Time-of-Flight-Sensoren: Die präzisen Augen der digitalen Welt

Von DerSchneider

Sie sind unsichtbar, arbeiten im Bruchteil einer Nanosekunde und haben sich in weniger als einem Jahrzehnt von einer Nischentechnologie zu einem milliardenschweren Markt entwickelt: Time-of-Flight-Sensoren (ToF-Sensoren). Ob beim perfekten Bokeh-Effekt im Smartphone-Foto, bei der Hindernisvermeidung eines Staubsaugerroboters oder bei der Gesichtserkennung zum Entsperren des Mobiltelefons – ToF-Sensoren sind zu einem unverzichtbaren Bestandteil unserer digitalen Alltagswelt geworden. Doch hinter der scheinbar einfachen Idee der Lichtlaufzeitmessung verbirgt sich eine faszinierende Technologiegeschichte, die von der mechanischen Physik des 19. Jahrhunderts bis zu den hochintegrierten photonischen Systemen der Gegenwart reicht. Dieser Artikel beleuchtet die technischen Grundlagen, die rasante Marktentwicklung und die vielfältigen Einsatzmöglichkeiten dieser Schlüsseltechnologie.

1. Das physikalische Prinzip: Wie Licht zur Entfernungsmessung wird

Die grundlegende Idee eines Time-of-Flight-Sensors ist bestechend einfach: Ein Lichtimpuls wird ausgesendet, trifft auf ein Objekt, wird reflektiert und kehrt zum Sensor zurück. Aus der gemessenen Zeitdifferenz ∆t lässt sich bei bekannter Lichtgeschwindigkeit (c) die Entfernung (d) berechnen: d = (c × ∆t) / 2.

Doch in dieser scheinbaren Einfachheit verbirgt sich eine erhebliche technische Herausforderung: Bei einer Entfernung von einem Meter beträgt die Lichtlaufzeit nur etwa 6,7 Nanosekunden – ein Zeitraum, in dem elektrische Signale in einem Chip gerade einmal wenige Millimeter zurücklegen. Die präzise Messung solch winziger Zeitintervalle erfordert höchstentwickelte Halbleitertechnologien .

1.1 Die zwei Hauptverfahren: dToF und iToF

Die Industrie hat zwei grundlegend unterschiedliche Ansätze entwickelt, um diese Herausforderung zu bewältigen:

Direkte Time-of-Flight (dToF) misst die Laufzeit einzelner Lichtpulse direkt. Das Kernstück bilden extrem empfindliche Single-Photon Avalanche Dioden (SPADs), die einzelne Photonen nachweisen können. Mit einem Verfahren namens Time-Correlated Single Photon Counting (TCSPC) wird ein Histogramm der Ankunftszeiten vieler Photonen erstellt, aus dem die wahrscheinlichste Entfernung abgeleitet wird . Diese Methode zeichnet sich durch hohe Reichweiten und exzellente Störlichtunempfindlichkeit aus . Moderne dToF-Sensoren wie der ams OSRAM TMF8829 erreichen Reichweiten von mehreren Metern bei hoher Genauigkeit .

Indirekte Time-of-Flight (iToF) hingegen misst nicht direkt die Zeit, sondern das Phasenverschiebung zwischen gesendetem und empfangenem modulierten Lichtsignal . Ein kontinuierliches Signal – meist eine Sinus- oder Rechteckschwingung – wird ausgesendet. Aus der Phasendifferenz zwischen Sende- und Empfangssignal lässt sich die Laufzeit und damit die Entfernung berechnen. iToF-Sensoren lassen sich mit herkömmlichen CMOS-Bildsensorarchitekturen realisieren und bieten daher einen Kostenvorteil bei gleichzeitig hoher Auflösung . Sie eignen sich besonders für Nah- bis Mittelbereichsanwendungen mit hohen Bildraten.

