Humanoide Roboter: Chinas Vorsprung von 19.000 Einheiten und die Fabrikmathematik dahinter

Die IDC-Zahlen kamen am 29. September über TechNode, das sich auf das chinesische Portal IT Home beruft. Stimmt die Zahl, ist China nicht bloß ein Teilnehmer am Markt für humanoide Roboter, sondern der Markt selbst. Dieselbe IDC-Prognose nennt für 2030 weltweit mehr als 750.000 Einheiten. Sie geht davon aus, dass sich die aktuelle Kurve vier weitere Jahre nach oben biegt.

Doch das Wort Fabrik leistet hier Schwerarbeit. Einen humanoiden Roboter aus einem Gebäude zu schicken ist nicht dasselbe, wie ihn an einem Band arbeiten zu lassen. Die neuesten Quellen in diesem Dossier zeigen, wie weit beides noch auseinanderliegt.

Die Fertigungshalle ist weiterhin überwiegend nicht humanoid

Die Fertigungsumfrage von The Robot Report, veröffentlicht am 29. September, macht die Größe der Lücke deutlich. Die Installationen von Industrierobotern verdoppelten sich in dem Jahrzehnt bis 2024, wie die International Federation of Robotics mitteilt. Bei der Roboterdichte führen Südkorea, Singapur, Deutschland und Japan, also bei der Zahl der Roboter pro 10.000 Beschäftigte. Im ersten Halbjahr 2026 stieg der Auftragswert für Roboter um 6,6 Prozent im Jahresvergleich, wie die Association for Advancing Automation feststellte. Sie merkte an, dass das Wachstum in nicht-automobilen Bereichen die Verlangsamung bei Automobilherstellern ausglich.

Humanoide tauchen in dieser Umfrage als Versprechen auf, nicht als Posten. Der Bericht stellt fest, dass das Interesse an humanoiden Robotern zwar hoch sei, sie aber erst am Anfang kommerzieller Tests stünden und andere Bauformen bereits verfügbar seien. Cobots, autonome mobile Roboter und mobile Manipulatoren sind die Formen, die heute tatsächlich die Arbeit machen.

Die Schlagzeilenzahl von IDC und das Bild der Fachpresse aus der Praxis widersprechen sich also nicht. Sie messen verschiedene Dinge: Einheiten, die eine Fabrik verlassen, gegenüber Einheiten, die darin nützliche Arbeit verrichten.

Kraft- und Drehmomentsensorik ist der unspektakuläre Engpass

Beschreibt die chinesische Auslieferungszahl das Angebot, so beschreibt ein für die RoboBusiness 2026 geplanter Vortrag das Problem auf der Nachfrageseite. ForceN-Gründer und CEO Robert Brooks hält am 20. Oktober um 14:15 Uhr PT in Santa Clara, Kalifornien, den Vortrag "A Crash Course in Force & Torque Sensing for Humanoids". Es ist der erste Tag der zweitägigen Veranstaltung, wie The Robot Report berichtet.

Kraft-Drehmoment-Sensoren geben Robotern einen Tastsinn. Ohne sie sind Roboter, wie derselbe Bericht es formuliert, blind dafür, wie viel Druck sie bei der Arbeit ausüben. Brooks stützt sich laut Ankündigung auf drei Jahre Arbeit mit Unternehmen für humanoide Roboter sowie auf die Entwicklung von Kraft und Drehmoment in der Chirurgie, der Logistik und der Feldrobotik. Sein erklärtes Ziel: Produktion und Feldreife zu beschleunigen.

Das ist eine nützliche Korrektur zur Berichterstattung über Auslieferungszahlen. Ein Roboter, der eine Kiste greifen kann, ist kein Roboter, der ein Ei greifen kann. Der Unterschied steckt im Sensorstapel, nicht in der Stückzahl.

Ein Haushaltsroboter für 3.555 Dollar und was sein Datenblatt einräumt

Auch die Heimseite des Marktes bewegt sich. Flourish, ein Startup mit Standorten in San Francisco und Paris, hat den Verkauf von Flourish One eröffnet, einem fahrenden Haushaltsroboter im Humanoid-Stil für 3.555 Dollar, wie The Robot Report am 29. September berichtete. Das Unternehmen sagt, frühe Nutzer könnten ihm neue Aufgaben in weniger als 30 Minuten beibringen, allein mit einem Smartphone.

Die Spezifikation ist ungewöhnlich offen über die Grenzen. Jeder Arm hat eine Nutzlast von 1,5 kg. Der Akku ist für 12 Stunden Armbetrieb ausgelegt. Ein kleiner Lidar sitzt unten an der Basis nahe dem Boden, und jeder zweifingrige Greifer trägt eine Kamera am Handgelenk. Der Roboter ist nicht wasserdicht, spült also in dieser Generation kein Geschirr und wäscht keinen Hund. Er eignet sich für Aufräumen, Müll und einfache Reinigung wie das Abwischen eines Tisches, nicht für filigrane Montage.

