Robotik: Wo 3D-Druck, Elektronik, Code und KI zusammenkommen.

Was ist eigentlich ein Roboter?

Ein Roboter ist eine Maschine, die ihre Umwelt wahrnehmen, daraus eine Entscheidung ableiten und dann physisch handeln kann. Dieses Dreierschema heisst auf Englisch der Sense → Plan → Act-Loop und ist das Herzstück jedes Roboters — vom Saugroboter im Wohnzimmer bis zum Mars-Rover.

Roboter vs. Automation — was ist der Unterschied?

Eine Waschmaschine ist automatisch, aber kein Roboter. Sie folgt einem festen Programm und ist blind für ihre Umgebung. Ein Roboter dagegen reagiert auf das, was er wahrnimmt. Ein Saugroboter erkennt Treppen, weicht Stuhlbeinen aus und merkt sich, wo er schon gesaugt hat. Der entscheidende Unterschied ist also die Wahrnehmung und adaptive Reaktion — kurz gesagt: Sensoren plus Intelligenz.

Ein Roboter besteht im Grunde aus drei Schichten:

• Körper — Mechanik, Motoren, Greifer, Räder, Beine
• Sinne — Sensoren, die die Welt vermessen
• Gehirn — Microcontroller oder Computer, der Entscheidungen trifft

Die grossen Robotik-Bereiche

Robotik ist riesig. Damit du den Überblick behältst, hier die wichtigsten Familien — jede mit eigenen Aufgaben, Herausforderungen und coolen Vertretern.

Hardware-Bausteine: Aus was besteht ein Roboter?

Du wirst gleich merken: Robotik ist Lego für Erwachsene. Es gibt Standard-Bausteine, die du immer wieder triffst. Wenn du diese kennst, kannst du jeden Roboter „lesen” wie ein Buch.

Aktuatoren — die Muskeln

Aktuatoren wandeln Strom in Bewegung. Welcher Typ wofür eingesetzt wird, ist eine der wichtigsten Designentscheidungen.

Sensoren — die Sinne

Sensoren sind die Augen, Ohren und der Tastsinn des Roboters. Sie liefern Rohdaten, die das Programm dann interpretiert.

Das Gehirn — Microcontroller oder SBC?

Roboter brauchen einen „Computer”. Hier muss man sich entscheiden:

• Microcontroller (Arduino, ESP32, Raspberry Pi Pico): klein, sparsam, super für Echtzeit-Steuerung. Aber zu schwach für Kameras und KI.
• Single-Board-Computer (Raspberry Pi 5, NVIDIA Jetson): echte Linux-Rechner mit USB, WLAN und genug Power für Bildverarbeitung und neuronale Netze.
• Hybrid: der Profi-Aufbau. Ein SBC übernimmt die KI und Planung, ein Microcontroller die zeitkritische Motoransteuerung. Beide reden über USB oder Ethernet miteinander.

Beim SO-101 etwa läuft der LeRobot-Code auf einem Laptop oder Jetson, während ein USB-Bus die Servos direkt ansteuert.

Der Star: SO-101 — der Lernroboter zum Selberbauen

Wenn es einen Roboter gibt, der 2026 die Robotik-Welt für Einsteiger umgekrempelt hat, dann ist es der SO-101. Er ist das spannendste Open-Source-Projekt für Teens, die echte Robotik mit echter KI ausprobieren wollen — und das für ungefähr 100 bis 150 Dollar Bauteile.

Was ist der SO-101 überhaupt?

Der SO-101 (auch SO-ARM101 genannt) ist ein 6-DOF-Open-Source-Roboterarm, ursprünglich entworfen von TheRobotStudio und mittlerweile zum offiziellen Lernroboter der Hugging Face LeRobot-Community geworden. Open-Source heisst hier: alle CAD-Dateien, alle Anleitungen und der gesamte Code sind frei verfügbar. Du kannst die meisten Teile selbst auf einem 3D-Drucker drucken (die Verbindung zu Modul 1!) und nur die Servos und Schrauben kaufen.

Die 6 Freiheitsgrade

Die Hardware in Kürze

• Bauteile: 6 STS3215 Bus-Servos (mit Magnet-Encodern!), 3D-gedruckte Strukturteile, ein Steuerboard, Schrauben.
• Antrieb: Beim Follower-Arm laufen alle Motoren mit der starken 1:345-Untersetzung, damit der Arm sein eigenes Gewicht trotzen kann.
• Reichweite: ca. 35–40 cm, trägt kleine Gegenstände bis ca. 100–200 g.
• Anschluss: Single USB-Bus zum Laptop oder NVIDIA Jetson — kein extra Treiberboard nötig.
• Kosten: selbst zusammengebauter Kit für ca. 100–150 USD pro Arm.

