Wie funktionieren humanoide Roboter? Antriebe, Sensoren und KI erklärt

Ein humanoider Roboter ist eine Maschine mit menschenähnlichem Körperbau, die sich auf zwei Beinen fortbewegt, mit zwei Armen greift und ihre Umgebung über Kameras und weitere Sensoren wahrnimmt. Damit das funktioniert, müssen drei Systeme im Millisekundentakt zusammenspielen: Antriebe, die Kraft erzeugen, Sensoren, die den Zustand von Körper und Umwelt messen, und eine Software, die aus beidem laufend neue Bewegungsbefehle berechnet. Klingt simpel, ist aber eines der schwierigsten Ingenieurprobleme der Gegenwart. Dieser Beitrag erklärt Schicht für Schicht, was in einem modernen Humanoiden tatsächlich passiert.

Der Zeitpunkt passt, denn 2026 ist das Jahr, in dem diese Technik die Labore verlässt. Boston Dynamics hat auf der CES im Januar die Serienversion des elektrischen Atlas gezeigt, Tesla bereitet in Fremont die Fertigung der dritten Optimus-Generation vor, und aus China kommen Stückzahlen, die vor zwei Jahren niemand für realistisch hielt. Wer verstehen will, warum das gerade jetzt passiert, muss die Technik dahinter kennen.

Die drei Bausteine: Körper, Sinne, Verstand

Jeder Humanoide lässt sich auf drei Ebenen herunterbrechen.

Der Körper liefert Kraft und Beweglichkeit. Er besteht aus einem Skelett aus Aluminium, Titan oder Karbon und aus Aktuatoren, den künstlichen Muskeln des Roboters. Sie sitzen in jedem Gelenk und erzeugen Drehmoment.

Die Sinne liefern Daten. Kameras, Tiefensensoren, Trägheitsmessgeräte, Kraft- und Drehmomentsensoren sowie Gelenkgeber melden hunderte bis tausende Male pro Sekunde, wie der Roboter gerade steht und was um ihn herum passiert.

Der Verstand verbindet beides. Auf der untersten Ebene arbeiten klassische Regler, die Balance und Gelenkstellung stabilisieren. Darüber liegt heute ein neuronales Netz, das aus Bildern und Sprachanweisungen ableitet, welche Bewegung als Nächstes sinnvoll ist.

Fällt eine dieser Ebenen aus, kippt der Roboter buchstäblich um. Deshalb ist die Integration schwieriger als jede Einzelkomponente.

Aktuatoren: die Muskeln des Roboters

Der wohl größte technische Sprung der vergangenen Jahre fand im Antrieb statt. Bis 2024 war der bekannteste Humanoide der Welt, der alte Atlas von Boston Dynamics, hydraulisch angetrieben. Hydraulik liefert enorme Spitzenkräfte, ist aber laut, wartungsintensiv, undicht und teuer. Im April 2024 hat Boston Dynamics diese Baureihe in Rente geschickt und durch eine vollelektrische Version ersetzt. Heute ist praktisch die gesamte Branche elektrisch unterwegs.

Drehaktuatoren für den Oberkörper

In Schultern, Ellbogen und Handgelenken sitzen typischerweise kompakte Drehaktuatoren. Ein bürstenloser Elektromotor treibt ein Getriebe an, meist ein Wellgetriebe (Harmonic Drive) oder ein Zykloidgetriebe. Beide erzeugen auf sehr kleinem Bauraum hohe Untersetzungen und damit hohes Drehmoment, ohne Spiel im Antriebsstrang.

Linearaktuatoren für die Beine

In Knien und Sprunggelenken sieht die Sache anders aus. Dort setzen viele Hersteller auf Linearaktuatoren mit Planetenrollengewindetrieb, die parallel zum Bein montiert sind und über einen kurzen Hebelarm auf das Gelenk drücken. Der Grund ist Physik: Bei einem 70 Kilogramm schweren Roboter wirken im Knie beim normalen Gehen Spitzenkräfte vom Zwei- bis Dreifachen des Körpergewichts, also grob 1.400 bis 2.100 Newton. Beim Springen oder Auffangen eines Sturzes wird es deutlich mehr. Ein Rollengewindetrieb verteilt diese Last auf dutzende Kontaktpunkte gleichzeitig und überlebt solche Stöße besser als ein Getriebe mit wenigen Zahneingriffen.

