INNOVATION SCOUT · IMPULSPROFIL

Autonome und teilautonome Baumaschinen

Autonome und teilautonome Baumaschinen verbinden Wahrnehmung, Lokalisierung und Maschinenregelung, um Erd-, Lade-, Transport- oder Verdichtungsaufgaben auszuführen. KI kann einzelne Entscheidungen oder Bewegungen übernehmen; Aufgabenplanung, Aufsicht und Eingriffsmöglichkeiten bleiben je System unterschiedlich.

Um was geht es bei Autonome und teilautonome Baumaschinen?

Vom digitalen Geländemodell bis zum gefüllten Löffel liegen verschiedene Funktionen: Ein System zeigt dem Fahrer die Sollhöhe, ein anderes regelt die Werkzeugbewegung, ein weiteres entscheidet über den nächsten Eingriff. Erst die Verbindung mit Sensoren, Hydraulik und einem kontrollierten Arbeitsablauf macht daraus eine physische Leistung. Entsprechend verschieden sind die Anforderungen an Personal, Daten und Erprobung.

Quelle 21: Intelligent Machine Control, Fundstelle(n): IMC Excavators/Dozers Quelle 16: BOMAG Equipment and Technology Innovation on Display at CONEXPO-CON/AGG 2026, Fundstelle(n): S. 1 Quelle 17: Size Doesn't Matter: Material-State Reinforcement Learning for Excavator Transferable Soil Manipulation, Fundstelle(n): III; Appendix C Quelle 2: Smart Construction, Fundstelle(n): Dashboard; Design; Remote; 3D Machine Guidance; Intelligent Machine Control

Einordnung im Impulsradar

Abgegrenzte Aushub- und Ladeaufgaben erreichen wiederholte Baustellenanwendung. Andere Funktionen bleiben Assistenz, Test oder Prototyp. Für die Einordnung zählen die tatsächlich ausgeführte Maschinenaktion und ihr Betriebsbereich. Forschungsversuche zeigen lernende Boden- und Objektinteraktion, Anwenderberichte zugleich erheblichen Einrichtungsaufwand. Eine autonome Teilaufgabe belegt keine vollständig autonome Baustelle.

Quelle 9: KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen, Fundstelle(n): Piloteinsatz Quelle 3: Bedrock Robotics Announces Supervised Autonomy Testing on Active Construction Sites in Move Towards Commercialization, Fundstelle(n): Sundt und Proto-Town Quelle 4: Bedrock Robotics Launches First Fully Autonomous Excavator Deployments on Critical U.S. Infrastructure Projects, Fundstelle(n): Einleitung, benannte deployments · deployments Quelle 5: Towards Learning Boulder Excavation with Hydraulic Excavators, Fundstelle(n): IV, Tabellen IV–V Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): IV-G; V

Welche Maschinenaktion übernimmt das System?

Anzeigehilfe, automatische Werkzeugführung, Fernsteuerung und gelernte Bewegungsentscheidung sind unterschiedliche Funktionsklassen. Ein Fahrer kann eine Maschine führen, während die Steuerung den Löffel begrenzt; eine lernende Teilfunktion kann umgekehrt mit klassischer Fahr- und Hydraulikregelung zusammenarbeiten. Der Autonomiebegriff muss deshalb immer Aufgabe und menschliche Rolle benennen.

Die aktuelle Entwicklung verbindet spezialisierte Forschung mit ersten ausgeweiteten Anwendungen. Originalversuche untersuchen Steinaufnahme, Hindernisräumung und Bodenformung. Anbieter und Bauunternehmen berichten über echte Aushubaufgaben. Dagegen bleiben umfassende Flottenkoordination, beliebige Bodenbedingungen und belastbare Vollkostenvergleiche in den betrachteten Quellen offen.

Quelle 5: Towards Learning Boulder Excavation with Hydraulic Excavators, Fundstelle(n): III-A, III-C6, III-D; IV-B; Tabelle V Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): III-A–C; IV-A; IV-E–G; V-C–F Quelle 3: Bedrock Robotics Announces Supervised Autonomy Testing on Active Construction Sites in Move Towards Commercialization, Fundstelle(n): Sundt und Proto-Town Quelle 4: Bedrock Robotics Launches First Fully Autonomous Excavator Deployments on Critical U.S. Infrastructure Projects, Fundstelle(n): Nevada, Champion, Zachry Quelle 10: Develon Reaches New Milestone in Autonomous Earthmoving, Fundstelle(n): Excellent Results

Worauf es bei Autonome und teilautonome Baumaschinen fachlich ankommt

Maschinenführung, Automatik und Datenplattform

Studien-/Praxisbefund

Der Maschinenhersteller Komatsu beschreibt halbautomatische Baggerwerkzeugführung und automatische Werkzeugsteuerung für Planierraupen auf Basis von 3D-Entwurfsdaten. Die Smart-Construction-Plattform stellt zudem Gelände- und Maschinendaten bereit. Ihre Dateiübertragung aus der Ferne bezeichnet keine Fernsteuerung der Maschine.

Quelle 2: Smart Construction, Fundstelle(n): Dashboard; Design; Remote; 3D Machine Guidance; Intelligent Machine Control Quelle 21: Intelligent Machine Control, Fundstelle(n): IMC Excavators; IMC Dozers; Support you can count on

Fachliche Einordnung

Diese Funktionen erleichtern die Übergabe des Sollmodells an die Ausführung. Aus einem digitalen Modell oder einer automatischen Werkzeugkorrektur folgt aber noch keine gelernte autonome Gesamtsteuerung. Der Bediener und die jeweilige Eingriffsaufteilung müssen in der Leistungsbeschreibung sichtbar bleiben.

Gelernte Steinaufnahme mit realen Fehlerfällen

Studien-/Praxisbefund

Ein Forschungsteam von ETH Zürich und Gravis Robotics koppelt eine menschlich initialisierte Bildmaske, räumliche Lasermesspunkte (LiDAR) und Maschinenzustand an eine gelernte Entscheidungsregel für die Bewegung (Policy); klassische Regler setzen die Gelenkbewegungen um. In 40 Versuchen mit zwei Steingrößen auf hartem und weichem Boden gelangen 70 Prozent der Aufnahmen, beim Vergleichsfahrer rund 83 Prozent. Verdeckung, Wegrutschen und überfüllte Löffel führten zu Fehlschlägen.

Quelle 5: Towards Learning Boulder Excavation with Hydraulic Excavators, Fundstelle(n): III-A, III-C6, III-D; IV-B; Tabelle V · IV-B1 Comparative Failure Analysis; IV-E Failure Modes and Real-World Challenges

Fachliche Einordnung

Die Untersuchung macht sowohl den Lernanteil als auch die Fehler sichtbar. Sie prüft ein Testsystem mit Standardlöffel, keine vollständige Arbeitsschicht. Für den Transfer sind Sichtbedingungen, Kontaktverhalten und die Wiederaufnahme nach einem Fehlschlag ebenso wichtig wie die mittlere Erfolgsquote.

