Prof. Achim Lilienthal im Interview über das TUM RoboGym und humanoide Roboter
Die TU München und Neura Robotics bauen gemeinsam das weltweit größte Trainingscenter für humanoide Roboter. 17 Millionen Euro, 2.300 Quadratmeter, Standort Flughafen München. Prof. Achim Lilienthal, Vize-Direktor des Munich Institute of Robotics and Machine Intelligence (MIRMI), erklärt im Interview, warum das TUM RoboGym die Robotik grundlegend verändern könnte.
Was steckt hinter dem TUM RoboGym?
Das RoboGym ist eine sogenannte Datenfarm für humanoide Roboter. Konkret bedeutet das: Hunderte Roboter trainieren gleichzeitig in einer Halle, sammeln Daten und lernen, mit ihrer Umgebung zu interagieren. Die Hardware stammt von Neura Robotics, einem deutschen Robotik-Unternehmen mit einer Bewertung von rund 4 Milliarden Euro.
Neura investiert 11 der 17 Millionen Euro in das Projekt. Den Rest steuern das Land Bayern und die TU München bei. Der Standort am Münchner Flughafen bietet 2.300 Quadratmeter Fläche. Der reguläre Betrieb soll Mitte 2026 starten.
Prof. Achim Lilienthal koordiniert das Projekt wissenschaftlich. Er leitet den Lehrstuhl für Wahrnehmung für intelligente Systeme an der TU München und ist Vize-Direktor des MIRMI. Zuvor forschte und lehrte er in Schweden, gründete dort zwei Firmen und wurde international als Pionier der mobilen Roboter-Olfaktion bekannt – Roboter, die riechen können.
Warum humanoide Roboter jetzt so wichtig werden
Lilienthal nennt zwei Argumente für humanoide Roboter. Das alte Argument: Die Welt wurde von Menschen gebaut. Ein menschlicher Körper eignet sich deshalb besonders gut, um sich darin zu bewegen. Türklinken, Treppen, Werkzeuge – alles ist auf menschliche Proportionen ausgelegt.
Das neue Argument wiegt schwerer. Roboter zu programmieren ist extrem schwierig. Selbst Fähigkeiten, die kleine Kinder mühelos lernen – Laufen, Greifen, Balancieren – stellen Ingenieure vor massive Probleme. Der Ausweg: Roboter lernen durch Nachahmung. Und weil Milliarden Menschen diese Bewegungen vormachen können, profitieren humanoide Roboter besonders stark von diesem Ansatz.
Dazu kommt: Die Hardware ist deutlich günstiger geworden. Lern-Algorithmen erreichen heute eine neue Leistungsstufe. Und die Simulationen werden immer realistischer. All das zusammen macht humanoide Roboter erstmals wirtschaftlich und technisch skalierbar, wie wir auch in unserem Überblick zu humanoiden Robotern ausführlicher beleuchten.
Das Daten-Problem: Warum die Robotik ihren ChatGPT-Moment braucht
Bei großen Sprach-Modellen wie ChatGPT lösten riesige Text-Datenmengen überraschende Fähigkeiten aus. In der Robotik fehlen diese Daten. Roboter-Trainingssets lassen sich nicht einfach aus dem Internet laden. Trotzdem sehen Forscher erste Anzeichen, dass ähnliche Sprünge auch in der Robotik passieren könnten.
Lilienthal spricht vom „ChatGPT-Moment der Robotik" – einem Punkt, an dem humanoide Roboter plötzlich völlig neue Fähigkeiten entwickeln. Voraussetzung dafür: massive Mengen an Echtwelt-Daten.
Simulationen helfen, bilden die Realität aber nur begrenzt ab. Videos liefern 2D-Informationen. Textbeschreibungen noch weniger. Was fehlt, ist ein relevanter Anteil echter Interaktionen mit der physischen Welt. Genau das soll das TUM RoboGym liefern: ein Trainings-Datencenter, in dem nicht nur TUM und Neura Robotics arbeiten, sondern auch externe Industrie- und Forschungspartner.
So trainieren humanoide Roboter im RoboGym
Das Training im Robotik-Zentrum funktioniert über mehrere Methoden. Die wichtigste: Teaching by Demonstration. Ein Mensch schlüpft in einen speziellen Motion-Capture-Anzug, der jede Bewegung erfasst. Diese Daten werden anschließend auf den Roboter übertragen.
Der Vorteil: Menschen wissen intuitiv, wie eine Aufgabe funktioniert. Wäsche falten, einen Gegenstand greifen, ein Werkzeug bedienen – das muss niemand erklären. Die Herausforderung liegt in der Übersetzung. Ein humanoider Roboter bewegt sich trotz ähnlicher Form anders als ein Mensch. Gelenke, Freiheitsgrade und Kraft-Verteilung unterscheiden sich.
Zusätzlich lernen Roboter durch Versuch und Irrtum (Reinforcement Learning). Zufällige Aktionen führen selten zum Ziel. Aber mit den richtigen Algorithmen lässt sich dieser Prozess deutlich beschleunigen. In der Praxis wird es eine Kombination beider Ansätze sein.