Das geniale Konzept: Leader und Follower

Der SO-101 wird oft als Paar gebaut: ein Leader-Arm und ein Follower-Arm. Der Leader hat schwächere Motoren und kann ganz leicht von Hand bewegt werden — du führst ihn quasi wie eine Marionette. Der Follower-Arm ist stärker und macht in Echtzeit jede Bewegung des Leaders nach. Das nennt man Teleoperation.

Und jetzt kommt der Trick: Während du eine Aufgabe vorzeigst (zum Beispiel „ein Lego-Stein in eine Schale legen”), zeichnen Kameras und die Encoder der Servos jede Bewegung als Trainingsdaten auf. Später trainierst du damit ein KI-Modell — Imitation Learning. Mit genug Beispielen kann der Follower die Aufgabe dann ganz alleine ausführen. Vom unbeweglichen Bauteilkit bis zum lernfähigen Roboter in einem einzigen Wochenende.

Schritt-für-Schritt: vom Kit zum lernenden Roboter

1. Teile drucken

   Alle Strukturteile auf einem normalen FDM-Drucker (z. B. Bambu A1, Prusa MK4) drucken. Druckzeit insgesamt ca. 12–18 Stunden.

2. Servos kaufen und konfigurieren

   12 STS3215 Servos (6 für jeden Arm), jedem eine ID 1–6 zuweisen.

3. Mechanisch zusammenbauen

   Schritt für Schritt nach offizieller LeRobot-Anleitung — typisch ca. 3–5 Stunden pro Arm.

4. LeRobot installieren

   Auf dem Laptop ein Python-Environment einrichten, pip install lerobot, Arm anstecken, kalibrieren.

5. Teleoperation testen

   Leader-Arm bewegen — Follower folgt. Ein magischer Moment.

6. Demonstrationen aufnehmen

   50 bis 100 Wiederholungen einer Aufgabe (z. B. Würfel greifen) mit Kameras aufzeichnen.

7. Policy trainieren

   Auf deinen Daten ein Modell wie ACT, Diffusion Policy oder SmolVLA trainieren.

8. Autonom fahren lassen

   Modell laden, Roboter macht es selbstständig — ohne Leader.

Andere Einsteiger-Plattformen im Vergleich

Der SO-101 ist toll — aber nicht der einzige Weg in die Robotik. Je nachdem, was dir wichtig ist (Schule, Wettbewerb, KI, Spass), passt vielleicht etwas anderes besser.

Mein Tipp: Wenn du schon mit Coding und Elektronik (Modul 3 und 2) angefreundet bist, dann ist der SO-101 die mit Abstand spannendste Wahl. Du steigst direkt mit moderner KI-Robotik ein und bist Teil einer der aktivsten Open-Source-Communities. Wenn du mehr Mechanik magst und Wettbewerbe liebst, ist VEX oder FLL super.

Schlüsselkonzepte verständlich erklärt

Du wirst diese Begriffe ständig hören, sobald du in der Robotik-Welt unterwegs bist. Hier eine sanfte Einführung.

Kinematik: vom Winkel zur Position

Stell dir vor, ich kenne die Winkel aller 6 Gelenke des SO-101 — kann ich dann ausrechnen, wo genau die Greiferspitze gerade im Raum ist? Ja! Das nennt man Forward Kinematics. Es ist im Grunde Geometrie und Trigonometrie.

Die umgekehrte Frage ist viel kniffliger: Wenn ich möchte, dass die Greiferspitze bei einer bestimmten Position landet, welche Winkel müssen meine Gelenke einnehmen? Das ist Inverse Kinematics. Es gibt oft mehrere Lösungen oder gar keine. Bibliotheken wie ikpy oder pinocchio rechnen das für dich aus.

Trajektorien: Bewegung mit Stil

Ein Roboter soll nicht ruckartig von A nach B springen, sondern weich und kontrolliert. Eine Trajektorie ist die zeitlich geplante Bewegung — inklusive Beschleunigen am Anfang und Abbremsen am Ende. Bei einem Pick-and-Place willst du eine schöne S-Kurve, kein „an-aus”.

PID-Regelung: das einfachste Gehirn der Welt

PID heisst Proportional-Integral-Derivative. Klingt wild, ist aber genial einfach:

• P: Wie weit bin ich vom Ziel weg? Je weiter, desto stärker drück ich.
• I: Wie lange war ich schon daneben? Wenn lange, leg noch was drauf.
• D: Wie schnell ändert sich der Fehler? Kommt das Ziel zu schnell, brems ich ab.

PID-Regler sind in fast jedem Servo, jeder Drohne und jeder Heizung — und du kannst sie in 20 Zeilen Python schreiben. Sie sind der erste Schritt zum „intelligenten” Verhalten.

