Warum 2026 das Datenjahr der Humanoiden ist

2025 war ein humanoider Roboter, der durch eine Lagerhalle läuft, keine Demo mehr, sondern wurde zu einem Kostenposten. Figure, 1X und Agility holten ihre Maschinen allesamt aus dem Labor und in bezahlte Pilotprojekte. Die Hardware, jahrelang die Pointe, funktionierte weitgehend. Und genau da trat das eigentliche Problem ins Licht.

Ein Humanoid, der stehen, das Gleichgewicht halten und seine Hände bewegen kann, ist nicht dasselbe wie ein Humanoid, der weiß, was er mit ihnen anfangen soll. Der Körper ist eine Plattform. Das Verhalten ist eine Policy, und eine Policy ist nur so gut wie die Demonstrationen, aus denen sie gelernt hat. 2026 ist das, was zwischen einem laufenden Roboter und einem nützlichen steht, nicht Motoren oder Teraflops. Es sind Daten.

Das ist das Argument, das man klar aussprechen sollte: Dies ist das Jahr, in dem die bindende Beschränkung für Humanoiden in die Datenschicht gewandert ist. Nicht weil Hardware und Rechenleistung für immer gelöst wären, sondern weil sie nicht länger das sind, worauf man zuerst stößt.

Die Hardware-Ausrede ist abgelaufen

Ein Jahrzehnt lang lautete die ehrliche Antwort darauf, warum Roboter nicht mehr konnten, schlicht: der Roboter selbst. Hände waren unbeholfen. Aktuatoren waren schwach oder zappelig. Akkus gaben den Geist auf. Das Gleichgewicht war ein Forschungsprojekt. Vieles davon ist heute, wenn nicht abgeschlossen, so doch gut genug für den Einsatz. Kommerzielle Humanoiden von Figure, 1X und Agility verrichten in realen Anlagen repetitive Arbeit, und die International Federation of Robotics verfolgt seit Längerem einen stetigen industriellen Ausbau unterhalb der Humanoid-Schlagzeilen.

Die Fortbewegung ist der Teil, der sich gut fotografieren lässt, und der Teil, der zuerst gelöst wurde. Gehen, Balancieren, Treppensteigen, einen Stoß einstecken, ohne umzufallen: Das sind größtenteils Dynamik- und Regelungsprobleme, und jahrelange Forschung plus bessere Aktuatoren haben sie beherrschbar gemacht. Die Manipulation ist die schwierigere, leisere Hälfte. Zu entscheiden, wie man einen weichen Beutel greift, wie viel Kraft ein Reißverschluss braucht, ob ein Teil tatsächlich eingerastet ist, das ist keine Verstärkung, die man justiert. Es ist ein Verhalten, das ein Roboter aus Beispielen lernen muss.

Nichts davon bedeutet, dass die Hardware fertig ist. Die Hände sind nach wie vor das schwache Glied, und die Geschicklichkeit hat noch einen weiten Weg vor sich. Aber der Engpass hat sich verschoben. Wenn eine Maschine eine Aufgabe physisch ausführen kann und dennoch daran scheitert, liegt das Scheitern nicht mehr im Handgelenk. Es liegt in der Policy, die das Handgelenk steuert, und die Policy ist ein Datenproblem.

Rechenleistung war nie die Mauer

Die Geschichte der Rechenleistung ist kürzer. Eine Roboter-Policy zu trainieren ist nicht billig, aber es sind nicht die exotischen Ausgaben in nationalstaatlichem Maßstab, zu denen das Training eines führenden Sprachmodells geworden ist. Die GPUs existieren. Man kann sie stundenweise mieten. Hier wird gegen kein physikalisches Gesetz angerannt, und es gibt keine mehrjährige Wartezeit auf eine Chipfabrik, bevor man mehr davon bekommt. Roboter-Policies sind zudem weit kleiner als führende Sprachmodelle, sodass die Trainingsläufe selbst kürzer und günstiger sind.