Lernen kann auch nur die Parameter der Bewegungsbahn betreffen

Studien-/Praxisbefund

Forschende von NAIST und PWRI in Japan lassen ein Modell in einer Partikelsimulation vier Parameter einer Räumbewegung lernen. Tiefen- und Objektkarten speisen die Policy; geometrische Planung und Maschinenregelung bleiben getrennte Komponenten. Im realen Versuch mit I- und L-förmigen Stahlobjekten benötigte das System etwa 230 Sekunden, der menschliche Vergleich etwa 100 Sekunden.

Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): III-A–C; IV-A; IV-E–G; V-C–F

Fachliche Einordnung

Eine erfolgreiche automatische Räumung ist damit nicht zwangsläufig schneller. Untersucht wurden begrenzte Objekt- und Umgebungsfälle. Gefälle, unbekannte Objekte und die integrierte Bewegung der Maschine bleiben offene Übertragungsschritte; die Zeitwerte sind keine Schichtleistung.

Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): III-A–C; IV-A; IV-E–G; V-C–F

Ein gelernter Hub wird Teil eines längeren Arbeitsablaufs

Studien-/Praxisbefund

Ein Team von ETH Zürich und dem Hexagon Innovation Hub beschreibt eine gelernte lokale Bodenbewegung mit klassischer übergeordneter Ablauf- und Fahrsteuerung. Ein 11,5-Tonnen-Bagger errichtete in einer Feldmission einen 42 Meter langen Damm in 45 Minuten: 201 Hübe an 67 Angriffspunkten ohne menschlichen Eingriff. LiDAR-Messungen vor und nach der Arbeit erfassten die Geometrie.

Quelle 17: Size Doesn't Matter: Material-State Reinforcement Learning for Excavator Transferable Soil Manipulation, Fundstelle(n): III-A4–B; IV-E; V-A; V-B Tabelle I; V-C; Appendix C

Fachliche Einordnung

Das ist ein konkreter Feldversuch, aber nur eine große Mission. Drei Hübe je Punkt waren eingeplant, keine Fehlversuche. Der Menschenvergleich umfasste einen kurzen Abschnitt an demselben Standort. Kalibrierung und kompatible Löffelgeometrie bleiben Voraussetzungen; eine allgemeine Tagesleistung oder geprüfte Verdichtungsqualität folgt daraus nicht.

Quelle 17: Size Doesn't Matter: Material-State Reinforcement Learning for Excavator Transferable Soil Manipulation, Fundstelle(n): III-A4–B; IV-E; V-A; V-B Tabelle I; V-C; Appendix C

Autonomer Aushub auf weiteren Bauprojekten

Studien-/Praxisbefund

Der Anbieter Bedrock Robotics berichtete im November 2025 über überwachten autonomen Aushub bei Sundt sowie abgeschlossene Arbeiten in Proto-Town. Im August 2026 nennt derselbe Anbieter laufende Einsätze bei einer Wasseraufbereitung mit Sundt in Nevada, mit Champion Site Prep in Texas und mit Zachry. Ein Bauleiter gibt den Anfangsplan vor.

Quelle 3: Bedrock Robotics Announces Supervised Autonomy Testing on Active Construction Sites in Move Towards Commercialization, Fundstelle(n): Absätze 1–5 ab Company completes autonomous excavation work Quelle 4: Bedrock Robotics Launches First Fully Autonomous Excavator Deployments on Critical U.S. Infrastructure Projects, Fundstelle(n): Einleitungsabsatz zu deployments; Mastering the Critical First Phase; An Uncompromising Approach to Safety

Fachliche Einordnung

Der Bauleiter gibt den Arbeitsplan vor, den die Maschine in abgegrenzten Aushub- und Ladeaufgaben ausführt. Die beiden Bedrock-Meldungen beschreiben weitere aktive Projekte aus derselben Anbieterperspektive. Projektgesamtvolumen und tatsächlich autonom bewegte Menge sind dabei verschiedene Größen. Eingriffe, Aufsicht, Nacharbeit und Vollkosten sind nicht unabhängig bilanziert.

Ein Schweizer Pilot zeigt Einrichtungs- und Wetteraufwand

Studien-/Praxisbefund

Das Bauunternehmen KIBAG beschreibt im Januar 2026 einen seit Herbst laufenden Baggerpilot in Tuggen. Die Programmierung sei aufwendiger als erwartet; nasses Wetter habe den Betrieb erschwert. Der Maschinenhersteller Develon berichtet im Juli über Erdarbeiten im ehemaligen Grubenareal unter technischer Aufsicht und nennt eine veränderte Sollgeometrie des Stützgrabens.

Quelle 9: KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen, Fundstelle(n): Piloteinsatz eines autonomen Baggers, insbesondere Gabriel Hasler Quelle 10: Develon Reaches New Milestone in Autonomous Earthmoving, Fundstelle(n): Open to New Technology; Excellent Results, Gabriel Hasler

Fachliche Einordnung

Für den Einsatz müssen Einrichtung und Sollgeometrie zur Aufgabe passen; nasser Boden erschwert den Betrieb zusätzlich. KIBAG und Develon beschreiben denselben Pilot aus Anwender- und Herstellerperspektive. Die unterschiedlichen Grabenmaße kennzeichnen eine geänderte Aufgabe, ohne eine Verdopplung der Leistung oder ein fertig autonom ausgeführtes Volumen zu quantifizieren.

Vom Versuch in Sheffield zum Einsatz am Flughafen

Studien-/Praxisbefund

Das Bauunternehmen Taylor Woodrow beschrieb im April 2025 zunächst den Versuch am Forschungszentrum AMRC in Sheffield; Manchester Airport war damals der nächste geplante Einsatz. Gravis meldete im November tatsächliche Arbeit am Flughafen. Die nachgerüstete Steuerung nutzt unter anderem Hydraulikdaten, LiDAR, Kameras und Satellitennavigation (GNSS).

Quelle 11: Gravis Robotics accelerates global growth, Fundstelle(n): Autonomy at scale; Field-tested, distribution ready; Setting the pace · Autonomy at scale Quelle 12: Taylor Woodrow Takes the UK's First Autonomous Excavator to Site!, Fundstelle(n): Haupttext erster und vorletzter Absatz

Fachliche Einordnung

Auf den Versuch in Sheffield folgt in der späteren Meldung die Arbeit am Flughafen. Damit wechselt die nachgerüstete Steuerung vom Forschungszentrum in einen Bauablauf. Für die vom Anbieter genannte Mehrleistung fehlt ein offengelegtes Vergleichsprotokoll; ein allgemeiner Produktivitätsfaktor ist deshalb nicht bestimmbar. Die genannten Partner- und Länderzahlen geben zudem nicht an, wie viele Einsätze unabhängig geprüft wurden.

Sechs Stunden Testbetrieb sind ein begrenzter Systemnachweis

Studien-/Praxisbefund

Die Projektpartner DeepX, Fujita und PWRI berichten über rund sechs Stunden kombinierten Fahr-, Aushub- und Beladebetrieb im Juni 2025 auf einem eigenen Testfeld. LiDAR und neuronale Wahrnehmung des Ladebehälters, GNSS, Planung und modellbasierte Regelung bilden den Ablauf. Ziel- und Ist-Gelände dienen der Volumenkontrolle.

