# RadarScore Methodology 2.0 — Frozen Reference for the Roboterradar Dataset

> **English abstract:** This document freezes the complete scoring methodology used in the Roboterradar dataset, so the archived package remains fully interpretable independent of the website. Each model is rated on six axes. Five axes (mobility, fine motor skills, autonomy, availability, maturity) use capability ladders 0–10 with observable criteria. A level backed by evidence grade A or B counts in full. A higher manufacturer-only claim (C) can add at most +1 to an A/B basis and never lift the result above 6; if the stored basis itself is only C-evidenced, it is independently capped at 6. A D-graded higher claim adds nothing, and a D-graded base level is capped at 3. The sixth axis (price-performance) is computed by a documented formula from capability points and the real list price; without a real price it is "not ratable" (null). The overall score is the mean of ratable axes. The ladders are informed by public reference frameworks (T/CIE 298-2025, SAE J3016, Fraunhofer IPA "Humanoid Capabilities Navigator") as orientation — this is no conformity claim. Full ladders below are in German, matching the dataset language.

Live-Einordnung: https://roboterradar.de/methodik/ · Vollständige normative Markdown-Fassung: https://roboterradar.de/methodik/radarscore-2.0.md · Dieses Dokument beschreibt den Stand der Methodik zum Release-Zeitpunkt des Pakets.

## 1. Prinzipien

1. **Beobachtbare Stufen:** Jede Achse ist eine Leiter 0–10; jede Stufe ist ein konkretes, nachprüfbares Kriterium („steigt Treppen", „greift Ei ohne Bruch") — kein Adjektiv.
2. **Evidenz schlägt Behauptung:** Gewertet wird die höchste Stufe, die mit Evidenz A oder B belegt ist. Herstellerangaben (C) heben maximal +1 und nie über 6. Bei Unbelegtem/Strittigem (D) gilt zweierlei: Ein D-belegter HÖHERER Claim hebt nicht, eine D-belegte BASIS-Stufe ist bei 3 gedeckelt — nicht bei 0. Die Kurzform „D zählt nicht" stand bis zum 31.07.2026 an dieser Stelle und widersprach dem Deckel in §2; ein KI-Gegenleser hat den Widerspruch dreimal gemeldet, weil er beim ersten und zweiten Reparaturversuch nur in einem der beiden Absätze behoben wurde.
3. **Berechnet statt gesetzt:** Der Achsenwert folgt aus Stufe + Evidenz-Cap. Die Redaktion entscheidet, WELCHE Stufe belegt ist — nicht, welche Zahl „sich richtig anfühlt".
4. **Lücken sind sichtbar:** Ohne realen Preis keine Preis-Leistungs-Note („n. b." / null). Ohne eine Quelle, die überhaupt ein Leiterkriterium erfüllt oder behauptet, gilt der ausdrücklich markierte `0/D`-Sentinel; eine vorhandene, aber nur D-eingestufte Basis wird dagegen nach §2 bei 3 gedeckelt.
5. **Bewertungsänderungen bleiben nachvollziehbar:** `score_log` pro Modell (Datum, Achse, alt→neu, Grund, Quelle) ist als redaktionelles Bewertungs- und Prüfprotokoll im Datensatz enthalten. Es dokumentiert auch Methodik-, Beleg- und Evidenzkorrekturen ohne Wertwechsel; es ist keine Firmen- oder Produktchronik.
6. **Teleoperation ist keine Fähigkeit des Roboters, sondern des Operators:** Teleoperierte Vorführungen belegen Mobilitäts-/Feinmotorik-HARDWARE-Stufen, aber niemals Autonomie-Stufen.
7. **Bewertet wird die Standard-Konfiguration** (out of the box). Kostenpflichtiges Zubehör (z. B. optionaler Arm bei Quadrupeds) wird im Begründungstext genannt, aber nicht gewertet.

**Score-Log-Baseline.** Reine QA-Artefakte, die vor der ersten DOI-Fassung nie einen akzeptierten
öffentlichen Datenstand beschrieben, durften einmalig vor dem Release bereinigt werden; Umfang
und Art dieser Bereinigung stehen im CHANGELOG. Seit der bereinigten Baseline vom 04.08.2026
und für jede veröffentlichte Fassung ist `score_log` strikt append-only: Bestehende Einträge
werden weder gelöscht, verschoben noch umgeschrieben; Korrekturen stehen ausschließlich in neu
angehängten Einträgen. Gleichdatierte Rundreisen im älteren Bestand bleiben als Pre-Release-Historie
erhalten; neue reine QA-Rundreisen gehören nicht in das öffentliche Log.

