Humanoide Roboter: Das Gehirn ist längst Massenware

Die These: Das Gehirn des Humanoiden ist längst Massenware

Die kognitive Ebene humanoider Roboter hat ihren Lauf als Wettbewerbsvorteil beendet. Das ist eine dokumentierte Entwicklungslinie, keine Parteimeinung.

Am 21. September 2026 hat Hanxiao Chen einen LLM-basierten Konversationsassistenten für MyBuddy veröffentlicht, einen Humanoiden mit 13 Achsen, angetrieben von einem Raspberry Pi (arXiv:2609.24742^[1]). Der Stack verbindet Spracherkennung in Echtzeit, Schlussfolgern über komplexe Fragen, Wissensabruf aus Online-Diensten wie Wikipedia und arXiv, flexible Dialogsteuerung und natürliche Sprachsynthese. Die Arbeit wurde als Poster für den WiML-Workshop der NeurIPS 2026 angenommen.

Eine Tischplattform trägt heute ein durchgehendes Gespräch über mehrere Runden, mit Kontextgedächtnis über die Runden hinweg.

Der Engpass des Humanoiden hat sich verschoben: Aktuatoren, Hand, Kosten pro Roboterstunde. Jeder Industrieplan, der Intelligenz als den teuren Posten einpreist, schaut in die falsche Bilanzspalte.

Der Konsens starrt auf Gigawatt und verfehlt den Punkt

Der Konsens hat den falschen Rahmen. Er schaut auf Gigawatt: Der Energiebedarf von KI-Rechenzentren ist zur Metrik geworden, mit der der Markt maschinelle Intelligenz bepreist, Roboter eingeschlossen.

Diese Metrik beschreibt die Kosten von Training und aggregierter Inferenz. Über die Grenzkosten, einen Roboter sprechen zu lassen, sagt sie wenig. Das Paper zeigt den Unterschied: Der Körper beherbergt einen Rechner für wenige Dutzend Dollar, während die schwere Last stromaufwärts bleibt, in einer Anlage, die sich Millionen von Aufrufen teilen.

Der Roboter zahlt Kosten pro Aufruf, seit Jahren fallend über die gesamte Wertschöpfungskette. Ein Hersteller, der sich weiterhin einen proprietären kognitiven Vorsprung einkauft, kauft Massenware zum Listenpreis.

Der naheliegende Einwand: Ein Laborhumanoide unterscheidet sich vom industriellen in Nutzlast und Sicherheit. Richtig bei der Mechanik, falsch beim Dialog-Stack, der in beiden Fällen identisch bleibt.

Die Kurve: drei datierte Punkte in drei Jahren

Eine Kurve verdient diesen Namen mit mindestens drei datierten Punkten. Die öffentlichen Quellen liefern die Hardwareklasse statt des Dollarpreises: Ich messe diese.

2023 hat StyleTTS 2 die Sprachsynthese auf menschliches Niveau gebracht, innerhalb eines offenen Forschungsmodells (doi.org/10.48550/arXiv.2306.07691^[2]). Im selben Jahr lief die Steuerung interaktiver Roboterarme über Mixed-Reality-Schnittstellen auf Consumer-Hardware (doi.org/10.1145/3655532.3655546^[3]). Im September 2026 läuft der gesamte Konversations-Stack auf einem Humanoiden mit 13 Achsen und einem Raspberry-Pi-Board, wie auch der Spiegel der Arbeit berichtet (alphaXiv^[4]).

Drei Jahre, drei Stufen: proprietäres Labor, Consumer-Hardware, Bastlerplatine. Die Richtung ist eindeutig, und das Gefälle bleibt steil.

Dieselbe Dynamik hat bereits Computer Vision und Spracherkennung durchlaufen: erst ein geschlossenes Labor, dann eine offene Bibliothek, schließlich eine Systemfunktion. Die Robotik kommt zuletzt und läuft schneller.

Das ist ein Regimewechsel, kein vorübergehender Trend.

Das Cliff Event und der Mechanismus dahinter

Cliff Event: die Kostenparität zwischen Roboterstunde und manueller Arbeitsstunde in der Fertigung, Horizont 2028–2029, deutlich vor dem Datum, das der Konsens um 2035 ansetzt.

Der Mechanismus ist direkt. Wenn die Grenzkosten der kognitiven Ebene gegen null fallen, hängt die Marge eines Humanoiden an drei Posten: Lebensdauer der Aktuatoren, Geschicklichkeit der Hand, nutzbare Arbeitsstunden pro Tag. Die Softwarekurve fällt von allein, also folgt der Endpreis der Mechanik.

Die Hand bleibt der harte Teil. Finger, Getriebe, taktile Sensoren und Lebenszyklen unter Last folgen langsamen Industriekurven aus Formen, Stahl und Prüfläufen.

Hier liegt der Punkt, der die Investitionsprioritäten umdreht: Geld, das weiterhin dem Gehirn hinterherläuft, läuft Massenware zum vollen Preis hinterher.

