SYDNEY / LONDON (IT BOLTWISE) – Ein Startup aus dem Umfeld ehemaliger Google-DeepMind-Ingenieure will Robotern neue Fähigkeiten beibringen, ohne auf riesige Trainingsdatensätze zu warten. Reimagine Robotics setzt dafür auf „Post-Training“: Kunden zeigen Aufgaben vor, korrigieren die Roboter anschließend direkt per Handsteuerung. Laut Gründer Jonathan Scholz verkürzt das in einem Pilotprojekt die Einarbeitung einer neuen Fertigungsaufgabe von einem Tag auf 10 Minuten. Im Kern geht es darum, Roboter vom Demo-Status in den Produktionsalltag zu bringen.
Reimagine Robotics versucht, ein seit Jahren bekanntes Nadelöhr der Robotik anzugehen: fehlende Daten aus der echten Welt. Die Grundlage klingt zunächst banal, ist aber in der Praxis anspruchsvoll, weil Roboterlernen typischerweise von großen Trainingsmengen profitiert, die im Alltag kaum in der benötigten Vielfalt verfügbar sind. Jonathan Scholz, CEO der London- und Sydney-basierten Firma, verweist dabei auf einen häufig zitierten „100.000-year data gap“-Gedanken, der im Kontext von UC Berkeley von Ken Goldberg geprägt wurde. Die Aussage dahinter: Während KI-Modelle wie große Sprachsysteme auf riesigen Textmengen aus dem Web trainiert werden, mangelt es Robotersystemen an entsprechend breiter, dokumentierter Erfahrung aus Werkshallen, Montageplätzen und Prüfständen.
Technisch übersetzt Reimagine diesen Engpass in einen Lern- und Trainingsprozess, der nicht nur im Rechenzentrum stattfindet, sondern direkt an der Maschine. Das Startup nennt den Ansatz „post-training“: Statt die Fähigkeiten ausschließlich vor dem Einsatz zu trainieren, sollen Roboter im Feld verfeinert und an konkrete Abläufe angepasst werden. Scholz, der früher das Applied-Robotics-Team bei Google DeepMind leitete, beschreibt die Mission als „nützlich bauen“ statt „nur fähig wirken“. In der Logik des Unternehmens heißt das auch: Die Software muss so in den Arbeitsalltag passen, dass Bediener und Techniker Korrekturen geben können, ohne dass jedes Problem ein langes Ticketing und einen externen Reparaturflug auslöst.
Genau hier setzt Reimagine auf ein „monkey see, monkey do“-Modell für eine Flotte aus Roboterarmen und Montageeinheiten. Kunden sollen neue Verhaltensweisen beibringen können, indem sie eine Aufgabe zunächst vorführen, den Roboter den Versuch starten lassen und anschließend die Ausführung korrigieren – konkret durch physisches Manipulieren des Robotikarms. Dadurch entsteht eine Trainingsschleife, die nicht nur Daten produziert, sondern auch Kontext: Wie greift man korrekt zu? Welche Position ist praktisch stabil? Welche Bewegungen müssen mit Blick auf Bauteilgeometrien, Toleranzen und reale Reibung angepasst werden? Der Ansatz zielt damit auf eine Brücke zwischen Modellfähigkeit und operativer Alltagstauglichkeit.
In der Praxis zeigt sich der Nutzen laut der Darstellung des Startups bereits in Pilotdeployments. Reimagine arbeitet demnach mit mehreren Fertigungsunternehmen und testet seine Roboterarme in konkreten Produktionsumgebungen. Besonders greifbar ist ein Fall aus dem Materialrecycling: Ein Partner, der aus ausgedienten Festplatten kritische Rohstoffe gewinnt, soll die Zeit zum Unterrichten einer neuen Aufgabe von zuvor einem Tag auf 10 Minuten reduziert haben. Für viele Produktionsabteilungen ist diese Größenordnung entscheidend, weil sie darüber bestimmt, ob „neue Aufgaben“ als planbare Rollout-Schritte gelten oder als teure Sonderprojekte, die man aus Kostengründen verschiebt.