Der Altbestand ist keine kontinuierliche Zustandskette: Numerische `alt`/`neu`-Werte können dort
den damaligen Radarwert oder eine geprüfte Rohstufe meinen, A–D stehen für Evidenzgrade; außerdem
gibt es nur Tagesdaten ohne Uhrzeit. Seit der Baseline bedeuten neue Zahl/null-Paare stets
publizierte Radarwerte und neue A–D-Paare Evidenzgrade.

## 2. Evidenzgrade

| Grad | Bedeutung | Beispiele |
|---|---|---|
| **A — unabhängig verifiziert** | Dritte ohne Hersteller-Kontrolle haben es gesehen/gemessen | dokumentierter Kundenbetrieb, unabhängige Presse vor Ort, Live-Event mit freiem Publikum, breite Nutzer-Videos kaufbarer Geräte, unabhängige Labor-Benchmarks |
| **B — belastbar dokumentiert** | Primärquelle, nachvollziehbare Bedingungen | ungeschnittene Single-Take-Demo, Livestream, Messe-Live-Vorführung, mehrere übereinstimmende seriöse Quellen |
| **C — Herstellerangabe** | plausibel, aber nicht unabhängig prüfbar | Datenblatt, geschnittene Promo-Videos, PR-Zahlen, Roadmap-Aussagen |
| **D — unbelegt/strittig** | keine zurechenbare belastbare Quelle oder unabhängiger Widerspruch | unzugeordnete Renderings/Gerüchte, nachweislich widerlegte Angaben |

**Wertungsregel (Kern des Systems):**

```
achsenwert = höchste Stufe mit Evidenz A oder B
             + 1, falls daneben eine höhere Stufe C-belegt ist — der Bonus kann nie über 6 heben und senkt nie ab:
             liegt die A/B-Stufe schon bei 6 oder darüber, entfällt er
Ist die Basis-Stufe selbst nur C-belegt: harter Deckel bei 6; nur D-belegt: harter Deckel bei 3.
Ein c_claim ist nur neben einer A/B-belegten Basis zulässig. Bei einer C- oder D-Basis wäre er
wirkungslos und darf nicht gesetzt werden; dieselbe Herstellerangabe darf nicht als Basis und Bonus doppelt zählen.
Ein D-belegter höherer Claim hebt nie (kein Bonus).
Widerspricht eine unabhängige Quelle einem C-Claim, wird er zu D (kein Bonus).
```

**Kodierung ohne Wahlrecht:** Gibt es für eine Achse mindestens eine A/B-belegte Stufe, wird
die höchste davon als `stufe` gespeichert; eine höhere C-belegte Stufe kann daneben als
`c_claim` stehen. Gibt es keine A/B-belegte Stufe, wird die höchste C- oder D-belegte Stufe
selbst als `stufe` mit diesem Evidenzgrad gespeichert und entsprechend gedeckelt. Die Redaktion
darf nicht zwischen diesen Darstellungen wählen, um den günstigeren Wert zu erhalten.

Die beiden veröffentlichten Darstellungen verwenden bewusst leicht verschiedene Feldnamen:
In `roboterradar-assessments-v1.0.0.csv` heißen sie `stufe_belegt`, `evidenzgrad`, `c_claim`
und `pfad`; im verschachtelten Datensatz-JSON heißen sie `stufe`, `grad`, `c_claim` und
`pfad`. Im Repository heißen einzelne Frontmatter-Felder aus historischen Gründen nochmals
anders. Maßgeblich für Nachnutzer sind CODEBOOK und Schema der jeweils verwendeten Paketdatei. Der repo-interne
Produktionsrechner liegt in `src/lib/radarscore.mjs`; das Paket importiert ihn nicht. Das
mitgelieferte `reproduce.mjs` setzt dieselben veröffentlichten Regeln ausschließlich aus den
Paketdateien um und vergleicht sämtliche berechneten Werte mit JSON und CSV.

**Keine zuordenbare Stufe:** Erfüllt oder behauptet keine Quelle auch nur ein Kriterium der
Leiter, wird technisch `stufe: 0`, `evidenz: D` gespeichert. Das ist ein expliziter
Unbekannt-/Nicht-belegt-Sentinel und **kein positiver Nachweis des Stufe-0-Kriteriums**. Ein
positiv belegtes „stationär“, „keine Manipulatoren“ oder „teleoperiert/choreografiert“ darf
dagegen A, B oder C tragen. So bleibt „keine dokumentierte Fähigkeit“ von „Stufe 0 wurde
tatsächlich beobachtet“ unterscheidbar, ohne die numerischen Spalten nullable zu machen.

