Wie Sie Ihre Produktion 2026 gewinnen: Automatisierung und Robotik in der Fertigung, die echten Unterschied macht
Attention: Stellen Sie sich vor, Ihre Produktionslinie reagiert in Echtzeit auf Materialschwankungen, erkennt Qualitätsabweichungen noch bevor sie sichtbar werden und passt Taktzeiten selbstständig an. Klingt nach Science-Fiction? Nicht mehr.
Interest: Automatisierung und Robotik in der Fertigung sind heute der Hebel, mit dem Unternehmen Flexibilität, Qualität und Effizienz neu definieren. Die Kombination aus Cobots, Edge-AI, digitalen Zwillingen und vernetzter IT/OT-Architektur schafft Potenziale, die viele Entscheider noch unterschätzen.
Desire: Wollen Sie weniger Ausschuss, kürzere Rüstzeiten und schnellere Time-to-Market? Dann lohnt es sich, auf eine durchdachte Roadmap zu setzen — pragmatisch, sicher und skalierbar.
Action: In diesem Beitrag erhalten Sie konkrete Trends, Praxisbeispiele, Integrationsprinzipien und eine umsetzbare Roadmap für die Transformation Ihrer Fertigung mit dem Schwerpunkt „Automatisierung und Robotik in der Fertigung“.
Viele Unternehmen suchen nach konkreten Ansätzen für flexible Produktionslinien; dabei lohnt sich ein Blick auf praxisnahe Konzepte zur Anpassungsfähigkeit. Detaillierte Fallbeispiele erläutern, wie modulare Stationen auf unterschiedliche Losgrößen reagieren und wie Greifsysteme sowie Sensortechnik zusammenwirken. Weitere Informationen dazu finden Sie in unserem Fachartikel Adaptive Robotik für flexible Produktionslinien, der technische Grundlagen und Umsetzungsschritte praxisnah beschreibt und Handlungsempfehlungen für Entscheider gibt.
Wenn Sie einen umfassenden Überblick über Trends, Technologien und strategische Fragestellungen der industriellen Transformation suchen, ist eine zentrale Anlaufstelle hilfreich. Auf unserer Website stellen wir regelmäßig Analysen, Leitfäden und Praxisberichte bereit, die sowohl für Mittelständler als auch Konzerne nützlich sind. Mehr zu Themen, Use Cases und weiterführenden Ressourcen finden Sie direkt auf extel-survey.com, inklusive Checklisten zur Projektplanung und Best-Practice-Beispielen aus verschiedenen Branchen.
Die Vernetzung von Fertigungssystemen erfordert standardisierte Schnittstellen und zuverlässige Integrationsmuster, damit Roboter und Leitsysteme reibungslos zusammenspielen. In unserem Beitrag über konkrete Schnittstellenlösungen wird erläutert, wie Datenflüsse zwischen Robotern, Steuerungen und MES gestaltet werden können. Lesen Sie dazu den Beitrag Industrie 4.0 Schnittstellen zwischen Robotern und MES, der praxisnahe Empfehlungen zur Datenmodellierung, OPC UA und Event‑getriebener Kommunikation liefert.
Die Kombination aus klassischen Robotersteuerungen und lernenden Systemen eröffnet neue Optionen für Prozessoptimierung und Fehlererkennung; zugleich verlangt sie ein klares Vorgehen für Validierung und Betrieb. Unser Fachartikel zur KI-integrierten Robotersteuerung in der Fertigung beschreibt Ansatzpunkte, wie Sie KI-Module sicher in Steuerungsarchitekturen einbinden, welche Daten benötigt werden und wie Performance sowie Erklärbarkeit sichergestellt werden können.
Die Zusammenarbeit von Mensch und Maschine wird zunehmend zum Wettbewerbsfaktor: Cobots erleichtern repetitive Tätigkeiten, erhöhen die Präzision und entlasten Mitarbeitende. Gleichzeitig ist ein pragmatisches Einführungsmanagement notwendig, damit Akzeptanz und Sicherheit gewährleistet sind. Unser Beitrag Kooperative Robotik in Montageprozessen erklärt typische Anwendungsfälle, Sicherheitskonzepte und Schulungsformate, damit Sie Mensch-Roboter-Interaktion produktiv und sicher gestalten können.
