Jedes Datenblatt eines humanoiden Roboters beginnt mit dem Spitzendrehmoment. Die Zahl, die darüber entscheidet, ob ein Gelenk seinen ersten harten Fußaufprall übersteht – oder überhaupt eine Berührung mit einer Fingerspitze wahrnehmen kann –, ist eine, die den meisten Käufern verborgen bleibt: die Getriebeübersetzung, quadriert und mit dem Trägheitsmoment des Rotors multipliziert. Ingenieure nennen das reflektierte Trägheit. Dieser Artikel beleuchtet die N²-Abgabe, erklärt, warum sie die Welt der Aktuatoren in zwei Lager teilt, und zeigt, wie sich die Übersetzung eines Gelenkmoduls wie ein Offenlegungsdokument lesen lässt.

Die N²-Abgabe, klar formuliert

Ein Getriebe mit der Übersetzung N multipliziert das Drehmoment mit N. Das steht auf jedem Datenblatt. Was dort selten steht: Dasselbe Getriebe multipliziert das Trägheitsmoment des Motorrotors, vom Gelenk aus betrachtet, mitN zum Quadrat:

J_reflected = N² × J_rotor

Die Rechnung ist unerbittlich. Eine einstufige Untersetzung von 6:1 reflektiert das 36-Fache des Rotorträgheitsmoments. Eine Strain-Wave-Stufe mit 100:1 reflektiert das 10.000-Fache. Eine Anordnung mit 160:1 reflektiert das 25.600-Fache. Derselbe Rotor, aber ein völlig anderes Gelenk.

Warum das Quadrat? Wegen der Energiebilanz. Damit sich das Gelenk mit einem Radiant pro Sekunde dreht, muss der Rotor mit N Radiant pro Sekunde rotieren, und die kinetische Energie skaliert mit ω². Wenn Sie auf das Gelenk drücken, beschleunigen Sie keinen kleinen Rotor – Sie beschleunigen einen Rotor, der „mit N-facher Geschwindigkeit“ der von Ihnen vorgegebenen Bewegung rotieren will. In der Branche heißt es verkürzt, ein Gelenk mit hoher Übersetzung fühle sich bei einem äußeren Aufprall wie eine massive Wand an: Die Gliedmaße kann einer Kollision nicht schnell genug ausweichen, denn noch bevor der Regler den Kontakt überhaupt erkannt hat, hat der Antriebsstrang der Kollision bereits eine enorme scheinbare Masse entgegengesetzt.

Das ist die N²-Abgabe. Sie fällt bei jedem Kontakt an, unabhängig davon, ob die Regelungssoftware ausgefeilt genug ist, ihn zu erkennen.

Warum hohe Übersetzungen in der Industrie weiterhin dominieren

Wenn die reflektierte Trägheit so kostspielig ist, warum werden dann die meisten Industrieroboterarme und viele Humanoide weiterhin mit Getrieben der 100:1-Klasse ausgeliefert? Weil die Abgabe nur bei Kontakt fällig wird und Fabrikroboter den Großteil ihrer Lebensdauer darauf verwenden, diesen zu vermeiden. Gleichzeitig bringen hohe Übersetzungen überall sonst Vorteile:

• Haltemoment kostet fast nichts. Eine 100:1-Stufe ermöglicht es einem kleinen Motor, eine schwere statische Last mit moderatem Strom zu halten. Ein Gelenk mit niedriger Übersetzung muss dafür kontinuierlich Strom – und damit Wärme – aufwenden. Bei einem Arm, der stundenlang eine Position hält, gewinnt die Konstruktion mit hoher Übersetzung beim thermischen Budget eindeutig.
• Die Positionierung ist feiner. Die Encoderauflösung und die Regelungsgranularität werden effektiv durch N geteilt. Eine Strain-Wave-Übersetzung mit nahezu null Umkehrspiel ermöglicht eine wiederholgenaue Positionierung im Sub-Bogenminutenbereich in einer kompakten, koaxialen Bauweise – und das aus gutem Grund als Standard für Präzisionsmanipulatoren.
• Langsame, lasttragende Gangarten profitieren davon. Wie die MIT-Arbeit zu propriozeptiven Aktuatoren selbst feststellte, kann ein lasttragender Roboter, der langsam geht, energetisch von einer höheren Getriebeübersetzung profitieren, verglichen mit einem agilen Roboter, der mit hoher Geschwindigkeit läuft. Der Kompromiss hängt von der Anwendung ab, nicht von einer ideologischen Position.

