Innerhalb des neuen Robotik-Rennens: Daten, Modelle und Fertigung

Innovationen entstehen selten in Isolation. Häufiger werden sie in Gesprächen zwischen Ingenieuren, Gründern, Forschern und Investoren geboren, die versuchen, zu verstehen, wohin die Technologie sich bewegt.

Im Laufe eines Jahres besuchte ich Dutzende von Konferenzen auf der ganzen Welt. Geschäftsreisen dauern manchmal monatelang, und Meetings mit Partnern und Kunden finden von Asien bis Nordamerika statt. Doch eine meiner jüngsten Reisen in die Schweiz erwies sich als besonders interessant – größtenteils wegen der Menschen und der Gespräche, die dort stattfanden.

Zürich erwies sich als einer der Orte, an dem die Zukunft der Robotik und der Physical AI heute aktiv diskutiert wird. Und je tiefer diese Gespräche gehen, desto offensichtlicher wird, dass der eigentliche Wettbewerb in der Robotik sich um Daten abspielt.

Europas Silicon Valley

Zürich wurde traditionell mit dem Finanzsektor in Verbindung gebracht, aber in den letzten Jahren wird es immer mehr als Europas Silicon Valley bezeichnet. Großteils ist dies mit der ETH Zürich verbunden, einer der angesehensten Ingenieuruniversitäten in Europa. Sie zieht Forscher, PhD-Studenten, Unternehmer und Ingenieure aus der ganzen Welt an. Als Ergebnis hat sich ein leistungsfähiges technologisches Ökosystem um die Universität gebildet, in dem Forschung, Start-ups und industrielle Projekte fast gleichzeitig entstehen.

Einer der Gründe für meine Reise war, ein tieferes Verständnis dafür zu erlangen, was Introspector dem Robotik-Markt bieten kann, der seit Beginn des Jahres 2025 boomt. Es ist eine Branche, in die eine Vielzahl von Start-ups versucht, einzutreten, während technologische Durchbrüche von großen Tech-Unternehmen die Branche aktiv umgestalten. Trotz all dieser Dynamik wirft die Branche noch mehr Fragen auf als Antworten.

Zürich ist auch die Heimat unserer Partner Lightly, die mir halfen, mit Kollegen in Kontakt zu treten, die an der Schnittstelle von Robotik, Computer-Vision und KI arbeiten. Es gibt einen wichtigen Aspekt des lokalen Technologie-Ökosystems, den ich hervorheben möchte: Die Menschen hier sind bemerkenswert offen und einladend. Sie haben keine Angst, ihre Ideen und Hypothesen zu teilen, über die Herausforderungen zu sprechen, die sie zu meistern versuchen, und über die Experimente, die sie durchführen. Als Ergebnis versteht man den Kontext der Branche und die Richtung, in die die Industrie sich bewegt, viel schneller.

Übrigens, wenn mich Menschen fragen, wie das europäische “Silicon Valley” sich vom amerikanischen unterscheidet, überrascht die Antwort sie oft. In Zürich ist das Gleichgewicht zwischen Arbeit und Leben viel stärker: Sport am Morgen, fokussierte Arbeit tagsüber in einem ruhigen, aber produktiven Rhythmus, und Abende in den Bergen mit der Familie oder einfach nur entspannt. In San Francisco gibt es oft das Gefühl, dass man ständig beweisen muss, dass man härter arbeitet als alle anderen. In Zürich ist der Rhythmus anders – nachhaltiger. Doch das technologische Ambitionsniveau ist hier nicht niedriger.

Bessere Daten vor besseren Robotern

Eine der wichtigsten Erkenntnisse aus dieser Reise war eine einfache Beobachtung: Viele Menschen möchten heute in der Robotik arbeiten. Aber trotz des enormen Interesses an der Branche sind viele Teams noch in einer exploratorischen Phase, in der sie versuchen, ihre Rolle in der neuen Welle der Robotik und der Physical AI zu verstehen und ihren Beitrag zu leisten.