Flourish baut die erste Charge von 50 Einheiten von Hand und hofft, vor Weihnachten auszuliefern. Um die Materialkosten niedrig zu halten, läuft das Gerät auf einem Raspberry Pi. Cloud-GPUs übernehmen das Training der Fähigkeitsmodelle und die Inferenz für übergeordnetes Verhalten. Für das "Denken" ist eine Netzwerkverbindung nötig, alternativ können Nutzer Arbeitslasten optional auf eigenen Rechnern laufen lassen. Gründer Antoine Marcel sagte dem Robot Report, eine NVIDIA-GPU im Roboter würde die Kosten sofort verdoppeln. 1,5 kg seien gewählt worden, weil die meisten Haushaltsaufgaben keine riesige Nutzlast brauchen.

"Wie ich meine Wohnung aufräume, ist nicht dasselbe wie bei Ihnen zu Hause. Sie zeigen ihm 30 Minuten lang, wie Sie Ihre Pflanzen gießen", sagte Marcel. "Wir optimieren ein KI-Modell dafür... jetzt kann der Roboter das in Ihrem Haus."

Die Lehrmethode nutzt die inertialen Messeinheiten in einem Telefon. Der Nutzer hält das Telefon und bewegt es, als führe er die Aufgabe aus, während der Roboter die Bewegung nachvollzieht. Marcel nannte das den magischen Teil des Produkts, weil keine zusätzliche Hardware nötig ist.

Die Software ist ungleichmäßig, und die Benchmarks verbergen das

Hardware-Grenzen sind nur die halbe Geschichte. Ein am 29. September veröffentlichter technischer Bericht von Forschern bei fig.inc bewertete Frontier-Modelle bei Web-Automatisierung und bei physischen Aufgaben wie Manipulation, Montage, industriellen Abläufen und Fahren. Die Autoren fanden, was sie ungleichmäßige Leistung nennen.

Das Ergebnis ist eindeutig: In jedem getesteten Modellpaar löste das schwächer bewertete Modell Aufgaben, an denen das höher bewertete scheiterte. Bei Web-Aufgaben wechselte das beste Modell je nach Website und je nach den Schwierigkeitslabels des Benchmarks selbst. Ein Modellupdate konnte den Durchschnitt fast unverändert lassen, während viele einzelne Aufgaben kippten. Und ein Update, das den Durchschnitt hob, verlor trotzdem Aufgaben, die das ältere Modell gelöst hatte.

Dieselbe Unebenheit zeigte sich in physischen Bereichen. Modelle, die Gemini 3.5-Flash in jedem Bereichsdurchschnitt schlugen, schnitten in manchen Aufgabenkategorien trotzdem schlechter ab. Die Autoren veröffentlichten einen Datensatz namens RIDGE mit Ergebnissen auf Aufgabenebene über fünf Bereiche, von VisualWebArena bis Bench2Drive, VLABench, IndEgo und Assembly101. Ihr Punkt: Ein Benchmark-Mittelwert verbirgt, wie stark der Erfolg von Aufgabe zu Aufgabe schwankt. Das zählt, wenn Einsatzentscheidungen auf diesen Zahlen beruhen.

Wer Auslieferungssummen als Maß für Leistungsfähigkeit liest, sollte diesen Vorbehalt mitnehmen. Die Stückzahl sagt, wie viele Einheiten das Gebäude verlassen haben. Sie sagt nicht, wie zuverlässig eine davon eine Pflanze gießt.

Was die nächsten zwölf Monate prüfen werden

Die neuesten Quellen des Dossiers zeigen in eine Richtung: Das Gespräch über humanoide Roboter verschiebt sich von Vorführungen zu Spezifikationen. Nutzlast in Kilogramm. Betriebsstunden. Ob der Roboter eine Netzwerkverbindung zum Denken braucht. Ob ein Sensorpaket verhindern kann, dass er zerdrückt, was er hält.

Chinas Anteil von 77,9 Prozent an den Auslieferungen des ersten Halbjahrs, wie TechNode berichtet, ist ein realer und auffälliger Datenpunkt. Die IDC-Prognose von 750.000 Einheiten für 2030 ist eine Projektion, keine Auslieferung. Zwischen diesen beiden Zahlen steht die schwierigere Frage, die die Fertigungsumfrage von The Robot Report aufwirft: Wie viele dieser Maschinen werden bezahlte Arbeit in einer Fabrikhalle oder in einem Haushalt verrichten, statt nur in eine Installationsstatistik einzugehen.

Die RoboBusiness 2026 am 20. und 21. Oktober in Santa Clara wird einiges davon zu Protokoll bringen. ForceNs Sitzung ist ein Datenpunkt. Der Rest wird sich als Auftragswerte, Feldtests und irgendwann als die Frage zeigen, ob ein Roboter für 3.555 Dollar gelehrt werden kann, die Pflanzen zu gießen, ohne dass man es ihm zweimal beibringen muss.