Für viele Unternehmen ist die Frage der schnellen Nutzbarmachung entscheidend: Wie bringt man kollaborative Robotik rasch in die Produktion, ohne lange Stillstände oder umfangreiche Programmierung? Der Beitrag Schnelle Inbetriebnahme kollaborativer Robotiksysteme liefert pragmatische Checklisten, typische Stolperfallen und Methoden für Pilotierungen, sodass Sie realistische Time-to-Value-Schätzungen ableiten und erste automatisierte Zellen in überschaubarer Zeit produktiv setzen können.
Automatisierung und Robotik in der Fertigung: Schlüsseltrends 2026
Die Landschaft der Fertigungsautomatisierung verändert sich rasant. Für 2026 haben sich mehrere Schlüsseltrends herauskristallisiert, die Produktionsunternehmen strategisch nutzen sollten:
Edge- und Embedded-AI: Intelligenz direkt an der Maschine
Verarbeitung direkt an der Produktionszelle reduziert Latenz, minimiert Datentransfer und schützt sensible Produktionsdaten. Edge-Modelle ermöglichen lokale Inferenz für visuelle Inspektion, Prozessregelung oder Predictive Maintenance — und entlasten zentrale Clouds.
Kollaborative Roboter (Cobots) und sichere Mensch‑Roboter‑Zusammenarbeit
Cobots werden einfacher zu programmieren und sicherer im direkten Umfeld von Mitarbeitenden. Adaptive Steuerungen, Kraft-/Momentenüberwachung und kontextabhängige Sicherheitsprofile lassen Mensch und Roboter produktiv zusammenarbeiten — ohne dass die Sicherheitskultur darunter leidet.
Digitale Zwillinge und simulationsgestützte Optimierung
Digitale Zwillinge erlauben, Produktionsabläufe virtuell zu testen, Rüstzeiten zu minimieren und Ausfallfolgen durch Simulation vorherzusagen. Das spart Zeit bei der Inbetriebnahme und hilft, Maschinenparameter datenbasiert zu optimieren.
Autonome Logistik: AGV und AMR
Automatisierte Transportroboter koordinieren Materialflüsse, optimieren Wege und reduzieren interne Transporte. In Kombination mit Manufacturing Execution Systems (MES) entstehen flexibel orchestrierte Just‑in‑Time‑Abläufe.
Adaptive Fertigungszellen und Low-Code-Robotik
Fertigungszellen, die ihre Prozessparameter selbst an Materialvarianten oder Qualitätsmetriken anpassen, reduzieren Ausschuss. Niedrig-Code-/No-Code-Tools senken die Eintrittsbarriere für das Personal und verkürzen Implementierungszeiten — eine echte Erleichterung für mittelständische Betriebe.
Nachhaltigkeit als Treiber der Automatisierung
Automatisierung zielt zunehmend auf Energieeffizienz, Materialeinsparung und Recyclingfähigkeit ab. Softwaregestützte Optimierung spart Kosten und schont Ressourcen — das ist gut für die Bilanz und für das Markenimage.
Von der Robotik zur KI‑gesteuerten Produktion: Auswirkungen auf Produktivität und Qualität
Wenn reine Robotik mit KI-Funktionen ergänzt wird, verändert sich mehr als nur die Geschwindigkeit einer Linie. Es geht um adaptive Intelligenz in jedem Produktionsschritt.
Produktivität: Mehr Output, weniger Stillstand
KI-Modelle analysieren Produktionsdaten, erkennen Muster vor Ausfällen und optimieren Taktzeiten dynamisch. Das Ergebnis: höhere Gesamtanlageneffektivität (OEE), weniger ungeplante Stillstände und eine stabilere Lieferkette. Für Sie bedeutet das zuverlässigere Liefertermine und planbarere Kapazitäten.
Qualität: Früher erkennen, präziser reagieren
Visuelle KI-Inspektion (z. B. Deep Learning) identifiziert subtile Fehlerbilder, die Regelbasen nicht erfassen. Durch geschlossene Regelkreise werden Prozessparameter in Echtzeit angepasst — Ausschuss und Nacharbeit gehen zurück.
Flexibilität: Variantenvielfalt ohne Chaos
KI erlaubt schnelle Umstellungen auf Varianten, weil Systeme lernen, neue Produkte zu handhaben. Das spart aufwendige Neu-Programmierung und ermöglicht Losgrößen von eins mit akzeptablen Rüstzeiten.
