Humanoide Roboter im Test: Was 2026 wirklich belegt ist.

Kurzfassung

• Die Laufroboter gewinnen: Boston Dynamics Spot und Unitree Go2 führen das Gesamtranking mit je 5,0 an — der beste Humanoid (1X NEO, 4,2) kommt erst dahinter.
• Kein einziger Wert über 8: Auf einer Skala, die bis 10 reicht, erreicht keine der 105 Bewertungen eine 9 — die Branche ist deutlich früher dran, als ihre Videos suggerieren.
• Autonomie ist das Tal der Wahrheit: Kein Humanoid kommt über Stufe 3 von 10. Bei 11 von 21 Modellen sind Teleoperation, Skripte oder ein Operator im Loop dokumentiert.
• Ohne Preis keine Note: Nur 5 von 21 Modellen haben einen realen Kaufpreis, aus dem sich Preis-Leistung berechnen lässt — alle 5 kommen von chinesischen Herstellern.
• Alles nachrechenbar: Jede Note ist aus dokumentierten Belegen berechnet. Der komplette Datensatz ist offen lizenziert (CC BY 4.0) und mit DOI zitierfähig publiziert.

China benotet schon — der Westen diskutiert noch

Seit Mai 2025 hat China etwas, das es im Westen nicht gibt: einen beschlossenen Standard, der humanoide Roboter in Intelligenz-Level einteilt. T/CIE 298-2025, verabschiedet vom Chinese Institute of Electronics und federführend entwickelt vom Pekinger Zentrum X-Humanoid mit UBTECH und Unitree, sortiert Maschinen entlang von vier Dimensionen — Wahrnehmung, Entscheidung, Ausführung, Kollaboration — in die Level L1 bis L5, geprüft über 22 Indikatoren. Das Vorbild ist unverkennbar die SAE-Skala fürs automatisierte Fahren: Statt „kann Ihr Auto autonom fahren?" fragt man „auf welchem Level?".

Auch in Deutschland tut sich etwas. Das Fraunhofer IPA in Stuttgart hat 2026 mit dem „Humanoid Capabilities Navigator" einen Fähigkeitsrahmen mit vier Domänen und fünf Reifegraden vorgelegt und dazu einen physischen Prüfstand aufgebaut — den ersten Humanoid-Benchmark hierzulande, durchexerziert am Unitree G1. Solche Rahmenwerke sind der richtige Weg: Sie ersetzen das Bauchgefühl („wirkt beeindruckend") durch definierte Stufen.

Nur: Alle diese Systeme benoten Fähigkeiten — keines benotet die Beleglage. Ein Datenblatt, das 22 Freiheitsgrade pro Hand und reichlich Sensorik auflistet, ist eine Behauptung. Ein geschnittenes Demo-Video ist eine Behauptung mit Schnittsoftware. Und in einer Branche, in der Marketing-Milliarden auf dem Versprechen vom Allzweck-Roboter ruhen, ist genau das die Lücke: Zwischen „angekündigt" und „unabhängig gesehen" liegen oft Jahre. Deshalb koppelt unser RadarScore als bislang einziges deutschsprachiges System jede Fähigkeitsstufe an einen Evidenzgrad — und rechnet die Note daraus aus.

Die Wertungsregel in einer Minute

Jedes Modell wird auf sechs Achsen bewertet: Mobilität, Feinmotorik, Autonomie, Verfügbarkeit, Preis-Leistung, Reifegrad. Fünf davon sind Leitern mit beobachtbaren Kriterien von 0 bis 10 — „steigt Treppen", „greift fragile Objekte wie ein Ei", „arbeitet tagelang ohne Operator". Jede vergebene Stufe trägt einen Evidenzgrad:

Dazu kommen zwei harte Regeln. Erstens: Teleoperation ist keine Autonomie. Eine ferngesteuerte Vorführung — bei der also ein Mensch mit VR-Brille oder Controller die Bewegungen vorgibt — belegt, was die Mechanik kann, aber niemals eine Autonomiestufe. Zweitens: Ohne realen Marktpreis keine Preis-Leistungs-Note. Die Formel ist bewusst simpel: Fähigkeitspunkte (Mobilität + Feinmotorik + Autonomie) pro 10.000 Euro Listenpreis, übersetzt in eine Note von 1 bis 10. Beim Unitree G1 etwa: 6 Fähigkeitspunkte bei 27.250 € Händlerpreis ergeben 2,2 Punkte pro 10.000 € — Note 4. Ein Zielpreis von der Bühne ist keine Zahl, mit der man rechnen kann; dann steht da „n. b." — nicht bewertbar. Die vollständigen Leitern und alle Deckel-Regeln stehen auf der Methodik-Seite.