> **Präzisierung 30.07.2026.** Hier stand zuvor ein Satz, der D pauschal jede Punktvergabe absprach —
> unmittelbar gefolgt von „nur D-belegt: Deckel 3". Beides zusammen ist widersprüchlich: Der
> erste Satz liest sich als Achsenwert 0, der zweite gibt einen Deckel bei 3 vor. Der Rechner
> setzt seit jeher `Math.min(stufe, 3)` um. Gemeint war immer: Ein **höherer** Claim, der nur
> D-belegt ist, löst **keinen Bonus** aus — nicht, dass eine D-belegte Basis-Stufe auf 0 fällt.
> Die Formulierung ist jetzt eindeutig und deckungsgleich mit dem repo-internen Produktionsrechner
> `src/lib/radarscore.mjs`. Ein separater KI-Gegenlauf hat den Widerspruch gefunden. Der Fehler betraf die Nachvollziehbarkeit der Regel;
> D-bewertete Basisstufen sind zulässig und werden — wie in §2 festgelegt — auf 3 gedeckelt.

### Wie die Leitern zu lesen sind

Diese Festlegung fehlte bis zum 30.07.2026 — mit der Folge, dass im selben Datensatz
gegensätzlich argumentiert wurde: In `1x-neo` und `xpeng-iron` steht wörtlich „die Leiter
wird nicht kumulativ gelesen", in `navel-robotics-bot` „die Leitern sind kumulativ zu lesen",
beide unter Berufung auf diese Methodik. Ein separater KI-Gegenlauf hat den Widerspruch
gefunden. Er wird nicht per Dekret in eine Richtung aufgelöst, sondern nach dem, was die
jeweilige Leiter beschreibt:

**Die drei Fähigkeitsachsen (Mobilität, Feinmotorik, Autonomie) werden NICHT kumulativ
gelesen.** Ihre Stufen sind nach Schwierigkeit geordnet, aber sachlich heterogen: Werkzeug-
nutzung (Feinmotorik 5) und der Umgang mit verformbaren Objekten (Feinmotorik 7) sind
verschiedene Fähigkeiten, keine aufeinander aufbauenden. Gewertet wird deshalb die **höchste
Stufe, deren eigenes Kriterium tatsächlich gezeigt wurde**. Der Zustand anderer Stufen ist
dafür weder Voraussetzung noch Veto.

**Die beiden Prozessachsen (Verfügbarkeit, Reifegrad) ordnen beobachtbare Markt- und
Lebenszykluszustände, die ein Produkt nicht zwingend lückenlos der Reihe nach durchläuft.**
Am 30.07.2026 stand hier noch die Regel, sie seien KUMULATIV zu lesen: Eine Stufe setze alle
darunterliegenden voraus. **Diese Regel ist am 31.07.2026 nach dem
vierten KI-Gegenlesen zurückgenommen.** Sie war ein Fehler, und zwar ein lehrreicher.

Erstens widersprach sie den Leitern selbst. Reifegrad 8 lautet wörtlich „vierstellige Flotte im
Feld ODER > 2 Jahre Feldbetrieb" — ein ausdrückliches ODER, ein bewusst alternativer Weg. Eine
Regel, die zusätzlich die Stufen 6 und 7 verlangt, streicht dieses ODER wieder.

Zweitens erzeugte sie sachlich falsche Ergebnisse. Der B2B-Zweig der Verfügbarkeit ordnet nach
der REICHWEITE des Vertriebswegs: „offen bestellbar im Heimatmarkt" (4), „nach EU lieferbar" (5),
„in DACH bestellbar über Distributor" (6). Wer in DACH über einen Distributor mit Preis und
Lieferzeit bestellbar ist, erfüllt die darunterliegenden Reichweiten bereits durch die Sache
selbst — es gäbe den Distributor sonst nicht. Die kumulative Lesart drückte drei Geräte, die man
heute bei einem deutschen Händler bestellen kann, auf eine Stufe, deren Kriterium „Warteliste
oder ausgewählte Kunden" lautet. Das beschreibt die Welt nicht mehr.

Drittens — und das ist der eigentliche Punkt — brauchte es sie nie. **Jeder** Bewertungsfehler,
den vier KI-Gegenlese-Runden gefunden haben, wird durch die Prüfung des EIGENEN Kriteriums der
beanspruchten Stufe gefunden, nicht durch die Reihe darunter:

| Fund | kumulativ begründet | am eigenen Kriterium geprüft |
|---|---|---|
| Figure 03, Reifegrad 4 | „Stufe 4 und 5 unbelegt" | Stufe 4 verlangt MEHRERE externe Piloten — belegt ist einer |
| Unitree G1, Reifegrad 6 | „Stufe 5 unbelegt" | Stufe 6 verlangt Werk ODER Stückzahlen **für dieses Modell** — die Zahl ist konzernweit |
| Deep Robotics X30, Reifegrad 6 | dito | die 681 Einheiten nennt die Quelle für die gesamte Jueying-X-Serie |
| Unitree B2, Reifegrad 5 | dito | Stufe 5 verlangt Regelbetrieb — die Quelle sagt „sometimes deployed" |
| NEURA Mini, Reifegrad 1 | dito | Stufe 1 verlangt einen Labor-Prototyp — belegt sind Datenblatt und Reservierung |

