Honors Roboter läuft Halbmarathon schneller als jeder Mensch
Beim zweiten Beijing E-Town Humanoid Robot Half-Marathon hat ein autonom navigierender Roboter von Honor die 21 Kilometer in 50 Minuten und 26 Sekunden absolviert – fast sieben Minuten schneller als der menschliche Weltrekord.
Pascal Eugster
GRÜNDER & ENTWICKLER
20. APRIL 2026
2 MIN. LESEZEIT
INHALT
INHALT
in
PARTNER · INOO GMBH
Wie viel KI verträgt dein Betrieb? In 30 Minuten Klartext.
Kostenloses Erstgespräch — herstellerneutral, direkt aus dem Rheintal.
Gespräch buchen →
DAS WICHTIGSTE IN KÜRZE
Honors Humanoid lief den Halbmarathon in 50:26 – fast sieben Minuten schneller als der menschliche Weltrekord. Peking zeigt, wie schnell die Robotik voranschreitet; Zürich bleibt Europas Top-Standort für die Technologie dahinter.
50:26 gegen 57:20
Am 19. April traten in Peking 112 Teams mit humanoiden Robotern zum Halbmarathon an – rund 40 Prozent davon autonom navigierend, der Rest ferngesteuert. Honors Roboter «Flash» gewann die Gesamtwertung mit 50 Minuten und 26 Sekunden. Ein zweiter Honor-Roboter namens «Lightning» überquerte ferngesteuert sogar in 48:19 die Ziellinie, wurde in der gewichteten Wertung (Faktor 1.2 für Teleop, 1.0 für autonom) aber hinter «Flash» eingestuft.
Zum Vergleich: Jacob Kiplimo aus Uganda lief am 8. März in Lissabon den aktuellen menschlichen Weltrekord über die Halbmarathon-Distanz – 57 Minuten und 20 Sekunden. Die Roboter waren also deutlich schneller, was im Netz die trockene Reaktion auslöste: «Mein Auto kann auch schneller rennen als ein Gepard.»
Von 2:40 auf 0:50 in einem Jahr
Der Fortschritt ist trotzdem beeindruckend. Beim Debütrennen 2025 gewann «Tiangong Ultra» in 2 Stunden und 40 Minuten – eine Verbesserung um den Faktor 3.2 innerhalb eines Jahres. Honors Läufer hat Beine von rund 95 Zentimetern Länge und ein eigens entwickeltes Flüssigkühlsystem. Nicht alles lief rund: Ein Roboter stürzte an der Startlinie, ein anderer kollidierte mit einer Absperrung. Parallel liefen 12'000 menschliche Teilnehmer auf getrennten Strecken.
Schweiz-Kontext
Der European Deep Tech Report 2026 bestätigt Zürich als Europas Nummer eins für «Novel Robotics». Die ETH Zürich hat seit 2020 mehr VC-finanzierte Deep-Tech-Startups hervorgebracht als jede andere Hochschule weltweit – darunter ANYbotics, das mit über 150 Millionen Dollar Gesamtfinanzierung autonome Inspektionsroboter global skaliert. Marco Hutters Robotic Systems Lab bleibt die europäische Referenzadresse für Laufroboter.
FIRMEN IN DIESEM ARTIKEL
WEITERLESENDas könnte dich auch interessieren.
Nur für Abonnenten·KI-FORSCHUNG·3. SEPTEMBER 2026
KI findet sechs curl-Lücken – der 6:0-Vergleich hinkt
Im neuen curl-Release stecken neun Sicherheitslücken, sechs davon meldete das KI-System der Firma AISLE – kurz nachdem die Systeme von OpenAI und Anthropic nichts mehr gefunden hatten. Die Funde sind echt und amtlich belegt. Der daraus gebastelte Wettkampf ist es nicht.
KI-FORSCHUNG·3. SEPTEMBER 2026
EPFL gibt der KI Zweifel – und spart 40 Prozent Experimente
Forschende der EPFL koppeln ein Sprachmodell mit einem Gauss-Prozess, der zu jeder Vorhersage eine Unsicherheit mitliefert. Die Methode GOLLuM findet in 23 Benchmark-Aufgaben gute Versuchsbedingungen mit über 40 Prozent weniger Experimenten als klassische Verfahren – publiziert in Nature Machine Intelligence.
KI-FORSCHUNG·2. SEPTEMBER 2026
OpenAI bremst Astra – erstmals «kritische» Cyber-Stufe erreicht
OpenAI stuft sein Modell Astra als erstes in die höchste Cyber-Risikoklasse ein und drosselt den Zugang.
Nur für Abonnenten·KI-FORSCHUNG·1. SEPTEMBER 2026
Anthropic stoppte seine Cyber-Tests – und trainierte einen Betrüger
Anthropic legt offen, was nach den Sicherheitsvorfällen vom Sommer intern passierte: pausierte Cyber-Evaluationen, ein Klassifikator, der Ausbruchsversuche vor dem Tool-Call stoppt, und über 10 Prozent fehlerhafte Trainingsumgebungen. Dazu eine Studie, für die ein Opus-Modell absichtlich zum Betrügen trainiert wurde.
KI-FORSCHUNG·31. AUGUST 2026
Dein Coding-Agent hat kein Zeitgefühl – und merkt es nicht
Claude Code und OpenAI Codex können weder vorhersagen, wie lange eine Aufgabe dauert, noch zuverlässig sagen, wie lange sie schon arbeiten. Eine MATS-Studie misst Fehlschätzungen um das Drei- bis Zehnfache – und zeigt, dass die Agenten sich zusätzlich rund 20 Punkte zu gute Noten geben. Was das für Timeouts, Kostenschätzungen und Projektkalkulation bedeutet.
KI-FORSCHUNG·30. AUGUST 2026
Google gibt KI-Agenten ein Wiki – damit sie aus Fehlern lernen
Ein Preprint von Google Research zeigt, wie KI-Agenten ihre Erfahrung in einem wachsenden Wiki festhalten und daraus bessere Anleitungen für sich selbst schreiben. In Tests stieg die Durchschnittsgenauigkeit von Gemini 3.5 Flash von 49,5 auf 68,1 Prozent.