Produktionsqualität stellt den bedeutendsten architektonischen Wandel beim Roboterlernen seit dem Aufkommen des End-to-End-Imitationslernens im Jahr 2022 dar. VLAs integrieren Vision-Encoder (typischerweise ViT-Varianten), Sprachmodelle (normalerweise im Parameterbereich 7B–13B) und Aktionsdecoder in einem einzigen durchgängig trainierbaren Stapel. Die freigeschaltete Schlüsselfunktion ist die Aufgabenspezifikation in natürlicher Sprache: Ein Bediener kann eine Aufgabe im Klartext beschreiben, und das Modell begründet diese Anweisung direkt in Aktionssequenzen ohne aufgabenspezifisches Engineering.

Von der Forschungskuriosität zur Produktionsinfrastruktur

Im Jahr 2024 waren VLAs in erster Linie Forschungsartefakte – beeindruckend in Demos, brüchig in der Bereitstellung. Bis zum zweiten Quartal 2025 hatten drei große Robotik-Softwareunternehmen VLA-basierte Produkte an Unternehmenskunden ausgeliefert. Bis zum ersten Quartal 2026 nutzen mindestens elf kommerzielle Implementierungen VLA-Modelle als primäres politisches Rückgrat. Der Wendepunkt war die Inferenzoptimierung: Quantisierte VLA-Modelle laufen jetzt mit 10–25 Hz auf GPUs der Verbraucherklasse, wodurch sie mit Echtzeit-Manipulationsschleifen kompatibel sind.

Die führenden VLA-Modellfamilien mit offenem Gewicht – OpenVLA, Pi0 und RDT-1B – haben in 12 Monaten jeweils mehr als 1.000 Zitate verzeichnet, ein Maß dafür, wie schnell die Forschungsgemeinschaft auf diesen Grundlagen aufgebaut hat. Die Feinabstimmung einer Basis-VLA auf der Grundlage von 200 bis 500 aufgabenspezifischen Demonstrationen ist jetzt durchweg besser als das Training einer aufgabenspezifischen Richtlinie von Grund auf auf mehr als 1.000 Demonstrationen, ein Ergebnis, das die wirtschaftliche Kalkulation für Unternehmensbereitstellungsprogramme verändert.

Simulation und synthetische Daten

Physiksimulation – lange Zeit die Domäne von RL-Forschern – ist für IL-Praktiker über zwei Kanäle relevant geworden. Erstens können Teams durch die Erweiterung synthetischer Daten 200 reale Demonstrationen durch Tausende simulierter Varianten ergänzen und so die Generalisierung verbessern, ohne die Kosten für die Erfassung in der realen Welt proportional zu erhöhen. Zweitens hat sich die Sim-zu-Real-Übertragung für VLAs dramatisch verbessert, da fotorealistisches Rendering (über NVIDIA Cosmos und Isaac Lab) die Lücke im visuellen Bereich verringert hat. Teams an der CMU und in Stanford berichteten unabhängig voneinander über Ergebnisse für das Jahr 2026, bei denen VLAs, die auf 40 % synthetischen Daten trainiert wurden, mit Richtlinien übereinstimmten, die auf 100 % realen Daten für ausstehende Aufgaben trainiert wurden.

Modellgröße und Effizienz

Im Gegensatz zum Skalierungsnarrativ in der Sprachmodellierung besteht der empirische Konsens für Robotik-Grundlagenmodelle im Jahr 2026 darin, dass Effizienz wichtiger ist als Skalierung über ~7B-Parameter hinaus. Eine gut kuratierte 500-Demo-Feinabstimmung eines 7B-VLA übertrifft bei den meisten Manipulations-Benchmarks eine schlecht kuratierte Feinabstimmung eines 70B-Modells. Dies hat ein erhebliches Interesse an Tools zur Datensatzkuration, Bewertung der Episodenqualität und Demonstrationsfilterung geweckt – der „Datenschwungrad“-Ebene des Stapels.