**Es gilt deshalb für alle fünf Achsen dieselbe Regel: Gewertet wird die höchste Stufe, deren
eigenes Kriterium positiv belegt ist.** Kein Kriterium wird aus einer höheren Stufe erschlossen,
keines aus einer niedrigeren vorausgesetzt. Was nicht positiv dasteht, trägt nicht. Das ist
zugleich das, was Prinzip 1 dieser Methodik von Anfang an gesagt hat: Jede Stufe ist ein
konkretes, nachprüfbares Kriterium. Die Kumulativitätsregel war eine Zutat, die dieses Prinzip
überschrieb, ohne einen einzigen Fehler zu finden, den es nicht selbst findet.

> **Präzisierung 04.08.2026 — Gegenbelege und Zitatkontext.** Die bis zum 03.08.2026
> formulierte allgemeine Gegenprobe („eine aktiv widerlegte niedrigere Stufe deckelt alle
> höheren“) ist gestrichen: Bei nicht-kumulativen, sachlich heterogenen Leitern wäre sie ein
> verdecktes Kumulativitätsgebot. Verbindlich ist die engere Regel: Negative Evidenz deckelt
> nur, wenn sie das **vollständige eigene Kriterium der beanspruchten Stufe** direkt
> widerlegt. Positive und negative Befunde derselben Quelle oder Ereignissequenz müssen
> gemeinsam dokumentiert und ausdrücklich abgewogen werden; eine Auslassung im Trägerzitat
> darf keinen materiell entgegenstehenden Kontext entfernen.

In beiden Fällen gilt für den Leitertext selbst:

- **„ODER" trennt Alternativen** (z. B. Mobilität 5: „Treppen ODER unwegsames Außengelände").
  Dann genügt eine der genannten Möglichkeiten.
- **„UND" verlangt alle Teile** (z. B. Mobilität 6: „Treppen UND Gelände + dynamisches
  Ausweichen"). Ein halb erfülltes UND ist nicht erfüllt. Das ist die häufigste Fehlerquelle
  überhaupt: In der Gegenprüfung vom 25.07.2026 wie in der vom 30.07.2026 war sie jeweils
  unter den drei meistgefundenen Klassen.

### Wann eine Herstellerangabe B wird — und wann nicht

Eine Angabe des Herstellers ist **C**, egal wo sie steht. Sie wird nicht dadurch besser, dass
eine Redaktion sie weitergibt. Entscheidend ist, was die Redaktion **selbst** beiträgt:

| Fall | Grad |
|---|---|
| Datenblatt, Pressemitteilung, Promo-Video des Herstellers | C |
| Fachpresse referiert die Herstellerangabe und markiert sie als solche („the company said …", „laut Unternehmen") | C — weitergegeben, nicht geprüft |
| Fachpresse berichtet dieselbe Angabe mit eigener Recherche, oder mehrere unabhängige seriöse Quellen stimmen überein | B |
| Dritte ohne Herstellerkontrolle haben es selbst gesehen, gemessen oder vor Ort beobachtet | A |

Entscheidend ist der **gespeicherte Beleg**, nicht nur die Art des behaupteten Ereignisses. Ein
Herstellerblog über den eigenen Auftritt bleibt C, auch wenn Publikum anwesend war. „Live-Event
mit freiem Publikum“ oder „breite Nutzer-Videos“ tragen A erst dann, wenn der Achsenblock selbst
einen unabhängigen Vor-Ort-Bericht oder nachvollziehbares Zuschauer-/Nutzermaterial enthält.
Eine ausdrücklich dem Hersteller zurechenbare Zukunfts- oder Roadmap-Aussage bleibt C; dass
sie in der Zukunft liegt, macht sie nicht automatisch zu D. D gilt, wenn eine zurechenbare
Quelle fehlt oder belastbare Gegenbelege die Angabe bestreiten.

**Sonderfall, der nach oben abweicht:** Für **Konfigurations-Tatsachen** (was im Lieferumfang
steckt, welche Komponente vorhanden oder nicht vorhanden ist) ist die Hersteller-Produktseite
die maßgebliche Primärquelle und zählt als A — Begründung im nächsten Absatz.