Quelle 20: Autonomous Operation of Excavators, Fundstelle(n): Six Hours; System Architecture; Perception/Planner/Control Module; Visualization; Future Outlook

Fachliche Einordnung

Der Bericht zeigt die Integration mehrerer Teilfunktionen über einzelne Hübe hinaus. Er nennt jedoch keine vollständige Personal-, Eingriffs- oder Kostenbilanz und beschreibt noch keine großflächige produktive Baustelle. Ein eingebauter Staubfilter belegt keinen beliebig staubfesten Betrieb.

Quelle 20: Autonomous Operation of Excavators, Fundstelle(n): Six Hours; System Architecture; Perception/Planner/Control Module; Visualization; Future Outlook

Radladeraufgaben planen und Verdichtung auf Zielwerte regeln

Studien-/Praxisbefund

Liebherr stellte 2025 einen autonomen Radladerprototyp mit Aufgabenplanung, 3D-Erfassung und angepassten Arbeitszyklen vor; weitere Feldtests sollten folgen. HAMM beschreibt dagegen Verdichtungsregelung anhand von Dichte beziehungsweise Zielsteifigkeit, einschließlich eines benannten Tests mit Josef Hebel und weiterhin beteiligtem Fahrer.

Quelle 7: Innovations in Liebherr wheel loaders: autonomous operation and hydrogen drive, Fundstelle(n): Einleitung; Autonomy revolutionises wheel loader operation; Simple operation and robust technology Quelle 8: Digitales Komplettpaket für den Asphalt- und Erdbau, Fundstelle(n): Smart Compact Pro; Automatische Verdichtung auf Zielwert; Track Assist; WPT Compacting

Fachliche Einordnung

Der autonome Liebherr-Prototyp verbindet Aufgabenplanung und angepasste Arbeitszyklen. Der angekündigte STRABAG-Langzeittest betrifft dagegen den separat vorgestellten Wasserstofflader. Bei HAMM regelt die Maschine die Verdichtung auf einen Zielwert, während der Fahrer beteiligt bleibt. Autonome Fahrt und ein lernender Gesamtregler sind für diese Verdichtungsfunktion nicht beschrieben.

Fernsteuerung und automatische Walzenfahrt

Studien-/Praxisbefund

BOMAG kündigte für die Baumaschinenmesse CONEXPO 2026 eine vom Messestand fernbediente Walze und separat eine KI-Kamera zur Personenerkennung an. DeepX beschreibt für GeoControl Roller hingegen eine vorgegebene Fläche und Überfahrtenzahl mit einer satellitengestützten Führung und Echtzeitkorrektur (GNSS-RTK); dynamische Baustellen werden ausdrücklich auf Demonstrationsorte begrenzt.

Quelle 16: BOMAG Equipment and Technology Innovation on Display at CONEXPO-CON/AGG 2026, Fundstelle(n): PDF S. 1, Single drum roller technology Quelle 22: Roller Autonomous System – GeoControl Roller, Fundstelle(n): System Overview; Features; Expected Use Cases; Compatible Machines; Q&A

Fachliche Einordnung

Die erste Funktion verlagert den menschlichen Bedienplatz. Die zweite automatisiert einen begrenzten Ablauf, ohne dass die Produktseite einen Lernanteil belegt. Personenerkennung, Notstopp oder Fahrspurprotokoll sind einzeln keine unabhängige Bestätigung der Schutzwirkung des Gesamtsystems.

Steinbruchtransport ist ein eigener Übertragungsfall

Studien-/Praxisbefund

Der Maschinenhersteller Caterpillar und der Steinbruchbetreiber Luck Stone nennen für Bull Run autonomes Transportieren seit November 2024. Die Septembermeldung 2026 berichtet über mehr als 3,5 Millionen transportierte tons, beschreibt zwei zusätzliche Standorte jedoch als künftige Integration. Ein früherer Bericht nennt angepasste Betriebsabläufe, Schulung und Hersteller-/Händlerunterstützung.

Quelle 18: Luck Stone Builds on Autonomous Hauling Success with Caterpillar, Fundstelle(n): 14.09.2026, Einleitung; Absatz Delivered by Caterpillar Quelle 19: Scaling a Proven Autonomy System to Support New Industries, Fundstelle(n): Understanding the Challenges Faced by Quarry Applications; Creating a Tailored Solution — Together

Fachliche Einordnung

Dieser Fall zeigt, dass Einführung auch Organisation und Service umfasst. Steinbruchbetrieb lässt sich nicht unverändert auf wechselnde Baustellen übertragen. Die Integration an den zwei zusätzlichen Standorten ist noch angekündigt; aus der Transportmenge folgen weder eine unabhängige Kostenbilanz noch eine allgemeine Sicherheitsrate.

Operative Sortierung stützt die Kreislaufschnittstelle

Studien-/Praxisbefund

Das Forschungsprojekt SmartRecycling-Up erprobte lernende Bewegungssteuerung zunächst am ARTER-Bagger im Labor. Reales automatisiertes Sortieren wurde mit einem Hydraulikkran bei ASO in Osterholz-Scharmbeck getestet. Material- und Lageerkennung, Zustandsschätzung und Bewegungssteuerung verbinden sich zur physischen Sortieraktion.

Fachliche Einordnung

Damit ist eine operative Kreislaufanwendung beschrieben. Der Autorenabstract nennt weiteren Entwicklungsbedarf bei Geschwindigkeit, Erkennung und Schutzkonzepten für industriellen Einsatz. Die beiden Veröffentlichungen gehören zu derselben Projektkette; sie belegen keine autonome Demontage tragender Bauteile.

Betreute Probenahme als Sanierungsvorbereitung

Studien-/Praxisbefund

Eine von den Autoren verfasste Zusammenfassung beim Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) beschreibt betreute Probenahme mit einem Schreitbagger: Kartierung und Befahrbarkeitsbewertung unterstützen ein vom Menschen gewähltes Ziel, die Probenbewegung erfolgt automatisch unter Fernaufsicht. Die Forschenden berichten Komponentenvalidierung im lokalen Testfeld und Feldversuche.

Quelle 15: Beyond Teleoperation: Autonomous-Assisted Soil Sampling for Decontamination in Hazardous Environments Using a Walking Excavator, Fundstelle(n): Abstract

Fachliche Einordnung

Die betreute Probenhandlung verbindet ein menschlich gewähltes Ziel mit automatischer Bewegung unter Fernaufsicht und kann die Sanierungsvorbereitung unterstützen. Grundlage der Beschreibung ist der Autorenabstract; Einsatzdetails und quantitative Resultate bleiben offen. Eine tatsächlich kontaminierte Sanierungsbaustelle oder gemessene Verringerung menschlicher Exposition ist darin nicht nachgewiesen.

Quelle 15: Beyond Teleoperation: Autonomous-Assisted Soil Sampling for Decontamination in Hazardous Environments Using a Walking Excavator, Fundstelle(n): Abstract

Der Betriebsbereich begrenzt die Aussage zur Autonomie

Studien-/Praxisbefund

Die betrachteten Quellen nennen reale Nässe-, Kontakt- und Verdeckungsprobleme, ausgeschlossene Gefälle- und Mobilitätsfälle sowie produktseitige Bedingungen wie abgesicherte Bereiche und Netzverfügbarkeit. Caterpillars Ankündigung neuer autonomer Produktlinien stützt sich zugleich auf langjährige Erfahrung im Bergbau, ohne dort ausgeführte neue Baueinsätze zu dokumentieren.

