RobotAIGeek

Die Robotik hat kein Datenproblem. Sie hat ein Schnittstellenproblem.

Der Mitbegründer von Spirit AI hat Mitte 2027 als Frist für einen „GPT-3.0-Moment“ in Robotergehirnen festgelegt. In derselben Woche veröffentlichten ein Labor der Columbia University, das firmeneigene RAI-Institut von Hyundai sowie ein Team für Unterwasserrobotik Forschungsergebnisse dazu, wie ein Mensch den Körper eines Roboters steuern sollte – und nicht, wie der Roboter selbstständig Entscheidungen treffen sollte. Diese Lücke, nicht die Finanzierungsrunde, ist der eigentliche Fahrplan.

martti
4 Min. LesezeitPosted: 19. Sept. 2026
Die Robotik hat kein Datenproblem. Sie hat ein Schnittstellenproblem.

Zwischen dem 15. und 18. September ereigneten sich drei Dinge, die nur im Zusammenhang betrachtet Sinn ergeben. Der Mitbegründer von Spirit AI erklärte gegenüber der Presse, dass Robotergehirne bis Mitte 2027 einen „GPT-3.0-Moment“ erreichen würden. Der weltweite Leiter für Forschung und Entwicklung bei Hyundai stand in San Jose vor einem Raum voller Ingenieure und räumte öffentlich ein, dass chinesische Wettbewerber „weitaus schneller vorankommen“ als sein eigenes Unternehmen. Und ein von Hyundais eigener Forschungsabteilung, dem RAI-Institut, entwickelter zweihändiger Roboter veröffentlichte eine wissenschaftliche Arbeit, deren herausragende Leistung darin bestand, einen Baseball zu fangen.

Bei keinem dieser drei Ereignisse geht es wirklich um die Intelligenz eines Roboters. Bei allen dreien geht es darum, was noch entwickelt werden muss, bevor Intelligenz überhaupt etwas hat, womit sie arbeiten kann.

In der Branche wird immer wieder von einem Datenproblem gesprochen. Die in diesem Monat erscheinenden Fachartikel beschreiben jedoch ein Schnittstellenproblem – und das ist eine andere, frühere und schwerwiegendere Herausforderung, die es zu lösen gilt.

Was Spirit AI tatsächlich offenlegt

Das Konzept von Spirit AI ist konkret genug, um Respekt zu verdienen. Gao Yang, Mitbegründer und Chefwissenschaftler des Unternehmens, bezeichnet das Robotergehirn als „in der Tat das schwächste Glied im gesamten Robotik-Stack“ und hat eine konkrete Frist für die Schließung dieser Lücke gesetzt: einen „GPT-3.0-Meilenstein“ bis Mitte 2027; zu diesem Zeitpunkt erwartet er, dass ein Roboter eine frei formulierte gesprochene Anweisung entgegennimmt und eine ihm unbekannte physische Aufgabe ausführt. Spirit AI hat seit seiner Gründung im Januar 2024 mehr als 670 Millionen US-Dollar eingeworben und eine Bewertung von fast 20 Milliarden Yuan (etwa 2,9 Milliarden US-Dollar) erreicht, und seine humanoiden Roboter vom Typ „Moz1“ auf Rädern arbeiten bereits heute in strukturierten Schichten im Batteriewerk von CATL und in der Logistikhalle von JD.com – nicht in einem Labor.

Die Zahl, die es zu beachten gilt, ist nicht der Termin 2027. Es sind die rund 1.000 Auftragnehmer sowie 300 Vollzeitmitarbeiter, die Spirit AI landesweit einsetzt, um die Daten zur physischen Interaktion seiner Roboter zu verarbeiten, zu korrigieren und zu kennzeichnen. Bei Dutzenden eingesetzter Moz1-Einheiten entspricht dies einem menschlichen Datenverarbeitungsteam, das um eine Größenordnung größer ist als die Roboterflotte selbst.

unterstützt. Gaos eigene Darstellung räumt diesen Punkt ein: Hardware ist in der gesamten Lieferkette für humanoide Roboter in China zu einer Massenware geworden, und der knappe Faktor sind die beschrifteten Interaktionsdaten, die ein Modell benötigt – Daten, die nach wie vor erfordern, dass eine Person fast alles, was ein Roboter versucht, beobachtet, korrigiert und neu aufzeichnet.

