Roboter werden zunehmend in unser Leben integriert und unterstützen uns bei verschiedenen Aufgaben. Um eine effektive Zusammenarbeit zwischen Menschen und Robotern zu gewährleisten, ist es entscheidend, dass sie unsere Absichten verstehen und unsere Handlungen voraussehen können. In dieser Arbeit schlagen wir ein Framework zur Antizipation von Mensch-Objekt-Interaktionen (HOI) für kollaborative Roboter vor. Wir präsentieren ein effizientes und robustes Modell auf Basis von Transformers, das HOIs aus Videos erkennen und voraussagen kann. Diese verbesserte Antizipation befähigt die Roboter, Menschen proaktiv zu unterstützen, was zu effizienteren und intuitiveren Zusammenarbeiten führt. Unser Modell übertrifft die derzeit besten Ergebnisse in der HOI-Erkennung und -Antizipation im VidHOI-Datensatz um 1,76 % und 1,04 % in mAP (mean Average Precision), während es gleichzeitig 15,4-mal schneller ist. Wir demonstrieren die Effektivität unserer Methode durch experimentelle Ergebnisse mit einem echten Roboter, wobei gezeigt wird, dass die Fähigkeit des Roboters, HOIs zu antizipieren, entscheidend für eine bessere Mensch-Roboter-Zusammenarbeit ist. Weitere Informationen finden Sie auf unserer Projektwebseite: https://evm7.github.io/HOI4ABOT_page/