Herausforderungen: Daten, Erklärbarkeit, Validierung
Die Kehrseite: KI ist nur so gut wie die Datenbasis. Datenqualität, Annotierungsaufwand, erklärbare Modelle und die Validierung von KI in regulierten Branchen sind keine Nebenschauplätze — sie sind zwingend. Ohne robuste MLOps‑Prozesse drohen Modellverfall und Fehlentscheidungen.
Effizienzsteigerung durch Automatisierung: Praxisbeispiele aus der Industrie
„Wozu das Ganze?“ fragen viele Entscheider. Hier einige konkrete Beispiele, die zeigen, wie Automatisierung und Robotik in der Fertigung messbare Vorteile liefern.
Automobilproduktion: Flexible Montage und Qualitätssicherung
In modernen Montageinseln arbeiten Cobots neben Robotern; KI überwacht Verschraubvorgänge und erkennt fehlerhafte Montagesequenzen. Ergebnis: geringere Nacharbeit, präzisere Anzugsdrehmomente und schnellere Variantenwechsel. Manche Werke berichten von bis zu 25–30 % geringeren Nacharbeitsraten nach der Einführung intelligenter Inspektionssysteme.
Elektronikfertigung: Höhere Ausbeute durch Closed‑Loop‑Control
SMT-Linien mit AI-gestützter optischer Inspektion (AOI) und adaptive Reflow-Steuerung verbessern die Lötqualität, reduzieren Hotspots und erhöhen die Ausbeute. Produktionsparameter werden kontinuierlich nachgesteuert — eine Win‑Win‑Situation für Qualität und Durchsatz.
Lebensmittel- und Verpackungsindustrie: Variantenreich und schnell
Roboterzellen mit flexiblen Greifern handhaben unterschiedliche Verpackungsformate ohne lange Rüstzeiten. Das schafft Spielraum für saisonale Aktionen und kleinere Losgrößen bei vertretbaren Kosten.
Maschinenbau: Adaptive Zerspanung und Werkzeugmanagement
Mit Prozessüberwachung und KI-gestützter Werkzeugstandprognose lassen sich Tisch- und Werkzeugwechsel optimieren. Das reduziert Ausschuss, verlängert Werkzeugstandzeiten und verbessert Lieferzuverlässigkeit.
Pharma: Compliance und Traceability
Sterile Roboter für Abfüllprozesse kombiniert mit Cloud‑basierter Traceability erhöhen die Rückverfolgbarkeit und vereinfachen Audits — ein klarer Vorteil in hochregulierten Produktionsumgebungen.
Diese Praxisbeispiele zeigen: Automatisierung und Robotik in der Fertigung liefern nicht nur Technik, sondern echte Geschäftsvorteile — wenn sie sinnvoll integriert und betrieben werden.
Sicherheits- und Investitionsaspekte bei Automatisierung und Robotik in der Fertigung
Bevor Sie eine neue Roboterflotte bestellen: Prüfen Sie Sicherheit, Wirtschaftlichkeit und langfristige Risiken. Hier die kritischen Punkte, die oft übersehen werden.
Physische Sicherheit und gesetzliche Vorgaben
Schutzmaßnahmen wie Sicherheitszäune, Lichtschranken, geschwindigkeitsreduzierende Bereiche und zertifizierte Steuerungen (z. B. funktionale Sicherheitsnormen) sind Pflicht. Doch Sicherheitskultur beginnt beim Schulungsprogramm für Mitarbeitende und hört bei Notfallprozessen auf.
Cybersecurity und OT‑Sicherheitsarchitektur
Mit vernetzten Robotern wächst die Angriffsfläche. Segmentierung von OT-Netzwerken, sichere Update-Prozesse, Authentifizierung und Verschlüsselung sind unverzichtbar. Ein Datenleck kann schneller Produktionsstillstand und Imageschaden verursachen als ein mechanischer Defekt.
Finanzielle Überlegungen: CapEx vs. OpEx
Traditionelle Investitionen binden Kapital, während Modelle wie Robots-as-a-Service oder Leasing Kosten strecken und Flexibilität bringen. Total Cost of Ownership (TCO) sollte Energie, Wartung, Softwarelizenzen und Fachpersonal mitdenken — nicht nur den Anschaffungspreis.