Eine vielversprechende Weiterentwicklung stellt die FMCW-Technologie (Frequency-Modulated Continuous Wave) dar. Dabei wird die Frequenz des ausgesendeten Lichts kontinuierlich moduliert („Frequency-Chirp“). Durch Mischen des zurückkehrenden Signals mit dem Originalsignal entsteht ein Frequenzoffset, aus dem sich die Entfernung berechnen lässt. Ein besonderer Vorteil: Bewegte Objekte können über den Dopplereffekt zusätzlich in ihrer Geschwindigkeit erfasst werden. Erste Systeme erreichen bereits Reichweiten von bis zu 200 Metern .

1.2 Aufbau eines ToF-Moduls

Ein modernes ToF-Modul ist ein hochintegriertes optoelektronisches System. Es besteht aus mehreren Schlüsselkomponenten :

• Emitter: Meist ein VCSEL (Vertical-Cavity Surface-Emitting Laser) , der unsichtbares Infrarotlicht (typischerweise 850 nm oder 940 nm) emittiert. Die Wellenlänge von 940 nm hat sich als Standard etabliert, da sie im Sonnenlicht nur schwach vertreten ist und somit die Störlichtimmunität verbessert .
• Empfänger: Je nach Bauart CMOS-Bildsensoren, SPAD-Arrays oder Silicon Photomultiplier (SiPM) . Die Empfängertechnologie ist entscheidend für Empfindlichkeit und Geschwindigkeit .
• Optik: Spezielle Linsen und diffraktive optische Elemente (DOEs) formen das Sende- und Empfangsfeld. Fortschrittliche Metasurface-Linsen ermöglichen eine weitere Miniaturisierung .
• Signalverarbeitung: Ein integrierter Application-Specific Integrated Circuit (ASIC) oder eine Image Signal Processor (ISP) -Einheit übernimmt die komplexe Berechnung der Entfernungsdaten in Echtzeit .

2. Eine kurze Geschichte der Lichtlaufzeitmessung

Die Idee, Entfernungen über Laufzeiten zu messen, ist älter, als man vermuten mag. Bereits 1848 nutzte der französische Physiker Hippolyte Fizeau ein mechanisches Setup mit einem Zahnrad, um die Lichtgeschwindigkeit zu bestimmen – ein frühes ToF-Prinzip, lange bevor es elektronische Messsysteme gab .

Die ersten elektronischen ToF-Messungen kamen in den 1930er Jahren mit der Entwicklung des Radars (Radio Detection and Ranging) auf. Hier wurden elektromagnetische Wellen im Radiowellenbereich genutzt. Ein entscheidender Vorteil: Bewegte Objekte konnten über den Dopplereffekt auch in ihrer Geschwindigkeit erfasst werden .

Mit der Erfindung des Lasers 1960 begann das Zeitalter der optischen ToF-Systeme, die unter dem Begriff LiDAR (Light Detection and Ranging) bekannt wurden. Die bessere Strahlbündelung gegenüber Radar ermöglichte präzisere Messungen auf größere Entfernungen .

Die eigentliche Revolution für den Massenmarkt begann jedoch mit der Miniaturisierung durch die Halbleitertechnologie. Die Einführung von CCD-Bildsensoren (Charge-Coupled Device) und Active Pixel Sensors (APS) in den 1990er Jahren legte den Grundstein für die Integration von ToF-Funktionalität in kompakte, kostengünstige Chips .

Ein entscheidender Meilenstein für die Verbrauchermarkt-Durchdringung war die Einführung des iPhone X im Jahr 2017. Apple integrierte erstmals einen ToF-Sensor für die Gesichtserkennung (Face ID) und läutete damit die Ära der 3D-Sensorik in Smartphones ein. Seitdem haben Hersteller wie Samsung, Huawei und Xiaomi die Technologie in ihre Flaggschiffmodelle übernommen .

Heute befindet sich die Technologie in der dritten Generation. Hochmoderne Systeme nutzen SPAD-Arrays in Kombination mit Backside-Illumination (BSI) – einer Technologie, bei der die lichtempfindliche Schicht von unten beleuchtet wird, was die Empfindlichkeit dramatisch erhöht . Die Entwicklung geht hin zu noch höheren Auflösungen, größeren Reichweiten und der Integration von KI-Funktionen direkt auf dem Sensor .