Dies ist keine Kritik an Spirit AI, das hinsichtlich dieses Verhältnisses offener ist als die meisten seiner Wettbewerber. Es ist eine Tatsache darüber, woher die humanoide Intelligenz des Jahres 2026 tatsächlich stammt: nicht von einem Roboter, der eigenständig verallgemeinert, sondern von einem ständigen menschlichen Betriebsteam, das trotz des Wachstums der Roboterflotte noch nicht kleiner geworden ist.

Die Veröffentlichungen, auf denen keine Finanzierungsrunde basiert

Genau hier wird die Forschungsagenda dieses Monats zur ehrlicheren Offenlegung. Ein Labor der Columbia University unter der Leitung von Matei Ciocarlie veröffentlichte am 16. September „DITTO“ – eine Teleoperationsschnittstelle, kein Robotergehirn. Die Veröffentlichung beschreibt das eigentliche ungelöste Problem klar und deutlich: Bestehende Methoden der Datenerfassung erzwingen einen Kompromiss, bei dem „die Teleoperation zwar Konsistenz beim Einsatz gewährleistet, jedoch keine Kraftrückmeldung bietet, während handgeführte (In-the-Wild-)Systeme eine natürliche Krafttransparenz ermöglichen, beim Einsatz jedoch eine visuelle Verkörperungslücke verursachen“. DITTO kombiniert eine Roboterhand mit sieben Freiheitsgraden mit einem motorisierten Exoskelett, das an die Handgeometrie des Bedieners angepasst ist, mit dem Ziel, eine Art von Daten zu erfassen, die beide Aspekte abdeckt.

Zwei Tage zuvor veröffentlichten Ingenieure des RAI-Instituts – jener von Hyundai finanzierten Forschungsorganisation, die Marc Raibert im Jahr 2022 mit mehr als 400 Millionen US-Dollar von Hyundai und Boston Dynamics gegründet hatte – AthenaZero. Die herausragendste Errungenschaft dieses Projekts ist nicht das autonome Schlussfolgern. Es ist die Trägheit: ein zweihändiger Körper mit 22 Aktuatoren und menschlicher Masse, der durch quasi-direkten Antrieb so konstruiert ist, dass er sich so schnell und fehlerverzeihend wie ein menschlicher Arm bewegt – bei etwa einem Zehntel der effektiven Masse eines herkömmlichen Industriemanipulators. Der Roboter demonstriert diese Fähigkeit beim Ballwerfen. Er hat einen Ball mit einer Geschwindigkeit von etwa 69 Meilen pro

Stunde – laut dem Forschungsteam der bislang schnellste von einem anthropomorphen Roboter gemessene Wurf – fing einen Ball mit einer Geschwindigkeit von bis zu 41 Meilen pro Stunde aus einer Entfernung von 24 Fuß ab und traf den Ball bei 27 von 33 Würfen; dies ist eine mechanische Meisterleistung, keine kognitive, und die Forscher selbst stellen es auch so dar.

Eine dritte, am 18. September veröffentlichte Arbeit, „ULOHA“, dehnt dasselbe Muster auf einen Bereich der Robotik aus, in dem so gut wie kein kommerzieller Finanzierungsdruck besteht: die Unterwassermanipulation. Die Autoren stellen fest, dass das bimanuelle Imitationslernen „bislang größtenteils an Land untersucht wurde“, und ihr Beitrag besteht in einer speziell entwickelten „Leader-Follower“-Teleoperationshardware, die darauf ausgelegt ist, diese „Human-in-the-Loop“-Steuerung unter Wasser zu ermöglichen. Drei Artikel, drei voneinander unabhängige Labore, eine gemeinsame Erkenntnis: Auch in dieser Woche besteht die Grenze der veröffentlichten Robotikforschung weiterhin darin, bessere Möglichkeiten für den Menschen zu entwickeln, einen geschickten Roboter zu bedienen – und nicht darin, bessere Möglichkeiten für den Roboter zu finden, sich selbst zu bedienen.

Warum Teleoperation eigentlich nur eine Phase und kein Endziel sein sollte

Die gängige Darstellung in der Branche betrachtet die Teleoperation als Gerüst, als vorübergehenden Weg zur Gewinnung von Trainingsdaten auf dem Weg zur echten Autonomie – dieselbe Logik, die hinter der Entscheidung von Figure AI steht, mehr als 1 Milliarde US-Dollar in eine Crowdsourcing-Datenplattform zu investieren, auf der bereits 16 Millionen Videos von Mitwirkenden erfasst wurden. Diese Sichtweise geht davon aus, dass das Gerüst selbst ein gelöstes Problem darstellt – etwas, das Unternehmen einsetzen, während sie an der darüber liegenden, komplexeren kognitiven Ebene arbeiten.