Quelle 9: KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen, Fundstelle(n): Piloteinsatz Quelle 5: Towards Learning Boulder Excavation with Hydraulic Excavators, Fundstelle(n): IV-B1 Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): V-C–F Quelle 22: Roller Autonomous System – GeoControl Roller, Fundstelle(n): Q&A Quelle 1: Caterpillar Unveils the Next Era of Autonomy in Construction, Fundstelle(n): Datumszeile; Intelligent product lines will include; Proven Performance; Technical Breakthroughs

Fachliche Einordnung

Für einen konkreten Einsatz müssen zulässige Aufgabe und Umgebung, Zuständigkeit für Stopps, Wiederanlauf und Restarbeit zusammenpassen. Der zulässige Betriebsbereich ist jeweils für die Maschine und ihre konkrete Aufgabe zu bestimmen. Erfahrung im Bergbau, Produktankündigung oder ein fehlerfreier Einzelversuch ersetzen die system- und aufgabenspezifische Prüfung nicht.

Warum Autonome und teilautonome Baumaschinen relevant ist

ReifegradPilotierung bis wachsender Praxiseinsatz

Benannte Piloten und anwendungsnahe Forschungsmaschinen stehen neben wiederholten und zusätzlich ausgeweiteten Aushubaufgaben. Die Bedrock-Berichte beschreiben wachsenden Praxiseinsatz für diesen engen Bereich. Andere Maschinenklassen befinden sich in unterschiedlichen Entwicklungsstadien. Aufsicht und klassische Teilregler bleiben auch bei den ausgeweiteten Anwendungen Bestandteil des Systems.

Evidenzwachsende Evidenz

Originalversuche dokumentieren Verfahren, Ergebnisse und Fehler; benannte Anwendungen ergänzen den Praxisstand. Kleine reale Stichproben, projektbeteiligte Quellen und fehlende unabhängige Langzeit- und Vollkostenvergleiche begrenzen die Übertragbarkeit. Publikationen aus verbundenen Teams und mehrere Meldungen eines Projekts sind keine unabhängigen Replikationen. Die dokumentierte Anwendung und ihre unabhängig gemessene Wirkung bleiben damit unterschiedlich abgesichert.

Quelle 5: Towards Learning Boulder Excavation with Hydraulic Excavators, Fundstelle(n): IV, Tabellen IV–V Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): IV-G; V Quelle 9: KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen, Fundstelle(n): Piloteinsatz Quelle 4: Bedrock Robotics Launches First Fully Autonomous Excavator Deployments on Critical U.S. Infrastructure Projects, Fundstelle(n): deployments

EntwicklungsdynamikAktive Weiterentwicklung

Aktuelle Methoden bearbeiten Objektkontakt, Mehrzyklusplanung und materialabhängige Bodenbewegung.

Steinaufnahme, partikelbasierte Hindernisräumung und materialbezogene Bodenformung bearbeiten unterschiedliche technische Lücken mit realen Testmaschinen. Die Arbeiten entwickeln Methoden und deren Zusammenspiel mit der Maschinenregelung weiter. Wegen teilweise verbundener Teams und fehlender vergleichbarer Zeitreihen ist keine beschleunigte Entwicklungsrate belegt.

Quelle 5: Towards Learning Boulder Excavation with Hydraulic Excavators, Fundstelle(n): III–IV Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): III–V Quelle 17: Size Doesn't Matter: Material-State Reinforcement Learning for Excavator Transferable Soil Manipulation, Fundstelle(n): III–V

MarktdynamikSelektive Ausweitung

Auf frühere aktive Aushubaufgaben folgen zusätzlich benannte laufende Projekte.

Die selektive Ausweitung bezeichnet die begrenzte Zunahme der Anwendungen, die sich aus Bedrocks geordneten Berichten von November 2025 und August 2026 ergibt. Europäische Pilot- und Anwenderfälle ergänzen das Bild. Daraus folgen weder eine branchenweite Verbreitung noch ein Marktanteil; angekündigte neue Standorte und Flotten bleiben Zukunftsaussagen.

Quelle 3: Bedrock Robotics Announces Supervised Autonomy Testing on Active Construction Sites in Move Towards Commercialization, Fundstelle(n): Sundt und Proto-Town Quelle 4: Bedrock Robotics Launches First Fully Autonomous Excavator Deployments on Critical U.S. Infrastructure Projects, Fundstelle(n): Nevada, Champion, Zachry Quelle 10: Develon Reaches New Milestone in Autonomous Earthmoving, Fundstelle(n): Excellent Results

Für welche Bauprozesse Autonome und teilautonome Baumaschinen relevant ist

Strategie & Projektentwicklung

Relevanz: 1 von 3 Punkten, Indirekte Relevanz

Strategie und Projektentwicklung berücksichtigen, ob ein Bauverfahren abgegrenzte Maschinenaufgaben und passende Betriebsflächen bietet. Pilotaufwand und Standortorganisation gehen dabei als Rahmenbedingungen in die Investitionsannahmen ein. Der Bezug bleibt auf diese Vorbereitung des späteren Maschineneinsatzes begrenzt.

Quelle 9: KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen, Fundstelle(n): Piloteinsatz eines autonomen Baggers, insbesondere Gabriel Hasler Quelle 19: Scaling a Proven Autonomy System to Support New Industries, Fundstelle(n): Understanding the Challenges Faced by Quarry Applications; Creating a Tailored Solution — Together

Planung & Design

Relevanz: 1 von 3 Punkten, Indirekte Relevanz

Planung bereitet Sollgeometrie, räumliche Bezüge, erreichbare Arbeitsbereiche und Übergaben an die Maschinenführung vor. Die Schnittstelle ist konkret, bleibt aber unterstützend: Ein verwendbares 3D-Modell allein bestätigt weder autonome Ausführbarkeit noch eine bestimmte Bauqualität.

Ausschreibung & Vergabe

Relevanz: 1 von 3 Punkten, Indirekte Relevanz

Vergabe kann Leistungsumfang, Datenübergabe, Aufsicht, Eingriffs- und Restarbeiten nachvollziehbar beschreiben. Damit wird für die Ausführung festgelegt, welche Teilaufgaben die Maschine übernimmt und welche Arbeiten beim beauftragten Personal bleiben. Der Bezug zur Vergabe besteht in dieser Leistungsabgrenzung.

Quelle 19: Scaling a Proven Autonomy System to Support New Industries, Fundstelle(n): Understanding the Challenges Faced by Quarry Applications; Creating a Tailored Solution — Together Quelle 20: Autonomous Operation of Excavators, Fundstelle(n): Six Hours; System Architecture; Perception/Planner/Control Module; Visualization; Future Outlook

Bauausführung & Baustellenmanagement

Relevanz: 3 von 3 Punkten, Hohe oder strategische Relevanz

Der Schwerpunkt liegt in der physischen Ausführung: Bagger greifen in Boden ein, beladen Transporter oder formen Gelände. Bei diesen Aufgaben entsteht das Arbeitsergebnis unmittelbar durch die Bewegung von Maschine und Werkzeug. Bauleitung und Fachpersonal müssen Soll-/Ist-Ergebnis, Betriebsbedingungen, Unterbrechungen und verbleibende Arbeiten zusammenführen.

