Roboter bekommen bessere Hände, und ein Rechtsstreit darüber, wer ihre Solaröfen baut

Innodata wurde 1988 gegründet und sitzt in Ridgefield Park, New Jersey. Das Datenengineering-Unternehmen teilte mit, die neue Forschungs- und Entwicklungseinrichtung erfasse 3D-Bewegungen direkt von menschlichen und mechanischen Körpern, statt sie aus 2D-Video abzuleiten. The Robot Report berichtete am 30. September über den Start.

Das Argument ist einfach: Roboter haben kein Internet, aus dem sie lernen könnten. Große Sprachmodelle haben ein Web ausgewertet, das bereits existierte. Humanoide müssen ihren eigenen Korpus erzeugen, Bewegung für Bewegung, und das ist langsam und teuer.

„Physical AI wächst schneller als jedes andere Segment der KI, aber jedes Robotikteam stößt an dieselbe Wand: Es gibt nicht genug Interaktionsdaten aus der realen Welt, und was existiert, ist teuer und langsam in der Produktion", sagte Innodata-CEO Rahul Singhal in einer Erklärung, die The Robot Report veröffentlichte. Franklin Tanner, Vizepräsident des Unternehmens für Robotik und physische KI, sagte demselben Medium, seine Sensoren seien darauf ausgelegt, die kleinste Bewegung jedes Gelenks zu erfassen. Ein Humanoide mit fast 200 lb (90,7 kg) lasse keine Schätzwerte zu.

Das Labor soll zudem die Leistungsdaten unabhängig prüfen, die Roboter intern erzeugen, so Innodata. Diese zweite Aufgabe ist ebenso wichtig wie die erste. Die eigenen Protokolle eines Roboters sind keine neutrale Aufzeichnung. Wer sie in Fabriken einsetzt, braucht eher eine Prüfung als einen Selbstbericht.

Latenz, nicht nur Leistungsfähigkeit

Während Innodata das Datenproblem angeht, veröffentlichte ein Startup namens MindOn am 30. September einen technischen Beitrag. Darin behauptet es, sein Modell Mind-1 senke die Inferenzlatenz von Robotern von 82 Millisekunden auf 32 Millisekunden und erreiche menschliche Zykluszeiten bei einer Reihe von Logistik- und Alltagsmanipulationsaufgaben. Einige Aufgaben würden schneller erledigt als von einem Menschen, so das Unternehmen.

Der Beitrag ist ungewöhnlich konkret darin, warum Geschwindigkeit schwer ist. Bei einer Endeffektor-Geschwindigkeit von 3 Metern pro Sekunde entsprechen 10 Millisekunden Latenz ungefähr 3 Zentimetern Weg. Das genügt, um präzises Greifen oder Einführen zu verderben. MindOn macht auch die Trainingsdaten verantwortlich: Ein großer Teil der Manipulationsdaten stammt aus der Teleoperation, die langsamer ist als natürliche menschliche Bewegung. So lernen Modelle neben der Aufgabe auch ein träges Tempo.

„Ein Roboter, der eine Aufgabe ausführen kann, aber fünf- oder zehnmal länger braucht als ein Mensch, lässt sich weiterhin nur schwer in reale Arbeitsabläufe integrieren", schreibt das Unternehmen.

Diese Zahlen stammen von MindOn selbst und wurden nicht unabhängig reproduziert. Man sollte sie als Herstellerangabe mit plausiblen Mechanismus behandeln, nicht als gesichertes Ergebnis.

Unabhängige Evaluierungsarbeit, die am selben Tag erschien, deutet an, warum einzelne Schlagzeilenzahlen Misstrauen verdienen. Fig Inc veröffentlichte einen technischen Bericht und einen Datensatz namens RIDGE, der sieben Modelle auf VisualWebArena und drei Modelle über vier physische Benchmarks abdeckt: Bench2Drive, VLABench, IndEgo und Assembly101. Die zentrale Erkenntnis: Benchmark-Durchschnitte verbergen, wie ungleichmäßig Modelle abschneiden.