Nachgiebigkeit als Sicherheitsmerkmal

Ein Trend, der oft übersehen wird: Viele moderne Aktuatoren arbeiten mit niedrigen Übersetzungen, etwa 1:10 statt 1:100. Solche Quasi-Direct-Drive-Antriebe sind rückwärtstreibbar. Drückt ein Mensch gegen den Arm, gibt das Gelenk nach, statt starr dagegenzuhalten. Für den Einsatz neben Menschen ist das entscheidend, denn ein starrer Industriearm mit hoher Untersetzung lässt sich nicht ohne Schutzzaun betreiben. Der Preis dafür ist ein größerer, schwererer Motor, weil das Getriebe weniger Drehmoment beisteuert.

Seilzüge: Motoren raus aus der Hand

Die Hand ist der schwierigste Teil eines Humanoiden. Tesla hat mehrfach durchblicken lassen, dass mehr als die Hälfte des Entwicklungsaufwands bei Optimus in Hand und Unterarm steckt. Das Problem ist banal und trotzdem hartnäckig: In einer menschengroßen Hand ist schlicht kein Platz für zwanzig Motoren.

Die Lösung heißt Seilzug, technisch Tendon Drive. Die Motoren wandern in den Unterarm, dünne Stahlseile übertragen die Kraft bis in die Fingerspitzen, ganz ähnlich wie die Sehnen im menschlichen Unterarm. Tesla hat für die dritte Optimus-Generation genau diesen Weg eingeschlagen. Nach den veröffentlichten Patentunterlagen und Firmenangaben sitzen rund 25 Aktuatoren pro Arm im Unterarm und treiben eine Hand mit 22 Freiheitsgraden an. Zum Vergleich: Die Vorgängergeneration kam auf elf. Auch der 1X NEO nutzt seilzugbasierte Antriebe mit geringer Massenträgheit, dort vor allem, um Bewegungen weich und leise zu machen.

Der Nebeneffekt ist angenehm: Eine Hand ohne Motoren ist leicht, bewegt sich schneller, gibt weniger Wärme ab und lässt sich einfacher fertigen.

Freiheitsgrade: warum die Zahl allein wenig aussagt

Ein Freiheitsgrad (englisch Degree of Freedom, DoF) ist eine unabhängig ansteuerbare Bewegungsachse. Je mehr davon, desto geschickter der Roboter, aber auch desto teurer, schwerer und störanfälliger. Ein voll einsatzfähiger Humanoide liegt heute grob zwischen 25 und 60 Freiheitsgraden, wobei die Hände einen großen Teil davon ausmachen.

Modell	Freiheitsgrade (Körper)	Besonderheit
Unitree G1	23 in der Basisversion, bis 45 in Ausbaustufen	6 pro Bein, 7 pro Hand in der EDU-Version
Boston Dynamics Atlas (elektrisch)	28 und mehr, je nach Zählweise	mehrere Gelenke mit sehr großem Drehbereich
Tesla Optimus Gen 3	40 und mehr geplant	22 DoF pro Hand über Seilzug aus dem Unterarm
1X NEO	rund 75 gesamt	davon 22 pro Hand, seilzuggetrieben

Die Zahlen sind mit Vorsicht zu lesen. Hersteller zählen unterschiedlich, mal mit Händen, mal ohne, mal inklusive Kopf und Hüfte. Aussagekräftiger ist, was der Roboter im Alltag tatsächlich greifen und bedienen kann. Wer Modelle direkt gegenüberstellen will, findet die Daten gebündelt in unserem Vergleich humanoider Roboter.

Sensoren: wie ein Roboter seine Welt wahrnimmt

Ohne Wahrnehmung ist der beste Antrieb nutzlos. Ein moderner Humanoide trägt mehrere Sensorfamilien gleichzeitig.

Kameras sind das wichtigste Auge. Meist arbeiten mehrere Kameras als Stereopaar, sodass aus dem Versatz der Bilder Tiefeninformation entsteht. Der 1X NEO nutzt zwei Stereo-Fisheye-Kameras mit 8,85 Megapixeln bei 90 Hertz, Tesla setzt bei Optimus konsequent auf ein reines Kamerasystem, wie schon beim Auto.

LiDAR und Tiefensensoren ergänzen das Bild dort, wo Kameras schwächeln, etwa bei schlechten Lichtverhältnissen oder texturlosen weißen Wänden. Boston Dynamics kombiniert bei Atlas LiDAR mit Stereokameras.

Die Trägheitsmesseinheit, kurz IMU, ist der Gleichgewichtssinn. Beschleunigungssensoren und Drehratensensoren melden hunderte bis tausende Male pro Sekunde, wie der Rumpf im Raum liegt. Ohne IMU kann kein zweibeiniger Roboter stehen.

