Deutschland hat die Forschung, es fehlt an der Kommerzialisierung. Dieser Satz wird seit fünf Jahrzehnten vorgetragen — von wechselnden Protagonisten, zu wechselnden Technologien, mit wechselnden institutionellen Adressaten. Von der Deutschen Wagnisfinanzierungsgesellschaft 1975 über den Neuen Markt bis zu Aleph Alpha: Das Ergebnis ist immer dasselbe. Eine Analyse, die nicht fragt, warum die Lücke nicht geschlossen wird — sondern warum sie nicht geschlossen werden kann.

Es gibt Sätze, die nicht altern. Nicht weil sie wahr sind, sondern weil sie eine Funktion erfüllen.

I. Der Satz, der nicht altert

Wolfram Burgard ist einer der renommiertesten Robotiker Deutschlands. Seine Arbeiten zur probabilistischen Robotik, zur Monte-Carlo-Lokalisierung, zur simultanen Lokalisierung und Kartierung haben das Fundament gelegt, auf dem heutige autonome Systeme aufbauen. Wenn er spricht, lohnt es sich zuzuhören.

In einem aktuellen Interview skizziert er die Lage der deutschen Robotik: exzellente Forschungstradition, unzureichende Kommerzialisierung, drohende Abhängigkeit von amerikanischen und chinesischen Plattformen. Die Forderung: mehr Investitionen in eigene Recheninfrastrukturen, engere Zusammenarbeit bei der Datenerhebung, mehr Mut zur unternehmerischen Umsetzung.

Der Satz ist korrekt. Er ist auch nicht neu. Er wird, in strukturell identischer Form, seit mindestens fünf Jahrzehnten vorgetragen — von wechselnden Protagonisten, zu wechselnden Technologien, mit wechselnden institutionellen Adressaten. Und er hat, strukturell betrachtet, nichts verändert.

Das ist der Ausgangspunkt dieser Analyse. Nicht Burgard ist das Problem — er formuliert präzise und redlich. Das Problem ist die Diagnose selbst: ihre Beständigkeit, ihre Funktion, und was ihre Wiederholung über den Zustand des Systems verrät, das sie hervorbringt.

II. Die Genealogie einer Diagnose

Die Struktur des Arguments ist einfach und konsistent: Deutschland verfügt über wissenschaftliche Kompetenz in einem aufkommenden Technologiefeld. Die Kommerzialisierung dieser Kompetenz gelingt nicht im erforderlichen Maße. Deshalb droht Abhängigkeit von außereuropäischen Akteuren. Abhilfe: Kapital, Infrastruktur, Gründergeist, politischer Wille.

Diese Struktur taucht auf, wenn man die letzten vier Jahrzehnte technologischer Diskurse in Deutschland durchgeht, mit bemerkenswerter Regelmäßigkeit. Eine Titelgeschichte des manager magazins vom Februar 1983 — „Neue deutsche Welle: Die Micro-Unternehmer kommen“ — liest sich, wie an anderer Stelle gezeigt, wie eine Analyse des Jahres 2025: dieselben Defizite, dieselbe Rhetorik, dieselbe strukturelle Machtlosigkeit der Diagnose. Der Ausgangspunkt liegt also nicht in den 1990ern — er liegt mindestens in den frühen 1980ern, und das Magazin selbst diagnostizierte damals bereits einen zwanzigjährigen Rückstand gegenüber Japan in Schlüsseltechnologien. Das Muster ist älter als die Bundesrepublik in ihrer heutigen Wirtschaftsverfassung.