Scholz macht außerdem deutlich, warum das Unternehmen den Fokus so stark auf Bedienbarkeit legt. Nach seinen Angaben haben Mitarbeitende, die direkt mit den Systemen arbeiten, die Plattform schnell verstanden und eigene Use Cases entwickelt. Genau deshalb hält er „Hände an der Maschine“-Supervision für den Schritt notwendig, der Robotik aus glänzenden Demos in eine reale Belegschaft überführt. Seine zentrale Befürchtung: Wenn Nutzer bei Problemen erst ein separates „Fix-It“-Team rufen müssen, wird das System vom Skalierungsversprechen zur teuren Fehlersuche. Die Roboter würden dann eher wie ein „paperweight“ funktionieren – ein Hinweis auf den Unterschied zwischen technologischer Machbarkeit und betrieblicher Wirtschaftlichkeit.
Langfristig skizziert Reimagine zudem eine Art nachgelagerten Markt für Robot Trainer und Handler. Scholz spricht dabei von einer „downstream economy“, in der spezialisierte Personen die Lücke zwischen Herstellern und Fabriken schließen. Aus technischer Sicht ist das konsequent: Je näher das Lernen an spezifische Anlagen, Bauteile und Prozessfenster heranrückt, desto mehr entsteht Wissen in der Durchführung – und desto weniger reicht ein einmaliges Offline-Training. Gerade weil in der Branche derzeit viel Aufmerksamkeit auf humanoide Robotik und generalisierende KI-Modelle fällt, kann ein feldnaher Trainingsansatz auch als Gegenentwurf funktionieren: weniger „ein Modell für alles“, mehr „Anpassung dort, wo die Arbeit passiert“.
Für Unternehmen bedeutet das vor allem eine Verschiebung im Beschaffungs- und Einführungsdenken. Anstatt Robotik ausschließlich als Hardware-Projekt zu betrachten, rückt ein Schulungs- und Betriebsmodell in den Vordergrund, das Bediener aktiv einbindet und Lernzyklen systematisch im Produktionsprozess verankert. Dabei steht und fällt der Ansatz mit zwei Faktoren: Erstens müssen die Korrekturschritte so gestaltet sein, dass sie im Arbeitsalltag wirklich ausführbar bleiben. Zweitens braucht das System eine verlässliche Art, aus Vorführung und Korrektur konsistente neue Verhaltensweisen abzuleiten. Wenn Reimagine diesen Weg stabilisiert, könnte „post-training“ zu einem praktikablen Standardbaustein werden – und damit dazu beitragen, dass Roboter nicht nur in Demonstrationsumgebungen beeindruckend wirken, sondern in Fabriken wirtschaftlich laufen.
Unterm Strich adressiert Reimagine Robotics eine der hartnäckigsten Fragen der Robotik: Wie bringt man genug praktische Erfahrung in ein System, ohne dafür den Datenaufbau in Dimensionen betreiben zu müssen, die in der Realität kaum beschaffbar sind. Der Ansatz, Kunden zu „Robot Teachern“ zu machen, versucht genau diese Lücke operativ zu schließen. Ob daraus eine wiederholbare Blaupause wird, hängt nun davon ab, wie schnell sich die Schulungs- und Korrekturschleifen standardisieren lassen und wie gut das System mit der Vielfalt industrieller Umgebungen zurechtkommt – von Montagetischen bis zu mobilen Plattformen.
💳 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 "Reimagine Robotics: KI-gestützte Roboter lernen durch Kundentraining im Feld" 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 "Reimagine Robotics: KI-gestützte Roboter lernen durch Kundentraining im Feld" 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: »Reimagine Robotics: KI-gestützte Roboter lernen durch Kundentraining im Feld« bei Google Deutschland suchen, bei Bing oder Google News!