Das humanoide Datenunternehmen: Warum proprietäre Daten gewinnen

Betritt man 2026 die Werkshalle fast jedes Humanoid-Startups, findet man das, was das Pitch-Deck auslässt: Reihen von Menschen. Manche tragen VR-Headsets und steuern ein Paar Roboterarme von Hand, falten zum zweihundertsten Mal dasselbe Handtuch. Andere bewegen sich in instrumentierten Anzügen durch ein Motion-Capture-Volumen. Der Roboter ist das, wofür die Investoren gekommen sind. Die Menschen, die die Trajektorien erzeugen, sind die eigentliche Produktlinie.

Ein Jahrzehnt lang war der Körper der schwierige Teil eines Humanoiden: Aktuatoren, die einen Sturz überstehen, Hände mit echten Fingern, ein Akku, der eine Schicht durchhält. Dieses Problem ist nicht gelöst, aber es konvergiert. Figure, 1X, Agility Robotics und Boston Dynamics liefern inzwischen Plattformen aus, deren Datenblätter sich gleichen. Wenn die Hardware konvergiert, verschiebt sich die stille Frage in jedem ernsthaften Team von „Können wir den Roboter bauen“ zu „Womit wird er lernen, und wer sonst hat diese Daten“.

Die Antwort ist nicht irgendeine Art von Daten. Es sind proprietäre Aufzeichnungen verkörperten Verhaltens: wie sich eine Hand einer Tasse nähert, wie sich die Griffkraft in dem Moment ändert, in dem ein Deckel Widerstand leistet, wohin ein Mensch eine halbe Sekunde blickt, bevor er greift. Dieser Vermögenswert verzinst sich. Modellarchitekturen sickern innerhalb von Monaten durch. Ein Verhaltenskorpus, den man selbst erhoben hat und den kein Wettbewerber besitzt, tut das nicht.

Die Hardware ist nicht mehr der schwierige Teil

Betrachtet man, was in den letzten zwei Jahren ausgeliefert wurde, ist das Muster kaum zu übersehen: mehrere Anbieter, vergleichbare Freiheitsgrade, vergleichbare Handkonstruktionen, ähnliche Akkukapazitäten. Die mechanische Grenze zählt weiterhin, trennt die Führenden aber nicht mehr so klar vom Rest wie noch 2021. Was sie trennt, ist die Policy, die darauf läuft, und die Policy hängt davon ab, womit sie trainiert wurde.

Das ist die Lehre, die uns die Ära der Sprachmodelle bereits erteilt hat, übertragen auf Atome. Transformer waren innerhalb weniger Wochen ein öffentliches Paper. Was die führenden Labore vorn hielt, waren Korpus, Datenbereinigung und Feedback-Daten, die niemand kopieren konnte. Die Robotik erlebt nun dieselbe Geschichte, mit einem brutalen Unterschied: Es gibt keinen webskaligen Korpus physischer Interaktion, den man einfach abgreifen könnte. Jede brauchbare Trajektorie muss erst erzeugt werden.

Was die offenen Datensätze liefern, und was nicht

Die Antwort des Feldes auf diese Knappheit war das Bündeln von Daten. Open X-Embodiment sammelte mehr als eine Million reale Robotertrajektorien über 22 Embodiments aus 21 Institutionen und zeigte, dass eine auf dieser Mischung trainierte Policy jede schlägt, die nur auf dem Datenausschnitt eines einzelnen Labors trainiert wurde. DROID ergänzte rund 76.000 teleoperierte Trajektorien über 564 Szenen, bewusst divers im Setting angelegt. Das sind Geschenke an das Feld. Sie sind aber auch, konstruktionsbedingt, geteilt: Der Wettbewerber hat dieselben Dateien heruntergeladen.

Die folgende Tabelle skizziert die Kompromisse. Lesen Sie zuerst die letzte Spalte.

Zwei Lücken wiederholen sich. Erstens: Fast alle Roboterdaten werden per Teleoperation auf Tischplatten erfasst, was die kontaktreiche, ganzkörperliche, beidhändige Arbeit unterrepräsentiert, für die Humanoide eigentlich verkauft werden. Zweitens: Die großen menschlichen Datensätze aus der Ich-Perspektive, darunter Ego-Exo4D, sind reich an Wahrnehmung, aber dünn bei den Aktions- und Kraft-Labels, die eine Policy zum Imitieren braucht. Beides zu verbinden ist ungelöst, und genau dort verdient sich ein proprietärer Korpus seinen Platz.

