Im Februar 2026 hat BMW die Bilanz des elfmonatigen Humanoid-Pilotprojekts mit Figure AI im Werk Spartanburg veröffentlicht. Figure 02 hat über zehn Monate hinweg an der aktiven Produktionslinie für den BMW X3 mitgewirkt — 30.000 Fahrzeuge, 90.000 Bauteile, 1.250 Betriebsstunden. Die Maschine erreichte 99 %+ Platzierungsgenauigkeit pro Schicht und hielt das 84-Sekunden-Taktziel der Linie ein. Die wichtigste Schlussfolgerung ist nicht das Was, sondern das Wie: Der Übergang vom Labor zum Schichtbetrieb verlief schneller als erwartet. Auf Basis dieser Daten startet BMW im Werk Leipzig zusammen mit Hexagon-Tochter AEON einen zweiten Pilot — der erste Humanoid-Einsatz in einer europäischen Autoproduktion überhaupt.
Einordnung: BMW-Spartanburg-Pilot real (verkündet 2024). Figure 02 hat nicht autonom Autos gebaut, sondern in einer Sub-Aufgabe (Sheet-Metal-Bin-Picking) menschliche Arbeit unterstützt. 99 %+ Genauigkeit gilt für eng definierte, wiederholende Bewegungen.Reality check: BMW Spartanburg pilot real (announced 2024). Figure 02 did not autonomously build cars; it assisted human workers in a sub-task (sheet-metal bin picking). 99%+ accuracy applies to tightly defined, repetitive motions.
Im April 2025 startete BMW gemeinsam mit dem kalifornischen Robotik-Startup Figure AI einen Pilotversuch im Werk Spartanburg, South Carolina. Aufgabe der Roboter: Blechteile aus Lagerbehältern aufnehmen und auf einer Halterung positionieren, von der ein industrieller Schweißroboter sie übernimmt. Die Anforderung an Genauigkeit ist hoch — 5 mm Toleranz, gleichbleibend über mehrere tausend Wiederholungen pro Schicht. Genau diese Repetition ist für menschliche Arbeitskräfte ergonomisch schwierig: Häufiges Bücken, Heben aus Kisten, Drehen unter Zeitdruck.
Die Bilanz nach Abschluss des Piloten Anfang 2026 ist die erste belastbar dokumentierte Industrie-Performance eines Humanoid-Roboters: zwei Schichten täglich, fünf Tage die Woche, zehn Stunden pro Schicht. Beim Übergang vom Labor zur Linie sahen die BMW-Ingenieure einen unerwarteten Effekt: Bewegungssequenzen, die im Test-Setup gelernt waren, ließen sich überraschend stabil auf die Produktion übertragen. Der wichtigste Engpass war Mechanik, nicht Software — der Unterarm war das am häufigsten zu wartende Teil und ist als zentrales Verbesserungsziel in die nächste Generation Figure 03 eingeflossen.
Drei strukturelle Beobachtungen aus dem Pilot:
Der Pilot war eng abgegrenzt: eine Aufgabe, eine Linie, zwei Roboter. Jetzt geht es um Skalierung. BMW hat parallel mit Hexagon Robotics die humanoide Plattform AEON für den Einsatz an der Hochvolt-Batterielinie in Leipzig vorbereitet — Start im Sommer 2026. AEON kann sich an wechselnde Stationen anpassen und arbeitet mit Hexagons Mess-Sensorik direkt am Bauteil. Die Frage ist nicht mehr „funktioniert ein Humanoid in der Industrie" — die ist beantwortet —, sondern „wie viele Aufgaben pro Schicht, wie viele Standorte gleichzeitig, wie verlässlich über Quartale".
„Das Bemerkenswerte ist nicht, dass es geklappt hat. Es ist, dass es ohne Drama geklappt hat — wie ein neuer Mitarbeiter, der nach drei Wochen Einarbeitung still seine Arbeit macht."
Im Wettbewerb stehen Tesla Optimus (Fremont-Hochlauf in Q2 2026, Ziel 1 Mio. Einheiten/Jahr in Texas), Apptronik Apollo (bei Mercedes-Benz im Einsatz), Agility Digit (bei Amazon), Unitree G1 (Massenfertigung für 16.000 USD), Boston Dynamics Atlas (elektrisch). 2026 wird das Jahr, in dem aus dem Demo-Wettbewerb ein Performance-Wettbewerb wird — gemessen in Stückzahlen pro Schicht und Verfügbarkeit pro Quartal. BMWs Pilotbilanz ist die erste belastbare Messlatte, an der sich alle anderen orientieren werden.
Mehr lesen direkt bei figure.ai und in den Pressemeldungen der BMW Group.
Die Figure-BMW-Partnerschaft in Spartanburg ist real (verkündet Januar 2024). 30.000 X3 in 11 Monaten ist eine respektable Zahl — wichtig zur Einordnung: Figure 02 hat nicht autonom Autos gebaut, sondern in einer Sub-Aufgabe (Sheet-Metal-Bin-Picking, Insertion in Subassemblies) die menschliche Arbeit unterstützt.
99 %+ Platzierungsgenauigkeit ist hoch, hängt aber stark von der Definition des Tasks ab — eng definierte, wiederholende Bewegungen erreichen solche Werte. Die nächste Herausforderung ist nicht Genauigkeit, sondern Zykluszeit, Energieverbrauch und Total Cost im Vergleich zu klassischer Industrieautomation (KUKA, Fanuc) — bei der Humanoide noch nicht konkurrenzfähig sind.