> **Präzisierung 30.07.2026.** Diese Tabelle stand bisher nicht in der Methodik; die Regel
> wurde angewendet, aber nicht aufgeschrieben, und dadurch uneinheitlich. Ein KI-Gegenleser
> wies darauf hin, dass dieselbe Art Quelle im Datensatz einmal als C und einmal
> als B geführt wurde. Beim Durchgang vom 30.07.2026 sind fünf A-Achsen auf B gefallen, weil
> ihre Quelle eine weitergegebene Herstellerangabe war.

**Sonderfall Konfigurations-Tatsachen.** Für die Frage, was zur Standard-Konfiguration gehört
(Lieferumfang, vorhandene oder fehlende Komponenten, Abgrenzung kostenpflichtiger Varianten), ist
die Produkt- bzw. Spezifikationsseite des Herstellers die maßgebliche Primärquelle und zählt als A —
im Unterschied zu Fähigkeits-Behauptungen aus demselben Dokument, die C bleiben. Begründung: Der
Lieferumfang ist herstellerseitig autoritativ dokumentiert, für jede Person nachprüfbar, und das
Einräumen einer fehlenden Komponente läuft dem Eigeninteresse entgegen. Praktischer Fall im
Datensatz: Feinmotorik-Stufe 0 bei Quadrupeds, deren Greifarm ausschließlich kostenpflichtiges
Zubehör ist (Spot, ANYmal D, X30, Go2) sowie bei einem Humanoiden ohne Manipulator (Navel).

**Sonderfall Verfügbarkeit.** Ein Händler-Listing ist der konstitutive Primärbeleg dafür, dass
ein Gerät über genau diesen Händler kaufbar ist und welcher Preis beziehungsweise welche
Lieferzeit dort genannt wird; für diese Verfügbarkeitstatsachen zählt es als A. Das gilt nicht
für Fähigkeits- oder Reifegradbehauptungen im selben Listing. Reines Herstellermaterial ohne
einen tatsächlichen Bestellweg bleibt auch auf der Verfügbarkeitsachse kein A-Beleg.

## 3. Die fünf Evidenz-Achsen (Stufenleitern)

### 3.1 Mobilität (Lokomotion)

| Stufe | Kriterium (beobachtbar) |
|---|---|
| 0 | stationär, kein freies Stehen |
| 1 | freies Stehen und Balancieren ohne Stütze |
| 2 | langsames Gehen auf ebenem Boden (Demo-Bedingungen) |
| 3 | sicheres Gehen eben: **mindestens eines von** Richtungswechsel, Anhalten, Rückwärts |
| 4 | variable Innenraum-Böden (Teppich, Schwellen, Rampen) + enge Räume |
| 5 | Treppen ODER unwegsames Außengelände |
| 6 | Treppen UND Gelände + dynamisches Ausweichen vor Hindernissen/Personen |
| 7 | dynamische Stabilität: Stöße ausgleichen, Lasten tragen, schnelle Gangarten |
| 8 | Rennen/Sprünge oder akrobatische Manöver + selbstständiges Aufstehen nach Sturz |
| 9 | Stufe 8 + belegter Dauerbetrieb ≥ 1 h am Stück in wechselnder Umgebung |
| 10 | menschen-/tieräquivalente Alltagsmobilität |

> **Klarstellung 31.07.2026.** Stufe 3 listete drei Merkmale ohne Bindewort. Im selben Datensatz wurde die Zeile deshalb unterschiedlich gelesen: Bei Digit und Walker S2 als Aufzählung, bei XPeng Iron ausdrücklich als UND-Kriterium. Ein separater KI-Gegenlauf hat den Widerspruch gefunden. Gemeint war immer „mindestens eines von" — anders als Stufe 6, die ausdrücklich „Treppen UND Gelände" verlangt und das UND auch schreibt. Wo eine Leiterstufe ein UND meint, steht es da.

### 3.2 Feinmotorik (Manipulation)

| Stufe | Kriterium |
|---|---|
| 0 | keine Manipulatoren |
| 1 | Arme ohne funktionale Greifhand |
| 2 | einfacher Greifer: Pick & Place starrer Objekte > 5 cm |
| 3 | adaptives Greifen unterschiedlicher Formen/Größen |
| 4 | beidhändige Koordination (übergeben, halten + bearbeiten) |
| 5 | Werkzeug-/Interface-Nutzung: Türgriff, Schalter, Scanner, Schrauber |
| 6 | Präzisionsfügen < 5 mm: Stecker, Teile-Sequencing, Schraube ansetzen |
| 7 | fragile Objekte (Ei, Glas) ODER verformbare (Textil, Kabel) |
| 8 | fragil UND verformbar + dosierte Kraft (definierter Anpressdruck) |
| 9 | komplette Manipulationsketten in Gebrauchstempo (Wäsche waschen→falten→wegräumen) |
| 10 | menschenäquivalente Handfertigkeit |

Hardware-Kennzahlen (DoF, Sensorik) sind Indizien, nie Kriterium: Eine 22-DoF-Hand ohne belegte Leistung bleibt auf der Stufe, die tatsächlich gezeigt wurde. Quadrupeds ohne Arm: Stufe 0–1.

