PEKING / LONDON (IT BOLTWISE) – Das Robotik-Startup XDOF treibt Gespräche für eine Series-B-Finanzierung voran und wird laut Branchenangaben voraussichtlich mit rund 1,2 Milliarden US-Dollar bewertet. Im Fokus steht nicht nur die Modellbildung, sondern vor allem das Sammeln hochwertiger Bewegungsdaten für humanoide Systeme. Die Dynamik wird flankiert von Großinvestitionen in KI-Infrastruktur, darunter eine geplante GPU-Skalierung im Robotertraining. Parallel entstehen spezialisierte Daten-Engines und neue Sensoransätze, die klassische Kamerapipelines ergänzen.
Die neue Welle in der Robotik wirkt weniger wie ein reines Algorithmus-Update und mehr wie ein Infrastrukturprojekt: Bewegungsdaten werden zur Engstelle, nicht zur Nebensache. Genau hier setzt das auf Robotik-Trainingsdaten spezialisierte Startup XDOF an, das sich nach Darstellung der Branche in fortgeschrittenen Gesprächen über eine Series-B-Finanzierung befindet. Für die Runde wird dabei eine Bewertung von rund 1,2 Milliarden US-Dollar erwartet, womit die Wette auf reale Trainingsdaten deutlich greifbar wird.
Dass XDOF diese Phase so schnell erreicht, hängt auch mit dem Tempo der Kapitalrunden zusammen. Gegründet wurde das Unternehmen im Oktober 2024 durch UC-Berkeley-Forscher um Philipp Wu, Fred Shentu und Nemo Jin. Erst im Juni 2026 soll eine Series-A-Finanzierung in Höhe von 70 Millionen US-Dollar abgeschlossen worden sein; währenddessen nähert sich der annualisierte Umsatz der Marke von 50 Millionen US-Dollar. Solche Kennzahlen sind für Robotik-Startups deshalb besonders aussagekräftig, weil Datenpipelines in der Praxis teure Beschaffung, Verarbeitungs- und Qualitätskontrolle erfordern und sich der „Time-to-Data“ oft direkt auf die Modellqualität auswirkt.
Der Finanzierungsboom passt in eine breitere Marktbewegung, in der mehrere Teams parallel an Datenbeschaffung und Rechenleistung drehen. Figure AI hat mit „Index“ eine Initiative angekündigt, um reale Daten für das Robotertraining zu sammeln, und dafür eine Partnerschaft mit Nscale vereinbart. Ab der zweiten Jahreshälfte 2027 ist dabei der Einsatz von bis zu 100.000 NVIDIA-Vera-Rubin-GPUs vorgesehen; das anfängliche Finanzvolumen der Kooperation soll 3,5 Milliarden US-Dollar betragen, mit einer beabsichtigten Skalierung auf über 6 Milliarden US-Dollar. Für Entscheider heißt das: Die Wettbewerbsfähigkeit verlagert sich spürbar dahin, wer Datenflüsse zuverlässig in Trainings- oder Simulationspipelines überführen kann – und wer dafür die nötige Rechenkapazität frühzeitig verfügbar macht.
Gleichzeitig zeigt der Blick auf die Datenerhebung, dass der Engpass noch nicht vollständig „automatisiert“ ist. Neben effizienten Ansätzen existieren weiterhin arbeitsintensive Methoden der Datengewinnung, bei denen Menschen mit am Kopf montierten Kameras kurze Tasks filmen. Laut einem Bericht verdienen dort zehntausende Arbeitskräfte etwa 2,62 US-Dollar pro Stunde, während diese egozentrischen Aufnahmen später bei führenden Herstellern für das Training verwendet werden. Genau diese Kopplung aus Mensch-gestützter Datenerhebung und KI-gestützter Auswertung entscheidet darüber, ob der Trainingsloop skalieren kann – oder ob Qualitätsprobleme, Beschriftungsaufwände und Datenschutzfragen die Geschwindigkeit ausbremsen.