Quelle 3: Bedrock Robotics Announces Supervised Autonomy Testing on Active Construction Sites in Move Towards Commercialization, Fundstelle(n): Absätze 1–5 ab Company completes autonomous excavation work Quelle 9: KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen, Fundstelle(n): Piloteinsatz eines autonomen Baggers, insbesondere Gabriel Hasler Quelle 20: Autonomous Operation of Excavators, Fundstelle(n): Six Hours; System Architecture; Perception/Planner/Control Module; Visualization; Future Outlook

Betrieb & Instandhaltung

Relevanz: 1 von 3 Punkten, Indirekte Relevanz

Die Betriebsrelevanz ist indirekt: Maschinenzustand, Wartung und Service unterstützen einen verlässlichen Maschineneinsatz. Das ist nicht gleichbedeutend mit Betrieb und Instandhaltung des fertigen Bauwerks. Einen direkten Gebäudebetriebsnachweis liefern die betrachteten Fälle nicht.

Quelle 19: Scaling a Proven Autonomy System to Support New Industries, Fundstelle(n): Understanding the Challenges Faced by Quarry Applications; Creating a Tailored Solution — Together · Creating a Tailored Solution Quelle 2: Smart Construction, Fundstelle(n): Design; Remote

Rückbau & Kreislaufwirtschaft

Relevanz: 2 von 3 Punkten, Mittlere Relevanz

Die operative Sortierung großer Abfallstücke und betreute Bodenprobenahme stützen den Anschluss an Kreislaufwirtschaft und Sanierungsvorbereitung. Die unterstützende Relevanz für Rückbau und Kreislaufwirtschaft gilt in diesem engen Sinn. Laborbagger, reale Kranerprobung und vorbereitende Probenhandlung dürfen nicht als autonomer Gebäudeabbruch zusammengefasst werden.

Quelle 13: More efficient recycling with AI: Joint project develops automated sorting solution for bulky waste, Fundstelle(n): DFKI: Autonomous control through adaptive systems; Successful tests in the laboratory and under real conditions Quelle 14: Bauabfälle: Einsatz von Künstlicher Intelligenz und Robotik für eine nachhaltige Kreislaufwirtschaft, Fundstelle(n): Abstract, SMC/SSE/SPC Quelle 15: Beyond Teleoperation: Autonomous-Assisted Soil Sampling for Decontamination in Hazardous Environments Using a Walking Excavator, Fundstelle(n): Abstract

Für wen Autonome und teilautonome Baumaschinen relevant ist

Bauunternehmen und Generalunternehmer

Bauunternehmen und Generalunternehmer können repetitive Maschinenaufgaben neu verteilen. Sie müssen Betriebsbereich, Arbeitsvorbereitung, Aufsicht, Nacharbeit und Qualitätskontrolle in den Bauablauf einpassen. Einrichtungsaufwand und Wetter gehören wie Aufsicht und Restarbeit in die Einsatzplanung und Nutzenbilanz; der KIBAG-Pilot macht diese zusätzlichen Anforderungen sichtbar.

Quelle 9: KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen, Fundstelle(n): Piloteinsatz eines autonomen Baggers, insbesondere Gabriel Hasler · Piloteinsatz Quelle 21: Intelligent Machine Control, Fundstelle(n): Support Quelle 20: Autonomous Operation of Excavators, Fundstelle(n): ROS 2-Based System Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): IV–V

Baustoff-, Produkt- und Maschinenhersteller

Maschinen- und Anlagenhersteller verbinden Sensoren und Regelung mit Hydraulik, Werkzeugen und Service. Ihr Nutzen liegt in abgestimmten Assistenz- und Automatikfunktionen; die Integrationsaufgabe umfasst Parameter, Wartung und Grenzen der jeweiligen Maschine. Ein verfügbares Produkt ersetzt keine standortspezifische Betriebserprobung.

Quelle 21: Intelligent Machine Control, Fundstelle(n): IMC Excavators; IMC Dozers; Support you can count on Quelle 19: Scaling a Proven Autonomy System to Support New Industries, Fundstelle(n): Understanding the Challenges Faced by Quarry Applications; Creating a Tailored Solution — Together

Technologieanbieter und Systemintegratoren

Technologieanbieter und Systemintegratoren verbinden Wahrnehmung, Lokalisierung, gelernte Teilfunktionen und klassische Steuerung. Ihr Beitrag wird an nachvollziehbaren Daten- und Aktionsübergaben sichtbar. Fehlersuche, Kalibrierung und Rückfallverhalten gehören ebenso zum System wie der Lernalgorithmus.

Quelle 20: Autonomous Operation of Excavators, Fundstelle(n): Six Hours; System Architecture; Perception/Planner/Control Module; Visualization; Future Outlook · ROS 2-Based System Quelle 9: KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen, Fundstelle(n): Piloteinsatz Quelle 21: Intelligent Machine Control, Fundstelle(n): Support Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): IV–V

Forschung, Verbände und Netzwerke

Forschung, Verbände und Netzwerke können unabhängige Vergleichsbedingungen und nachvollziehbare Fehlerberichte fördern. Reale Versuche mit menschlicher Vergleichsleistung zeigen konkrete Stärken und Lücken. Für belastbare Übertragung fehlen vor allem unabhängige Schichtbilanzen und Tests unter wechselnden Bedingungen.

Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): III-A–C; IV-A; IV-E–G; V-C–F · IV-G; V Quelle 5: Towards Learning Boulder Excavation with Hydraulic Excavators, Fundstelle(n): IV, Tabellen IV–V Quelle 9: KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen, Fundstelle(n): Piloteinsatz Quelle 4: Bedrock Robotics Launches First Fully Autonomous Excavator Deployments on Critical U.S. Infrastructure Projects, Fundstelle(n): deployments

Mit welchen Technologie- und Anwendungsfeldern Autonome und teilautonome Baumaschinen verknüpft ist

Hauptbezug

Robotik, Automatisierung & Physical AI

Der Kern ist die physische Wirkung von Wahrnehmung und Steuerung auf Maschine, Werkzeug und Material. Lernende Komponenten können dabei mit konventioneller Regelung zusammenarbeiten. Die gelernte Entscheidung und die klassische Regelung müssen so zusammenwirken, dass die vorgesehene Werkzeugbewegung unter den jeweiligen Maschinenbedingungen ausführbar ist.

Verknüpftes Feld

Datenplattformen & KI-Infrastruktur

Sensorfusion, lokale Verarbeitung, Modell- und Maschinendaten verbinden die Komponenten. Datenplattformen liefern etwa Sollmodelle und Rückmeldungen, während die Ausführung eigene zeitnahe Regelkreise benötigt. Netz- und Datenverfügbarkeit bestimmen, welche Informationen rechtzeitig an der Maschine vorliegen und welche Verarbeitung lokal erfolgen muss.

Quelle 2: Smart Construction, Fundstelle(n): Dashboard; Design; Remote; 3D Machine Guidance; Intelligent Machine Control Quelle 20: Autonomous Operation of Excavators, Fundstelle(n): Six Hours; System Architecture; Perception/Planner/Control Module; Visualization; Future Outlook

Verknüpftes Feld

Predictive Analytics & Entscheidungen

Aufgabenzerlegung und Bewegungsentscheidung übersetzen Gelände- oder Objektzustände in Aktionen. Die Entscheidungen können gelernt oder geometrisch beziehungsweise modellbasiert sein. Sie bestimmen beispielsweise den nächsten Eingriff in den Boden oder die Parameter einer Räumbewegung; ihr Geltungsbereich ist die jeweilige Maschinenaufgabe.