In jedem getesteten Modellpaar löste das schlechter bewertete Modell mindestens eine Aufgabe, an der das besser bewertete scheiterte. Ein Modellupdate konnte den Durchschnitt fast unverändert lassen und dabei viele einzelne Aufgaben umdrehen. Ein Update, das den Durchschnitt hob, verlor trotzdem Aufgaben, die die ältere Version bewältigt hatte. Der Bericht behandelt Gemini 3.5-Flash, Astra, Opus 5.5 und weitere. Für alle, die einen Roboter-Stack auswählen, heißt das praktisch: Ein Rang auf einer Bestenliste sagt weniger als die konkrete Aufgabenkategorie, die man fahren will.

Geld fließt in die Wahrnehmung

Das Pariser Unternehmen Inbolt sammelte 11 Millionen Euro ein, um Echtzeit-Vision und adaptive Steuerung in Industrieroboter zu bringen, berichtete Tech.eu am 30. September. Die Runde führte Shift4Good an, beteiligt waren Bridges Climate Transition Partners und die bestehenden Investoren BNP Paribas Développement und Ora Global. Damit beläuft sich die Gesamtfinanzierung auf 30 Millionen Euro.

Inbolt zielt auf einen bestimmten Fehlermodus: Selbst in hochautomatisierten Fabriken bleiben Roboter stehen oder produzieren defekte Teile, wenn ein Bauteil falsch ausgerichtet ankommt oder Werkzeuge verschleißen. Das Unternehmen sagt, seine 3D-Vision plus eine hardwareunabhängige KI-Schicht seien auf mehr als 200 Robotern in über 100 Fabriken auf drei Kontinenten im Einsatz, mit Kunden wie Bosch, Beko, Flex, Ford, Stellantis und Toyota. Diese Einsatzahlen stammen vom Unternehmen und aus der Investorenmitteilung.

Am selben Tag kam Destro aus dem Stealth-Modus mit einer Seed-Runde über 8 Millionen Dollar, berichtete TechCrunch. Das Startup baut keine Roboter. Es baut eine Koordinationsschicht, die Maschinen und menschlichen Arbeitskräften sagt, was zu tun ist. In einer Anlage von Yusen Logistics im pazifischen Nordwesten läuft ein Pilotversuch mit drei Wagen beweggenden Robotern von Miva Robotics.

Manthan Pawar, Gründer von Destro, sagte TechCrunch, kein Robotikunternehmen zu sein, sei ein Wettbewerbsvorteil. Richard Brunelle, Automatisierungsdirektor des US-Arms von Yusen Logistics, sagte, er habe Destro gebeten, sein Kommissionier- und Verpackungswerkzeug auf Cross-Docking anzupassen. Dabei werden Waren von einem Lkw in gemischte Ladungen für andere Lkw umgeschlagen.

Zwei Finanzierungsrunden und ein Produktstart an einem einzigen Tag sind für sich genommen kein Boom. Doch das Muster ist bei allen drei gleich: Das Geld geht in Daten, Wahrnehmung und Koordination, nicht in ein weiteres zweibeiniges Chassis.

Eine Patentklage trifft Teslas Solarplan

Der folgenreichste Punkt der Woche ist überhaupt kein Roboter. Linton Crystal Technologies, ein Unternehmen aus Rochester, New York, das vollständig Chinas Dalian Linton gehört, verklagte Zhejiang Jingsheng am 22. September vor dem US District Court for the Eastern District of Texas, berichtete Electrek am 30. September. Die Patente Nr. 11.255.024 und Nr. 11.814.746 decken ein System zum Heben und Drehen des Impfkristalls für Czochralski-Kristallziehanlagen ab. Das sind jene Öfen, die monokristalline Siliziumbarren aus geschmolzenem Silizium ziehen.

Jingsheng informierte seine Investoren am 24. September über die Klage. Seine Produkte nutzten technische Lösungen, die sich vollständig von den Patenten unterschieden, das Unternehmen sei nicht förmlich zugestellt worden, und es erwarte keine wesentlichen Auswirkungen, erklärte es. Linton verlangt Schadensersatz, dreifachen Schadensersatz wegen vorsätzlicher Verletzung und eine dauerhafte Unterlassungsverfügung.

Die Unterlassungsverfügung ist der Punkt, an dem Tesla indirekt ins Spiel kommt. Chinesische Branchenberichte besagen, Jingsheng habe Anfang des Jahres einen Tesla-Auftrag im Wert von rund 3 Milliarden Yuan, etwa 420 Millionen Dollar, für Kristallziehanlagen gewonnen, so Electrek. Tesla ist nicht Partei des Verfahrens, und weder Tesla noch Jingsheng haben den Auftrag bestätigt.