Risikokapital, 1975 bis heute: Die Deutsche Wagnisfinanzierungsgesellschaft (WFG) wurde 1975 von 28 deutschen Banken gegründet — als institutionelle Antwort auf das fehlende Venture-Capital-Ökosystem. Sie bestand bis 1984. Im Januar desselben Jahres versammelte das manager magazin die führenden Köpfe des deutschen Wagniskapitalmarkts zum Roundtable — mit Beteiligung des Bundesfinanzministeriums und der Deutschen Bank. Die Diagnose: fehlende Börsenzugangsmöglichkeiten für junge Technologieunternehmen, Bankmentalität als strukturelles Hemmnis, mangelnde kaufmännische Begleitung der Gründer. Klaus Nathusius, Gründer der ersten deutschen Venture-Capital-Gesellschaft, brachte es auf den Punkt: Ein guter Banker ist kein guter Venture Capitalist. Diese Diagnose war 1984 präzise. Sie ist es heute noch — was bedeutet, dass sie in vierzig Jahren nichts bewirkt hat. Der Neuer Markt, der Hightech-Gründerfonds, der Zukunftsfonds — jede Generation institutionalisiert dieselbe Reaktion auf dieselbe Lücke, mit demselben Ergebnis.

Biotechnologie, Mitte der 1990er: Deutschland hat Weltklasse-Forschung in Molekularbiologie und Pharmakologie. Die Kommerzialisierung stockt — zu wenig Risikokapital, zu viel regulatorische Vorsicht, zu wenig Gründungskultur. Die USA und später Großbritannien ziehen davon. Die Reaktion: BioRegio-Wettbewerb, Gründungsinitiativen, Risikokapitalförderung. Das Ergebnis: solide Zulieferer- und Forschungsdienstleistungsstrukturen, kein globaler Plattformakteur.

Internet und Mobilfunk-Ökosysteme, späte 1990er und 2000er: Siemens hat exzellente Netzwerktechnik, Deutschland führt bei GSM-Infrastruktur. Die Ökosystem-Ebene — Dienste, Plattformen, Betriebssysteme — entsteht anderswo. Nokia, dann Apple, dann Google. Die Diagnose: zu wenig Wagniskapital, zu wenig Risikobereitschaft, fehlende Gründerkultur. Die Reaktion: Hightech-Gründerfonds, Internetagenturen, später Start-up-Förderung. Das Ergebnis: kein globaler Plattformakteur, strukturelle Abhängigkeit von amerikanischen Betriebssystemen und App-Ökosystemen.

Industrie 4.0, 2010er: Deutschland hat die Fertigungskompetenz, die Maschinen, die Prozess-Expertise. Die Plattform-Ebene — Daten, Konnektivität, Ökosystem-Koordination — droht an amerikanische Cloud-Anbieter zu fallen. Die Diagnose: zu wenig Digitalisierungsbereitschaft, zu wenig Plattformdenken, fehlende Skalierungsambition. Die Reaktion: Plattform Industrie 4.0, Gaia-X, IUNO, Catena-X. Das Ergebnis: institutionell überkomplexe Konsortien ohne Marktdisziplin, strukturelle Abhängigkeit von AWS, Azure und Google Cloud.

KI-Basismodelle, frühe 2020er: Deutschland und Europa haben gute KI-Forschung. Die Basismodelle entstehen bei OpenAI, Google DeepMind, Anthropic, in chinesischen Staatslaboren. Die Diagnose: zu wenig Rechenkapazität, zu wenig Trainingsdaten, fehlende Risikokapitalmärkte. Die Reaktion: LEAM, Bayerische KI-Initiative, SPRK. Und: Aleph Alpha — das einzige europäische Startup, das ernsthaft versuchte, auf der Basismodell-Ebene zu skalieren, politisch und medial als Beweis europäischer KI-Souveränität inszeniert. Das Ergebnis: Aleph Alpha hat sein Large Language Model inzwischen aufgegeben und sich auf Enterprise-Software umgestellt. Der Rückzug von der Basismodell-Ebene auf Nischenanwendungen ist nicht Scheitern im gewöhnlichen Sinne — er ist die Strukturlogik in Echtzeit: Wer auf Ökosystem-Ebene nicht skalieren kann, weicht in die Zuliefererposition aus. Das Kommerzialisierungsversprechen reproduziert sich, diesmal in der Laufzeit eines einzelnen Unternehmens.

