BERKELEY / LONDON (IT BOLTWISE) – Während große KI-Labore ihre Robotikprogramme nach Jahren im Schatten wieder ankurbeln, fehlt ihnen vor allem eins: skalierbare Trainingsdaten aus der realen Interaktion. Genau hier setzt das Startup XDOF an und finanziert eine Infrastruktur für Datensammlung, -bereinigung und Annotation. Mit 70 Millionen US-Dollar baut das Unternehmen eine Feedback-Schleife auf, die aus menschlichen Teleoperationen und Alltagsszenen Trainingsmaterial für Robotik-Modelle erzeugt. Zusätzlich plant XDOF mit UC Berkeley die Veröffentlichung einer umfangreichen Datensammlung namens ABC.
Die Robotik-Renaissance großer KI-Labore wirkt nach außen oft wie ein Wettlauf um bessere Modelle, größere Rechenbudgets oder neue Chips. In der Praxis entscheidet jedoch zunehmend eine weniger glamouröse Frage über Tempo und Erfolg: Wie bringt man Maschinen bei, mit der echten, physikalischen Welt zuverlässig zu interagieren? Sprache und Bildklassifikation profitieren davon, dass riesige Datenmengen öffentlich zugänglich sind. Bei Robotern ist das anders. XDOF adressiert diese Lücke explizit als Infrastrukturproblem und positioniert sich damit genau zwischen Forschungslabors und dem operativen Alltag, in dem Daten entstehen müssen.
Der Kern des Geschäftsmodells ist eine Daten-Feedback-Schleife. Statt „nur“ Modelle zu trainieren oder Trainingsmaterial bereitzustellen, baut XDOF laut eigener Beschreibung Pipelines für Sammlung, Cleaning und Annotation auf, die Robotik-Teams nicht in der gleichen Geschwindigkeit selbst aufbauen können. Der Grund: Teleoperation und Interaktionsdaten sind nicht einfach aus dem Web zu beschaffen. YouTube- und Crowd-Videos sind zwar reichlich vorhanden, aber meist zu niedrig aufgelöst oder schwer mit einer konsistenten Welt- und Hand-Aktionsebene zu verknüpfen. Für Robotik benötigen Trainer Daten, die Bewegungen, Kontaktzustände und Sequenzen so abbilden, dass sie sich wirklich in Trainingsziele übersetzen lassen.
Finanziell unterstreicht das Unternehmen den Anspruch mit einer frischen Zusage von 70 Millionen US-Dollar. An der Runde werden mehrere bekannte Wagniskapital-Player beteiligt, während XDOF gleichzeitig mit rund 60 Mitarbeitenden und bereits „20 Kunden“ arbeitet, ohne deren Namen öffentlich zu nennen. Damit entsteht eine Art Zulieferer-Ökosystem: Frontier-Labore können Robotik-Fähigkeiten schneller iterieren, weil sie nicht bei jeder Modellgeneration bei Null anfangen müssen. Wettbewerb entsteht hier weniger durch einen einzelnen „Robotik-Stack“, sondern durch Datenzugang und Auswertungsqualität. Auch größere Player treiben Robotik voran, etwa durch die Wiederbelebung eigener Robotics-Programme, die den Bedarf an Trainingsdaten nur noch sichtbarer machen.
Technisch setzt XDOF auf einen abgestuften Datenpyramiden-Ansatz, der die unterschiedlichen Qualitätsniveaus von Trainingsdaten transparent macht. Die wertvollste Stufe sind Teleoperationen, die an genau den Robotern erhoben werden, die später im Einsatz sind. Darauf folgt eine Stufe mit teleoperierten Robotern, die allgemeiner arbeiten und breitere Datenvarianten erzeugen, ähnlich dem Ansatz aus früheren Forschungsarbeiten. Die unterste Stufe schließlich bildet „egocentric“ Daten: Menschen erledigen Alltagsaufgaben, während XDOF eigene tragbare Sensorsysteme (Wearables) entwickeln will, um präzise und konsistente Körper- und Handreferenzen zu gewinnen. Der Vergleich mit einem klassischen Ansatz zeigt: Je näher die Daten am finalen Roboterverhalten liegen, desto besser lässt sich der Sim-to-Real-Spalt schließen.
Dass „Datenhardware“ entscheidend ist, wird in diesem Kontext besonders deutlich. Die Qualität einer Kamera- oder Sensorwahl beeinflusst, wie gut Handtracking funktioniert; und wenn Handtracking schlecht ist, wird auch die gesamte Trainingskette fehleranfällig. Damit verschiebt sich der Engineering-Schwerpunkt von reinen Modellarchitekturen hin zu Messgenauigkeit, Kalibrierung und Datenkonsistenz. XDOF betont, dass unzureichend geplante Hardware bereits in der Datenerhebung Probleme erzeugen kann, die später schwer zu diagnostizieren und noch schwerer zu beheben sind. Für Enterprise-Teams bedeutet das: Datenpipelines sind nicht nur „ETL“, sondern Teil des Modell-Designs, weil sie die Fehlerlandschaft maßgeblich bestimmen.