DITTOs eigener, erklärter Kompromiss besagt etwas anderes. Mehr als drei Jahre nach Beginn des aktuellen Finanzierungsbooms für humanoide Roboter veröffentlicht ein Labor der Columbia University immer noch Grundlagenforschung darüber, wie kraftreiche Manipulationsdaten von einer menschlichen Hand erfasst werden können, ohne dabei entweder die Genauigkeit bei der Umsetzung zu beeinträchtigen oder eine visuelle Diskrepanz zwischen der Erfassungsvorrichtung und dem eingesetzten Roboter zu verursachen. Das ist kein Team, das eine bereits funktionierende Unterstützungsschicht verfeinert. Das ist ein Team, das noch dabei ist, zu definieren, wie die Unterstützungsschicht aussehen soll.

Eine Prognose für einen „GPT-3.0-Moment“

Wer ein ungelöstes Schnittstellenproblem außer Acht lässt, prognostiziert nicht durch den schwierigen Teil hindurch. Er prognostiziert darüber hinaus.

Text konnte in dieser Weise skalieren, weil das Internet bereits Billionen von Tokens als ungeplantes Nebenprodukt gewöhnlicher menschlicher Kommunikation generiert hatte und jedes einzelne dieser Tokens dieselbe Darstellung aufwies. Daten zur physischen Interaktion weisen kein entsprechendes Nebenprodukt auf und keine gemeinsame Darstellung über Roboterkörper, Sensorsysteme und Greifer hinweg. Jedes seriöse Forschungslabor muss das Werkzeug, das diese Daten erfasst, noch selbst entwickeln – ein Exoskelett, eine Leader-Follower-Anordnung, einen Arm mit geringer Trägheit nach dem anderen –, und diese Entwicklungsarbeit findet gerade jetzt öffentlich, datiert und zitierfähig statt.

Was dies für jeden bedeutet, der tatsächlich einen solchen Roboter erwirbt

Für ein Beschaffungsteam, das einen humanoiden Prototypen evaluiert, ist die Frage nach der Sorgfalt, die sich hieraus ergibt, nützlicher als die Abfrage einer Erfolgsquote beim Anbieter. Fragen Sie stattdessen, welcher Anteil der Trainingsdaten des Anbieters von einer speziell für dessen spezifische Hardware entwickelten Teleoperationsanlage stammt – im Gegensatz zu einem universellen Erfassungstool, das von anderswo übernommen wurde –, und wie kürzlich diese Anlage neu konzipiert wurde. Ein Anbieter, der im Jahr 2026 noch immer an seiner eigenen Hardware zur Datenerfassung feilt, ist ein Anbieter, dessen Modell noch immer einem sich bewegenden Ziel hinterherläuft und sich nicht auf ein stabiles Ziel zubewegt. Das ist kein Ausschlusskriterium. Die von Spirit AI angegebene Zahl von 90 Prozent bei strukturierten Aufgaben – gemessen über die kombinierten CATL- und JD.com-Einsätze – ist eine reale, gemessene Leistung und keine Demo. Sie ist jedoch ein Beleg für einen langsameren und begrenzteren Fortschritt, als es eine Frist bis 2027 vermuten lässt, und Käufer, die mehrjährige Verträge rund um diesen Termin kalkulieren, setzen dabei auf eine Schnittstellenschicht, die laut den aktuellen Veröffentlichungen der Branche selbst noch erst erfunden wird.

Der Baseball-Roboter des RAI-Instituts ist in diesem Licht betrachtet ein ehrlicherer Datenpunkt als jede Finanzierungsankündigung dieses Monats. Er zeigt ganz klar, dass das derzeit am schwierigsten zu lösende Problem darin besteht, den Körper eines Roboters so bewegen zu lassen wie den eines Menschen,

schnell, sicher und fehlerverzeihend. Diesem Roboter beizubringen, selbstständig zu entscheiden, was zu tun ist, stellt die nächste Herausforderung dar, und die in dieser Woche veröffentlichten Fachartikel haben noch nicht damit begonnen, diese zu lösen. Diese Lücke zwischen den beiden Schritten ist kein Rundungsfehler auf dem Weg ins Jahr 2027. Sie ist der eigentliche Fahrplan und führt zunächst über den Labortisch, bevor sie in die Fabrikhalle gelangt.