Bereitstellung nach Vertikale

Der Robotereinsatz ist im Jahr 2026 nicht gleichmäßig auf die Branchen verteilt. Drei Branchen – Logistik und Lagerhaltung, Gastronomie und Halbleiterfertigung – machen 64 % aller kommerziellen Robotereinsätze nach Stückzahl aus. Aber die interessanteste Geschichte steckt im Long Tail: Branchen wie Gesundheitsversorgung, Einzelhandel und landwirtschaftliche Ernte überschreiten jeweils zum ersten Mal die Zahl von 1.000 eingesetzten Einheiten, was den Beginn einer echten Marktbildung außerhalb der traditionellen Industriebasis signalisiert.

Logistik und Lagerhaltung

Die Logistik ist nach wie vor die größte Einzeleinsatzbranche, angetrieben durch das anhaltende E-Commerce-Wachstum und den anhaltenden Arbeitsdruck in den Logistikzentren. Der dominierende Formfaktor ist hier der mobile Manipulator – eine fahrbare Basis mit einem oder zwei Armen, mit der Gegenstände in halbstrukturierten Umgebungen aufgenommen und platziert werden können. Zu den wichtigsten Entwicklungen im Jahr 2026 gehören die Entstehung heterogener Flotten (orchestrierte Kombinationen von AMRs, Waffen und Humanoiden) und der durch VLA-Modelle ermöglichte Übergang von Einsätzen mit festen Aufgaben zu Einsätzen mit flexiblen Aufgaben.

Gastronomie und QSR

Der Food-Service ist die Überraschungsbranche des Jahres 2026. Mehr als 340 Schnellrestaurantstandorte in den USA, Japan und Südkorea betreiben mittlerweile mindestens einen Roboter im Kunden- oder Küchenbereich. Die Wirtschaftlichkeit ist überzeugend: Ein Roboter zum Wenden von Burgern oder zum Ausgeben von Pommes frites amortisiert sich über drei bis vier Jahre bei Arbeitskosten von über 18 US-Dollar pro Stunde. Die primäre technische Herausforderung – der Umgang mit der Variabilität von Lebensmitteln und den Hygieneanforderungen von Großküchen – wurde im Wesentlichen durch VLA-Modelle gelöst, die auf großen küchenspezifischen Datensätzen trainiert wurden.

Halbleiter- und Elektronikfertigung

Die Hochpräzisionsfertigung war jahrzehntelang ein Umfeld voller Roboter, doch das Jahr 2026 markiert einen Wandel von der festen industriellen Automatisierung hin zu flexiblen, umprogrammierbaren Manipulationssystemen. Betreiber von Halbleiterfabriken berichten, dass die Möglichkeit, einen Roboterarm innerhalb von Stunden (im Gegensatz zu Wochen bei herkömmlicher Neuprogrammierung) neu zu beauftragen, völlig neue Anwendungsfälle in der Waferhandhabung, PCB-Inspektion und Komponentenplatzierung erschließt. Die Nachfrage nach hochpräziser Kraftsteuerung hat einen parallelen Hardware-Markt für Drehmomentsensoren im Sub-Newton-Bereich und Positionsgenauigkeit im Sub-Millimeter-Bereich entstehen lassen.

Unterstützung im Gesundheitswesen und im Labor

Im Bereich der Robotik im Gesundheitswesen – die Aufgaben wie Probentransport, Apothekenausgabe und Instrumentenreinigung abdeckt – wurden im Jahr 2025 1.200 Einheiten eingesetzt und bis Ende 2026 sollen es 3.500 sein. Der regulatorische Weg für die Automatisierung ohne Patientenkontakt hat sich als einfacher erwiesen als viele erwartet, da die FDA- und EU-MDR-Leitlinien im Jahr 2025 aktualisiert wurden, um klarere Rahmenbedingungen für softwaregesteuerte Manipulationsgeräte bereitzustellen. Diese Klarheit hat die institutionelle Beschaffung ermöglicht, die in den Vorjahren ins Stocken geraten war.

Investitionen & M&A

Die Risikoinvestitionen in die Robotik erreichten im Jahr 2025 weltweit 9,4 Milliarden US-Dollar, ein Anstieg von 41 % gegenüber 2024. Diese Zahl ist in absoluten Zahlen zwar beeindruckend, verbirgt jedoch eine erhebliche Konzentration: Auf die zehn besten Runden des Jahres 2025 entfielen 58 % des gesamten eingesetzten Kapitals. Der Markt spaltet sich zwischen einer kleinen Anzahl gut kapitalisierter Plattformunternehmen und einer großen Anzahl von Seed-to-Series-A-Unternehmen, die um vertikale Ausrichtung oder differenzierte Technologie konkurrieren.