Gelenkgeber messen an jeder Achse die exakte Winkelstellung. Aus allen Winkeln zusammen berechnet die Software das sogenannte Vorwärtsmodell, also wo sich Hände und Füße gerade im Raum befinden.

Kraft- und Drehmomentsensoren sitzen in Handgelenken und Füßen. Sie melden, wie stark der Roboter drückt und wo genau er Bodenkontakt hat. Erst dadurch kann ein Humanoide ein Ei greifen, ohne es zu zerdrücken, und auf einer schrägen Fläche stehen, ohne wegzurutschen.

Taktile Sensoren in den Fingerkuppen sind die jüngste Ergänzung. Sie erkennen, ob ein Objekt in der Hand zu rutschen beginnt, lange bevor eine Kamera das sehen könnte.

Balance: das eigentliche Kunststück

Zweibeiniges Gehen ist mathematisch gesehen kontrolliertes Fallen. Der Roboter kippt bei jedem Schritt nach vorn und fängt sich, indem er den nächsten Fuß rechtzeitig an die richtige Stelle setzt. Damit das gelingt, laufen mehrere Regelschleifen parallel.

Die schnellste Schleife arbeitet direkt in den Aktuatoren und regelt Strom und Drehmoment im Kilohertzbereich. Darüber liegt eine Ganzkörperregelung, die aus IMU-Daten, Gelenkwinkeln und Fußkräften berechnet, welche Momente in welchem Gelenk anliegen müssen, damit der Schwerpunkt über der Standfläche bleibt. Klassisch beschreibt man das über den Zero Moment Point, also den Punkt am Boden, an dem die resultierenden Kippmomente verschwinden. Ganz oben plant eine langsamere Schicht die eigentliche Route und die Schrittfolge.

Interessant ist, dass diese Ebene inzwischen zunehmend gelernt statt handprogrammiert wird. Statt jede Bewegung analytisch zu modellieren, trainieren Entwickler die Gehregelung in der Simulation mit bestärkendem Lernen und übertragen die fertige Strategie anschließend auf die reale Maschine.

Das Gehirn: von der Regelung zum VLA-Modell

Bis vor wenigen Jahren war ein Roboter genau so schlau, wie sein Programmierer es vorgesehen hatte. Jede Aufgabe musste einzeln beschrieben werden. Genau das ändert sich gerade, und zwar durch sogenannte Vision-Language-Action-Modelle, kurz VLA.

Ein VLA-Modell bekommt Kamerabilder und eine Anweisung in normaler Sprache, etwa “räum die Tasse in die Spüle”, und gibt direkt kontinuierliche Steuerbefehle für die Gelenke aus. Der Zwischenschritt über eine handgeschriebene Aufgabenzerlegung entfällt.

Fast alle relevanten Systeme nutzen dafür eine zweigeteilte Architektur, die in Anlehnung an die Psychologie gern System 2 und System 1 genannt wird. Helix von Figure AI, das den Oberkörper des Figure 03 steuert, arbeitet nach diesem Prinzip: Ein großes Sprach-Bild-Modell versteht die Aufgabe und die Szene, eine deutlich schnellere visuomotorische Schicht übersetzt dessen interne Repräsentation in flüssige Bewegung von Armen, Händen, Fingern und Rumpf. NVIDIA verfolgt mit der offenen Isaac-GR00T-Familie denselben Ansatz. Dort interpretiert ein Sprach-Bild-Modul die Szene, während ein nachgelagerter Diffusion Transformer daraus in Echtzeit Motorik erzeugt. Die jüngste Version GR00T N1.7 ist ein Modell mit rund drei Milliarden Parametern und kommerzieller Lizenz, gedacht für Materialhandhabung, Verpacken und Inspektion.

Der Reiz dieser Modelle liegt in der Übertragbarkeit. Ein klassisch programmierter Greifvorgang funktioniert nur für das Objekt, für das er geschrieben wurde. Ein Foundation Model, das aus Millionen Beispielen gelernt hat, kann mit einem Gegenstand umgehen, den es so noch nie gesehen hat. Perfekt ist das noch lange nicht, aber es erklärt, warum die Fortschritte gerade so schnell wirken.

Wie ein Roboter lernt

Die Daten für diese Modelle kommen aus drei Quellen.

Simulation. Physik-Engines wie NVIDIA Isaac Sim lassen tausende virtuelle Roboter parallel auf einer Grafikkarte laufen, teils um ein Vielfaches schneller als in Echtzeit. Frameworks wie Isaac Lab kombinieren das mit Verfahren des bestärkenden Lernens. Ein Gehverhalten, das real Monate an Testläufen bräuchte, entsteht so in Stunden. Die Kunst besteht darin, die Simulation so zu variieren, dass die gelernte Strategie auch auf echtem Boden mit echter Reibung funktioniert. Fachleute nennen das Domain Randomization und den Übergang selbst Sim-to-Real.