Drei Kategorien, die sich bis 2029 verändern

Drei Kategorien gehen verwandelt aus dieser Wanderung des Engpasses hervor:

• Proprietäre Konversations-Middleware für Roboter, heute als Lizenz verkauft und morgen in der Plattform enthalten.
• Die Zulieferer von Aktuatoren, Harmonic Drives und taktilen Sensoren, die von der Komponente zum Kern der Wertschöpfung aufsteigen.
• Die Systemintegratoren, die Servicestunden verkaufen, mit einer Marge, die sich von der Programmierung zur Wartung verschiebt.

Die Plattformbauer wie Figure, 1X, Apptronik und Unitree konkurrieren inzwischen über Körper, Hand und Autonomie statt über Dialog. Wer das eigene Sprachmodell als Hauptunterscheidungsmerkmal präsentiert, verkauft das billigste Teil der Maschine.

Die zweite Gruppe bleibt die am stärksten unterschätzte. Ein Getriebe, das über Millionen Zyklen zuverlässig arbeitet, ist ein Problem der Metallurgie und der Toleranzen, immun gegen den Preisverfall bei Tokens.

Die dritte Gruppe verliert ihr angestammtes Handwerk. Ein Verhalten zu programmieren wird zum Gespräch, also liegt der Restwert darin, die physische Maschine am Laufen zu halten, Schicht für Schicht.

Die Schlussrechnung belohnt den, der den physischen Teil kontrolliert, heute noch als blosse Zulieferung behandelt.

Die Position dieses Desks und was sie widerlegt

Die Position, vollständig ausgesprochen: Die kognitive Ebene des Humanoiden ist längst Massenware, also entscheidet sich der Wettbewerbsvorteil der Branche an Aktuatoren, Hand und Kosten pro Roboterstunde.

Die Argumentation steht auf zwei Beinen. Erstens: eine öffentliche Demonstration eines vollständigen Stacks auf Hardware für wenige Dutzend Dollar, mit überprüfbarer Quelle und gesichertem Datum. Zweitens: Der Preis der Inferenz fällt seit Jahren entlang der gesamten Wertschöpfungskette, also tendiert die kognitive Ebene gegen die Kosten eines Aufrufs an einen externen Dienst.

Was mich umstimmen würde: ein belastbarer Beweis, dass Feinmotorik proprietäre Modelle verlangt, trainiert auf seltenen und teuren Kontaktdaten. Dann wäre das Gehirn wieder knapp, für die Manipulation statt für den Dialog.

Ein zweites Gegensignal käme aus unabhängigen Teardowns, mit der Bordrechenleistung als dominantem Kostenposten. Bis dahin hält die These und gehört in Entscheidungen eingebaut.

Was sich ändert für alle, die jetzt entscheiden

Die operativen Folgen kommen vor dem Cliff Event, denn die Verträge werden heute unterschrieben:

• CTO und Chief Innovation Officer: den Bord-Stack neu bewerten und Budget vom proprietären Rechnen in die Kette aus Sensoren und Aktuatoren verschieben.
• Venture Capital und Growth Equity: Die unbequeme Wette liegt in mechanischen Komponenten statt in der x-ten Softwareschicht.
• Chief Strategy Officer: Ein Dreijahresplan, der die Intelligenz der Roboter als Hauptposten einpreist, beschreibt eine bereits überholte Welt.
• Technology Procurement: mehrjährige Bindungen an Bord-Rechenmodule vermeiden und Aktualisierungsklauseln für die kognitive Software verlangen.

Ein konkretes Beispiel für einen Fehler: heute drei Jahre Lizenzen für eine robotische Dialog-Engine festzuschreiben. Bis zur Verlängerung wird dieselbe Ebene in der Plattform enthalten sein, und jener Vertrag wird zum reinen Kostenposten.

Der rote Faden ist einer. Knappheit wandert immer, und wer sie als dauerhaft einpreist, zahlt zweimal: einmal im Vertrag, einmal in der Abschreibung.

90 % der Analysten haben recht über die Gegenwart und unrecht über das Tempo des Wandels. Das Tempo diktiert in diesem Fall die Mechanik.

Prognose, Horizont, Kill Signal

Prognose: Bis zum 31. Dezember 2027 erklärt mindestens ein Humanoiden-Hersteller unter den fünf grössten nach eingesammeltem Kapital öffentlich, dass die Hand (Finger, Aktuatoren und taktile Sensoren) der grösste Kostenposten seiner Plattform ist.

Confidence: 65 von 100. Horizont: 464 Tage. Kill Signal: Ein unabhängiger Teardown oder eine offizielle Stückliste einer führenden Humanoiden-Plattform weist die Bordrechenleistung als Kostenposten oberhalb von Hand und Aktuatoren aus.

Kein einziges börsennotiertes Instrument bildet diese Aussage ehrlich ab, also lasse ich das Feld des Marktindikators leer. Eine Prognose über ein industrielles Ereignis verdient eine Überprüfung an Dokumenten statt einen erzwungenen Ticker.