Quelle 6: Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation, Fundstelle(n): III-A–C; IV-A; IV-E–G; V-C–F Quelle 17: Size Doesn't Matter: Material-State Reinforcement Learning for Excavator Transferable Soil Manipulation, Fundstelle(n): III; Appendix C Quelle 2: Smart Construction, Fundstelle(n): Design/Dashboard/Edge Quelle 13: More efficient recycling with AI: Joint project develops automated sorting solution for bulky waste, Fundstelle(n): Recycling workflow

Verknüpftes Feld

BIM & Digitaler Zwilling

Der Abgleich von Sollgeometrie und erfasstem Gelände verbindet Planung und Maschinenführung. Räumlicher Bezug, verwendbarer Modellstand und Rückmeldung des Arbeitsergebnisses müssen dafür zusammenpassen. Die beschriebenen 3D-Führungsfunktionen decken diese Modellschnittstelle ab; ein vollständiger BIM-Durchlauf oder umfassender digitaler Zwilling ist nicht dokumentiert.

Verknüpftes Feld

Nachhaltigkeit & ESG

Physische Materialsortierung und angepasste Maschinenabläufe berühren Ressourcen- und Energiefragen. Für eine Umweltbilanz sind Materialergebnis, Antrieb und tatsächlicher Arbeitsablauf gemeinsam zu betrachten. Eine quantifizierte KI-bedingte CO₂-Einsparung ist für diese Anwendungen nicht ausgewiesen.

Quelle 13: More efficient recycling with AI: Joint project develops automated sorting solution for bulky waste, Fundstelle(n): DFKI: Autonomous control through adaptive systems; Successful tests in the laboratory and under real conditions Quelle 14: Bauabfälle: Einsatz von Künstlicher Intelligenz und Robotik für eine nachhaltige Kreislaufwirtschaft, Fundstelle(n): Abstract, SMC/SSE/SPC Quelle 7: Innovations in Liebherr wheel loaders: autonomous operation and hydrogen drive, Fundstelle(n): Einleitung; Autonomy revolutionises wheel loader operation; Simple operation and robust technology Quelle 8: Digitales Komplettpaket für den Asphalt- und Erdbau, Fundstelle(n): Smart Compact Pro; Automatische Verdichtung auf Zielwert; Track Assist; WPT Compacting

Verknüpfte Fachbegriffe und Detailthemen

Autonomiesystem: Das Autonomiesystem verbindet Wahrnehmung, Lokalisierung und Regelung zu einer ausführbaren Maschinenaufgabe.
Computer Vision: Computer Vision erkennt sichtbare Merkmale der Arbeitsumgebung als Eingabe für Maschinenentscheidungen.
Edge-KI: Die lokale Ausführung gelernter Modelle unterstützt Wahrnehmungs- und Entscheidungsfunktionen unmittelbar an der Baumaschine.
Flottensteuerung: Die Flottensteuerung stimmt mehrere Maschinen und ihre Transport- oder Arbeitsaufgaben im gemeinsamen Ablauf aufeinander ab.
LiDAR: LiDAR liefert räumliche Beobachtungen der Arbeitsumgebung für die Wahrnehmung autonomer Baumaschinen.
Maschinensteuerung im Erdbau: Die Maschinensteuerung überträgt räumliche Arbeitsvorgaben in die Führung von Werkzeugen und Bewegungen im Erdbau.
Satellitennavigation: Satellitennavigation unterstützt die Positionsbestimmung einer Baumaschine gegenüber ihren räumlichen Arbeitsvorgaben.
Sensorfusion: Die Sensorfusion führt unterschiedliche Messsignale zu einer belastbareren Beschreibung von Maschinenzustand und Umgebung zusammen.
Simultaneous Localization and Mapping (SLAM): SLAM verbindet die Lokalisierung einer Maschine mit dem Aufbau einer Karte ihrer Arbeitsumgebung.
Teleoperation: Teleoperation ermöglicht Menschen, Maschinen aus der Ferne zu führen oder bei vorgesehenen Eingriffen die Kontrolle zu übernehmen.

Quellen und Evidenz zu Autonome und teilautonome Baumaschinen

Die Quellenangaben dokumentieren die fachliche Grundlage des Impulsprofils. Öffnen Sie bei Bedarf die Verwendung im Profil, um zu den belegten Textstellen zurückzukehren.