3. Marktdynamik: Ein Milliardenmarkt im rasanten Wachstum

Der Markt für ToF-Sensoren befindet sich in einem außergewöhnlichen Wachstum. Die Zahlen sprechen eine klare Sprache:

• Marktvolumen 2025: 6,52 Milliarden US-Dollar 
• Prognose 2034: 25,18 Milliarden US-Dollar 
• Jährliche Wachstumsrate (CAGR): 16,10 % (2025-2034) 

Eine andere Quelle beziffert den Markt für 2025 auf 2,24 Milliarden US-Dollar mit einer noch höheren Wachstumsrate von 18,57 % bis 2032 – die unterschiedlichen Zahlen erklären sich durch abweichende Marktdefinitionen und -abgrenzungen .

3.1 Regionale Verteilung

Die Region Asien-Pazifik dominiert den Markt mit einem Anteil von 36,5 % im Jahr 2025 und ist zugleich der am schnellsten wachsende Markt. Diese Vorherrschaft ist nicht überraschend: China, Japan, Südkorea und Taiwan beherbergen nicht nur die größten Elektronikhersteller der Welt, sondern auch die führenden Halbleiterproduzenten. Allein der chinesische Markt wird 2026 auf 0,82 Milliarden US-Dollar geschätzt .

Nordamerika folgt mit einer prognostizierten Wachstumsrate von 17,3 %, angetrieben durch starke F&E-Aktivitäten und die frühe Adoption von AR/VR-Technologien. Der US-Markt wird 2026 auf 1,18 Milliarden US-Dollar geschätzt .

Europa wächst mit 16,2 % jährlich und profitiert insbesondere von der starken Automobilindustrie, die zunehmend ToF-Sensoren für Fahrerassistenzsysteme und Innenraumüberwachung einsetzt .

3.2 Segmentierung nach Sensortyp und Reichweite

dToF-Sensoren dominieren den Markt mit einem Anteil von 44,56 % im Jahr 2026. Ihre Überlegenheit bei großen Reichweiten und hoher Störlichtunempfindlichkeit macht sie zur bevorzugten Wahl für Automotive-, Industrie- und Robotikanwendungen .

iToF-Sensoren bleiben aufgrund ihrer Kosteneffizienz und guten Auflösung die erste Wahl für Consumer-Elektronik, insbesondere Smartphones und AR/VR-Geräte .

Nach Reichweite betrachtet, hält der Short-Range-Bereich den größten Marktanteil von 47,43 % – getrieben durch die Massenintegration in Smartphones, Spielkonsolen und AR/VR-Headsets. Der Long-Range-Bereich wächst jedoch am schnellsten, angetrieben durch Automotive-LiDAR, Industrieautomation und Drohnentechnologie .

3.3 Anwendungssegmente

Die dominierende Anwendung ist mit 29,21 % die Gestenerkennung, ein Trend, der durch die zunehmende Nachfrage nach kontaktlosen Benutzerschnittstellen befeuert wird. Das am schnellsten wachsende Segment ist die 3D-Bildgebung und -Kartierung, die in der autonomen Navigation, Robotik und industriellen Messtechnik zum Einsatz kommt .

Mit 37,4 % hält der Bereich Consumer Electronics den größten Endkunden-Anteil. Das Automobilsegment wird aufgrund der rasanten Einführung von ADAS und Automotive-LiDAR voraussichtlich am schnellsten wachsen .

