Das Instruktivste, das ein Humanoid-Roboter auf der Computex 2026 in Taipei tat, war sanft herunterzukommen. Ein Prototyp auf Qualcomms Dragonwing IQ10 AI-Plattform ging über eine Keynote-Bühne, trug ein Gadget, strauchelte und fiel zu Boden. Ein Mitarbeiter deckte ihn mit einem schwarzen Tuch ab und trug ihn fort. Das Internet tat das, was das Internet tut. Jeder, der je live einen Prototyp pitchen musste, spürte es im Magen.

Das Video ist aus dem frühen Sommer, was es im Meme-Alter längst gestrig ist. Immer noch aktuell für alle, die auf unerwartete Lasten bauen. Jede Live-Demo ist eine Verhandlung mit der Schwerkraft, in der Öffentlichkeit geführt. Was zählt, ist der Teil nach dem Lachen.

Was die Entwickler sagten

Wie Deccan Chronicle berichtete, führte Qualcomm den Sturz auf “einen kurzen Kommunikationsfehler zurück, der einen Fehler im Prototyp auslöste” und sagte, der Roboter “habe eine sichere Kollaps-Sequenz ausgeführt, um Menschen und benachbarte Objekte zu schützen.” Das Unternehmen fügte hinzu, dass der Vorfall “wertvolle Echtdaten liefern würde, um die Entwicklung robusterer Robotik zu beschleunigen.”

Lesen Sie das als Ingenieur. Die Aussage nennt die Ursache, sagt, wer zuerst geschützt werden sollte, und behandelt den Sturz als Daten. Das ist der richtige Instinkt. Eine Maschine, die nicht mehr stehen kann, hat noch Möglichkeiten, wie sie fällt – und jemand hatte für diesen Moment geplant.

←HEUTE: Im Jahr 2026 werden Humanoide mit Kollaps-Routinen ausgeliefert, weil hundertprozentiges Aufrechtstehen unmöglich ist.
→3012: In Zürich 3012 hat jede Maschine, die einen Raum mit Menschen teilt, einen schriftlichen, überprüfbaren Plan für ihr Versagen.
Drehpunkt: Sicherheit kommt daher, dass man wählt, wie etwas versagt – nicht von der Zusicherung, dass es nie wird.

Forschung zum sicheren Fallen

Sicheres Fallen ist ein echtes Forschungsfeld. Ziyu Meng, Tengyu Liu, Le Ma, Yingying Wu, Ran Song, Wei Zhang und Siyuan Huang veröffentlichten SafeFall: Learning Protective Control for Humanoid Robots (arXiv 2511.18509, November 2025). Es paart einen “leichten, GRU-basierten Fall-Prädiktor, der kontinuierlich den Zustand des Roboters überwacht” mit einer Verstärkungslern-Strategie zur Schadensminderung. In einfachen Worten: Ein Netzwerk fragt ständig “Falle ich gerade?” und ein zweites entscheidet, wie zu landen ist. Der Kopf und die Hände sind geschützt, und stabilere Teile absorbieren die Energie. Meng et al. berichten von einer 68,3%-igen Reduktion der Spitzenkontaktkräfte, einer 78,4%-igen Reduktion der Spitzendrehmomente und 99,3% aller Auswirkungen auf anfällige Komponenten vermieden. Niemand hat gesagt, dass SafeFall im Qualcomm-Roboter läuft. Es ist die gleiche Idee, offen verfügbar und erforscht.

Der Faden reicht weiter zurück. 2018 beschrieb Kris Hauser von der Duke-Universität gegenüber The Robot Report, wie seine Gruppe Humanoide lehrte, sich beim Sturz an einer Wand oder einem Handlauf zu fassen, wie Menschen es tun: “Wir wollen, dass Roboter das Gleiche können.”

Der Zielkonflikt ist klar. Ein zu früh ansprechender Prädiktor macht aus jedem Fehltritt einen Sturz, und ein zu spät ansprechender macht aus einem Sturz einen harten Aufprall.

Die Baustelle im Spiegel

Ingenieure kennen dieses Prinzip bereits als Duktilität. Ein Stahlrahmen sollte sich biegen und warnen, bevor er bricht. Nach SIA 260 fordern die Nutzungsvereinbarung und Projektbasis Sie auf, Gefahrenszenarien aufzuschreiben, bevor Sie ein einzelnes Bauteil dimensionieren. PAZ hat diesen Faden schon früher aufgegriffen: In unserer Käfig-Humanoid-Piece war das echte Sicherheitsgerät der Käfig, nicht die Autonomie des Roboters. Roboter, die auf Schweizer Baustellen eingesetzt werden, brauchen beides: einen Fallplan und einen Raum, der so gezeichnet ist, dass der Sturz auf nichts Kritisches trifft.

Rückblickend aus den späten 2070ern waren die Maschinen, denen Menschen trauten, jene, deren Sturz-Protokolle ein Fremder noch Jahrzehnte später lesen konnte. Bewahre die Daten, und bewahre sie in einem Format, das seinen Hersteller überlebt.

Atelier: Büros, die einen Bauplatz-Roboter oder einen KI-Assistenten pilotieren, neigen dazu, den Erfolgsfall zu schreiben und den Fehlerfall zu überspringen. Jedes System verdient eine Seite, auf der steht, wie es versagt, wen es zuerst schützt und was es aufzeichnet. Montagsschritt: Fügt ein “Fehlermodus”-Feld zu eurer Pilot-Brief-Vorlage hinzu und startet keinen Test mit leerem Feld.

Hack: Dimensioniere die Landung, bevor du ihr vertraust, denn die Stoppstrecke ist das, was einen Sturz in einen Stoss verwandelt. Ein fallender Körper muss seine Energie m·g·h abbauen, und die durchschnittliche Kraft ist ungefähr diese Energie geteilt durch die Strecke, über die er stoppt. Werte sind Beispiele, keine echte Roboter-Spezifikation. Führe es in GhPython aus:

m, g, h = 60.0, 9.81, 1.0        # kg, m/s², fall height m
E = m * g * h                     # energy to dissipate, J
for d in (0.01, 0.05, 0.15):      # stopping distance, m
    print(d, round(E / d), "N")   # average impact force

Von 1 cm bis 15 cm Nachgabe wird die durchschnittliche Kraft um ein Fünfzehnfaches reduziert. Roboter erkaufen sich diese Strecke durch Haltung, Gebäude durch duktile Detaillierung.

Vor Ende der Woche: Wähle ein System in deinem Projekt und schreibe auf, wie es versagen sollte.