Warum man Roboter-Trainingsdaten in Europa erfassen sollte

Die Manipulations-Policy eines Humanoiden weiß nicht, wo ihre Trainingsbilder aufgenommen wurden. Pixel sind Pixel, und der Gradientenabstieg hat kein Gespür für Geografie. Die Menschen, die darüber entscheiden, ob dieser Roboter in eine europäische Fabrik oder eine europäische Küche ausgeliefert werden darf, kümmern sich um fast nichts anderes.

Das Roboterlernen behandelt den Erfassungsort als operatives Detail: Man stellt das Rig dort auf, wo es reichlich Freiwillige und günstige Arbeitskräfte gibt, und kümmert sich danach um das Modell. Für einen Wahrnehmungsdatensatz, der vor Jahren gescrapt wurde, ist das in Ordnung. Für die multimodalen menschlichen Demonstrationsdaten, die die heutigen Manipulations-Policies trainieren, ist dieser Reflex still und leise teuer, und die Rechnung kommt beim Deployment.

Die Frage, die sich zu stellen lohnt, ist nicht, wie viele Demonstrationsdaten Sie sammeln können, sondern wo Sie sie sammeln, und was diese Wahl festschreibt. Fünf Achsen entscheiden über die Antwort: wer den Datensatz rechtlich kontrolliert, was Sie damit tun dürfen, wie vielfältig er ist, wie gut er zu den Robotern passt, die ihn ausführen werden, und wer zur Verfügung steht, um die Pipeline aufzubauen. Auf allen fünf ist die Erfassung in Europa eine belastbare Antwort und keine patriotische.

Jurisdiktion: Ein Datensatz erbt das Recht seines Verantwortlichen

Daten sind nicht staatenlos. Wer einen Datensatz rechtlich kontrolliert, bestimmt, welche Gerichte, welche Aufsichtsbehörden und welche Offenlegungsanordnungen ihn erreichen können. Erfassen Sie unter einem EU-Verantwortlichen, und der Datensatz trägt vom ersten Bild bis zum trainierten Checkpoint die EU-rechtliche Kontrolle: Speicherung, Verarbeitung und die Entscheidungen darüber, wer darauf zugreifen darf, liegen allesamt innerhalb einer einzigen Jurisdiktion.

Der Gegenfall ist derjenige, den jedes europäische Compliance-Team bereits kennt. Ein Datensatz, der von einem Auftragsverarbeiter mit Hauptsitz in den USA gehalten wird, kann von US-Behörden nach dem CLOUD Act erreicht werden, ganz gleich, wo die Server physisch stehen. Eine Kopie in einer Frankfurter Region zu speichern, kappt diesen Zugriff nicht. Für einen Käufer, dessen Roboter sensible industrielle Prozesse handhaben oder in jemandes Zuhause arbeiten wird, ist „wer die Offenlegung der Daten erzwingen kann, aus denen diese Policy gelernt hat“ eine reale Frage, keine hypothetische. Der EU Data Act ist Teil desselben Vorstoßes: klarere Regeln dazu, wer in Europa erzeugte Daten abrufen und weiterverwenden darf. Datensouveränität ist hier kein Slogan, sondern eine Eigenschaft der Gesellschaftsstruktur, die den Datensatz hält.

Ein Datensatz besteht nicht nur aus Tensoren. Er ist eine Kette rechtlicher Kontrolle, die entweder durchgängig der europäischen Prüfung standhält oder beim ersten Bild reißt, für das niemand eine Einwilligung besitzt.

Einwilligung und Provenienz sind eingebaut günstiger als nachgerüstet

Menschliche Demonstrationsdaten sind personenbezogene Daten. Sie enthalten Gesichter, Stimmen, das Innere echter Wohnungen und die biometrische Geometrie einzelner Hände. Sie in der EU zu erfassen, zieht die unbequeme Arbeit nach vorn: Einwilligung, Anonymisierung und dokumentierte Provenienz müssen von der ersten Aufnahme an bestehen, denn die GDPR gibt den Menschen in diesem Material durchsetzbare Rechte daran.

Das sieht nach Reibung aus. Tatsächlich deckt es sich mit der Richtung, in die der Käufer geht. Der EU AI Act erlegt Hochrisikosystemen Pflichten zur Daten-Governance auf: dokumentierte Provenienz, Repräsentativität und einen angemessenen Umgang mit den Trainingsdaten. Viele Industrie- und Serviceroboter werden in diese Stufe fallen. Ein Käufer, der einen solchen baut, wird nachweisen müssen, woher die Trainingsdaten stammen und dass sie rechtmäßig beschafft wurden. Provenienz ist nur dann günstig, wenn Sie sie bei der Erfassung aufgezeichnet haben. Eine Einwilligung, die Sie nie eingeholt haben, lässt sich nicht nachträglich auf ein gescraptes Korpus aufpfropfen, und ein Datensatz, den Sie nicht dokumentieren können, wird in dem Moment zum Haftungsrisiko, in dem ein Prüfer nachfragt.