4. Die wichtigsten Hersteller und ihre Technologien

Die ToF-Herstellerlandschaft ist geprägt von etablierten Halbleiterriesen und spezialisierten Technologieanbietern:

4.1 Technologische Innovationen im Produktportfolio

Die neueste Generation von ToF-Sensoren zeigt deutlich die Richtung der technologischen Entwicklung:

STMicroelectronics VL53L8CH ist ein 8×8-Multizonen-Sensor (64 Zonen) mit einem Sichtfeld von 65° diagonal und einer Reichweite von bis zu 400 cm. Besonders bemerkenswert ist die Ausgabe von CNH-Daten (Compact and Normalized Histogram) – Rohdaten, die speziell für KI-Anwendungen optimiert sind. Diese ermöglichen nicht nur die Entfernungsmessung, sondern auch die Unterscheidung von Materialien (Teppich, Holz, Glas), die Erkennung von Gefäßrändern in Kaffeemaschinen oder die Bodenklassifikation in der Robotik .

ams OSRAM TMF8829 bietet mit bis zu 48×32 Zonen (1.536 Messpunkte) die derzeit höchste Auflösung in seiner Klasse und verarbeitet pro Zone bis zu vier separate Ziele. Entwicklungsboards sind für Arduino und Raspberry Pi verfügbar, was die Technologie auch für den Makerspace zugänglich macht .

Sony IMX479 ist ein gestapelter dToF-Sensor (Stacked dToF) speziell für Automotive-LiDAR-Anwendungen, der die hohen Anforderungen an Reichweite, Zuverlässigkeit und Temperaturstabilität erfüllt .

5. Die Welt der 64-Zonen-Sensoren: Von der Punktmessung zur räumlichen Wahrnehmung

Einfache ToF-Sensoren liefern nur einen einzigen Entfernungswert – sie „sehen“ die Welt im Wesentlichen als einen Punkt. Moderne Multizonen-Sensoren wie der VL53L8CH mit 8×8 Zonen (64 separate Messfelder) oder der TMF8829 mit bis zu 48×32 Zonen hingegen erfassen ein räumliches Muster .

Diese Fähigkeit, die Umgebung in ein Raster aus Entfernungsinformationen zu zerlegen, eröffnet völlig neue Anwendungsmöglichkeiten:

• Gestenerkennung: Das System erkennt nicht nur, dass sich etwas bewegt, sondern auch welche Geste ausgeführt wird – von einfachen Wischbewegungen bis hin zu komplexen Handhaltungen .
• Personenzählung: In intelligenten Gebäuden können ToF-Sensoren anonym Personen zählen, ohne dass identifizierbare Kamerabilder entstehen – ein datenschutzfreundlicher Ansatz .
• Objekterkennung und -klassifikation: Die 64-Zonen-Messung ermöglicht es, die Form eines Objekts zu erfassen und es von anderen zu unterscheiden. Ein Roboter kann so den Rand einer Tasse oder die Kante eines Tisches präzise lokalisieren .
• SLAM (Simultaneous Localization and Mapping): Für mobile Roboter und Drohnen sind Multizonen-ToF-Sensoren ein kostengünstiger Weg zur gleichzeitigen Kartierung der Umgebung und Positionsbestimmung .

Ein besonderes Alleinstellungsmerkmal moderner 64-Zonen-Sensoren ist die Fähigkeit zur Multi-Target-Erkennung – in jeder Zone können mehrere Objekte in unterschiedlichen Entfernungen erfasst werden. Dies ist etwa bei der Überwachung von Flüssigkeitsständen in Tanks oder bei der Erfassung von Personen in einem Raum von großer Bedeutung .

6. Einsatzgebiete: Vom Smartphone bis zum autonomen Fahrzeug

Die Anwendungsvielfalt von ToF-Sensoren ist beeindruckend und wächst kontinuierlich:

6.1 Consumer Electronics

Der mit Abstand größte Markt. ToF-Sensoren ermöglichen in Smartphones:

• Porträtmodus mit Bokeh-Effekt: Präzise Trennung von Vorder- und Hintergrund 
• Gesichtserkennung (Face ID) : Erstellung einer 3D-Tiefenkarte des Gesichts für sichere Authentifizierung 
• Augmented Reality (AR) : Präzise Tiefenerfassung in Echtzeit für immersive AR-Erlebnisse 
• 3D-Scanning: Erstellung von 3D-Modellen von Objekten oder Räumen 
• Laser-Autofokus (LDAF) : Blitzschnelle Fokussierung auch bei schlechten Lichtverhältnissen 