Viele Gespräche konvergieren letztendlich auf das gleiche Thema: Daten. Heute mangelt es der Branche an Daten über Feinmotorik-Aufgaben, d.h. an feinen Motorfähigkeiten. In diesem Bereich bleiben die Fähigkeiten von Robotern extrem begrenzt. Was Menschen mit ihren Händen fast automatisch tun – ein Objekt aufheben, es drehen, es vorsichtig irgendwo ablegen oder eine kleine Manipulation durchführen – bleibt eine der größten Herausforderungen für Roboter.

Der Schlüssel zum Fortschritt liegt hauptsächlich in großen, ordnungsgemäß gesammelten Datensätzen. Heute sprechen die Menschen oft über egozentrische Datensätze, die aus einer ersten Person-Perspektive aufgenommen werden, bei der das System menschliche Aktionen aufzeichnet, als ob es sie selbst ausführen würde. In der Praxis stellt sich jedoch heraus, dass das Konzept eines “egozentrischen Datensatzes” sehr unterschiedliche Dinge bedeuten kann und eine Reihe von technischen Fragen aufwirft. Wo sollte die Kamera platziert werden? Auf der Stirn, auf der Brust oder vielleicht auf Augenhöhe? Welche Sensoren sollten die Videoaufnahme begleiten? Wenn wir Handbewegungen aufzeichnen, sollten die Bediener spezielle Handschuhe tragen? Und wenn ja, sollten diese Handschuhe taktilen Sensoren, Gyroskope oder andere Bewegungserkennungssysteme enthalten?

Eine noch komplexere Frage taucht auf: Wie kann man die Tiefe der Bewegung ordnungsgemäß erfassen? Schließlich ist es wichtig, nicht nur die Position einer Hand in einer zweidimensionalen Ebene zu verstehen, sondern auch, wie sie sich durch den dreidimensionalen Raum bewegt – vorwärts, rückwärts, aufwärts oder abwärts.

Bisher hat die Branche noch keine einheitige Antwort gefunden. Deshalb experimentieren viele Teams heute mit verschiedenen Sensorkonfigurationen, Aufnahmemethoden und Datensatzformaten.

Multimodale Systeme

Sobald das Gespräch auf die Datenerfassung für die Robotik kommt, taucht ein weiteres Thema schnell auf – zusätzliche Sensoren und Multimodalität, die es ermöglichen, Körperbewegungen, Handaktionen und Objektinteraktionen mit größerer Präzision zu erfassen. Sie helfen auch, Fehler während der Datenerfassung zu reduzieren.

Wenn eine Person ihre Aktionen auf Camera aufzeichnet, besteht immer das Risiko, dass ein Teil des Materials unbrauchbar ist. Die Kamera kann sich leicht verschieben, der Aufnahmewinkel kann falsch sein, der Bediener kann versehentlich in die falsche Richtung drehen oder die Bewegung zu schnell ausführen. Als Ergebnis wird ein erheblicher Teil des aufgezeichneten Materials verworfen. Ein einfaches Beispiel: Um eine Stunde wirklich brauchbaren Videos zu erhalten, muss der Bediener oft etwa zwei Stunden Rohmaterial aufzeichnen.

Zusätzliche Sensoren helfen, einige dieser Probleme zu kompensieren. Selbst wenn die Kamera sich leicht verschiebt, können Sensordaten es immer noch ermöglichen, die Bewegung der Hand oder die Position des Körpers im Raum zu rekonstruieren. Als Ergebnis benötigt man statt zwei Stunden Aufzeichnung etwa eine Stunde und zwanzig Minuten, um die gleiche Menge an brauchbaren Daten zu erhalten. Dies erhöht die Effizienz der Datenerfassung und reduziert die Kosten für die Erstellung von Datensätzen.

Es ist daher kein Zufall, dass viele Teams auch ein wachsendes Interesse an multimodaler Datenerfassung feststellen. Dies ist eine der sichtbareren Trends, die direkt mit der Entwicklung der Robotik und der eingebetteten KI verbunden sind.