### 3.3 Autonomie

| Stufe | Kriterium (Leitfrage: wer arbeitet hier eigentlich?) |
|---|---|
| 0 | vollständig teleoperiert oder choreografiert |
| 1 | einstudierte Skript-Loops in fixer Umgebung (Messestand) |
| 2 | Aufgaben-Autonomie mit Operator im Loop: Mensch beauftragt/überwacht jede Aufgabe, Teleop-Fallback aktiv |
| 3 | definierte Aufgaben selbstständig in strukturierter Umgebung; Mensch löst Störungen |
| 4 | Stufe 3 + einfache Störungsbehandlung selbst (Grasp-Retry, Neuplanung) + stundenweiser Betrieb |
| 5 | bekannte, aber unstrukturierte Umgebung (Menschen im Raum, wechselndes Layout) |
| 6 | auftragsgesteuert mit eigener Mehrschritt-Planung (Sprache rein, Task-Sequenz raus) |
| 7 | fremde Umgebung nach kurzem Mapping/Einweisung produktiv |
| 8 | tage-/wochenweise autonom inkl. Selbst-Recovery und Laden |
| 9 | lernt neue Aufgaben aus wenigen Demonstrationen |
| 10 | offene Alltagsautonomie |

**Autonomie-Ampel** (im Datensatz als `autonomie_ampel`, abgeleitet aus der BELEGTEN Stufe, nicht dem C-Bonus-Wert). Die **Reihenfolge der Prüfung ist Teil der Definition** — der erste zutreffende Fall gewinnt. Der repo-interne Produktionsrechner und das mitgelieferte Paket-Reproduktionsskript setzen diese Reihenfolge beide um:

| # | Bedingung | Ampel |
|---|---|---|
| 1 | Evidenzgrad D | ⚪ Keine ausreichenden Informationen |
| 2 | Evidenzgrad C | 🔴 Nur Hersteller-Demos/-Angaben — Autonomie nicht unabhängig nachvollziehbar |
| 3 | belegte Stufe ≤ 2 | 🟠 Teleoperation, Skripte oder Operator im Loop dokumentiert |
| 4 | Evidenzgrad A | 🟢 Autonomie unabhängig bestätigt |
| 5 | sonst (Grad B, Stufe ≥ 3) | 🟡 Autonomie belegt, aber bisher nur in kontrollierten Kontexten |

Die Reihenfolge ist nicht beliebig: Ein C-belegter Datenpunkt bekommt 🔴, auch wenn seine Stufe ≤ 2 ist — die fehlende unabhängige Prüfbarkeit ist die schwerere Aussage über den Datenpunkt.

### 3.4 Verfügbarkeit (DACH-gewichtet) — zwei Pfade

**Überarbeitet am 31.07.2026.** Die bisherige Leiter mischte den B2B- und den Consumer-Weg in
einer Reihe: Stufe 3–5 beschrieben B2B-Stationen, Stufe 6 sprang auf „Consumer-Vorbestellung
ODER B2B-DACH über Integrator". Ein Consumer-Produkt durchläuft die B2B-Stufen darunter aber
nie — die am 30.07.2026 festgelegte Kumulativität der Prozessachsen war auf dieser Leiter
deshalb gar nicht erfüllbar. Ein separater KI-Gegenlauf hat den Widerspruch gefunden; eine Akte
(Unitree H2) hatte ihn sogar selbst benannt und die Leiter „bewusst nicht monoton" gelesen.

Die Leiter hat jetzt einen gemeinsamen Sockel, zwei Zweige und eine gemeinsame Spitze.
**Der Zweig bestimmt, WELCHE Kriterien gelten — nicht, wie viele davon zusätzlich erfüllt
sein müssen.** Bis zum 31.07.2026 stand hier „Innerhalb eines Zweigs gilt Kumulativität". Das
widersprach ab demselben Tag der übergeordneten Regel in Abschnitt 1 und ist gestrichen. Ein
KI-Gegenleser hat den Widerspruch gefunden, den ich beim Zurücknehmen der Kumulativität selbst
hinterlassen habe. Es gilt auch hier: die höchste Stufe, deren eigenes Kriterium positiv belegt
ist. Zwischen den Zweigen wird ohnehin nichts vorausgesetzt.