6.2 Robotik und Industrieautomation

• Hindernisvermeidung für autonome mobile Roboter (AMR) und Saugroboter 
• SLAM-Navigation in unbekannten Umgebungen 
• Klippendetektion an Treppen für Saugroboter 
• Bodenerkennung und -klassifikation zur Anpassung des Fahrverhaltens 
• Füllstandsmessung von Flüssigkeiten oder Schüttgütern in Tanks und Behältern 

6.3 Automobilindustrie

• Innenraumüberwachung: Erkennung der Insassenbelegung, Gestensteuerung, Fahrer-Müdigkeitserkennung 
• Automotive-LiDAR für Fahrerassistenzsysteme und autonomes Fahren 
• Parkassistenten im Nahbereich 

6.4 Sicherheit und Gebäudeautomation

• Personenzählung in Smart Buildings – datenschutzkonform ohne RGB-Bild 
• Präsenzdetektion für Lichtsteuerung und Systemaktivierung 
• Zutrittskontrollen mit 3D-Gesichtserkennung 

6.5 Medizintechnik

• Nicht-invasive Bildgebung wie Optische Kohärenztomographie (OCT) 
• Patientenüberwachung – kontaktlose Erfassung von Vitalparametern 

6.6 Drohnen und Luftfahrt

• Navigation und Kollisionsvermeidung in komplexen Umgebungen 
• Höhenmessung für Lande- und Schwebeoperationen 

7. Technische Herausforderungen und Grenzen

Trotz ihrer Stärken haben ToF-Sensoren inhärente Grenzen:

• Störlichtempfindlichkeit: Starkes Umgebungslicht, insbesondere direktes Sonnenlicht, kann das Nutzsignal überlagern. Moderne Sensoren begegnen diesem Problem durch spezielle Filter, die Wahl von 940 nm Wellenlänge (geringerer Sonnenlichtanteil) und ausgeklügelte Algorithmen .
• Mehrfachreflexionen (Multipath Interference): In Räumen mit spiegelnden oder transparenten Oberflächen kann das Licht mehrfach reflektiert werden, bevor es zum Sensor zurückkehrt, was zu Messfehlern führt. Hier helfen Histogramm-basierte Auswerteverfahren .
• Reichweitenbegrenzung: Während dToF-Sensoren Reichweiten von mehreren 100 Metern erreichen können, sind iToF-Sensoren meist auf den Nah- bis Mittelbereich (bis ca. 10 m) beschränkt .
• Materialabhängigkeit: Sehr dunkle oder hochglänzende Oberflächen können die Messung beeinträchtigen, da sie das Licht absorbieren oder spiegelnd reflektieren .
• Kosten: Hochauflösende ToF-Sensoren bleiben teurer als alternative Tiefenerfassungstechnologien wie Stereokameras .

8. Zukunftsperspektiven: KI, Miniaturisierung und neue Anwendungen

Die Entwicklung der ToF-Technologie ist keineswegs abgeschlossen. Mehrere Trends zeichnen sich ab:

8.1 Integration von Künstlicher Intelligenz (Edge AI)

Die neueste Sensorgeneration, wie der VL53L8CH, gibt nicht nur Rohdaten aus, sondern liefert bereits vorverarbeitete CNH-Histogrammdaten, die direkt von KI-Algorithmen analysiert werden können . Zukünftige Sensoren werden die Objekterkennung und -klassifikation direkt auf dem Chip durchführen – ein Schritt, der die Datenlast reduziert und Echtzeitanwendungen beschleunigt. STMicroelectronics hat bereits Human Presence Detection (HPD) vorgestellt, eine KI-gestützte Präsenzerkennung für Laptops und PCs .

8.2 FMCW-Technologie für hohe Reichweiten

Die FMCW-Technologie (Frequency-Modulated Continuous Wave) verspricht präzise Messungen über große Distanzen (bis 200 m) bei gleichzeitiger Unabhängigkeit von der Reflektivität des Zielobjekts. Zudem ermöglicht sie durch den Dopplereffekt die direkte Geschwindigkeitsmessung bewegter Objekte .