Der nächste Punkt ist die Markierung solcher Datensätze. Wir haben ähnliche Fragen bei Keymakr gestellt, als wir mit Kunden-Datensätzen für Robotik-Fälle gearbeitet haben: Wie sollte eine solche Markierung in der Praxis aussehen? Sollte sie skelettartig sein? Zwei- oder dreidimensional? Sollten Elemente des Reinforcement-Learnings in die Pipeline eingebaut werden? Es gibt Dutzende solcher Fragen. Ingenieure selbst geben zu, dass noch niemand mit Sicherheit sagen kann, welche bestimmte Datenkonfiguration letztendlich zu einem echten technologischen Durchbruch führen wird.

Diese Bedenken sind verständlich. Das Erstellen komplexer Datensätze ist ein teurer Prozess. Jeder Fehler in der Datenstruktur kann Tausende oder sogar Millionen von Dollar kosten. Es ist möglich, den “falschen” Datensatz zu sammeln oder ihn unter Bedingungen aufzuzeichnen, die in der realen Welt schwer zu reproduzieren sind, was letztendlich das gesamte Projekt untergräbt. Deshalb wird heute mehr und mehr Aufmerksamkeit auf die Modelle selbst und die Qualität sowie Architektur der Daten gelegt, auf denen diese Modelle trainiert werden.

Welche Art von Robotern benötigt der Markt?

Klassische Industrieroboter, die seit Jahrzehnten auf Automobil-Montagestraßen arbeiten, benötigen tatsächlich sehr wenig Computer-Vision oder komplexe KI-Modelle. Ihre Aufgabe ist extrem spezifisch: Sie müssen streng repetitive Bewegungen ausführen – links, rechts, oben, unten – mit hoher Präzision und Konsistenz. In diesem Bereich haben sie den Menschen längst übertroffen.

Eine völlig andere Kategorie sind humanoide Roboter. Diese Systeme benötigen “Gehirne”: die Fähigkeit, den Raum zu navigieren, die Umgebung wahrzunehmen, den Kontext einer Situation zu verstehen und Manipulatoren nicht durch vorgeprogrammierte Traektorien, sondern durch Anpassung an die reale Welt zu steuern.

Even mit dem hohen Automatisierungsgrad auf modernen Fabrikböden werden viele Aufgaben noch von Menschen durchgeführt. Ein Objekt bewegen, eine Box aufheben, Teile sortieren, ein Bauteil befestigen oder Materialien organisieren – diese kleinen Aktionen erfordern Flexibilität und Koordination. Dieser Bereich bleibt einer der schwierigsten zu automatisieren, und genau hier können humanoide Systeme ihre Rolle finden.

Viele der Teams, mit denen ich gesprochen habe, verwenden ein ähnliches Geschäftsmodell. Sie nähern sich einer Fabrik und schlagen vor, ein bestimmtes Produktionsfall zu lösen. Zum Beispiel kann ein Arbeiter den ganzen Tag damit verbringen, Boxen zwischen Lagerzonen zu bewegen. Ingenieure schlagen ein relativ einfaches Experiment vor: den Arbeiter mit einer Kamera und einem Satz von Sensoren ausstatten, Tausende von Stunden seiner Aktionen aufzuzeichnen und diese Daten zu verwenden, um ein Modell zu trainieren, das einen humanoiden Roboter steuert. Auf diese Weise lernt der Roboter, genau die Aufgaben auszuführen, die der menschliche Arbeiter durchführt.

Im Wesentlichen kauft das Unternehmen eine humanoide Plattform, während das Entwicklungsteam ein benutzerdefiniertes Modell entwickelt, das das Verhalten eines bestimmten Bedieners nachahmt. Dies ist keine universelle Intelligenz, die jede Aufgabe lösen kann. Es ist vielmehr eine Reihe von Fähigkeiten, die für einen bestimmten Szenario oder eine Gruppe von Produktionsaufgaben trainiert werden. Für viele Ingenieure heute erscheint dieser Ansatz viel realistischer. Anstatt sofort einen universalen Roboter zu schaffen, konzentrieren sich die Teams auf enge, aber wirtschaftlich tragbare Automatisierungsszenarien.

Die Geschäftsdimension

Wenn die Zukunft in benutzerdefinierten Modellen liegt, ist es wichtig zu verstehen, dass dies aus wirtschaftlicher Sicht ein ziemlich langer Entwicklungsprozess ist.