Deshalb rückt auch die Sensorik als Differenzierungshebel nach vorn. Wearable Devices hat Anfang September eine neuronale Sensorschicht vorgestellt, die Muskelaktivitäten über ein sEMG-Array erfasst. Durch die Fusion mit weiteren Sensordaten lassen sich Hand-Posen, Kraftaufwand und Intent-Labels – also die Absicht hinter einer Bewegung – präziser tracken. Praktisch ergänzt das klassische Kameratraining um eine zweite Informationsquelle: Während Video häufig stark vom Blickwinkel und der visuellen Verdeckung abhängt, liefern sEMG- und Kraftsignale konsistente Hinweise über die tatsächliche Bewegungsvorbereitung.
Auch spezialisierte Datenplattformen und „Replay“-fähige Datensätze werden zur Infrastruktur-Schicht. Axis Robotics startete mit AXIS eine browserbasierte Daten-Engine für Robotermanipulationen; der Datensatz soll 2,36 TB umfassen und über 50.129 Trajektorien enthalten. In Tests erreichte AXIS eine Replay-Erfolgsrate von 86,2 Prozent, was vor allem für die Evaluierbarkeit neuer Modelle relevant ist: Wenn Trainings- und Testdaten sauber reproduzierbar sind, sinkt das Risiko, dass ein Modell nur in einer einzelnen Erhebungsumgebung „gut aussieht“. Daneben setzt GMO AI & Robotics mit „GMO LOOP for Physical AI“ auf gezielte Betriebsdaten humanoider Roboter, um die Genauigkeit von Bewegungsabläufen zu verbessern – ein Ansatz, der den Weg von der reinen Aufzeichnung hin zur iterativen Verbesserung betont.
In China wird derweil massiv Kapazität aufgebaut, um den Datenoutput zu erhöhen. In Peking ging mit dem Shijingshan Humanoid Robot Data Training Centre zudem eine der weltweit größten Einrichtungen dieser Art in Betrieb; auf 10.000 Quadratmetern sollen 100 Roboter jährlich rund 29.000 Stunden Daten in über 700 Szenarien produzieren. Das Zentrum ist Teil einer größeren Strategie: Seit April 2026 seien mindestens 90 vergleichbare Einrichtungen entstanden, und für Peking sind Investitionen von 700 Millionen Yuan geplant. Dass zusätzlich Marktbereinigung stattfindet, zeigen Übernahmen wie Egolab.AI, das erst im Januar 2026 gegründet wurde und bereits im März desselben Jahres von Build AI übernommen wurde – ein Hinweis darauf, dass sich spezialisierte Datenanbieter eher konsolidieren als langfristig im „Fragmentierungsmodus“ bleiben.
Für Unternehmen, die humanoide Robotik entwickeln oder einsetzen, leitet sich daraus vor allem eine Konsequenz ab: Daten sind nicht nur ein Kostenposten, sondern ein Produktivitätshebel für die Entwicklungszyklen. XDOF steht dabei exemplarisch für ein Modell, in dem die Qualität des Bewegungsdatensatzes und die Fähigkeit zur schnellen Verarbeitung entscheidend sind, um Trainingszeiten zu verkürzen und Modellfehler früh zu erkennen. Wer diese Kette aus Erhebung, Labeling, Sensorfusion, Daten-Engine und wiederholbarem Replay sauber orchestriert, kann schneller Iterationen liefern – und damit Marktfenster nutzen, bevor Wettbewerber ihre eigenen Datenpipelines in vergleichbarer Geschwindigkeit skalieren.
Am Ende wird das Datenrennen damit zu einer Art „Operations Layer“ der Robotik: Die Investitionen in Infrastruktur, die Spezialisierung auf Datenmanagement und die Kombination verschiedener Sensorquellen verändern die Spielregeln. Wenn XDOF mit der Series-B-Runde tatsächlich in den Bereich von 1,2 Milliarden US-Dollar vorstößt, ist das nicht nur ein Funding-Event, sondern ein Signal an den gesamten Stack – von Robotik-Teams über Rechenzentren bis hin zu den Teams, die Trainingsdaten in verwertbare Trainings-Assets verwandeln.
💳 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 vor Series B: 1,2 Milliarden Bewertung beschleunigen Robotik-Datenrennen" 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 vor Series B: 1,2 Milliarden Bewertung beschleunigen Robotik-Datenrennen" 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 vor Series B: 1,2 Milliarden Bewertung beschleunigen Robotik-Datenrennen« bei Google Deutschland suchen, bei Bing oder Google News!