Quelle 1
Caterpillar Unveils the Next Era of Autonomy in Construction
Herausgeber
Caterpillar
Publiziert
07.01.2026
Quellentyp
Herstellerangabe
Geltungsbereich
Originalmeldung zum Ankündigungsumfang; keine unabhängige Bauleistungsprüfung.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (2 Textstellen)
- Datumszeile; Intelligent product lines will include; Proven Performance; Technical BreakthroughsTextstelle 32 Textstelle 33
Quelle 2
Smart Construction
Herausgeber
Komatsu America
Publiziert
undatiert
Quellentyp
Herstellerangabe
Geltungsbereich
Undatierte US-Produktübersicht; Funktionsabgrenzung, kein Einsatz- oder Zeitreihenbeleg.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (8 Textstellen)
- Dashboard; Design; Remote; 3D Machine Guidance; Intelligent Machine ControlTextstelle 2 Textstelle 6 Textstelle 7 Textstelle 39 Textstelle 49 Textstelle 51
- Design; RemoteTextstelle 42
- Design/Dashboard/EdgeTextstelle 50
Quelle 3
Bedrock Robotics Announces Supervised Autonomy Testing on Active Construction Sites in Move Towards Commercialization
Herausgeber
Bedrock Robotics / PR Newswire
Publiziert
18.11.2025
Quellentyp
Herstellerangabe
Geltungsbereich
Original-Unternehmensmeldung mit benannten Aufgaben und Anwendern; Volumen ungeprüfte Eigenangabe.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (7 Textstellen)
- Sundt und Proto-TownTextstelle 3 Textstelle 5 Textstelle 34 Textstelle 37
- Absätze 1–5 ab Company completes autonomous excavation workTextstelle 14 Textstelle 15 Textstelle 41
Quelle 4
Bedrock Robotics Launches First Fully Autonomous Excavator Deployments on Critical U.S. Infrastructure Projects
Herausgeber
Bedrock Robotics / GlobeNewswire
Publiziert
17.08.2026
Quellentyp
Herstellerangabe
Geltungsbereich
Drei benannte aktive Projekte; derselbe Anbieter wie in der Bedrock-Meldung vom November 2025, keine unabhängige Leistungs- oder Sicherheitsvalidierung.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (8 Textstellen)
- Einleitung, benannte deploymentsTextstelle 3 Textstelle 34
- deploymentsTextstelle 3 Textstelle 35 Textstelle 47
- Nevada, Champion, ZachryTextstelle 5 Textstelle 37
- Einleitungsabsatz zu deployments; Mastering the Critical First Phase; An Uncompromising Approach to SafetyTextstelle 14 Textstelle 15
Quelle 5
Towards Learning Boulder Excavation with Hydraulic Excavators
Herausgeber
Jonas Grütter, Lorenzo Terenzi, Pascal Egli, Marco Hutter; ETH Zürich / Gravis Robotics; arXiv v1
Publiziert
22.09.2025
Quellentyp
Forschungs-Preprint
Geltungsbereich
Originalpreprint mit Methoden, Tabellen und Fehleranalyse; kleine reale Stichprobe und Beteiligung von Gravis. Ein Begutachtungsstatus ist nicht belegt.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (9 Textstellen)
- IV, Tabellen IV–VTextstelle 3 Textstelle 35 Textstelle 47
- III-A, III-C6, III-D; IV-B; Tabelle VTextstelle 5 Textstelle 8 Textstelle 9
- IV-B1 Comparative Failure Analysis; IV-E Failure Modes and Real-World ChallengesTextstelle 8 Textstelle 9
- IV-B1Textstelle 32 Textstelle 33
- III–IVTextstelle 36
Quelle 6
Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation
Herausgeber
Yuki Kadokawa et al.; NAIST / PWRI, Japan; arXiv v1
Publiziert
08.06.2026
Quellentyp
Forschungs-Preprint
Geltungsbereich
Originalpreprint mit Ablationen, Hardwarevergleich und expliziten Grenzen; begrenzte Objekte und Umgebung. Ein Begutachtungsstatus ist nicht belegt.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (12 Textstellen)
- IV-G; VTextstelle 3 Textstelle 35 Textstelle 47
- III-A–C; IV-A; IV-E–G; V-C–FTextstelle 5 Textstelle 10 Textstelle 11 Textstelle 47 Textstelle 50
- V-C–FTextstelle 32 Textstelle 33
- III–VTextstelle 36
- IV–VTextstelle 44 Textstelle 46
Quelle 7
Innovations in Liebherr wheel loaders: autonomous operation and hydrogen drive
Herausgeber
Liebherr-Werk Bischofshofen
Publiziert
18.02.2025
Quellentyp
Herstellerangabe
Geltungsbereich
Prototypbericht zu zwei getrennten Entwicklungen: autonomer Betrieb und Wasserstoffantrieb. Weitere Feldtests sind angekündigt.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (3 Textstellen)
- Einleitung; Autonomy revolutionises wheel loader operation; Simple operation and robust technologyTextstelle 22 Textstelle 23 Textstelle 52
Quelle 8
Digitales Komplettpaket für den Asphalt- und Erdbau
Herausgeber
HAMM / Wirtgen Group
Publiziert
undatiert
Quellentyp
Herstellerangabe
Geltungsbereich
Herstellertext mit benanntem Anwender und Funktionsbeschreibung; 2026 Produktbezug, aber kein eindeutiger Publikationstag.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (3 Textstellen)
- Smart Compact Pro; Automatische Verdichtung auf Zielwert; Track Assist; WPT CompactingTextstelle 22 Textstelle 23 Textstelle 52
Quelle 9
KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen
Herausgeber
KIBAG
Publiziert
26.01.2026
Quellentyp
Anwenderbericht
Geltungsbereich
Direkter Anwenderbericht einschließlich Problemen; Projektbeteiligter, keine unabhängige Messreihe.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (12 Textstellen)
- PiloteinsatzTextstelle 3 Textstelle 32 Textstelle 33 Textstelle 34 Textstelle 35 Textstelle 44 Textstelle 46 Textstelle 47
- Piloteinsatz eines autonomen Baggers, insbesondere Gabriel HaslerTextstelle 16 Textstelle 17 Textstelle 38 Textstelle 41 Textstelle 44
Quelle 10
Develon Reaches New Milestone in Autonomous Earthmoving
Herausgeber
Develon Europe
Publiziert
02.07.2026
Quellentyp
Herstellerangabe
Geltungsbereich
Herstellerbericht mit Ort, Gerät, Aufgabe und Aufsicht; kommerzielle Interessen, keine Messmethodik.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (4 Textstellen)
- Excellent ResultsTextstelle 5 Textstelle 37
- Open to New Technology; Excellent Results, Gabriel HaslerTextstelle 16 Textstelle 17
Quelle 11
Gravis Robotics accelerates global growth
Herausgeber
Gravis Robotics
Publiziert
November 2025
Quellentyp
Herstellerangabe
Geltungsbereich
Monatsdatum im Original; benannte Anwendungen und technische Eingaben, Kennzahlen ohne veröffentlichtes Vergleichsprotokoll.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (2 Textstellen)
- Autonomy at scale; Field-tested, distribution ready; Setting the paceTextstelle 18 Textstelle 19
- Autonomy at scaleTextstelle 18 Textstelle 19
Quelle 12
Taylor Woodrow Takes the UK's First Autonomous Excavator to Site!
Herausgeber
Taylor Woodrow / VINCI Construction UK
Publiziert
29.04.2025
Quellentyp
Anwenderbericht
Geltungsbereich
Direkter Projektpartnerbericht zum abgeschlossenen AMRC-Test; Airport-Einsatz damals noch zukünftig.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (2 Textstellen)
- Haupttext erster und vorletzter AbsatzTextstelle 18 Textstelle 19
Quelle 13
More efficient recycling with AI: Joint project develops automated sorting solution for bulky waste
Herausgeber
DFKI / SmartRecycling-Up
Publiziert
15.06.2025
Quellentyp
Forschungsprojekt
Geltungsbereich
Institutionelle Projektmeldung mit realem Testort und Funktionskette, keine quantitative unabhängige Evaluation.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (5 Textstellen)
- DFKI: Autonomous control through adaptive systems; Successful tests in the laboratory and under real conditionsTextstelle 28 Textstelle 29 Textstelle 43 Textstelle 52
- Recycling workflowTextstelle 50
Quelle 14
Bauabfälle: Einsatz von Künstlicher Intelligenz und Robotik für eine nachhaltige Kreislaufwirtschaft
Herausgeber
Martin Wittmaier et al.; TK Verlag / DFKI
Publiziert
Juni 2025
Quellentyp
Autorenabstract
Geltungsbereich
Grundlage sind Autorenabstract und Bibliografie, kein Volltext. Derselbe SmartRecycling-Up-Projektzusammenhang wie in der DFKI-Meldung.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (4 Textstellen)
- Abstract, SMC/SSE/SPCTextstelle 28 Textstelle 29 Textstelle 43 Textstelle 52
Quelle 15
Beyond Teleoperation: Autonomous-Assisted Soil Sampling for Decontamination in Hazardous Environments Using a Walking Excavator
Herausgeber
Yuhan Jin et al.; DFKI / SSRR 2025
Publiziert
Oktober 2025
Quellentyp
Autorenabstract
Geltungsbereich
Grundlage ist der Autorenabstract: integrierte Komponenten, betreute Probenahme und Versuche; Einsatzdetails und quantitative Resultate bleiben offen.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (3 Textstellen)
- AbstractTextstelle 30 Textstelle 31 Textstelle 43
Quelle 16
BOMAG Equipment and Technology Innovation on Display at CONEXPO-CON/AGG 2026
Herausgeber
BOMAG Americas
Publiziert
18.02.2026
Quellentyp
Herstellerangabe
Geltungsbereich
Original-Pressemitteilung, S. 1–2: angekündigtes Messeprogramm und gesonderte KI-Teilfunktion, kein Kundenbetrieb.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (6 Textstellen)
- S. 1Textstelle 1 Textstelle 2 Textstelle 4 Textstelle 48
- PDF S. 1, Single drum roller technologyTextstelle 24 Textstelle 25
Quelle 17
Size Doesn't Matter: Material-State Reinforcement Learning for Excavator Transferable Soil Manipulation
Herausgeber
Lennart Werner et al.; ETH Zürich / Hexagon Innovation Hub; arXiv v1
Publiziert
11.09.2026
Quellentyp
Forschungs-Preprint
Geltungsbereich
Originalpreprint mit Systembeschreibung, Feldmission, Vergleich und Grenzen; nur eine große Feldmission. Ein Begutachtungsstatus ist nicht belegt.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (8 Textstellen)
- III; Appendix CTextstelle 1 Textstelle 2 Textstelle 4 Textstelle 48 Textstelle 50
- III-A4–B; IV-E; V-A; V-B Tabelle I; V-C; Appendix CTextstelle 12 Textstelle 13
- III–VTextstelle 36
Quelle 18
Luck Stone Builds on Autonomous Hauling Success with Caterpillar
Herausgeber
Caterpillar / Luck Stone
Publiziert
14.09.2026
Quellentyp
Herstellerangabe
Geltungsbereich
Originalmeldung trennt bisherige Menge und künftige Integration; Steinbruchtransfer, keine Baustellenvalidierung.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (2 Textstellen)
- 14.09.2026, Einleitung; Absatz Delivered by CaterpillarTextstelle 26 Textstelle 27
Quelle 19
Scaling a Proven Autonomy System to Support New Industries
Herausgeber
Caterpillar / Luck Stone
Publiziert
07.01.2026
Quellentyp
Herstellerangabe
Geltungsbereich
Datierte Anbieter-/Anwenderkette mit Betriebs- und Einführungsangaben; keine unabhängige Vergleichsstudie.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (6 Textstellen)
- Understanding the Challenges Faced by Quarry Applications; Creating a Tailored Solution — TogetherTextstelle 26 Textstelle 27 Textstelle 38 Textstelle 40 Textstelle 42 Textstelle 45
- Creating a Tailored SolutionTextstelle 42
Quelle 20
Autonomous Operation of Excavators
Herausgeber
DeepX / Fujita / PWRI
Publiziert
undatiert
Quellentyp
Herstellerangabe
Geltungsbereich
Undatierter Originalfall beschreibt Ereignis Juni 2025 und Module; dediziertes Testfeld, keine reale Großbaustelle.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (7 Textstellen)
- Six Hours; System Architecture; Perception/Planner/Control Module; Visualization; Future OutlookTextstelle 20 Textstelle 21 Textstelle 40 Textstelle 41 Textstelle 46 Textstelle 49
- ROS 2-Based SystemTextstelle 44 Textstelle 46
Quelle 21
Intelligent Machine Control
Herausgeber
Komatsu America
Publiziert
undatiert
Quellentyp
Herstellerangabe
Geltungsbereich
Undatierte Herstellerbeschreibung der Maschinenfunktionen; kein unabhängiger Nutzennachweis.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (11 Textstellen)
- IMC Excavators/DozersTextstelle 1 Textstelle 2 Textstelle 4 Textstelle 48
- IMC Excavators; IMC Dozers; Support you can count onTextstelle 6 Textstelle 7 Textstelle 39 Textstelle 45 Textstelle 51
- SupportTextstelle 44 Textstelle 46
Quelle 22
Roller Autonomous System – GeoControl Roller
Herausgeber
DeepX / Nishiken Kogyo
Publiziert
undatiert
Quellentyp
Herstellerangabe
Geltungsbereich
Undatierte Produktseite mit offen benannten Einsatzgrenzen; kein datierter Baueinsatz, KI-Anteil nicht ausgewiesen.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (4 Textstellen)
- System Overview; Features; Expected Use Cases; Compatible Machines; Q&ATextstelle 24 Textstelle 25
- Q&ATextstelle 32 Textstelle 33