Jedes Industriezweig ist im Wesentlichen seine eigene Welt. Jede Produktionsumgebung hat ihre eigenen Prozesse, Workflows und Ausnahmen. Ein Roboter, der in einer Automobilfabrik trainiert wurde, kann nicht einfach in die Lebensmittelherstellung oder die Lagerlogistik übertragen werden. In jedem Fall muss das System von Grund auf neu trainiert werden.

Dies führt zu der nächsten logischen Frage: Wer wird der erste Kunde solcher Technologie sein?

Im aktuellen Stadium sind die primären Anwender wahrscheinlich große Unternehmen – diejenigen, die über die Budgets verfügen und für die die Automatisierung einen bedeutenden wirtschaftlichen Einfluss haben kann. Heute kostet ein humanoider Roboter etwa 60.000 bis 90.000 Dollar allein für die Hardware. Dies ist nur die Basis-Konfiguration. Dazu kommen Wartungskosten, Batterien, LadeStationen, Infrastruktur und Software.

Als Ergebnis sind die Unternehmen, die am meisten experimentieren können, große Organisationen, Automobilhersteller, Lebensmittelkonzerne und große Industrieunternehmen.

Natürlich können auch kleinere Branchen einige frühe Anwender sehen. Einige Unternehmen können einen oder zwei Roboter für bestimmte Aufgaben kaufen. In den meisten Fällen sind diese Unternehmen jedoch einfach nicht bereit, Hunderttausende von Euro in die Sammlung und Markierung von benutzerdefinierten Datensätzen zu investieren, die erforderlich sind, um Systeme für hochspezifische operationale Szenarien zu trainieren. Für sie bleibt die menschliche Arbeit immer noch die günstigere Option.

Das lange Spiel der Robotik-Innovation

Wir kommen schließlich zu einer grundlegenden wirtschaftlichen Frage: Was ist effizienter – ein Mensch oder ein Roboter? Wenn wir die heutige Wirtschaft betrachten, ist die Antwort offensichtlich: Die menschliche Arbeit ist billiger, passt sich schneller an neue Bedingungen an und benötigt keine komplexe Infrastruktur.

Warum investiert die Branche also weiterhin in die Robotik? Die Antwort liegt größtenteils in der Strategie.

Viele Unternehmen verstehen, dass ein Wettlauf um die technologische Führung im Gange ist. Sie entwickeln bereits Lösungen, trotz der hohen Kosten, um vorne zu sein, wenn die Ökonomie der Robotik sich ändert.

Wenn die Elektronik fortschreitet, die Kosten für Komponenten sinken und die Rechenleistung verbessert wird, wird die Robotik unweigerlich erschwinglicher. Und wenn das passiert, gehört der Vorteil den Unternehmen, die bereits Modelle aufgebaut, Daten gesammelt und die notwendige technologische Infrastruktur etabliert haben.

Stellen Sie sich beispielsweise vor, dass neue Vorschriften auftauchen, die den großflächigen Einsatz von humanoiden Robotern in der Fertigung ermöglichen. Oder dass Regierungen beginnen, die Robotisierung von Branchen zu subventionieren. In einem solchen Szenario könnte der Markt innerhalb weniger Jahre dramatisch wachsen. Und diejenigen, die im Voraus vorbereitet haben, die bereits Modelle aufgebaut, Forschung durchgeführt und die notwendige technologische Infrastruktur etabliert haben, werden diejenigen sein, die am meisten profitieren.

Das ist der Grund, warum die Entwicklung auch jetzt weitergeht, obwohl die Wirtschaftlichkeit möglicherweise noch nicht ideal aussieht. Für viele Unternehmen ist es eine Investition in die Zukunft – in den Moment, wenn die Technologien zugänglicher werden und die Nachfrage stark ansteigt.

Und in diesem Wettlauf, wie in vielen technologischen Revolutionen, ist oft ein Faktor entscheidend: Wer begann früher. In diesem Sinne ähnelt die heutige Robotik den frühen Stadien der künstlichen Intelligenz. Damals gab es auch mehr Fragen als Antworten. Doch es waren die Teams, die früher mit Daten und Infrastruktur begonnen haben, die letztendlich die Richtung der gesamten Branche bestimmt haben.