Befund 1: Die Laufroboter gewinnen — die Humanoiden reden

Dass ausgerechnet zwei Vierbeiner das Humanoiden-Ranking anführen, ist kein Rechenfehler, sondern die Pointe des Systems. Boston Dynamics' Spot ist seit über einem halben Jahrzehnt als Inspektions- und Serviceroboter im Feld, mit dokumentiertem Kundenbetrieb — sein Reifegrad 8 und die grüne Autonomie-Ampel sind mit unabhängigen Quellen belegt. Der Unitree Go2 ist das Gegenstück von unten: ab 3.570 € beim deutschen Händler kaufbar, tausendfach in Nutzer-Videos dokumentiert, alle fünf Leiter-Achsen mit A-Evidenz. Kaufbare Realität schlägt im Evidenz-Ranking jede Bühnen-Demo.

Die Humanoiden dahinter zerfallen in zwei Lager. Die einen sind kaufbar, aber in ihren belegten Fähigkeiten ernüchternd — Unitrees G1 und R1 stehen bei Verfügbarkeit 7, aber Feinmotorik 1. Die anderen zeigen spektakuläre Fähigkeiten, die man nirgends kaufen kann: Der Figure 03 hat mit die besten Küchen-Demos der Branche und Verfügbarkeit 3. Nur ein einziges Gerät vereint derzeit hohe Verfügbarkeit mit hohem Reifegrad: der Münchner Sozialroboter Navel — der dafür bewusst keine Greifarme hat. Das Feld ist gespalten in „lieferbar" und „beeindruckend", und fast nichts liegt dazwischen.

Befund 2: Das Autonomie-Tal

Die Autonomie-Achse stellt die unbequemste Frage der Branche: Wer arbeitet hier eigentlich — die Maschine oder ein Mensch am Controller? Die Antwort 2026: Kein einziger Humanoid im Radar kommt über Stufe 3 von 10. Zur Einordnung: Stufe 3 heißt „definierte Aufgaben selbstständig in strukturierter Umgebung, ein Mensch löst Störungen". Von autonomen Robotern, die fremde Umgebungen erschließen oder tagelang allein arbeiten, ist nichts belegt — bei niemandem.

Die Ampel unter jedem Autonomie-Balken macht die Beleglage sichtbar:

Bemerkenswert ist, wer nicht grün ist: Teslas Optimus (Autonomie 0 — die bekannte Plauder-Demo lief teleoperiert, Tesla selbst nennt den aktuellen Stand „kein useful work") und der 1X NEO, dessen „Expert Mode" schlicht ein menschlicher Teleoperator ist — das Wall Street Journal hat den Anteil beim Hands-on dokumentiert. Grün sind dagegen die Unspektakulären: Spot und ANYmal D, deren Inspektionsrunden seit Jahren beim Kunden laufen, und der neue elektrische Atlas, dessen autonome Sortierarbeit im Hyundai-Umfeld unabhängig beschrieben ist. Autonomie zeigt sich nicht auf Bühnen, sondern im Dauerbetrieb.

Befund 3: Einen ehrlichen Preis haben fast nur die Chinesen

Von 21 Modellen haben genau 5 eine Preis-Leistungs-Note — nicht weil wir streng runden, sondern weil nur diese 5 einen realen, dokumentierten Kaufpreis haben: Unitree Go2, Deep Robotics X30, Unitree G1, Unitree B2, Unitree H2. Alle stammen von chinesischen Herstellern, vier davon von Unitree. Der Rest des Feldes verhandelt B2B-Preise hinter verschlossenen Türen, nennt Zielpreise („unter 20.000 USD angepeilt") oder verkauft schlicht noch gar nicht.

Für Unternehmen, die eine Return-on-Investment-Rechnung aufmachen wollen, ist das die eigentliche Nachricht dieses Reports: Eine seriöse Kalkulation ist 2026 nur bei einer Handvoll Geräte überhaupt möglich. Wer heute Kommissionierung, Maschinenbedienung oder Inspektion mit Humanoiden plant, rechnet bei fast allen westlichen Anbietern mit Platzhaltern. Und wo gerechnet werden kann, gewinnt die Bescheidenheit: Der Go2 holt mit 8 Fähigkeitspunkten bei 3.570 € die beste Preis-Leistungs-Note des Feldes (8) — der große H2 kommt trotz fast 50.000 € nur auf Note 1, weil seine belegten Fähigkeiten kaum höher liegen als die des kleinen Bruders. Details und alle Import-Kosten stehen im Preis-Radar.