Risikomanagement und Amortisation
Pilotprojekte, Proof-of-Value und modulare Systeme reduzieren das Risiko technologischer Fehlentscheidungen. Eine realistische Amortisationsrechnung berücksichtigt Nutzungsgrad, erzielte Qualitätsverbesserungen und potenzielle Einsparungen durch weniger Stillstände.
Integrationen von Robotik, MES und Cloud‑KI für vernetzte Fertigung
Die effiziente Vernetzung von Robotik, Manufacturing Execution Systems (MES) und Cloud-KI ist Schlüssel zur Realisierung einer intelligenten Fabrik:
Architekturmuster: Typische Muster sind Edge-first (lokale Steuerung mit synchronisierter Cloud-Analyse), Cloud-first (zentralisierte Modelle, Edge als einfache Ausführungsinstanz) und Hybrid-Ansätze, die beide Welten kombinieren.
| Ansatz | Vorteile | Nachteile |
|---|---|---|
| Edge-first | Geringe Latenz, Datensouveränität, resilient bei Netzunterbrechungen | Begrenzte Rechenkapazität, Komplexität bei Modell-Updates |
| Cloud-first | Zentrale Modelle, einfache Skalierung, starke Rechenpower | Latenz, Abhängigkeit von Netzwerk, Datenschutzfragen |
| Hybrid | Beste Balance zwischen Echtzeitfähigkeit und Analysekapazität | Höhere Systemkomplexität, erfordert gutes Orchestrierungsmanagement |
Technische Integration: Standardisierte Schnittstellen (z. B. OPC UA), APIs, Message-Brokers (MQTT/Kafka) und Middleware erlauben die Orchestrierung von Robotern, MES und KI-Diensten. Wichtige Prinzipien sind Datenmodellharmonisierung, Event-getriebene Architekturen und robuste Datenpipelines.
Operationalisierung von KI (MLOps): In der Produktion müssen Modelle kontinuierlich überwacht, neu trainiert und versioniert werden. Deployments erfolgen in Staging-Umgebungen und werden schrittweise in die Produktion überführt, um Risiken zu minimieren.
Zukunftsszenarien: Kompetenzen, Schulung und Organisation in einer KI‑gesteuerten Produktionslandschaft
Der technologische Wandel verlangt nicht nur neue Hardware und Software, sondern eine Transformation von Kompetenzen, Lernformaten und Organisationsstrukturen:
Neue Rollen:
Neben klassischen Fachkräften treten Rollen wie KI-Operator, Data Engineer, Robot Program Manager, Integrationsarchitekt und MLOps-Ingenieur auf.
Schulungsstrategien:
Effektive Ansätze kombinieren Simulationen, AR/VR-Training, Learning-by-Doing in Pilotzellen und modulare E-Learning-Kurse. Interdisziplinäre Lernpfade (OT + IT + Data Science) sind besonders wertvoll.
Organisatorische Anpassungen:
Agile Strukturen, Cross-functional Teams und CoE (Center of Excellence) für Automatisierung und KI ermöglichen schnellere Rollouts und nachhaltige Skalierung. Change Management und klare Governance-Modelle stellen sicher, dass technologischer Wandel mit Akzeptanz und Verantwortlichkeiten einhergeht.
Messgrößen für den Erfolg:
KPIs sollten neben technischen Metriken (OEE, Ausschussquote, MTTR) auch Lern- und Adaptionskennzahlen umfassen, z. B. Anzahl zertifizierter Mitarbeitender, Zeit bis zur Produktivsetzung von Automatisierungsprojekten und Stakeholder-Akzeptanzindizes.
Handlungsempfehlungen und pragmatische Roadmap
Für Unternehmen, die den Schritt zu KI-gesteuerter Fertigung gehen wollen, empfiehlt sich ein stufenweiser Ansatz:
- Phase 1 – Assessment: Prozesse identifizieren, Datengrundlage prüfen, Quick Wins priorisieren.
- Phase 2 – Pilotprojekte: Kleine, messbare Pilotzellen mit klaren Ziel-KPIs starten; Fokus auf Wiederholbarkeit und Skalierbarkeit.
- Phase 3 – Architekturaufbau: Edge-Cloud-Strategie, Datenplattform und Integrationslayer definieren; Sicherheits- und Governance-Regeln festlegen.