Alle Impulse im Radar entdecken

Autonome und teilautonome Baumaschinen

Um was geht es bei Autonome und teilautonome Baumaschinen?

Einordnung im Impulsradar

Welche Maschinenaktion übernimmt das System?

Worauf es bei Autonome und teilautonome Baumaschinen fachlich ankommt

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Warum Autonome und teilautonome Baumaschinen relevant ist

Für welche Bauprozesse Autonome und teilautonome Baumaschinen relevant ist

Strategie & Projektentwicklung

Planung & Design

Ausschreibung & Vergabe

Bauausführung & Baustellenmanagement

Betrieb & Instandhaltung

Rückbau & Kreislaufwirtschaft

Für wen Autonome und teilautonome Baumaschinen relevant ist

Bauunternehmen und Generalunternehmer

Baustoff-, Produkt- und Maschinenhersteller

Technologieanbieter und Systemintegratoren

Forschung, Verbände und Netzwerke

Mit welchen Technologie- und Anwendungsfeldern Autonome und teilautonome Baumaschinen verknüpft ist

Robotik, Automatisierung & Physical AI

Datenplattformen & KI-Infrastruktur

Predictive Analytics & Entscheidungen

BIM & Digitaler Zwilling

Nachhaltigkeit & ESG

Verknüpfte Fachbegriffe und Detailthemen

Verwandte Innovationsimpulse zu Autonome und teilautonome Baumaschinen

Quellen und Evidenz zu Autonome und teilautonome Baumaschinen

Caterpillar Unveils the Next Era of Autonomy in Construction

Smart Construction

Bedrock Robotics Announces Supervised Autonomy Testing on Active Construction Sites in Move Towards Commercialization

Bedrock Robotics Launches First Fully Autonomous Excavator Deployments on Critical U.S. Infrastructure Projects

Towards Learning Boulder Excavation with Hydraulic Excavators

Autonomous Obstacle Removal for Excavators through Policy Learning with Particle Simulation

Innovations in Liebherr wheel loaders: autonomous operation and hydrogen drive

Digitales Komplettpaket für den Asphalt- und Erdbau

KIBAG zeigt Pioniergeist bei den autonomen Baumaschinen

Develon Reaches New Milestone in Autonomous Earthmoving

Gravis Robotics accelerates global growth

Taylor Woodrow Takes the UK's First Autonomous Excavator to Site!

More efficient recycling with AI: Joint project develops automated sorting solution for bulky waste

Bauabfälle: Einsatz von Künstlicher Intelligenz und Robotik für eine nachhaltige Kreislaufwirtschaft

Beyond Teleoperation: Autonomous-Assisted Soil Sampling for Decontamination in Hazardous Environments Using a Walking Excavator

BOMAG Equipment and Technology Innovation on Display at CONEXPO-CON/AGG 2026

Size Doesn't Matter: Material-State Reinforcement Learning for Excavator Transferable Soil Manipulation

Luck Stone Builds on Autonomous Hauling Success with Caterpillar

Scaling a Proven Autonomy System to Support New Industries

Autonomous Operation of Excavators

Intelligent Machine Control

Roller Autonomous System – GeoControl Roller