Diese Analyse stützt sich auf öffentlich zugängliche Forschungsveröffentlichungen, Unternehmenserklärungen und Konferenzbeiträge von Spirit AI, den Robotikforschern der Columbia University, dem RAI-Institut, der Hyundai Motor Group und Figure AI bezüglich ihrer jeweiligen Veröffentlichungen vom September 2026. Sie dient ausschließlich allgemeinen Informationszwecken und stellt keine Anlage-, Finanz- oder Beschaffungsberatung dar.

Bildnachweis für das Titelbild: RAI Institute, aus dessen eigener veröffentlichter Forschungsarbeit zum zweihändigen Roboter „AthenaZero“.

RoboticsHumanoidRobotsPhysicalAIResearchTeleoperationSpiritAIHyundai

Neueste Artikel

China verhängt Sanktionen gegen Japan wegen Taiwan. Seine Roboterhersteller bleiben davon verschont.

China verhängt Sanktionen gegen Japan wegen Taiwan. Seine Roboterhersteller bleiben davon verschont.

martti
martti
20. Nov. 2026
Die wichtigste Zahl in der AMR-Branche ist nicht der Kaufpreis. Es kommt darauf an, was danach geschieht.

Die wichtigste Zahl in der AMR-Branche ist nicht der Kaufpreis. Es kommt darauf an, was danach geschieht.

martti
martti
20. Nov. 2026
Avride gibt an, die Marke von einer Million Auslieferungen überschritten zu haben. Niemand kann jedoch nachweisen, wo dies tatsächlich erwähnt wurde.

Avride gibt an, die Marke von einer Million Auslieferungen überschritten zu haben. Niemand kann jedoch nachweisen, wo dies tatsächlich erwähnt wurde.

martti
martti
16. Nov. 2026
Die Unternehmensbewertung von Zipline in Höhe von 21,5 Milliarden Dollar hat wenig mit den Menschenleben zu tun, die das Unternehmen rettet

Die Unternehmensbewertung von Zipline in Höhe von 21,5 Milliarden Dollar hat wenig mit den Menschenleben zu tun, die das Unternehmen rettet

martti
martti
15. Nov. 2026
Figure, NVIDIA und ein Arm-Hersteller aus Peking haben gerade dasselbe Robotergehirn entwickelt

Figure, NVIDIA und ein Arm-Hersteller aus Peking haben gerade dasselbe Robotergehirn entwickelt

martti
martti
15. Nov. 2026
Komatsu verfügt bereits über 1.000 autonome Lkw. Die 1.000 Roboter von GXO sind hingegen noch Zukunftsmusik.

Komatsu verfügt bereits über 1.000 autonome Lkw. Die 1.000 Roboter von GXO sind hingegen noch Zukunftsmusik.

martti
martti
15. Nov. 2026
Großbritannien hat gerade eine Roboterpopulation versichert, die es noch gar nicht gibt

Großbritannien hat gerade eine Roboterpopulation versichert, die es noch gar nicht gibt

martti
martti
7. Nov. 2026
Die humanoiden Roboter von UBTECH verzeichneten einen Umsatzanstieg von 1.445 %. Der Gewinn stammte von dessen Getriebezulieferer.

Die humanoiden Roboter von UBTECH verzeichneten einen Umsatzanstieg von 1.445 %. Der Gewinn stammte von dessen Getriebezulieferer.

martti
martti
6. Nov. 2026
Ein vierter Roboter-Standard wird die Herstellerabhängigkeit nicht beenden. Er wird sie lediglich verlagern.

Ein vierter Roboter-Standard wird die Herstellerabhängigkeit nicht beenden. Er wird sie lediglich verlagern.

martti
martti
4. Nov. 2026
Chinas „DeepBlue“ wuchs auf zehn Roboterlinien an. Keine davon war rentabel.

Chinas „DeepBlue“ wuchs auf zehn Roboterlinien an. Keine davon war rentabel.

martti
martti
2. Nov. 2026
Agility geht mit dem Verkauf von Robotern an die Börse. Alle anderen kaufen stattdessen die Fabrik.

Agility geht mit dem Verkauf von Robotern an die Börse. Alle anderen kaufen stattdessen die Fabrik.

martti
martti
1. Nov. 2026
Für Physical Intelligence mit einem Wert von 20 Milliarden US-Dollar gibt es keinen externen Bieter

Für Physical Intelligence mit einem Wert von 20 Milliarden US-Dollar gibt es keinen externen Bieter

martti
martti
29. Okt. 2026