Die Platte ist oben, Staub fängt an. Am Boden: der Moment, wo der Plan verlangsamt. So seit je. »Über das letzte Jahrhundert hat die Bauwirtschaft nur Schwere und Aussen mechanisiert«, sagte Yogesh Ghaturle, Co-Gründer und CEO von Origin, als das San-Francisco-Unternehmen am 15. Oktober 2026 aus der Verschwiegenheit kam. Nach seiner Rechnung: Innenarbeit macht »über 65 % der Bauabläufe« aus.

Origin kam mit USD 20 Millionen, co-geleitet von Accel und Zacua Ventures – pulse2 berichtete. Mit dabei: die OG-1, ein dreirädriger Finisher, der Spachtelmasse verteilt, schleift und grundiert. Die Website sagt: Team Start Dezember 2024; Pressemeldungen sagen Anfang 2025. Ghaturle baute es mit Tushar Makkar (Autonomie) und Ashish Daga (Hardware).

Die Spec, vom Boden gelesen

Der Fussabdruck: 30 mal 35 Zoll, also 76 x 89 cm. Passt durch jede Tür – der erste Test. Sie kartiert mit Kamera und LiDAR. Reichweite 14 Fuss (4,27 m) – deckt die meisten Geschosshöhen in Schweizer Wohnbauten. Austauschbare Werkzeugstation und End-Effektor. Und eine Zeile auf der Produktseite ist entscheidend: »Admittance«-Regler, plus Real-Time Servoing.

Admittance-Regelung: Das Werkzeug gibt der Kraft nach, statt starre Position zu halten. Druck auf den Kopf – er bewegt sich mit der Steifheit, die der Regler wählt. Neville Hogan (MIT) legte 1985 mit seinen Impedance-Papieren den Grund dafür. Vier Jahrzehnte später: darum hält ein Schleifjopf auf einer nicht ganz ebenen Naht gleichmässigen Druck. Robotics & Automation News: »real-time force control to maintain consistent pressure during contact-rich tasks like sanding«. Funktioniert an Ecken, Soffitten, Kanten – neben der Mannschaft, keine Absperrung.

Der Loop, den die Launch-Berichte übersahen

Die meisten Launch-Stories enden beim Arm. Die Produktseite geht weiter.

• Remote-Operatoren machen »semantische Korrektur«: Nähte und Schrauben relabellieren, die der Roboter mislas. Plus »Map Cleaning«.
• Crews kartieren die Baustelle vor Ort und füllen Material nach.
• Training: Reinforcement Learning in randomisierten Simulationsräumen, dann Site-Scans und Live-Passes. Ein gelernter Residual auf klassischen Plannern.
• Operator-Korrektionen gehen via DAgger zurück ins Training – die Dataset-Aggregationsmethode von Stéphane Ross, Geoffrey Gordon und Drew Bagnell (Carnegie Mellon, 2011).

Diese Operatoren sind die stille Hälfte des Produkts. Jede relabellierte Naht ist eine Lektion, die die nächste Unit in der Flotte nicht neu lernen muss.

Die Investoren setzten die Latte: »Zu viele Bauroboter funktionieren im Labor, fallen aber innerhalb einer Woche auf der Live-Baustelle aus«, sagte Vivin Hegde (Zacua, jetzt Board von Origin). Anagh Prasad (Accel): »Ein grundlegendes Physical-AI-Modell, spezifisch für die Bauwirtschaft gebaut, ist der Weg zum Gewinn.«

Der Rest: Firmenzahlen ohne Baseline. Origin behauptet dreifache Menschengeschwindigkeit bei menschlicher Qualität – über 100.000 sq ft fertig (etwa 9.300 m²). Plan: 150 Roboter bis Ende 2027, Piloten in Deutschland, Schweden, Frankreich. Ein Remote-Loop bedeutet auch: jemand hält um 2 Uhr früh noch die Edge Cases, und dieser Kostenposten muss in jeden Pilot-Budget.

←HEUTE: Oktober 2026: 76 x 89 cm Roboter schleifen Gipskarton bis 4,27 m auf Live-New-York-Baustellen, trainiert von Remote-Operatoren.
→3012: Die Wand reist mit ihrer Finish-Grade ins Modell – wer mit Schleifen kommt, Mensch oder Maschine, liest es zuerst.
Drehpunkt: Ein Roboter, der eh jede Wand kartiert, ist der billigste Leser für jedes Gebäudemodell.

Darum hier: Raiffeisen Economic Research zählt (netzwoche) mindestens 217 Schweizer Robotik-Firmen, 87 % der Core-Firmen unter 100 Köpfe. Piloten sind nebenan, die Robotik-Kultur hier ist klein, präzise, spec-getrieben. PAZ hat argumentiert: Roboter sollten das Modell lesen, bevor sie einen Raum betreten. Ein Finisher ist der klares Fall: kartiert die Wand eh mit LiDAR. Gib ihm das Modell – startet vom Design Intent. Schreib seine Passes zurück – das Modell protokolliert das Leben des Gebäudes.

Atelier: In einem Zürich-Atelier, das eine Fit-Out zeichnet, lebt die Finish-Grade üblicherweise in einem Text-Spec, den der Gipser einmal liest. Eine Maschine, die Wände kartiert, liest, was das Modell trägt – genauso das nächste AI-Quantity-Tool. Montag-Move: finish_grade-Feld zur Interior-Wall-Template hinzufügen, durchgetragen in der PAZ Grasshopper↔Archicad Library, damit jede neue Wand sein Q-Level vom ersten Sketch behält.

Hack: Prägen Sie die Finish-Grade in eine Rhino-Wand ein, damit die Spec mit der Geometrie reist. Führen Sie das im Python-Editor oder einer GhPython-Komponente aus:

import rhinoscriptsyntax as rs
wall = rs.GetObject("Pick the interior wall")
rs.SetUserText(wall, "finish_grade", "Q4")
rs.SetUserText(wall, "finish_ops", "compound;sand;prime")
print(rs.GetUserText(wall))

Die Daten leben auf dem Objekt, nicht in einer separaten Datei, und zeigen sich im Properties-Panel. So lesen Gipser, Bauleitung und Scan-Roboter dasselbe Feld. Q4 ist die Top-Grade in DACH-Praxis; Origins Blatt arbeitet L4/L5.

Wählen Sie jetzt eine Innenwand in Ihrem Modell und geben Sie ihr ihre Grade.