8.3 Höhere Auflösungen und größere Sichtfelder

Die Entwicklung geht zu Sensoren mit immer höherer Zonenzahl. Der TMF8829 zeigt bereits, dass Auflösungen von 48×32 Zonen (1.536 Messpunkte) möglich sind . Zukünftige Systeme werden VGA-Auflösungen (640×480) erreichen und dabei die Kosten niedrig halten.

8.4 Miniaturisierung und Integration

Metasurface-Linsen ermöglichen flachere Bauformen . Die Kombination von Emitter, Empfänger und Signalverarbeitung auf einem einzigen Chip (System-on-Chip) wird die Integration in immer kleinere Geräte erlauben – von Smartwatches bis zu medizinischen Implantaten.

8.5 Sensorfusion

Die Zukunft gehört der intelligenten Fusion von ToF-Daten mit RGB-Kameras, Radar und anderen Sensoren. Besonders in der Automobilindustrie wird dies die Zuverlässigkeit und Redundanz von Umgebungserfassungssystemen erhöhen .

9. Fazit: Eine Schlüsseltechnologie der digitalen Wahrnehmung

Time-of-Flight-Sensoren haben in weniger als zwei Jahrzehnten den Weg von der Nischenanwendung zur ubiquitären Schlüsseltechnologie zurückgelegt. Sie sind die unsichtbaren Augen, die es Maschinen und Geräten ermöglichen, ihre Umgebung in drei Dimensionen zu verstehen – schnell, präzise und unabhängig von den Farben oder Mustern der Objekte.

Die Technologie steht an einem entscheidenden Wendepunkt. Die Einführung von SPAD-basierten dToF-Sensoren, die Integration von KI-Funktionen auf dem Sensor und die Entwicklung neuer Messprinzipien wie FMCW werden die Einsatzmöglichkeiten weiter dramatisch erweitern. Der Markt wird in den kommenden Jahren voraussichtlich um jährlich 16 % wachsen und bis 2034 ein Volumen von über 25 Milliarden US-Dollar erreichen .

Dennoch bleiben Herausforderungen: Die Kosten für hochauflösende Systeme müssen weiter sinken, die Störfestigkeit gegenüber extremem Umgebungslicht muss verbessert werden, und die technischen Grenzen bei stark reflektierenden oder absorbierenden Materialien sind noch nicht vollständig überwunden.

Was die Entwicklung von ToF-Sensoren auszeichnet, ist die außergewöhnlich schnelle Umsetzung von physikalischen Grundlagen in marktfähige Produkte – eine Erfolgsgeschichte, die zeigt, wie Halbleitertechnologie, Optik und algorithmische Intelligenz zusammenwirken, um Maschinen eine Fähigkeit zu verleihen, die dem Menschen selbstverständlich erscheint: den Raum um sich herum zu erfassen und zu verstehen.

Quellen

• DIResearch: Global Time of Flight (ToF) Sensors Market Research Report, Competitive, Technology and Forecast Analysis 2025-2032, 2025 
• Fortune Business Insights: Time of Flight Sensor Market Size, Share, Growth and Global Industry Analysis By Type & Application, Regional Insights and Forecast to 2026-2034, 2026 
• Lumispot Technology: Basic Principle and application of TOF (Time of Flight) System, 2023 
• Sony Semiconductor Solutions Group: ToF (Time of Flight) Technology Overview 
• STMicroelectronics: VL53L5CX 8×8-Multizonen-Time-of-Flight-Sensor – Produktdokumentation 
• STMicroelectronics: VL53L7/8CH Mehrzonen-Laufzeitsensor – Produktdokumentation 
• ams OSRAM: TMF8829 dToF EVM-Kits – Produktdokumentation 
• Connect.de: Glossar Time-of-Flight-Sensor 
• OST – Ostschweizer Fachhochschule: IMES Lecture zur «Geschichte und Zukunft der Time-of-Flight Technology», 2025