Auch hier wird ausschließlich das eigene Kriterium der beanspruchten Stufe geprüft. Eine
DACH-Bestellung mit künftigem Liefertermin kann daher Stufe 6 erfüllen, obwohl noch keine
EU-Auslieferung für Stufe 5 stattgefunden hat: Bestellbarkeit und erfolgte Lieferung sind
verschiedene beobachtbare Zustände. Eine negative Quelle deckelt nur dann, wenn sie das
Kriterium der beanspruchten Stufe selbst widerlegt.

Jede Achse deklariert ihren Zweig im Feld `pfad` (`b2b` oder `consumer`). Bietet ein
Hersteller beides an, gilt der Zweig, der die höhere belegte Stufe trägt; die andere Schiene
gehört in den Begründungstext. Bis einschließlich Stufe 2 ist `pfad` entbehrlich, weil dort
noch kein Vertriebsweg existiert.

**Sockel (beide Pfade)**

| Stufe | Kriterium |
|---|---|
| 0 | Rendering/Ankündigung, kein funktionsfähiges Gerät öffentlich |
| 1 | Prototyp öffentlich live gezeigt |
| 2 | geschlossene Pilotprojekte (nicht bestellbar) |

**Pfad B2B** (`pfad: b2b`) — Direktvertrag, Integrator, RaaS

| Stufe | Kriterium |
|---|---|
| 3 | B2B/RaaS begrenzt: Warteliste oder ausgewählte Kunden |
| 4 | B2B offen bestellbar im Heimatmarkt |
| 5 | B2B nach EU lieferbar (belegte Lieferungen) |
| 6 | B2B in DACH bestellbar — über Hersteller, Integrator oder Distributor |
| 7 | B2B-DACH etabliert: mindestens ein benannter DACH-Referenzkunde im Regelbetrieb |

**Pfad Consumer** (`pfad: consumer`) — frei bestellbar durch Endkunden

| Stufe | Kriterium |
|---|---|
| 3 | Consumer-Warteliste ohne verbindlichen Preis oder Termin |
| 4 | Consumer-Vorbestellung mit ausgewiesenem Preis im Heimatmarkt |
| 5 | Consumer-Vorbestellung mit belegter Lieferzusage in die EU |
| 6 | Consumer im Heimatmarkt regulär kaufbar (ausgeliefert, nicht nur bestellbar) |
| 7 | Consumer aus DACH bestellbar — Direktversand oder Import über einen Händler |

**Gemeinsame Spitze (beide Pfade)**

| Stufe | Kriterium |
|---|---|
| 8 | in DACH regulär erhältlich: Distributor, **CE-Kennzeichnung belegt**, Lieferzeit < 3 Monate |
| 9 | Stufe 8 + Service, Ersatzteile und Garantie-Struktur in DACH |
| 10 | Lagerware bei mehreren Anbietern |

Ab Stufe 8 verlangt der repo-interne Wächter zusätzlich `ceBelegt: true` — ohne wortgenauen
CE-Nachweis deckelt er auf 7 (User-Entscheid 25.07.2026). `ceBelegt` ist ein internes
Frontmatter-/Validierungsfeld und wird nicht als eigenes Feld in JSON oder CSV exportiert.
Öffentlich nachvollziehbar bleiben das daraus abgeleitete `stufe_belegt`/`score`, der
Evidenzgrad und die zugehörigen CE-Belege. Der Paket-Reproduzierer prüft den exportierten
Bewertungszustand; er behauptet nicht, das nicht exportierte interne Flag erneut abzuleiten.

### 3.5 Reifegrad (Produktlebenszyklus)

| Stufe | Kriterium |
|---|---|
| 0 | Konzept |
| 1 | Labor-Prototyp |
| 2 | funktionsfähige öffentliche Live-Demo |
| 3 | Feldtest/Pilot bei externem Kunden |
| 4 | mehrere externe Piloten + mindestens 2. Hardware-Generation |
| 5 | Kleinserie, zahlende Kunden im Regelbetrieb |
| 6 | Serienfertigung belegt (Werk, Stückzahlen) |
| 7 | Serienprodukt + Ökosystem: SDK, Doku, Support, Ersatzteile |
| 8 | vierstellige Flotte im Feld ODER > 2 Jahre Feldbetrieb |
| 9 | mehrere etablierte Produktgenerationen, Gebrauchtmarkt existiert |
| 10 | Commodity |

## 4. Preis-Leistung — abgeleitete Kennzahl (kein Evidenzgrad)

**Regel 1:** Ohne realen Preis keine Note. Real = Listenpreis bzw. kanonischer EUR-Preis aus dem Fakten-System. Zielpreise, „unter X angepeilt", Analysten-Schätzungen zählen NICHT → `null` („n. b."), der Gesamtwert wird ohne diese Achse gebildet.