Pfadplanung: den klugen Weg finden

Wie kommt der Roboter durch ein Hindernisfeld? Algorithmen wie A*, RRT oder Dijkstra sind klassische Antworten. Sie modellieren die Welt als Graph und finden den kürzesten oder sichersten Pfad. Moderne Roboter mischen das mit gelernten Modellen.

SLAM: gleichzeitig kartieren und sich orten

SLAM heisst Simultaneous Localization and Mapping. Der Roboter muss zwei Dinge gleichzeitig herausfinden: „Wie sieht die Welt um mich aus?” und „Wo bin ich darin?”. Stell dir vor, du wachst in einem dunklen Raum auf, hast nur eine Taschenlampe und sollst eine Karte zeichnen, ohne zu wissen, wo du bist. Genau das macht ein Roboter mit LiDAR oder Tiefenkamera. Saugroboter, autonome Autos und Drohnen können alle SLAM.

KI in der Robotik — der grosse Sprung

Bis vor kurzem mussten Menschen jeden Schritt eines Roboters mühsam programmieren. Seit ein paar Jahren passiert eine Revolution: Roboter lernen direkt aus Beispielen oder durch Ausprobieren. Das ist genau die Verbindung zwischen Modul 4 (KI) und Modul 5.

Imitation Learning — vorzeigen statt programmieren

Statt Code zu schreiben, zeigst du dem Roboter die Aufgabe vor. Beim SO-101 führst du den Leader-Arm 50–100 Mal durch dieselbe Aktion, und das neuronale Netz lernt, aus den Kamerabildern und der aktuellen Pose die nächste Bewegung zu berechnen. Methoden wie ACT (Action Chunking with Transformers) oder Diffusion Policy sind in der LeRobot-Library schon eingebaut.

Reinforcement Learning — aus Versuch und Irrtum lernen

Hier bekommt der Roboter eine Belohnung, wenn er etwas richtig macht (z. B. Würfel ist im Behälter), und probiert tausende Male aus, was funktioniert. Sehr mächtig, aber meist in Simulation, weil reales Ausprobieren zu teuer und langsam ist. Boston Dynamics nutzt es fürs Laufen, OpenAI für Roboterhände.

Vision-Language-Action Models (VLAs) — die Zukunft ist da

VLAs sind die spannendste Entwicklung in der Robotik 2025–2026. Ein einziges grosses Modell bekommt drei Eingaben:

1. Ein Bild der Welt (Vision)
2. Einen Text-Befehl wie „Räum die roten Blöcke in die linke Schachtel” (Language)
3. Den aktuellen Zustand der Gelenke

Und es gibt direkt aus: was die Motoren als Nächstes tun sollen (Action). Ein Modell, ein Vorwärtsdurchlauf, fertig. Das ist eine völlig neue Art, Roboter zu bauen.

LLMs als Gehirn des Roboters

Eine andere Idee: verwende ein grosses Sprachmodell wie Claude oder GPT als Strategist. Das LLM zerlegt einen vagen Befehl („Mach mir Frühstück”) in kleine Schritte („Hol Brot, leg auf Toaster, drücke Knopf …”) und ruft für jeden Schritt eine spezielle Roboter-Fähigkeit auf. So können Roboter heute plötzlich auf Sprache reagieren, die sie nie vorher gehört haben. Diese Idee findet sich in Projekten wie SayCan, Code-as-Policies und in vielen modernen humanoiden Robotern.

Software-Stack: was läuft eigentlich auf einem Roboter?

Hardware ist die Hälfte. Die andere Hälfte ist Software — und glücklicherweise gibt es einige sehr gute, freie Werkzeuge, die alle Profis nutzen.

ROS 2 — das „Betriebssystem für Roboter”

ROS heisst Robot Operating System, ist aber eigentlich ein Framework, das auf Linux läuft. Es liefert ein Nachrichten-System, mit dem viele kleine Programme (Nodes) miteinander reden können: einer liest Sensoren, einer plant Pfade, einer steuert Motoren. Der grosse Vorteil: du kannst ein Modul austauschen, ohne den Rest umzubauen. ROS 2 ist der Standard in Industrie und Forschung.

Simulatoren — der erste Test-Roboter ist immer virtuell

Bevor du teure Hardware ramponierst, testet jeder Profi seine Algorithmen in einer Simulation:

• Gazebo / Ignition — der Klassiker, eng mit ROS verknüpft, gut für mobile Roboter.
• NVIDIA Isaac Sim — moderne, GPU-beschleunigte Simulation mit fotorealistischen Bildern. Perfekt zum Trainieren von Vision-Modellen, die später in der Realität laufen sollen („Sim-to-Real”).
• MuJoCo — ultraschnelle Physik-Engine, Liebling der RL-Forscher (z. B. für Boston Dynamics Atlas).
• Webots — kostenlos und einsteigerfreundlich, gut für Schule und erste Schritte.

