Humanoide Roboter sind Roboter mit menschenähnlichem Körperbau, die sich in Umgebungen bewegen und Werkzeuge nutzen sollen, die für Menschen gebaut wurden. In Logistik und Produktion arbeiten sie heute fast ausschließlich in Pilotprojekten mit kleinen Flotten und klar abgegrenzten Aufgaben.
Humanoide Roboter sind Roboter mit menschenähnlichem Körperbau, die sich in Umgebungen bewegen und Werkzeuge nutzen sollen, die für Menschen gebaut wurden. In Logistik und Produktion arbeiten sie heute fast ausschließlich in Pilotprojekten mit kleinen Flotten und klar abgegrenzten Aufgaben.
Humanoide Roboter haben einen Rumpf, einen Kopf, zwei Arme mit Händen und meist zwei Beine. Ziel ist nicht die optische Ähnlichkeit, sondern die Fähigkeit, in bestehenden Arbeitsumgebungen zu arbeiten. Neben zweibeinigen Modellen gibt es Varianten mit menschenähnlichem Oberkörper auf einer fahrbaren Basis. Sie sind energieeffizienter und stabiler; in der Industrie werden beide Bauformen getestet. Humanoide Roboter sind die anspruchsvollste Anwendung von Physical AI: Sie vereinen alle Schichten des Physical-AI-Stacks in einem Körper.
Fabriken und Lager sind für Menschen gebaut. Treppen, Regalhöhen, Türgriffe und Werkzeuge sind auf den menschlichen Körper ausgelegt. Ein humanoider Roboter kann sich deshalb theoretisch in bestehende Abläufe einfügen, ohne dass die Halle umgebaut werden muss. Hinzu kommt die Vielseitigkeit. Während ein klassischer Industrieroboter für eine Aufgabe optimiert ist, soll ein humanoider Roboter mit derselben Hardware viele unterschiedliche Tätigkeiten übernehmen, je nachdem, was seine Software gelernt hat. Außerdem lernt er leichter vom Menschen: Weil Körperbau und Bewegungen ähnlich sind, lassen sich menschliche Demonstrationen und Bewegungsdaten einfacher auf den Roboter übertragen. Für viele Aufgaben bleiben fahrerlose Transportsysteme, Roboterarme oder automatische Kleinteilelager schneller und günstiger. Das Potenzial humanoider Roboter liegt bei Tätigkeiten, die bisher zu variabel, zu kleinteilig oder zu verteilt für eine wirtschaftliche Automatisierung waren.
Ein humanoider Roboter ist im Kern ein Physical-AI-System in Menschengestalt, bei dem Körper, Sinne und ein lernendes „Gehirn“ in Echtzeit zusammenarbeiten müssen. Sein Körper hat typischerweise mehrere Dutzend Gelenke, sogenannte Freiheitsgrade. Jedes davon braucht einen Aktuator aus Motor, Getriebe und Sensorik, der kompakt und kraftvoll, aber zugleich nachgiebig genug für den sicheren Umgang mit Menschen und Objekten sein muss. Zu den größten technischen Herausforderungen gehört die Hand. Um Werkzeuge zu nutzen oder unterschiedliche Teile zu greifen, braucht sie viele Freiheitsgrade sowie Kraft- und Tastsensorik auf engstem Raum. Für das zweibeinige Gehen ist eine permanente Balanceregelung nötig, die heute häufig mit Reinforcement Learning in der Simulation trainiert und anschließend auf den echten Roboter übertragen wird. Die Umgebung erfasst der Roboter über Kameras, Tiefensensoren und teils LiDAR, die eigene Lage über Inertialsensoren und Gelenkencoder. Als „Gehirn“ dienen Robotik-Foundation-Models wie Vision-Language-Action-Modelle, die auf einem Edge-Computer im Roboter laufen und aus Bildern und Anweisungen Bewegungen erzeugen. Die Einsatzdauer begrenzt der Akku, weshalb für den Mehrschichtbetrieb Schnellladen oder selbstständig wechselbare Akkus entwickelt werden.
Die bekanntesten Pilotprojekte laufen in der Automobilindustrie und der Kontraktlogistik, etwa bei BMW, Mercedes-Benz und GXO. Im BMW-Werk Leipzig halten die Akkus je nach Tätigkeit etwa drei bis vier Stunden und werden vom Roboter selbstständig gewechselt. Übernommen werden wiederholbare Tätigkeiten in strukturierter Umgebung: Behälter bewegen, Teile einlegen, Material bereitstellen. Unabhängige Daten zu Taktzeiten, Ausfallraten und Wirtschaftlichkeit sind bisher rar; viele Zahlen stammen von den Herstellern.
Zwischen einem erfolgreichen Pilotprojekt und dem Einsatz Hunderter Roboter im Schichtbetrieb liegen noch mehrere ungelöste Aufgaben. Die wichtigste ist die Zuverlässigkeit: Im Regelbetrieb zählt nicht, ob ein Roboter eine Aufgabe einmal schafft, sondern ob er sie tausendfach fehlerfrei erledigt. Eng damit verbunden ist die Generalisierung, denn neue Teile, Abläufe oder Umgebungen erfordern heute oft noch zusätzliches Training. Auch die Hardware ist noch nicht ausgereift. Geschickte, robuste und bezahlbare Hände sowie langlebige Aktuatoren bleiben technisch anspruchsvoll. Für mobile, zweibeinige Roboter, die stürzen können, werden passende Sicherheitsstandards erst entwickelt. Anschaffungs-, Integrations- und Wartungskosten müssen sich zudem gegenüber Alternativen rechnen, weshalb viele Anbieter auf Mietmodelle (Robots-as-a-Service) setzen. Ein weiterer Engpass sind Daten. Robotik-Modelle brauchen große Mengen realitätsnaher Trainingsdaten, und Daten darüber, wie Arbeit in realen Hallen tatsächlich abläuft, sind knapp. Mehr dazu auf der Seite Trainingsdaten für Physical AI.
Humanoide Roboter sind für die meisten Betriebe heute noch kein Kaufobjekt, die Vorbereitung beginnt aber jetzt. Am Anfang steht das Verständnis der eigenen Tätigkeiten: Welche manuellen Aufgaben fallen wie oft an, wie lange dauern sie und wie belastend sind sie? Erst objektive Prozessdaten zeigen, wo ein humanoider Roboter überhaupt sinnvoll wäre. Auf dieser Grundlage lassen sich geeignete Aufgaben auswählen. Gute Einstiegsaufgaben sind wiederholbar, finden in strukturierter Umgebung statt und sind für Menschen ergonomisch belastend, etwa Behälterhandling oder Materialbereitstellung. Wer heute zusätzlich Zeiten, Wege und Belastungen misst, kann später belegen, ob ein Roboter tatsächlich Mehrwert bringt.