Neuroverse: Ein App Store für Roboter-Skills
Die im RoboGym gesammelten Trainingsdaten fließen in Neuroverse, eine Cloud-Plattform von Neura Robotics. Lilienthal beschreibt sie als eine Art App Store für Roboter-Fähigkeiten. Hat ein Roboter gelernt, Wäsche zu falten, wird diese Fähigkeit als „Skill" hochgeladen.
Andere Roboter – auch solche mit leicht abweichender Hardware – können diesen Skill herunterladen. Im Hintergrund übernimmt die Plattform die Anpassung an den jeweiligen Roboter-Körper. Die Vision: Ein ganzer Marktplatz, auf dem Unternehmen und Forscher eigene Skills trainieren, hochladen und teilen.
TUM und Neura Robotics: Eine strategische Win-Win-Partnerschaft
Die Zusammenarbeit entstand direkt. MIRMI-Direktor Lorenzo Masia und Lilienthal besuchten Neura Robotics am Standort in Riederich. Die Chemie stimmte sofort. Beide Seiten sprachen dieselbe Sprache, erkannten schnell die gemeinsamen Interessen und beschlossen die Kooperation praktisch vor Ort.
Neura Robotics bringt schnelles Wachstum, starke Investoren und robuste Hardware mit. Die TU München liefert wissenschaftliche Exzellenz – sie zählt bei Robotik-Konferenzen regelmäßig zu den publikations-stärksten Universitäten weltweit. Zusammen entsteht das, was Lilienthal eine „Win-Win-Win-Situation" nennt.
Denn das RoboGym denkt über Bayern hinaus. Über das Robotics Institute Germany (RIG) soll die Infrastruktur deutschlandweit verfügbar werden. Lilienthal plant zudem europäische Kooperationen – mit Schweden, wo er lange forschte, und darüber hinaus.
Europa im globalen Physical-AI-Wettbewerb
China und die USA investieren Milliarden in Robotik und Physical AI. Kann Europa mithalten? Lilienthal sieht eine echte Chance. Bei Physical AI spielt Hardware eine größere Rolle als bei reiner Software-KI. Und genau hier liegt Europas Stärke: Ingenieur-Kompetenz.
Ein Roboter, der brillant lernt, aber nach drei Tagen kaputtgeht, hat keinen Marktwert. Umgekehrt bringt perfekte Mechanik ohne intelligente Software wenig. Die Kombination aus TUM-Forschung und Neura-Hardware adressiert genau diese Verbindung.
Lilienthal betont: Wenn Europa die Skalierung über Ländergrenzen hinweg schafft, hat es die Mittel, um mit den USA und China zu konkurrieren. Das RoboGym ist ein erster, konkreter Schritt.
Erste Anwendungen: Industrie, Altenpflege und Verteidigung
Wo werden humanoide Roboter zuerst im Einsatz sein? Lilienthal sieht die Industrie vorne. Dort ist die Umgebung strukturierter. Wenn ein Kabel im Weg liegt, lässt es sich entfernen. Fabriken können sich an den Roboter anpassen – zumindest anfangs.
Gleichzeitig gibt es Bereiche mit enormem gesellschaftlichem Druck. Die Altenpflege ist einer davon. Deutschlands Bevölkerung altert rapide. Der Fachkräfte-Mangel in der Pflege verschärft sich jedes Jahr. Humanoide Roboter in häuslichen Umgebungen könnten hier Entlastung schaffen – auch wenn diese Umgebungen deutlich komplexer sind als Fabrikhallen.
Auch Verteidigung und Sicherheit treiben die Entwicklung voran. Die TU München engagiert sich bereits aktiv in diesem Bereich, wie wir auch in unserem Artikel zur Post-Labor-Economy thematisieren.
Ausblick: Was kommt als Nächstes?
Die nächsten Meilensteine stehen fest. Die Räume am Flughafen München sind erschlossen. Aktuell laufen Installations-Arbeiten, darunter der Ausbau der Strom-Versorgung für den hohen Energiebedarf der Roboter. Parallel klären die Teams rechtliche Rahmenbedingungen. Bis Mitte 2026 soll der Regelbetrieb starten.
Wissenschaftlich sieht Lilienthal einen spannenden Trend: effizientere Trainings-Methoden für große Basis-Modelle. Statt nur auf riesige Datenmengen zu setzen, könnten clevere Architekturen bessere Ergebnisse liefern – ähnlich dem DeepSeek-Ansatz in der Sprach-KI. Gerade für Deutschland, wo Rechen-Ressourcen begrenzter sind als in den USA, ist das ein vielversprechender Pfad.
Das TUM RoboGym ist mehr als ein Forschungslabor. Es ist Europas bisher konkretester Versuch, im globalen Robotik-Wettlauf mitzuhalten. Ob der ChatGPT-Moment der Robotik tatsächlich kommt, wird sich zeigen. Die Infrastruktur dafür steht bald bereit.
.png)
.webp)
.webp)
.png)
%20(1).png)