LeRobot — der Stack der Stunde

Hugging Faces LeRobot ist eine Python-Bibliothek, die Datasets, Modelle und Trainings-Pipelines für reale Roboter bündelt. Du installierst sie mit einem einzigen Befehl, kannst dann Daten aufnehmen, Policies trainieren und alles auf dem Hugging Face Hub teilen — genau wie LLM-Modelle. Sie unterstützt SO-101, Koch, Aloha und immer mehr Plattformen.

Klassische Bausteine

• Python + NumPy für alles Allgemeine.
• OpenCV für Bildverarbeitung.
• PyTorch / JAX für KI-Modelle.
• MoveIt 2 für Bewegungsplanung von Roboterarmen.
• Nav2 für Navigation mobiler Roboter.

Sicherheit — Roboter sind kein Spielzeug

Auch ein kleiner SO-101 hat Servos mit über einem Newtonmeter Drehmoment. Das reicht, um Fingerspitzen einzuklemmen oder Brillen vom Kopf zu reissen. Industrieroboter können Menschen töten — deshalb stehen sie hinter Lichtschranken.

Goldene Regeln

• Schutzbrille auf, sobald Servos beweglich sind. Bei BLDC-Motoren mit Propellern (Drohnen) erst recht.
• Arbeitsbereich freihalten: kein Kabel, kein Werkzeug, kein Getränk im Bewegungsradius.
• Erst langsam, dann schnell. Setze in deinem Code zuerst niedrige Geschwindigkeitsgrenzen.
• Software-Limits für alle Gelenke setzen, damit der Arm sich nicht selbst zerstören kann.
• Notaus erreichbar halten — im einfachsten Fall ein USB-Stecker, den du blitzschnell ziehen kannst.
• Nie alleine mit grösseren Robotern arbeiten, falls etwas schiefgeht.
• Lithium-Batterien (LiPo) niemals unbeobachtet laden — sie können brennen.

Projektideen — vom Anfänger bis Pro

Schluss mit Theorie. Hier sind sechs Projekte, mit denen du deine ersten Roboter-Erfahrungen sammelst. Geordnet von einfach bis hardcore.

Robotik = die Krone der ersten 4 Module

Jetzt schliesst sich der Kreis. Robotik ist nicht ein neues Thema neben den anderen — sie ist die Disziplin, in der alle vier vorigen zusammenkommen. Genau deshalb ist sie das Finale dieses Kurses.

Wenn du diese fünf Disziplinen wenigstens grundlegend beherrschst, hast du etwas extrem Seltenes in deiner Hand: die Fähigkeit, eine Idee in der echten Welt entstehen zu lassen. Du kannst aus dem Nichts ein Gerät entwerfen, drucken, verkabeln, programmieren und sogar lernfähig machen. Das war vor zehn Jahren ein Vorrecht von Industriebetrieben mit Millionenbudget. Heute geht es bei dir zu Hause.

Genau das ist die Welt, in die du gerade eintrittst. Robotik 2026 bedeutet: Hardware ist günstig, Software ist offen, KI ist verfügbar, Communities sind global vernetzt. Es war nie so einfach, ein Roboter-Bauer zu werden. Und nie so wertvoll für deine Zukunft.

Mini-Glossar

DOF (Degree of Freedom)

Anzahl unabhängiger Bewegungsrichtungen eines Roboters. Ein menschlicher Arm hat 7 DOF, der SO-101 hat 6.

IMU (Inertial Measurement Unit)

Sensor, der Beschleunigung und Drehrate misst. Sagt dir, wie ein Gerät im Raum orientiert ist.

Encoder

Sensor, der den Drehwinkel eines Motors misst. Magnetisch oder optisch. Ohne Encoder wüsste der Roboter nicht, wo seine Gelenke stehen.

ROS (Robot Operating System)

Open-Source-Framework für Roboter-Software. Mittlerweile in Version 2 („ROS 2”) der Industriestandard.

Cobot

„Collaborative Robot” — sicher genug, um direkt neben Menschen zu arbeiten.

Kinematik

Lehre der Bewegung. Forward = von Gelenkwinkeln zur Position. Inverse = von gewünschter Position zu nötigen Winkeln.

VLA (Vision-Language-Action)

KI-Modell, das aus Bildern und Sprache direkt Roboter-Aktionen vorhersagt.

Imitation Learning

Lernverfahren, bei dem ein Roboter aus menschlichen Demonstrationen lernt, ohne Belohnung oder Trial-and-Error.

SLAM

Simultaneous Localization and Mapping — der Roboter baut während der Fahrt eine Karte und lokalisiert sich gleichzeitig darin.

Teleoperation

Steuerung eines Roboters aus der Ferne. Beim SO-101 führt ein Mensch den Leader-Arm und der Follower kopiert die Bewegung.