- Phase 4 – Skalierung: Erfolgreiche Piloten industrialisieren, CoE aufbauen, Workforce-Programme ausrollen.
- Phase 5 – Kontinuierliche Verbesserung: MLOps etablieren, Modelle überwachen, Lessons Learned zurückspielen und Nachhaltigkeitsziele integrieren.
Häufige Fragen (FAQ)
1. Wie schnell amortisiert sich eine Automatisierungslösung in der Fertigung?
Die Amortisationszeit hängt stark von Branche, Ausgangsleistung, Umfang der Automatisierung und den betrachteten Einspargrößen ab. In vielen Projekten zeigt sich eine Amortisation innerhalb von 12 bis 36 Monaten, wenn Sie Ausschuss reduzieren, Nacharbeit vermeiden und die Anlagenverfügbarkeit erhöhen. Entscheidend ist eine realistische Total-Cost-of-Ownership-Betrachtung, die nicht nur Anschaffungskosten, sondern auch Energieverbrauch, Wartung, Softwarelizenzen, Schulung und IT/OT-Integration berücksichtigt. Pilotprojekte mit klaren KPIs und skalierbaren Ergebnissen sind der beste Weg, um belastbare Zahlen zu erhalten.
2. Welche Daten benötigen KI-Modelle in der Produktion und wie stelle ich Qualität sicher?
Wertvolle Datenquellen sind Prozessdaten (Sensordaten, Zykluszeiten), Qualitätsdaten (visuelle Inspektionen, Prüfergebnisse), Kontextdaten (Chargen-, Material- und Linieninformationen) sowie Maschinendaten (Status, Vibration, Temperatur). Datenqualität sichern Sie durch standardisierte Datenschemas, automatische Validierungspipelines, Zeitstempel-Synchronisation und konsistente Annotationen. Beginnen Sie mit kleinen, gut annotierten Datensätzen und erweitern Sie schrittweise. Ein MLOps-Ansatz hilft, Modelle zu versionieren, Leistung zu überwachen und Datenprobleme früh zu erkennen.
3. Wie integriere ich Roboter sicher in bestehende IT/OT-Landschaften?
Sichere Integration beginnt mit einer klaren Trennung und Segmentierung von IT- und OT-Netzen, der Nutzung standardisierter Schnittstellen wie OPC UA und abgesicherten Protokollen (MQTT mit TLS). Legen Sie definierte APIs, Authentifizierungs- und Update-Prozesse fest und nutzen Sie Middleware, um Datenmodelle zu harmonisieren. Testen Sie Integrationsszenarien in einer Staging-Umgebung und führen Sie Rollouts schrittweise durch. Sicherheitstests und regelmäßige Patch-Management-Prozesse sind Pflicht.
4. Welche Cybersecurity‑Risiken bringen vernetzte Roboter mit sich und wie mindere ich sie?
Vernetzte Roboter können Angriffspunkte für Manipulation, Datendiebstahl oder Produktionsstörungen sein. Mindern lassen sich Risiken durch Netzwerksegmentierung, Intrusion-Detection-Systeme für OT, starke Authentifizierung, Verschlüsselung von Kommunikationskanälen und geregelte Zugangskonzepte. Zusätzlich sind sichere Update-Prozesse und Überprüfungen der Lieferkette (Benutzer- und Komponentenverifikation) wichtig. Schulen Sie Mitarbeitende im Erkennen von Anomalien und etablieren Sie Notfall‑ und Wiederherstellungspläne.
5. Verdrängt Automatisierung Personal oder verändert sie Rollen?
Automatisierung verändert Rollen eher als dass sie pauschal Personal ersetzt. Routineaufgaben werden automatisiert, während neue Tätigkeiten entstehen — z. B. Wartung automatisierter Anlagen, Datenanalyse, MLOps und Integrationsmanagement. Wichtig ist, aktiv Weiterbildungen anzubieten und Karrierepfade neu zu gestalten, damit Mitarbeitende auf höherwertige Aufgaben wechseln können. Mit einem gut geplanten Change-Management erhöhen Sie Akzeptanz und sichern Know‑how im Unternehmen.