Rechenleistung ist ein Scheck, den man ausstellen kann. Diese eine Tatsache formt das gesamte Problem um. Wenn der knappe Input etwas ist, das man mit Geld jederzeit kaufen kann, dann ist er nicht die Beschränkung. Die Beschränkung ist all das, was man nicht einfach nach Belieben erwerben kann, und für das verkörperte Lernen ist das eine große, saubere Aufzeichnung physischen Verhaltens.

Wie ein datengebundenes Feld aussieht

Sprachmodelle hatten das Internet: ein bereits vorhandenes, nahezu kostenloses Trainingskorpus, das die Menschheit aus anderen Gründen erzeugt hat. Roboter haben keinen solchen Glücksfall. Es gibt kein angesammeltes Archiv aus synchronisiertem Video, Kraft und Handbewegung von Menschen, die reale manuelle Arbeit verrichten, weil kaum jemand dabei mit Sensoren ausgestattet war. Jede brauchbare Demonstration muss bewusst erzeugt werden, eine Aufzeichnung nach der anderen.

Die Größenordnungslücke lässt sich leicht unterschätzen. Ein führendes Sprachmodell trainiert auf einem Korpus, das in Billionen von Tokens gemessen wird und nahezu ohne Grenzkosten zusammengetragen wurde. Die größten offenen Datensätze zur Robotermanipulation werden in Tausenden von Stunden gemessen, jede einzelne davon mit menschlicher Zeit bezahlt. Grob gesagt liegen die beiden Angebotskurven nicht im selben Universum, und keine noch so clevere Architektur schließt eine derart große Lücke von allein.

Liest man die Tabelle von oben nach unten, taugt sie zugleich als Zeitleiste. Die Branche räumte die Hardware aus dem Weg, stieß dann nie wirklich auf die Rechenleistung und gelangte zu jenem Input, den niemand abkürzen konnte. Das Toyota Research Institute hat das in seiner Arbeit an large behavior models unverblümt ausgesprochen: Die Obergrenze für allgemeine Roboterfähigkeiten ist die Menge und Qualität der Verhaltensdaten, die man ihm zuführen kann, und nicht die Größe des Netzes.

Das Gerangel um Nachschub

Man kann 2026 lesen, indem man beobachtet, wohin die Anstrengung fließt. Teleoperationsfarmen, in denen Menschen stundenlang Roboter wie Marionetten führen, um saubere Demonstrationen zu erzeugen. Simulationspipelines, die ein wenig reale Daten zu einer Menge synthetischer Daten aufblähen. Tragbare Erfassungs-Rigs, die Menschen bei alltäglichen Aufgaben aus der Ich-Perspektive aufzeichnen. Neue Datensätze, neue Formate, neue Unternehmen, deren gesamtes Produkt die Erfassung selbst ist, eine Verschiebung, über die Fachmedien wie The Robot Report inzwischen als eigenes Ressort berichten. Das Kapital folgt derselben Logik: Investitionen, die einst neuartigen Aktuatoren und Hochglanz-Demos hinterherjagten, richten sich zunehmend auf jene, die Demonstrationen in großen Mengen produzieren können. Wenn die klügsten Gruppen eines Feldes allesamt beginnen, dasselbe vorgelagerte Problem zu lösen, dann ist dieses Problem die Beschränkung.

Man kann die Demonstration eines Menschen, der ein Handtuch faltet, nicht so mieten, wie man eine GPU mietet. Rechenleistung reagiert auf Geld im Zeitmaßstab von Minuten. Daten reagieren auf körperliche Anstrengung im Zeitmaßstab von Monaten, und keine Bestellung verkürzt diese Frist.

Nichts davon macht Hardware oder Rechenleistung unwichtig; ein datenreiches Programm braucht nach wie vor beides. Der Punkt ist enger gefasst und, für 2026, entscheidend. Der Input, der den Fortschritt nun begrenzt, ist derjenige, den man nicht von der Stange kaufen oder in einem Rechenzentrum hochfahren kann. Er muss erfasst werden, von echten Menschen bei echten Aufgaben, bewusst und in großem Maßstab. Die Teams, die das früh verinnerlichen, sind nicht diejenigen mit dem besten Modell in diesem Jahr. Sie sind diejenigen, die die Pipeline bauen, um jedes Modell danach zu speisen.