Die sachliche Einordnung: Hohe Übersetzungen bieten Steifigkeit, Präzision und kostengünstiges statisches Drehmoment – der Preis dafür sind eine höhere Anfälligkeit für Stöße und weniger Transparenz. Niedrige Übersetzungen bringen andere Kosten mit sich – Strom, Wärme und Motormasse – und zahlen sich durch Robustheit und ein natürlicheres Bewegungsgefühl aus.

Die Aufprallrechnung: Was ein Fußaufprall in Bewegung setzen muss

Dieser Kompromiss wurde quantifiziert. Die Forschungsrichtung zu „propriozeptiven Aktuatoren“ (Wensing, Kim und Kollegen – IEEE Transactions on Robotics, 2017, aus dem Umfeld des MIT Cheetah) führte einen Faktor zur Aufprallminderung ein, um zu vergleichen, welche Stöße unterschiedliche Getriebeauslegungen von einer laufenden Maschine abfangen lassen. Der wichtigste Vergleich: eine einstufige Planetenuntersetzung von etwa 5,8:1 gegenüber einem konventionellen humanoiden Antriebsstrang mit Untersetzungen von ungefähr 160:1. Laut dem veröffentlichten Modell wies die Konstruktion mit niedriger Übersetzung etwa 0,010 kg·m² reflektierte Trägheit auf, während der Humanoid mit hoher Übersetzung rund 0,085 kg·m² erreichte – etwa das Achtfache. Über verschiedene Beinkonfigurationen hinweg behielt das Gelenk mit niedriger Übersetzung etwa 90 Prozent der Aufprallminderung einer hypothetischen, mit einer Serienelastizität ausgestatteten Version desselben Gelenks; beim Humanoiden mit hoher Übersetzung waren es etwa 52 Prozent.

Das ist als technische Aussage zu verstehen, nicht als Slogan: Ein gut ausgelegtes Gelenk mit niedriger Übersetzung bietet den Großteil der Stoßdämpfung einer expliziten Feder, ohne eine Feder hinzuzufügen.

Der Mini Cheetah machte diese Philosophie zum Standard. Zwölf identische Module, jedes mit einem bürstenlosen Außenläufermotor in Hobbyqualität und einer einstufigen Planetenuntersetzung von 6:1, die rund 17 N·m Spitzendrehmoment liefert – die Plattform, mit der 2019 der erste Rückwärtssalto eines Vierbeiners gelang und deren Konzept so häufig kopiert wurde, dass Module mit niedriger Übersetzung heute einen großen Teil der Forschungs-Vierbeiner und humanoiden Prototypen antreiben.

Die humanoide Umsetzung derselben Logik ist der Berkeley Humanoid, ein 0,85 m großer Forschungszweibeiner mit 12 Freiheitsgraden, der auf der ICRA 2025 vorgestellt wurde. Alle vier seiner kundenspezifischen Aktuatortypen verwenden dieselbe Planetenuntersetzung von 9:1. Die Autoren führen die Entscheidung für die geringe Untersetzung darauf zurück, dass sie dazu beiträgt, „die Gesamtreibung zu reduzieren und die quadratische Verstärkung von Rastmoment, Reibung und Fehlern durch reflektierte Trägheit zu minimieren“. Sein Knie liefert ein Spitzendrehmoment von 81,1 N·m, sein Sprunggelenk lediglich 9,7 N·m: bescheidene Werte nach Maßstäben ausgewachsener humanoider Roboter, aber vorhersehbare – und genau das benötigt ein lernbasierter Regler, um die Lücke zwischen Simulation und Hardware zu überbrücken. Ein vorhersehbares Gelenk lässt sich trainieren; ein undurchsichtiges Gelenk lässt sich schlecht simulieren.

Transparenz: Wenn das Getriebe zum Drehmomentsensor wird

Die reflektierte Trägheit ist nur die eine Hälfte des Vorteils einer niedrigen Übersetzung. Die andere ist die Reibung: Wie die Trägheit skaliert auch die Getriebereibung drastisch mit der Übersetzung. Ein reibungsarmes Gelenk ermöglicht es dem Regler, das Kontaktdrehmoment direkt aus dem Motorstrom mit Kilohertz-Raten abzuleiten. Deshalb definiert eine Übersichtsstudie aus dem Jahr 2025 zu humanoider Fortbewegung und Manipulation den quasi-direkten Antrieb als eine Untersetzung unter 10:1 und hebt seine Rücktreibbarkeit sowie die hohe Bandbreite der Kraftregelung dank reduzierten Umkehrspiels und geringerer Reibung hervor – zugleich warnt sie vor der Kehrseite: Ein hohes Ausgangsdrehmoment erfordert einen hohen Strom, „was wiederum die Leistungselektronik belastet und zu Überhitzung führt.“