Befund 4: Vier von fünf Bewertungen sind hart belegt — der Rest ist das Problem

105 Einzelbewertungen tragen einen Evidenzgrad. 79 % davon stehen auf A oder B — jede Zelle ist eine Bewertung:

Interessant ist, wo sich die schwachen Grade häufen. Die 17 C-Wertungen und 5 D-Wertungen konzentrieren sich auf die Geräte mit den größten Versprechen und den wenigsten unabhängigen Auftritten: Beim Figure 03 sind drei der fünf Achsen nur per Herstellerangabe belegt — der Vorgänger Figure 02 hatte im BMW-Werk Spartanburg immerhin einen zehnmonatigen, extern bestätigten Piloten, für den Nachfolger steht Vergleichbares noch aus. Beim NEURA-4NE-1-Ableger Mini ist gar keine Fähigkeit belegt, nur die Bestellbarkeit. Umgekehrt gilt: Kaufbare Geräte sammeln automatisch A-Evidenz, weil tausende Besitzer filmen, was wirklich funktioniert. Der Markt selbst ist der beste Faktenchecker — man muss ihn nur abwarten.

Vier Fälle, die das System erklären

Was ein Prüflabor misst — und was ein Radar

Zur Ehrlichkeit dieses Reports gehört die Abgrenzung: Wir betreiben kein Testlabor. Was ein physischer Prüfstand leistet, hat das Fraunhofer IPA am Unitree G1 gezeigt — mit Befunden, die keine Videoanalyse der Welt liefern kann: Bei Kollisionen wirken Kräfte über 500 Newton, deutlich über den Schmerzschwellwerten, die für Mensch-Roboter-Kollaboration gelten; eine Bluetooth-Schwachstelle erlaubte zeitweise die Fernübernahme des Geräts (inzwischen behoben); der Akku hielt im gemischten Szenario keine zwei Stunden. Es sei entscheidend, hinter die Fassade zu schauen, sagt Simon Schmidt, der den Benchmark am IPA verantwortet — und Abteilungsleiter Werner Kraus formuliert als Ziel, dass Anwender aus den Ergebnissen direkt den passenden Humanoiden für ihre Anwendung ablesen können. Genau dahin muss die Branche.

Unser Beitrag ist ein anderer, komplementärer: Ein Labor testet ein Gerät tief — ein Radar ordnet das ganze Feld ein. Wir klassifizieren für alle 21 Modelle, welche Fähigkeits-Claims welchen Beleg tragen, und machen Themen wie funktionale Sicherheit oder Cybersicherheit bewusst nicht zur Fähigkeitsnote: Ob ein Roboter sicher ist, gehört in Normen, Zulassungen und Labore — bei uns fließt es über die CE-Anforderung in die Verfügbarkeits-Leiter ein, deren Spitze ohne belegtes CE-Kennzeichen gedeckelt bleibt. Die Einstufungen entstehen KI-gestützt und werden redaktionell verantwortet; jede einzelne trägt ihre Quelle im öffentlichen Bewertungslog. Und das Radar hat Lücken, die wir kennen: Aufsteiger wie AgiBot — nach eigenen Angaben inzwischen mit mehr ausgelieferten Humanoiden als Unitree — oder der Show-Veteran Unitree H1, der einst mit Pirouetten durchs Frühlingsfest-Fernsehen tanzte, haben noch keine eigene Akte. Der Radar wächst mit der Beleglage, nicht mit dem Hype.

Was dieser Report nicht ist

Kein Warentest — niemand hat hier 21 Geräte nebeneinander im Labor stehen. Keine Kaufberatung im engen Sinn — dafür gibt es den Robot-o-Mat, der die sechs Achsen nach deinen Prioritäten gewichtet, und den großen Vergleich. Und keine Momentaufnahme für die Ewigkeit: Bewertungen ändern sich, sobald neue Belege auftauchen — nach oben wie nach unten. Der Stand dieses Textes ist der 19. August 2026; die lebende Fassung auf den Modellseiten ist immer die aktuellere. Künstliche Intelligenz macht in dieser Branche gerade echte Sprünge — von Embodied-AI-Modellen, die Sprache in Handlungsketten übersetzen, bis zur KI-Robotik-Forschung an fühlenden Greifern. Umso wichtiger ist ein Maßstab, der mit wächst: erst der Beleg, dann die Note.