Die von der chinesischen Fachpresse berichtete Chronologie reicht von einer Tesla-Ausschreibung für monokristalline 210-mm-Ziehanlagen, Wafer-Schneideanlagen und Quarztiegel, die im Februar endete, über im März unterzeichnete Verträge und ab April beginnende Lieferungen bis zur für das dritte Quartal geplanten vollständigen Lieferung. Im August beantragte Tesla eine 10,1 Milliarden Dollar teure Fabrik im Fort Bend County unter dem Namen Project Crystal Sun, die von der Barrenzucht bis zu fertigen Modulen reicht, mit geplanter Produktion Anfang 2029. Electrek, Schwestermedium von The Robot Report, verfolgt den Ausbau seit März. Damals verhandelte Tesla Berichten zufolge über den Kauf chinesischer Solartechnik im Wert von 2,9 Milliarden Dollar.

Beide Zulieferer stehen unter dem Druck des Überangebots in Chinas Solarmodulfertigung. Jingshengs Umsatz fiel im ersten Halbjahr 2026 um etwa 40 Prozent im Jahresvergleich, und Dalian Linton verbuchte im selben Zeitraum einen kleinen Verlust, berichtete Electrek. Ein US-Auftrag dieser Größe ist für beide bedeutsam.

Ein Detail verkompliziert die Einordnung. Todd Barnum, Vorstandsmitglied von Linton, nannte die Klage eine Verteidigung amerikanischer Innovation und verwies auf die Wurzeln des Unternehmens in Rochester, die bis 1952 zurückreichen. Doch die Muttergesellschaft ist an der Beijing Stock Exchange notiert. Wie Electrek anmerkt, ist dies ein Streit zwischen zwei chinesischen Unternehmen, ausgetragen in einem texanischen Gerichtssaal über amerikanische Tochtergesellschaften.

Die Flotte, die eine Pressemitteilung ist

Weiter unten auf der Glaubwürdigkeitsskala meldete KIDZ AI am 30. September, es habe Tesla eine Beschaffungsanfrage über 500 Robotaxis geschickt. Das Unternehmen, früher eine Online-Codingschule namens Classover Holdings, ist etwa 2,4 Millionen Dollar wert, berichtete Electrek. Die Ergebnisse des zweiten Quartals 2026 zeigen einen Serviceumsatz von 0,48 Millionen Dollar, 34 Prozent weniger als im Vorjahr, und einen Quartalsverlust von 2,5 Millionen Dollar. Ende Juni meldete es 8,88 Millionen Dollar an Barmitteln und zweckgebundenen Barmitteln.

Bei Elon Musks eigenem Ziel von unter 30.000 Dollar für das Cybercab würden 500 Fahrzeuge rund 15 Millionen Dollar kosten, etwa das Sechsfache des Marktwerts des Unternehmens. KIDZ AI schreibt in seiner eigenen Mitteilung, die Anfrage stelle keine verbindliche Bestellung dar und das Unternehmen könne sich entscheiden, nicht fortzufahren. Die Aktie stieg vorbörslich um etwa 10 Prozent und fiel nach Handelsbeginn um etwa 6 Prozent.

Electrek ordnet dies in eine Reihe ein, zu der der aufgegebene Solana-Treasury-Plan des Unternehmens gehört und sein späterer Schwenk zu Hyperliquid, GPU-Cloud und einer Beteiligung an einem Rechenzentrum in Kambodscha, vier heiße Sektoren in rund 15 Monaten.

Unter all dem Lärm gibt es einen echten Robotikmarkt, und gebaut wird er von Unternehmen, die Gelenkwinkel auf den Millimeter messen und Millisekunden aus Regelkreisen herausschneiden. Die Frage, die der Sektor nicht beantwortet hat, ist, ob das Kapital, das humanoiden Silhouetten nachjagt, noch da sein wird, wenn sich die interessante Arbeit als unglamourös erweist: Capture-Rigs, Benchmark-Disziplin und ein Ofen in Texas, der seinen ersten Barren ziehen muss, bevor alles andere zählt.