Die Plattformwette

Mehrere Unternehmen haben bei Bewertungen von über 1 Milliarde US-Dollar Kapital eingeworben, in der Annahme, dass die „Spitzhacken und Schaufeln“ der Robotik-KI-Welle – Trainingsinfrastruktur, Richtlinienbewertung, Datenpipelines – wertvoller sein werden als jede einzelne Roboteranwendung. Der Vergleich zum Cloud Computing um 2008 ist ungenau, aber richtungsweisend: Die Infrastrukturschicht zieht Kapital an, das früher ausschließlich an Endanwendungsunternehmen geflossen wäre. Unternehmen in dieser Kategorie erhielten im Jahr 2025 insgesamt 2,1 Milliarden US-Dollar.

Strategische Käufer beschleunigen sich

Unternehmensfusionen und -übernahmen in der Robotik haben sich im Jahr 2025 stark beschleunigt. Elf Akquisitionen über 50 Millionen US-Dollar wurden verzeichnet, verglichen mit vier im Jahr 2024 und drei im Jahr 2023. Zu den bemerkenswerten Käufern zählen Automobil-OEMs (Kauf von Robotik-Software zur Beschleunigung der Fabrikautomatisierung), Verteidigungsunternehmen (Erwerb von Inspektions- und Logistikkapazitäten) und große Technologieunternehmen, die sowohl Talente als auch proprietäre Datensatzbibliotheken erwerben. Der Datenbestand bei diesen Akquisitionen wird zunehmend explizit bewertet – mehrere Term Sheets im Jahr 2025 enthielten spezifische Posten für Bewertungen der „kommentierten Demonstrationsbibliothek“.

Geografische Kapitalverteilung

Unternehmen mit Hauptsitz in den USA erhielten im Jahr 2025 52 % des weltweiten Robotik-Risikokapitals, verglichen mit 61 % im Jahr 2023. Chinesische Unternehmen erhielten 28 %, ein leichter Anstieg gegenüber 24 % im Jahr 2023, trotz anhaltender Beschränkungen für grenzüberschreitende Investitionen in einigen Kategorien. Europäische Unternehmen – insbesondere in Deutschland, Frankreich und Großbritannien – erhielten 14 %, die restlichen 6 % verteilten sich auf Japan, Südkorea und Israel. Von der Regierung geförderte Programme in Frankreich (Frankreich 2030), Südkorea (K-Robotics Initiative) und Japan (Moonshot R&D) sind zunehmend wichtige Co-Investoren in frühen Phasen.

Bewertungsbenchmarks

Die durchschnittlichen Pre-Money-Bewertungen für Robotikunternehmen der Serie A erreichten im Jahr 2025 42 Millionen US-Dollar, gegenüber 28 Millionen US-Dollar im Jahr 2023. Unternehmen mit proprietären Datenerfassungsfunktionen erzielen einen 1,4- bis 1,8-fachen Aufschlag gegenüber Unternehmen mit gleichwertigen Umsätzen, aber ohne Datengraben. Unternehmen mit nachweislich branchenspezifischem Einsatz (mehr als 10 zahlende Kunden in einem definierten Anwendungsfall) erzielen eine weitere 1,3-fache Prämie gegenüber Unternehmen, die sich noch in der Pilotphase befinden.

Was Sie im Jahr 2027 sehen sollten

Die Vorhersage der Robotik ist eine demütigende Arbeit. In der Ausgabe 2024 dieses Berichts wurde die VLA-Einführung um den Faktor drei unterschätzt und der Anstieg der Gastronomie im Gastronomiebereich völlig verfehlt. Ehrlich gesagt sind hier sechs Themen aufgeführt, von denen das SVRC-Forschungsteam glaubt, dass sie das Jahr 2027 bestimmen werden.