Teleoperation. Menschen steuern den Roboter über VR-Brille und Handtracking und erzeugen dabei hochwertige Demonstrationsdaten. Diese Methode ist teuer, liefert aber genau die Feinheiten, die in der Simulation schwer zu modellieren sind, etwa das Falten eines Handtuchs.

Videobeobachtung. Aus Aufnahmen menschlicher Tätigkeiten lassen sich Bewegungsmuster extrahieren. Das ist die günstigste Quelle, aber auch die ungenaueste, weil aus einem Video weder Griffkraft noch exakte Gelenkstellung ablesbar sind.

In der Praxis kombinieren alle ernsthaften Anbieter diese drei Wege.

Energie: der unterschätzte Flaschenhals

Ein Humanoide, der ständig sein eigenes Gewicht ausbalanciert, verbraucht auch im Stehen Strom. Genau hier liegt eine der härtesten Grenzen der aktuellen Generation.

Figure hat für den Figure 03 einen 2,3-Kilowattstunden-Akku direkt in den Rumpf integriert und die Energiedichte über drei Generationen hinweg nach eigenen Angaben um 94 Prozent gesteigert. Angegeben werden bis zu fünf Stunden, in beobachteten Einsätzen lagen die Werte eher bei drei bis vier Stunden. Geladen wird drahtlos mit rund zwei Kilowatt über Spulen in den Füßen, der Roboter stellt sich also einfach auf eine Ladeplatte. Der Unitree G1 kommt mit rund zwei Stunden aus, setzt dafür aber auf einen Wechselakku mit Schnellverschluss. Für den neuen elektrischen Atlas kursieren Angaben um vier Stunden mit tauschbarem Akku, ein vollständiges offizielles Datenblatt hat Boston Dynamics bislang allerdings nicht veröffentlicht.

Für den Dauerbetrieb in einer Fabrik reicht das noch nicht. Deshalb geht der Trend klar zu zwei Lösungen: Wechselakkus, damit ein Roboter binnen einer Minute weiterarbeitet, und automatisches Andocken an eine Ladestation in Arbeitspausen.

Was heute noch nicht funktioniert

Bei aller Begeisterung lohnt der nüchterne Blick. Es fehlen bis heute standardisierte Hardwarearchitekturen, und viele Komponenten, allen voran Aktuatoren, Batterien und Sensoren, erfüllen industrielle Anforderungen nur teilweise. Jeder Hersteller baut seine eigene Welt, was Ersatzteile teuer und Wartung kompliziert macht.

Dazu kommen offene Punkte bei der Zuverlässigkeit. Ein Roboter, der eine Aufgabe zu 95 Prozent beherrscht, ist im Labor beeindruckend und in der Produktion ein Problem, weil die fehlenden fünf Prozent einen Menschen zur Aufsicht binden. Auch die Sicherheitszertifizierung für den Betrieb neben Menschen ist in Europa noch nicht abschließend geklärt.

Die Kostenkurve zeigt allerdings in die richtige Richtung. Analysten von BofA Global Research erwarten, dass die reinen Materialkosten eines Humanoiden bis 2030 bis 2035 auf etwa 13.000 bis 17.000 US-Dollar fallen, was mehr als einer Halbierung gegenüber heute entspräche. Getrieben wird das durch Skaleneffekte und durch bessere Komponentenauslegung. Was heute ein Forschungsgerät ist, wird damit zum Investitionsgut mit kalkulierbarer Amortisation.

Fazit

Ein humanoider Roboter funktioniert, weil drei sehr unterschiedliche Disziplinen ineinandergreifen: Feinwerktechnik im Antrieb, Sensorik und Regelungstechnik für das Gleichgewicht und maschinelles Lernen für das Verständnis der Aufgabe. Jahrzehntelang war die Mechanik der Engpass. Heute ist sie es nicht mehr, denn Elektromotoren, Getriebe und Akkus sind gut genug für praktische Arbeit. Der eigentliche Wettlauf findet inzwischen in der Software statt, genauer bei der Frage, wie zuverlässig ein Modell eine ungewohnte Situation meistert.

Wer die technischen Grundlagen kennt, kann Ankündigungen besser einordnen. Eine beeindruckende Videodemonstration sagt wenig darüber aus, ob ein Roboter dieselbe Aufgabe auch beim tausendsten Versuch in einer fremden Umgebung schafft. Genau daran misst sich, ob 2026 wirklich der Beginn der Serienrobotik war.