Und jetzt: humanoide Roboter und Embodied AI. Die Diagnose ist bekannt.

III. Warum die Diagnose selbst Teil des Problems ist

Eine Diagnose, die über dreißig Jahre hinweg unverändert bleibt, ohne dass die diagnostizierte Lage sich grundlegend verbessert, verdient eine zweite Betrachtung. Nicht als Aussage über einen Mangel, der behoben werden könnte — sondern als Phänomen, das selbst erklärt werden muss.

Im Luhmannschen Sinne lässt sich das Argument als operative Fiktion beschreiben: eine kommunikative Konstruktion, die nicht primär abbildet, sondern stabilisiert. Die Wiederholung der Kommerzialisierungsdiagnose erfüllt eine systemische Funktion — sie hält die Vorstellung der Behebbarkeit aufrecht, sichert institutionelle Kontinuität (Förderprogramme, Forschungsagenden, Beratungsmandate), und verhindert die radikal andere Frage: Was wäre, wenn die Lücke kein Defizit ist, das geschlossen werden kann, sondern ein Strukturmerkmal, das reproduziert wird?

Die Kommerzialisierungsdiagnose hat dabei eine spezifische Rhetorik. Sie anerkennt die Stärke (Forschung, Ingenieurkunst, Fertigungstiefe) und benennt eine behebbare Schwäche (Kapital, Kultur, politischer Wille). Sie ist damit anschlussfähig für alle Beteiligten: Wissenschaftler können weiter forschen, Politiker können Programme auflegen, Unternehmen können auf Förderung warten, Berater können Mandate akquirieren. Niemand muss die grundlegende Frage stellen, ob das Modell selbst inkompatibel ist mit dem, was gerade entsteht.

Das ist keine Frage der Redlichkeit einzelner Akteure. Burgard meint es ernst. Die Förderinstitutionen meinen es ernst. Das Problem liegt in der Struktur des Diskurses selbst: Er produziert Anschlüsse, keine Brüche. Und wo keine Brüche gedacht werden, werden auch keine vollzogen.

IV. Die Forschungsinfrastruktur als Substitut

Bevor man zum strukturellen Kern kommt, lohnt ein Blick auf den Mechanismus, der die Kommerzialisierungsdiagnose institutionell absichert: den systematischen Ausbau der deutschen Forschungslandschaft.

Fraunhofer, Leibniz, Helmholtz — die drei großen außeruniversitären Forschungsorganisationen — wurden in den Jahrzehnten, in denen der kommerzielle und technologische Rückstand gegenüber den USA und später China wuchs, kontinuierlich ausgebaut. Mehr Institute, mehr Mittel, mehr Personal, mehr Präsenz in politischen Beratungsgremien. Das ist kein Zufall. Es ist die institutionelle Reaktion auf ein Marktversagen, das man nicht benennen wollte: Weil die Kommerzialisierung nicht gelang, investierte man in das, was man kontrollieren konnte — Forschungsinfrastruktur.

Das Ergebnis ist eine strukturelle Paradoxie. Fraunhofer optimiert für inkrementelle Anwendungsforschung im Auftrag bestehender Industrien. Die Auftragsforschungslogik setzt voraus, dass die Forschungsagenda von den Bestandsproblemen bestehender Unternehmen definiert wird. Disruption ist per Konstruktion ausgeschlossen: kein Auftraggeber bezahlt für Forschung, die sein eigenes Geschäftsmodell obsolet macht. Leibniz und Helmholtz operieren in ähnlichen Logiken — grundlagennäher, aber institutionell eingebettet in eine Transferarchitektur, die sequenziell denkt: erst Forschung, dann Anwendung, dann Markt. Im Plattform- und Ökosystemparadigma kollabieren diese Phasen — Grundlagenforschung, Produktentwicklung und Skalierung geschehen gleichzeitig, in denselben Organisationen. Das institutionelle Design der deutschen Forschungslandschaft ist dafür nicht vorgesehen.