6. Sind Cobots sicher und eignen sie sich für Montageprozesse?
Cobots sind speziell für die Zusammenarbeit mit Menschen konzipiert; sie verfügen über Kraftbegrenzung, Geschwindigkeitsüberwachung und vielfältige Sicherheitsfunktionen. Für Montageprozesse sind sie oft gut geeignet, insbesondere wenn es um repetitive, ergonomisch belastende Tätigkeiten geht. Dennoch ist eine Risikobeurteilung nach Maschinenrichtlinien, passende Schutzeinrichtungen und anwendungsspezifische Sicherheitskonzepte erforderlich. Schulung der Mitarbeitenden und Pilottestläufe sind empfehlenswert, bevor der Vollbetrieb startet.
7. Edge- vs. Cloud-Ansatz: Welche Strategie passt zu meinem Betrieb?
Der passende Ansatz hängt von Anforderungen an Latenz, Datensouveränität und Rechenbedarf ab. Wenn Sie Echtzeitanforderungen und Datenschutzprioritäten haben, ist ein Edge-first-Ansatz sinnvoll. Für umfangreiche Analysen, zentrales Modelltraining und Skalierbarkeit ist Cloud-first vorteilhaft. Häufig ist ein Hybridansatz die beste Lösung: Echtzeitverarbeitung am Edge, tiefgehende Analysen und Modelltraining in der Cloud. Prüfen Sie Use Cases und starten Sie mit einem hybriden Referenzdesign.
8. Wie organisiere ich die Operationalisierung von KI (MLOps) in der Produktion?
MLOps in der Produktion umfasst Datenops, Modelltraining, Validierung, Deployment, Monitoring und regelmäßiges Retraining. Establishieren Sie CI/CD‑Pipelines für Modelle, überwachen Sie Modell-Drift, loggen Sie Eingangs- und Ausgangsdaten und führen Sie kontrollierte A/B‑Rollouts in Staging-Umgebungen durch. Rollen wie MLOps-Ingenieur und Data Steward sind hilfreich, ebenso klare Governance für Datensätze, Modelle und Responsible-AI-Prinzipien.
9. Welche regulatorischen und Compliance‑Aspekte sind zu beachten?
Regulatorik betrifft häufig Produktsicherheit, Arbeitsschutz und branchenspezifische Richtlinien (z. B. Pharma, Lebensmittel). Dokumentation von Prozessen, Validierung von Software und Modellen, Nachvollziehbarkeit von Entscheidungen sowie regelmäßige Audits sind zentral. Bei datengetriebenen Entscheidungen sollten Sie zudem Datenschutzanforderungen (DSGVO) und Nachweisbarkeit der Datenherkunft berücksichtigen. Frühzeitige Einbindung von Compliance-Experten reduziert Nacharbeiten.
10. Wie kann Automatisierung zur Nachhaltigkeit beitragen?
Automatisierung kann Energieverbrauch senken, Materialeffizienz erhöhen und Produktionsabfälle reduzieren. Durch Prozessoptimierung, bedarfsgesteuerte Energiesteuerung, verbesserte Werkzeugnutzung und nachhaltige Materialkreisläufe lassen sich CO2-Emissionen und Betriebsaufwand verringern. Messen Sie Energiekennzahlen, setzen Sie Optimierungsziele und integrieren Sie Nachhaltigkeits-KPIs in Ihre Automatisierungsprojekte.
Schlussbemerkung
Automatisierung und Robotik in der Fertigung sind mehr als Technologie‑Upgrades: Sie sind ein Wandel in Prozessen, Verantwortlichkeiten und Geschäftsmodellen. Die Chance ist groß: höhere Qualität, mehr Flexibilität und messbare Kostenvorteile. Die Herausforderung liegt in der Integration — technisch, organisatorisch und menschlich.
Mein Rat: Beginnen Sie pragmatisch mit klaren Zielen, setzen Sie auf modulare Lösungen und investieren Sie früh in Daten und Kompetenzen. So transformieren Sie Schritt für Schritt von manueller oder teilautomatisierter Produktion zu einer resilienten, KI‑gestützten Fabrik, die auch 2026 noch bestand hat.
Extel-Survey begleitet Sie auf diesem Weg: praxisnah, kritisch und zukunftsorientiert. Wenn Sie möchten, können wir gerne eine Roadmap für Ihr konkretes Szenario skizzieren — maßgeschneidert und ohne Fachchinesisch.