1. Geschickte Manipulation bricht durch

Geschickte Handmanipulation – das Ergreifen von nicht starren Objekten, die Bedienung von für Menschen konzipierten Werkzeugen, die Manipulation kleiner Komponenten – bleibt das größte ungelöste Problem in der praktischen Robotik. Im Jahr 2027 gehen wir davon aus, dass mindestens zwei kommerziell nutzbare Fingerfertigkeitssysteme Preise unter 25.000 US-Dollar erreichen werden und dass die ersten VLA-Modelle speziell auf geschickte Handhabung abgestimmt sind, um Produktionsqualität zu erreichen. Die Voraussetzungen dafür sind vorhanden: angemessene Handhardware, ausreichend große Demonstrationsdatensätze und VLA-Architekturen, die die erforderliche feinkörnige Aktionsauflösung ermöglichen.

2. Richtlinienbewertung wird zu einer eigenständigen Produktkategorie

Die Frage „Funktioniert meine Roboterrichtlinie tatsächlich?“ ist ohne umfangreiche Tests in der Praxis täuschend schwer zu beantworten. Wir gehen davon aus, dass sich die Richtlinienbewertung im Jahr 2027 zu einer eigenständigen Produktkategorie entwickeln wird – eine Kombination aus Simulation, standardisierten Benchmark-Aufgaben und automatisierten Regressionstests. Die Analogie dazu ist Software-Qualitätssicherung: Mit zunehmender Softwarekomplexität wurde sie zu einem eigenständigen Berufs- und Werkzeugmarkt. Die Qualitätssicherung von Roboterrichtlinien wird mit zunehmender Komplexität der Richtlinien denselben Weg einschlagen.

3. Die regulatorischen Rahmenbedingungen für kommerzielle Humanoide verfestigen sich

Das EU-KI-Gesetz und die aktualisierte Maschinenverordnung werden die erste Welle kommerzieller humanoider Bediener dazu zwingen, bis zum dritten Quartal 2027 systematische Sicherheitsnachweise vorzulegen. Die Leitlinien der US-amerikanischen OSHA zu autonomen Roboterkollegen werden im ersten Halbjahr 2027 erwartet.

4. Weltmodelle werden zum Standardbestandteil

Weltmodelle – erlernte Simulatoren, die es einem Roboter ermöglichen, Aktionssequenzen in der Vorstellung zu planen und zu bewerten, bevor er sie physisch ausführt – haben in den Jahren 2025–2026 erhebliche Forschungsfortschritte gemacht. NVIDIA Cosmos, Google Genie 2 und mehrere akademische Modelle haben gezeigt, dass physikalische Dynamiken aus Videos mit ausreichender Genauigkeit gelernt werden können, um für die Planung nützlich zu sein. Wir gehen davon aus, dass im Jahr 2027 die ersten kommerziellen Robotersysteme mit integrierten Weltmodellkomponenten als Standardfunktion und nicht als experimentelle Option ausgeliefert werden.

5. Das Datenaggregationsrennen

Da für das Grundlagenmodelltraining immer größere Roboterdemonstrationsdatensätze erforderlich sind, wird sich der Wettbewerb um die organisationsübergreifende Aggregation von Trainingsdaten verschärfen. Erwarten Sie neue Konsortialstrukturen – nach dem Vorbild akademischer Datenaustauschvereinbarungen, aber mit kommerziellen Bedingungen –, die es mehreren Betreibern ermöglichen, aufgabenspezifische Daten im Austausch für gemeinsamen Zugriff auf das resultierende Grundlagenmodell zu bündeln. Dies wird Druck auf Unternehmen ausüben, deren Wettbewerbsstrategie auf Datenexklusivität basiert.

6. Energie und Nachhaltigkeit kommen ins Designgespräch

Der Energieverbrauch von Robotern wurde als Designbeschränkung weitgehend ignoriert, während sich die Branche auf die Leistungsfähigkeit konzentrierte. Im Jahr 2027 wird die Energieeffizienz zu einem erstklassigen Designaspekt werden, da die Produktion in großem Umfang eingesetzt wird und sowohl Betreiber als auch Regulierungsbehörden unter Druck auf die Energiekosten stehen. Die Akkulaufzeit für mobile Plattformen, das Wärmemanagement für Onboard-Rechner und das Benchmarking der Energiekosten pro Aufgabe werden zum ersten Mal in den Beschaffungsanforderungen der Anbieter enthalten sein.