Was dabei entsteht, ist die institutionelle PR-Schere auf Systemebene: Der Ausbau von Fraunhofer, Leibniz und Helmholtz erzeugt Sichtbarkeit, politische Anschlussfähigkeit und kommunikative Legitimität — „Deutschland investiert in Forschung und Innovation“ — während der operative Abstand zur globalen Ökosystem-Ebene wächst. Die Reaktion auf Kommerzialisierungsversagen war nicht mehr Markt, sondern mehr Forschungsinfrastruktur. Das ist kein Versagen der einzelnen Institute. Es ist die systemische Konsequenz einer Strategie, die Stärke dort konzentriert, wo sie bereits vorhanden ist — und damit die Schwäche dort reproduziert, wo sie strukturell angelegt ist.

V. Der strukturelle Kern: Ökosystem-Inkompatibilität statt Kommerzialisierungslücke

Die präzisere Diagnose lautet nicht: Deutschland kommerzialisiert zu wenig. Sie lautet: Das deutsche Wirtschaftsmodell ist strukturell inkompatibel mit der dominanten Logik technologischer Wertschöpfung seit den 1990ern.

Das deutsche Modell basiert auf tiefer Fertigungskompetenz in reifen Technologiefeldern, inkrementeller Innovation innerhalb bestehender Produkt- und Prozesslogiken, mittelständischer Eigenständigkeit — die Ökosystem-Teilnahme systematisch erschwert — und Banken- statt Kapitalmarktfinanzierung, die mit dem Risikoprofil von Plattformskalierung strukturell inkompatibel ist.

Plattform- und Ökosystemlogik erfordert das Gegenteil: Netzwerkeffekte statt Fertigungstiefe, Skalierung statt Präzision, Ökosystem-Koordination statt Eigenständigkeit, Risikokapital statt Hausbank. Die Stärken des deutschen Modells sind in der Plattformökonomie keine neutralen Eigenschaften — sie sind aktive Hindernisse für die Logik, die dominiert.

Das KUKA-Muster illustriert das Strukturprinzip. KUKA war kein gescheitertes Unternehmen — es war eines der besten Industrierobotikunternehmen der Welt. Die Übernahme durch Midea 2016 war kein Versagen des Managements. Sie war das Ergebnis einer strukturellen Asymmetrie: exzellente Komponentenkompetenz auf der einen Seite, fehlende Ökosystem- und Plattformkontrolle auf der anderen. Wer die Komponente baut, aber nicht das Ökosystem kontrolliert, ist langfristig akquisitionsfähig — unabhängig von der Qualität seiner Produkte.

Für humanoide Roboter und Embodied AI gilt dieselbe Logik. Neura Robotics kann exzellente Hardware entwickeln. Die Trainingsdaten für Robotic Foundation Models entstehen amerikanisch und chinesisch dominiert. Die Basismodelle liegen bei OpenAI, Google DeepMind, chinesischen Staatsunternehmen. Die Chip-Supply-Chain liegt bei Nvidia und TSMC. Das Skalierungskapital kommt aus amerikanischen Venture-Fonds und Sovereign Wealth Funds des Nahen Ostens. In dieser Konstellation ist Neura Robotics strukturell KUKA — nur eine Generation später, in einem Markt, der noch nicht existiert, aber dessen Kontrollarchitektur bereits entschieden wird.

Die Bayerische KI-Initiative mit 50 Millionen Euro und 2.000 GPUs ist kein Gegenargument — sie ist ein Beleg für die Dimensionsasymmetrie. Microsoft hat allein für seinen OpenAI-Deal zehn Milliarden Dollar aufgewendet. Die chinesische Regierung subventioniert KI-Infrastruktur in Größenordnungen, die europäische Förderprogramme um Zehnerpotenzen übersteigen. Das sind keine quantitativen Unterschiede, die durch Effizienz kompensiert werden könnten. Es sind qualitative Unterschiede in der Systemlogik.