Abdeckung, ohne die das Modell tatsächlich versagt

Vielfalt schlägt reine Stunden. Ein Manipulationsmodell generalisiert nicht, weil es zehntausend weitere Griffe an derselben Tasse im selben Labor gesehen hat. Es generalisiert, weil es den langen Schwanz gesehen hat: die hakelige Verriegelung der europäischen Spülmaschine, die Espressomaschine, die klemmende Schublade eines Bausatzmöbels, den Schraubstock in der Werkstatt, die Fertigungslinie, dieselbe Aufgabe linkshändig bei schlechtem Licht ausgeführt. Dieser lange Schwanz ist die Verteilung, der die Policy im Feld begegnen wird und die sie in keiner einzelnen Lagerhalle findet.

Europa ist dafür kein Nischen-Erfassungsgebiet. Es ist einer der weltweit größten Märkte für Industrieroboter, mit dichter Fertigung und breitem Serviceeinsatz, wie die International Federation of Robotics Jahr für Jahr dokumentiert. Über reale europäische Umgebungen hinweg zu erfassen, Wohnungen, Küchen, Werkstätten, Fabrikzellen und die mehrsprachigen Anweisungen, die dazugehören, fügt genau die Vielfalt hinzu, die ein Modell braucht und nicht überzeugend synthetisieren kann.

Nähe zu den Robotern, die die Policy ausführen werden

Demonstrationsdaten sind am nützlichsten, wenn Aufgabe, Umgebung und der letztlich eingesetzte Roboter zusammenpassen. Europa beheimatet ernstzunehmende Hersteller von Industrierobotern, NEURA Robotics unter ihnen, dazu die Automobil- und Fertigungskunden, die Humanoide tatsächlich am Band einsetzen werden. In der Nähe dieser Abnehmer zu erfassen bedeutet, dass die aufgezeichneten Aufgaben genau jene sind, für deren Automatisierung jemand zahlt, in den Umgebungen und nach den Sicherheitserwartungen des Marktes, der den Roboter kaufen wird. The Robot Report dokumentiert, wie viel dieser Aktivität inzwischen über europäische Industriepartner läuft.

Nähe verkürzt außerdem die Rückkopplungsschleife. Wenn Erfassungsbetrieb und Abnehmer sich eine Jurisdiktion und eine Zeitzone teilen, wird der Abstand zwischen „die Policy versagt bei dieser Teilaufgabe“ und „wir haben hundert saubere Demonstrationen genau davon erfasst“ in Wochen gemessen, nicht in Quartalen.

Talent: Die Pipeline braucht Menschen, die sie verstehen

Brauchbare Demonstrationsdaten zu erfassen ist kein Filmen. Es ist multimodale Sensorsynchronisation, Retargeting von der Hand zum Greifer, Kalibrierung und Qualitätskontrolle auf Kanälen, von denen die meisten Videografen noch nie gehört haben. Diese Arbeit erfordert Ingenieure, die das Roboterlernen beherrschen, und Europas Universitäten und Labore bringen sie in großer Zahl hervor. Stacks wie NVIDIAs Isaac GR00T, auf denen viele europäische Gruppen aufbauen, sind mit überall erfassten Daten kompatibel, sodass der Engpass nie das Tooling ist. Er besteht darin, die Menschen zu haben, die eine Erfassungs-Pipeline auf einem Niveau betreiben können, dem ein Foundation-Model-Team vertraut, und dieses Talent ist auf dem Kontinent.

Nichts davon besagt, dass ein in Europa aufgenommenes Bild einem Greifer das Greifen besser beibringt als ein anderswo aufgenommenes. Die Physik ist überall dieselbe. Was sich mit dem Ort ändert, ist alles rund um das Bild: wer es kontrolliert, ob Sie es verwenden dürfen, wie viel von der realen Welt es abdeckt, wie nah es an dem Roboter liegt, der es ausführen wird, und wer die Pipeline gebaut hat. Für einen Käufer, der einen Humanoiden nach europäischem Recht in europäische Wohnungen und Fabriken einsetzen muss, sind das keine weichen Erwägungen. Sie sind der Unterschied zwischen einem Datensatz, auf dem Sie ein Produkt ausliefern können, und einem, den Sie bloß besitzen.