Daraus ergeben sich zwei Folgen für die Sensorik, die den gesamten Sensoraufbau prägen:

• Bei einem QDD-Gelenk ist der Strom der Drehmomentsensor. Kein Kraftsensor auf Gelenkebene, kein elastisches Element. Die Messung erfolgt indirekt, mit hoher Abtastrate und ohne zusätzliche Kosten – übernimmt aber alle Nichtidealitäten des Antriebsstrangs (Rastmoment, Drehmomentwelligkeit, Reibung), die durch die niedrige Übersetzung eigentlich minimiert werden sollten.
• Bei einem Gelenk mit hoher Übersetzung ist der Strom für die Drehmomentmessung nahezu unbrauchbar. Die Reibung in einer 100:1-Stufe überlagert das Kontaktsignal. Als Abhilfe lässt sich die ausgangsseitige Auslenkung eines nachgiebigen Elements mit zwei Encodern messen. Das ermöglicht wieder eine Drehmomentmessung, kostet aber zusätzliche Komponenten – und die Auslenkung selbst wird Teil des Fehlerbudgets unter Last des Gelenks, nicht zu ignorierende Eigenschaft.

Käufer, die Gelenkmodule vergleichen, vergleichen daher tatsächlich zwei unterschiedliche Sensorikkonzepte, die im selben Gehäuse stecken. Die Frage lautet nicht „Misst es das Drehmoment?“, sondern „Mit welcher Bandbreite, über welchen physikalischen Pfad und mit welchem Kalibrieraufwand?“ Ist die Drehmomenttransparenz geklärt, steht als Nächstes die Prüfung der Drehmomentbandbreite an: Wie schnell kann das geschlossene Gelenk einem Drehmomentbefehl tatsächlich folgen, wenn der Messpfad eingerichtet ist?

Auch Arme sind betroffen: Trägheit am Endpunkt

Beine haben die Argumente für niedrige Übersetzungen geliefert; nun ziehen die Arme nach. Ein arXiv-Beitrag vom September 2026 (arXiv:2609.19194) beschreibt AthenaZero, einen beidhändigen Forschungsmanipulator, der quasi-direkten Antrieb mit der Verlagerung des Antriebsstrangs kombiniert: Die Aktuatoren werden in Richtung Schulter verlagert, damit die distalen Glieder leicht bleiben. Das angegebene Ergebnis: eine effektive Endpunktmasse, die mit der eines menschlichen Arms vergleichbar ist und etwa eine Größenordnung unter der konventioneller Robotermanipulatoren liegt, bei gleichzeitiger Drehmomenttransparenz durch den Antriebsstrang mit niedriger Übersetzung. Bei drei von Baseball inspirierten Aufgaben warf die Plattform mit Geschwindigkeiten von über 30 m/s und fing sowie schlug mit Geschwindigkeiten von über 14 m/s über eine Entfernung von 7,3 m – eine Dynamik, die Arme mit hoher Übersetzung, deren Endpunktverhalten von der reflektierten Trägheit dominiert wird, nicht anstreben.

Die Bedeutung für die Industrie liegt auf der Hand. Kontaktintensive Manipulation – Einsetzen, Fangen, Übergaben, alle Aufgaben, bei denen der Arm auf ein bewegtes Objekt trifft – wird durch die scheinbare Masse am Endpunkt genauso beeinträchtigt wie die Beine durch ihre Trägheit beim Fußaufprall. Wenn humanoide Roboter von Gehvorführungen zu körperlicher Arbeit übergehen, unterliegen auch ihre Armgelenke derselben N²-Rechnung, mit der sich Beingelenke seit 2015 auseinandersetzen.

Die Übersetzungsübersicht nach Gelenk

Kein ernst zu nehmender Humanoid verwendet überall dieselbe Übersetzung. Die Gelenke sind unterschiedlichen Lastbedingungen ausgesetzt, und die N²-Abgabe wirkt sich auf jedes unterschiedlich aus:

Auch aktuelle Diskussionen in der chinesischen Wissenschaft kommen zu derselben Einordnung. Ein Vortrag zu humanoiden Systemen des Beijing Institute of Technology an der University of Chinese Academy of Sciences Ende Oktober 2026 beschrieb integrierte Drehgelenke mit Motoren für niedrige Drehzahlen und hohes Drehmoment sowie geringen Untersetzungen als modernen Mainstream. Sie sollen ausdrücklich die reflektierte Trägheit verringern und die Kraftregelung erleichtern. Hinzu kommen an der Basis positionierte Antriebseinheiten und eine Dämpfung auf Fußhöhe, um die bewegte Trägheit zu verringern und Landestöße abzufangen. Wenn eine Konstruktionsphilosophie im selben Jahr unabhängig voneinander in Arbeiten aus dem MIT-Umfeld, auf ICRA-Zweibeinern und in chinesischen universitären Systemübersichten auftaucht, ist sie kein Lager mehr, sondern die anerkannte Richtung für dynamische Gelenke.