Ein wichtiger Baustein ist die geplante Veröffentlichung einer großen Datensammlung in Zusammenarbeit mit UC Berkeley. Diese Sammlung, ABC genannt, soll dem Umfeld laut Plan Zugang zu einer Skalierung geben, die in akademischen Kontexten bislang selten verfügbar war: 130.000 Trajektorien für Robot-Manipulation, ergänzt um 300 Stunden Simulation und 100 Stunden Bewertungen. In der Logik ähnelt das dem Effekt, den man aus anderen KI-Domänen kennt: Sobald Modelle und Datensets in einer passenden Form freigegeben werden, entsteht im Community-Umfeld mehr als nur „Nachbau“ – es werden neue Benchmarking- und Trainingsvarianten ausprobiert, die vorher nicht erwartbar waren. Gleichzeitig bleibt die technische Herausforderung, diese Daten so zu strukturieren, dass sie wirklich reproduzierbar trainierbar sind.
Marktseitig ist das Vorgehen eine klare Antwort auf ein verbreitetes Muster: Datenproduktion ist teuer, operativ aufwendig und kapitalintensiv, während viele KI-Labore lieber in Forschung investieren. XDOF begründet das damit, dass man für zuverlässige Teleoperationen eine Art „Robotik-Werkstatt“ im industriellen Maßstab braucht – inklusive Wartung, Kalibrierung physikalischer Parameter und Training von Operatoren. Anders formuliert: Ohne einen spezialisierten Betreiber braucht man nicht nur Roboter, sondern auch Betriebs- und Qualitätssicherung. Genau hier versucht das Startup, sich als Outsourcing-Partner zu etablieren. Als Benchmark-Vergleich lässt sich ergänzen: Humanoide Robotik-Teams oder Robotik-Startups können den Datenhunger ebenfalls spüren, aber die Dateninfrastruktur ist oft nicht ihr primärer Fokus, sodass Zulieferer einen strategischen Hebel gewinnen.
Für die Zukunft plant XDOF, „Armeen“ an Teleoperatoren und egocentric Data Operatoren aufzubauen, was zwangsläufig Fragen zur Skalierung, Qualitätskontrolle und zur Governance von Trainingsdaten aufwirft. Gerade bei Wearables und alltagsnahen Aufnahmen steigt der Datenschutzbedarf, weil sich aus Bewegungs- und Handtracking durchaus personenbezogene Muster ableiten lassen könnten. Unternehmen werden daher mittelfristig klare Anforderungen an Einwilligungen, Zweckbindung, Datenminimierung und Löschkonzepte etablieren müssen – insbesondere im EU-Kontext mit strengen Vorgaben wie der DSGVO. Ebenso wird Security wichtig: Wenn Robotikdaten in Pipelines fließen, brauchen Teams Zugriffskontrollen und Auditierbarkeit, damit Training nicht unbeabsichtigt zu Datenlecks führt.
Ausblickend könnte XDOF den Markt in eine Richtung drücken, in der „Robotic Data as a Service“ nicht als Randthema gilt, sondern als Infrastruktur ähnlich wie Cloud oder MLOps. Der indirekte Gewinner wären Entwicklerteams, die heute zwar Modelltraining beschleunigen, aber bei der Datenbeschaffung aus der physischen Welt ausgebremst werden. Wenn ABC und die nachfolgenden Datenstufen tatsächlich breit nutzbar werden, steigt die Wahrscheinlichkeit, dass Benchmark-Aufgaben schneller neue SOTA-Klassen erreichen – etwa beim Falzen von Textilien, beim Box-Handling oder bei präzisen Greifaufgaben. Gleichzeitig verschärft sich der Wettbewerb um Datenqualität: Wer die beste „Datenschicht“ liefert, kann künftige Robotik-Modelle schneller und robuster an reale Aufgaben anpassen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "XDOF baut Daten-Pipelines für Robotik-Training – 70 Mio. für die nächste KI-Datenschicht" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "XDOF baut Daten-Pipelines für Robotik-Training – 70 Mio. für die nächste KI-Datenschicht" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »XDOF baut Daten-Pipelines für Robotik-Training – 70 Mio. für die nächste KI-Datenschicht« bei Google Deutschland suchen, bei Bing oder Google News!