Warum sich proprietäre Daten verzinsen, Modelle aber nicht

Im Einsatz dreht sich das Schwungrad. Ein Roboter in einer realen Umgebung erzeugt Beobachtungen, die kein Datensatz vorhergesehen hat: den Ausfall um 2 Uhr nachts, die Blendung auf einer Stahltheke, das Objekt, das dort liegen bleibt, wo es nicht hingehört. Physical Intelligence plädiert für generalistische Policies, die über viele Aufgaben und Plattformen hinweg trainiert werden; das Toyota Research Institute fasst seine Large Behavior Models ebenso auf, als in großem Maßstab gelerntes Verhalten statt als geskriptetes. Beide Wetten setzen eine Daten-Engine voraus, die sie speist. NVIDIAs Isaac GR00T macht explizit, dass ein Foundation Model nur so gut ist wie die Mischung aus realer, menschlicher und synthetischer Bewegung dahinter.

Hier ist der Zinseszins-Effekt: Eine bessere Policy bringt mehr Einsätze ein, mehr Einsätze erzeugen mehr und seltenere Daten, diese Daten trainieren eine Policy, die Wettbewerber nicht erreichen können, weil sie diese Situationen nie gesehen haben. Die Modellgewichte sind eine Momentaufnahme. Die Pipeline, die sie ständig neu befüllt, ist der Burggraben.

Das Modell, das Sie ausliefern, ist eine Momentaufnahme. Die Pipeline, die es ständig neu befüllt, ist der Vermögenswert. Gewichte lassen sich destillieren; ein Daten-Schwungrad muss man leben.

Die Kostenstruktur, die niemand auf eine Folie schreibt

Teleoperation, die Standardquelle hochwertiger Aktionsdaten, ist teuer, und zwar auf eine Weise, die Gründer selten offenlegen. Jede Trajektorie bedeutet: ein Mensch bedient einen Roboter nahezu in Echtzeit. Der Durchsatz ist durch menschliche Arbeitsstunden begrenzt, und ausgerechnet die guten Daten, die Recoveries und die Grenzfälle, sind am langsamsten zu erfassen, weil sie am seltensten vorkommen. Simulation hilft bei manchen Fertigkeiten und täuscht überzeugend bei anderen: Kontakt und deformierbare Objekte bleiben der Bereich, in dem Sim-to-Real weiterhin scheitert.

Die Erfassung menschlicher Bewegung aus der Ich-Perspektive dreht einen Teil dieser Gleichung um. Ein Mensch mit Sensoren kann eine Aufgabe in menschlichem Tempo und mit menschlicher Geschicklichkeit demonstrieren, weit schneller, als er einen Roboter fernsteuern könnte. Der Haken ist die Embodiment-Lücke: Eine menschliche Hand ist kein Robotergreifer, und das Übertragen dieser Bewegung auf einen anderen Körper ist ein eigenständiges Forschungsproblem. Die Ökonomie ist attraktiv, der Transfer ist die eigentliche Arbeit. Wer behauptet, beides sei gelöst, verkauft etwas.

Daten als strategischer Vermögenswert: Rechte, Provenienz, Jurisdiktion

Sobald Verhaltensdaten zum Bilanzposten werden, beginnt ihre rechtliche Form eine Rolle zu spielen. Wem gehört eine Trajektorie, die von einem beauftragten Demonstranten erfasst wurde? Unter welcher Lizenz darf sie weiterverkauft, gebündelt oder zum Training verwendet werden? Der EU Data Act und der EU AI Act treiben auf dokumentierte Provenienz und klare Pflichten zur Daten-Governance hin, und Käufer von Roboter-Foundation-Models werden zunehmend fragen, woher die Trainingsdaten stammen und ob die Rechte sauber sind. Ein Korpus mit unklarer Provenienz ist eine Verbindlichkeit im Kostüm eines Vermögenswerts.

Das ist die unglamouröse Hälfte von „Datenunternehmen“. Es geht nicht nur ums Sammeln: Es geht um Einwilligung, Annotationsstandards, Aufbewahrung, Prüfbarkeit und die Fähigkeit, eine lückenlose Nachweiskette zu belegen, wenn das Compliance-Team eines Partners nachfragt. Teams, die das als reine Formalität behandeln, werden spät feststellen, dass es das Produkt war.

Wenn Ihnen ein Humanoid-Unternehmen also erzählt, sein Vorteil sei der Roboter, stellen Sie die schärfere Frage: Zeigen Sie mir die Daten-Engine. Fragen Sie, was sie erfasst, das die offenen Datensätze nicht liefern, wie schnell sie sich neu befüllt, wem der Output gehört, und was mit dem Korpus geschieht, wenn das aktuelle Modell drei Versionen alt ist. Die Teams, die das sauber beantworten können, laufen bereits als Datenunternehmen. Die übrigen kaufen Hardware und hoffen. In diesem Markt ist der Roboter das, was man sehen kann. Die Daten sind das, was sich auszahlt.