So beurteilt auch Ti5ROBOT den Markt. Unsere Produktlinien für leichte Gelenkmodule und Aktuatoren für humanoide Roboter sind nach Gelenkfamilien statt als ein einziges Universalmodul organisiert, denn eine für das Knie optimierte Übersetzung ist im Sprunggelenk nachteilig. Außerdem benötigen Integratoren, die Ganzkörpermaschinen zusammenbauen, eine abgestimmte Staffelung der Drehmomentdichte und nicht sechsmal denselben Wert.

Eine praktische Checkliste für alle, die das Datenblatt eines Gelenkmoduls prüfen: (1) Fragen Sie nach der reflektierten Trägheit am Abtrieb, nicht nur nach Rotorträgheit und Übersetzung separat. (2) Fragen Sie nach dem Rücktreibmoment bei Nenndrehzahl – es gibt Aufschluss darüber, wie sich physischer Kontakt anfühlen wird. (3) Fragen Sie, welchen Aufpralltest das Gelenk bestanden hat, angegeben in Joule oder in Fußaufprall-Äquivalenten. (4) Prüfen Sie, ob sich die Übersetzung je nach Gelenkposition unterscheidet oder für alle gleich ist. (5) Fragen Sie nach dem thermisch begrenzten Dauerdrehmoment beim statischen Halten, nicht nur nach dem Spitzendrehmoment. (6) Wenn die Drehmomentmessung wichtig ist, fragen Sie, ob sie über den Strom, die Auslenkung zwischen zwei Encodern oder einen dedizierten Sensor erfolgt – und mit welcher Bandbreite.

Die Grenzen einer niedrigen Übersetzung

Die N²-Abgabe ist real, aber ebenso die Gegenrechnung. Ein Gelenk mit niedriger Übersetzung benötigt für dasselbe Drehmoment einen physisch größeren Motor, dessen Masse direkt auf die angetriebene Gliedmaße wirkt. Es hält statische Positionen, indem es Strom verbraucht, und seine Leistungselektronik muss auf diesen Strom ausgelegt sein, nicht auf die durchschnittliche Bewegung. Die Schlussfolgerung aus dem MIT-Umfeld bleibt der ausgewogenste Satz in der Fachliteratur: Die richtige Wahl hängt von der Anwendung ab, denn langsam laufende, lasttragende Maschinen und agile Maschinen mit häufigem Kontakt optimieren unterschiedliche Punkte derselben Kurve.

Das Ziel ist deshalb kein Wettbewerb, bei dem eine Übersetzung alle anderen verdrängt. Vielmehr geht es um eine Aufteilung nach Gelenk: hohe Transparenz dort, wo Kontakt auftritt, und hohe mechanische Übersetzung dort, wo die Schwerkraft den Ausschlag gibt. Dabei ist die reflektierte Trägheit als zentrale Kenngröße neben Drehmoment, Bandbreite und thermischen Grenzwerten zu behandeln.

Die N²-Abgabe lässt sich nicht vermeiden. Sie bewusst zu bezahlen, macht den Unterschied zwischen einem Humanoiden, der auf die Welt reagiert, und einem, dem die Welt ausweichen muss.

Quelle: humanoid.guide, „Quasi-Direct-Drive Actuators in Humanoid Robots“ (2026-09-19)

Quelle: Gu et al., „Humanoid Locomotion and Manipulation: Current Progress and Challenges in Control, Planning, and Learning“, arXiv:2501.02116 (2025)

Quelle: robo2u, „Humanoid Robot Hardware: The Ultimate Guide“ (abgerufen am 2026-11-02)

Quelle: Wensing et al., „Proprioceptive Actuator Design in the MIT Cheetah“, IEEE T-RO 2017 (Zahlen aus der Zusammenfassung von AI Wiki, gegengeprüft)

Quelle: arXiv:2609.19194, „AthenaZero: A low-inertia, bimanual robot for dynamic manipulation“ (2026-09-15)

Quelle: AI Wiki, „Humanoid Robot“ – Zusammenfassung der Aufprallminderung von Wensing et al. (abgerufen am 2026-11-02)

Quelle: University of Chinese Academy of Sciences, Bericht zum Humanoid-Vortrag des BIT (2026-10-28)