**Regel 2 (Formel):**

```
fähigkeitspunkte = mobilitaet + feinmotorik + autonomie   (0–30, bereits evidenz-gecappt)
FP10k            = fähigkeitspunkte / (listenpreis_eur / 10.000)
```

**Mapping FP10k → Note, Humanoide:**

| FP10k ≥ | 12 | 9 | 7 | 5 | 3,5 | 2,5 | 1,8 | 1,2 | 0,7 | > 0 |
|---|---|---|---|---|---|---|---|---|---|---|
| Note | 10 | 9 | 8 | 7 | 6 | 5 | 4 | 3 | 2 | 1 |

**Mapping FP10k → Note, Quadrupeds** (eigene Tabelle — Laufroboter liefern strukturell mehr Fähigkeit pro Euro; eine gemeinsame Skala würde jede Humanoiden-Wertung entwerten):

| FP10k ≥ | 40 | 25 | 15 | 10 | 6 | 4 | 2,5 | 1,5 | 0,8 | > 0 |
|---|---|---|---|---|---|---|---|---|---|---|
| Note | 10 | 9 | 8 | 7 | 6 | 5 | 4 | 3 | 2 | 1 |

**Transparenz-Hinweis:** Beide Notentabellen sind am Modellbestand kalibrierte redaktionelle Setzungen — Preis-Leistung ist damit eine ABGELEITETE Kennzahl ohne Evidenzgrad, anders als die fünf Evidenz-Achsen. Für unabhängige Analysen die enthaltenen Rohdaten nutzen (Listenpreise + Fähigkeitsachsen).

## 5. Gesamtwert

`score_gesamt` = arithmetisches Mittel der bewertbaren Achsen, auf 1 Dezimale gerundet; `achsen_bewertbar` nennt die Anzahl (5, wenn Preis-Leistung „n. b." ist, sonst 6).

## 6. Referenzrahmen (Orientierung, kein Konformitäts-Claim)

- **T/CIE 298-2025** „Humanoid Robot Intelligence Grading" (herausgegeben vom Chinese Institute of Electronics, CIE, 2025; die Bezeichnung „world's first" ist eine Selbstbeschreibung des Herausgebers und unabhängig nicht verifiziert): Vorbild „Fähigkeit in definierten Leveln". Grobe Brücke (nur Orientierung): unsere 0–2 ≈ L1, 3–4 ≈ L2, 5–6 ≈ L3, 7–8 ≈ L4, 9–10 ≈ L5.
- **SAE J3016** (SAE International, Taxonomy and Definitions for Terms Related to Driving Automation Systems, https://www.sae.org/standards/content/j3016_202104/): Vorbild für die Autonomie-Leiter („wer überwacht wen?").
- **Fraunhofer IPA „Humanoid Capabilities Navigator"** (Whitepaper, März 2026, Fraunhofer IPA Stuttgart, entstanden im Fraunhofer Heilbronn Research and Innovation Center mit Förderung der Dieter-Schwarz-Stiftung; PDF: https://publica-rest.fraunhofer.de/server/api/core/bitstreams/3bb2c3d1-c8e5-4773-8db1-ea941a6a9e68/content): 4 Capability-Domänen (Mobility and Locomotion, Manipulation, Cognition, Safety and Security) × Level 0–4. Grobe Brücke: unsere Mobilität ↔ Mobility/Locomotion, Feinmotorik ↔ Manipulation, Autonomie ↔ Cognition; deren Safety-&-Security-Domäne ist bei uns bewusst KEINE Fähigkeitsachse (Sicherheits- und Zulassungsaspekte fließen in Verfügbarkeit/Reifegrad ein).
- Medizinrobotik-Autonomielevel 0–5 und Standard-Benchmarks der Manipulationsforschung (fragile/verformbare Objekte) für die oberen Feinmotorik-Stufen.
- Abgrenzung: ISO 10218 / ISO 13482 / CE sind SICHERHEITSnormen — sie fließen in Verfügbarkeit/Reifegrad ein (Zulassung), nie in Fähigkeits-Level.

## 7. Grenzen

Redaktionelle Bewertungen aus öffentlich verfügbarem, dokumentiertem Material — keine Labormessungen, kein Peer-Review. Das redaktionelle Urteil ist KI-gestützt und wird vom Herausgeber verantwortet; es steckt in (a) der Zuordnung „welche Stufe ist belegt" und (b) der Evidenzgrad-Einstufung einer Quelle. Beides ist an die obigen Kriterien gebunden, mit Belegen dokumentiert und über `score_log` historisiert.