VI. Was das bedeutet — Präzision statt Pessimismus

Die Konsequenz dieser Analyse ist kein Plädoyer für Resignation. Sie ist ein Plädoyer für Präzision.

Wer die Kommerzialisierungsdiagnose wiederholt, ohne ihre jahrzehntelange Erfolglosigkeit zu thematisieren, betreibt keine Analyse — er betreibt institutionelle Reproduktion. Er sichert die Kontinuität eines Diskurses, der Handlungsfähigkeit simuliert, ohne strukturellen Wandel zu ermöglichen.

Die richtigen Fragen sehen anders aus. Nicht: Wie kommerzialisieren wir unsere Forschungsstärken besser? Sondern: In welchen Bereichen ist die Ökosystem-Kontrollfrage überhaupt noch offen? Wo gibt es strukturelle Nischen, in denen das deutsche Modell nicht ins Zulieferermuster mündet, sondern tatsächlich Systemkontrolle ermöglicht? Und: Welche Positionen — für Unternehmen, für Arbeitnehmer, für Kapitalanleger — sind dauerhaft tragfähig, wenn die institutionellen Rahmenbedingungen der letzten vierzig Jahre nicht fortgeschrieben werden können?

Das sind unbequeme Fragen. Sie lassen sich nicht mit Förderprogrammen beantworten. Sie erfordern eine Bereitschaft zur strukturellen Selbstdiagnose, die der deutsche Technologie- und Wirtschaftsdiskurs bisher systematisch vermieden hat — weil sie den Konsens gefährden würde, auf dem die institutionelle Kontinuität beruht.

Burgard hat recht, wenn er die Lage beschreibt. Er hat unrecht, wenn er impliziert, dass sie behebbar ist durch mehr von dem, was in vier Jahrzehnten nicht geholfen hat. Der Satz, der nicht altert, ist nicht deshalb beständig, weil er die Wahrheit sagt. Er ist beständig, weil das System, das ihn hervorbringt, ein Interesse an seiner Beständigkeit hat.

Das zu benennen ist nicht Pessimismus. Es ist die Voraussetzung für eine andere Frage.

Ralf Keuper

Quellen:

uellen

1. Wolfram Burgard im Interview, YouTube-Kanal „Everlast AI“ — https://www.youtube.com/watch?v=Om8hyIlX94w&t=10s
2. Ralf Keuper: „Humanoide Roboter und das strukturelle Kompatibilitätsproblem — oder: Warum Deutschland diese Revolution so wenig mitgestalten wird wie alle vorherigen“, EconLittera, April 2026 — https://econlittera.bankstil.de/humanoide-roboter-und-das-strukturelle-kompatibilitaetsproblem-oder-warum-deutschland-diese-revolution-so-wenig-mitgestalten-wird-wie-alle-vorherigen
3. Ralf Keuper: „Wie die deutsche Gründungswelle seit 40 Jahren an denselben Hürden zerschellt“, EconLittera, Januar 2026 — https://econlittera.bankstil.de/wie-die-deutsche-gruendungswelle-seit-40-jahren-an-denselben-huerden-zerschellt
4. Ralf Keuper: „Die Anfänge von Venture Capital in Deutschland“, Bankstil, Januar 2019 — https://bankstil.de/die-anfaenge-von-venture-capital-in-deutschland/
5. Roland Berger: „Humanoid Robots 2026: The Convergence Moment for a New Market“, April 2026 — https://www.rolandberger.com/en/Insights/Publications/Humanoid-robots-why-the-convergence-moment-is-now.html
6. Aleph Alpha: Strategiewechsel von LLM-Basismodell zu Enterprise-Software, 2024 — https://aleph-alpha.com