Robotikfirmen jagen menschlichem Tempo nach: Innodata eröffnet Bewegungslabor

Innodata hat am 30. September ein Bewegungslabor eröffnet. Dort sollen Trainingsdaten für humanoide und industrielle Roboter entstehen, und das Unternehmen will die Leistungsdaten, die Roboter intern erzeugen, unabhängig prüfen. Die Firma aus Ridgefield Park in New Jersey, 1988 gegründet, erfasst nach eigenen Angaben 3D-Daten direkt vom Körper, ob menschlich oder mechanisch, statt Bewegung aus der Analyse von 2D-Video abzuleiten.

Laut The Robot Report richtet sich die Einrichtung an Teams, die an das stoßen, was Innodata eine Datenmauer nennt.

„Es gibt einfach keinen Ersatz für direkte 3D-Bewegungserfassung", sagte Franklin Tanner, Vice President für Robotik und Physical AI bei Innodata, dem Robot Report. Die Sensoren seien darauf ausgelegt, die kleinste Bewegung jedes Gelenks zu registrieren. Beim Training eines Humanoiden mit fast 200 lb (90,7 kg) dürften die Messwerte „nicht ungefähr" stimmen. Tanner nannte das Beispiel eines Roboters, der eine Tasse aufnimmt: den Griff zu packen sei normal, den Boden zu packen nicht falsch, außer die Tasse enthält heiße Flüssigkeit. Der Kontext, sagte er, sei in bestehenden Datensätzen nicht immer abgebildet.

Das Datenproblem betrifft nicht nur die Menge. Tanner beschrieb Physical AI als etwas, das sich „seine Tokens eine Interaktion nach der anderen verdienen" müsse. Innodata erzeugt nach eigenen Angaben Trainingsdaten für humanoide Roboter, teleoperierte Hardware, tragbare Systeme, Sensoraufbauten, Greifer der Universal Manipulator Interface und andere multimodale Erfassungsanordnungen. Diese Daten können digitale Zwillinge für Sonderfälle speisen. Das Labor macht auch unabhängige Prüfungen. Das zählt, weil Anbieter Leistungsversprechen veröffentlichen, die Käufer kaum nachprüfen können.

Tempo wird zum nächsten Schlachtfeld

Am selben Tag stellte MindOn Mind-1 vor, ein Physical-AI-Modell, das Robotern nach Angaben des Unternehmens in Logistik und Alltagsumgebungen zu menschlichem Ausführungstempo verhilft, bei manchen Aufgaben sogar schneller als Menschen. Die Firma veröffentlichte Latenzzahlen: Inferenz von 82ms auf 32ms reduziert. Ihr technisches Argument ist konkret. Bei einer Endeffektor-Geschwindigkeit von 3 m/s entsprechen 10ms Latenz rund 3cm Bewegung, genug, um präzises Greifen, Einführen oder kontaktintensive Manipulation zu beeinflussen.

MindOn verweist auch auf die Trainingsdaten selbst. Ein großer Teil der Manipulationsdaten stammt aus Teleoperation, die oft langsamer ist als natürliche menschliche Bewegung. Modelle lernen damit zusammen mit der Aufgabe auch das Tempo ihrer Vorführungen. Ein Roboter, der eine Aufgabe fünf- oder zehnmal langsamer erledigt als ein Mensch, lässt sich nach Einschätzung des Unternehmens schwer in reale Abläufe einbinden. Das verschiebt den Schwerpunkt von der Frage, ob ein Roboter eine Aufgabe kann, zu der Frage, ob er sie in der Taktzeit schafft, die ein Lager oder eine Fabrik braucht.

Diese kommerziellen Versprechen werden an unabhängigen Messungen geprüft werden. Fig Inc. veröffentlichte am 30. September eine Bewertung über fünf Bereiche, darunter Bench2Drive, VLABench, IndEgo und Assembly101. Dabei fand das Unternehmen, was es zerklüftete Leistung nennt: In jedem getesteten Modellpaar löste das schwächer bewertete Modell Aufgaben, an denen das besser bewertete scheiterte. Das beste Modell wechselte mit der Website und mit den Schwierigkeitslabels des Benchmarks. Ein Modellupdate konnte den Durchschnitt fast unverändert lassen, während viele einzelne Aufgaben kippten. Fig veröffentlichte die Ergebnisse auf Aufgabenebene unter dem Namen RIDGE.

Das ist wichtig für jeden, der einen Roboter nach einer Benchmarkzahl kauft. Ein Durchschnittswert an der Spitze, argumentieren die Autoren, verdeckt, wie stark der Erfolg zwischen Aufgaben schwankt. Die Aufgabenkategorie, in der ein Modell eingesetzt wird, beeinflusst die Zuverlässigkeit etwa so stark wie die Wahl des Modells. Bei Fabrikeinsätzen zählt der Ausfall an der eigenen Linie, nicht der weggemittelte.

Start-ups verkaufen die Schicht, nicht den Körper

Destro kam am 30. September aus dem Stealth mit einer Seed-Runde über 8 Mio. Dollar und einem ungewöhnlichen Ansatz: Es sei kein Robotikunternehmen. TechCrunch berichtete, das Start-up habe eine KI-Schicht gebaut, die auch menschliche Arbeitskräfte steuert. Es betreibe einen Piloten in einer Anlage von Yusen Logistics im pazifischen Nordwesten mit drei Wagen bewegenden Robotern von Miva Robotics, gesteuert von Destros Vision-System auf Basis offener Vision-Language-Action-Modelle. Richard Brunelle, Director of Automation der amerikanischen Logistikgruppe von Yusen, sagte TechCrunch, er habe Destro gebeten, sein Kommissionier- und Verpackungswerkzeug für Cross-Docking anzupassen, bei dem Waren von einem Lkw in gemischte Ladungen für andere umgeschlagen werden.

„Viele Robotikfirmen haben mit Robotikingenieuren angefangen, die fragten, was ich Cooles machen kann?" sagte Destro-Gründer Manthan Pawar zu TechCrunch. „Einer der größten Gründe, warum wir gegen Robotikfirmen gewinnen, ist, dass wir keine Robotikfirma sind."

Inbolt, ein 2019 gegründetes Pariser Industrierobotikunternehmen, sammelte am 30. September 11 Mio. Euro ein, um international zu expandieren und in Rechenzentren und Elektronikfertigung einzusteigen, wie Tech.eu berichtete. Die Runde führte Shift4Good mit Bridges Climate Transition Partners und den Bestandsinvestoren BNP Paribas Développement und Ora Global an, womit die Gesamtfinanzierung auf 30 Mio. Euro steigt. Inbolt kombiniert 3D-Vision mit einer hardwareunabhängigen KI-Softwareschicht, die Roboter-Regelkreise in Echtzeit anpasst. Nach eigenen Angaben läuft sein System auf mehr als 200 Robotern in über 100 Fabriken auf drei Kontinenten, mit Kunden wie Bosch, Beko, Flex, Ford, Stellantis und Toyota.

Beide Unternehmen verkaufen dieselbe Erkenntnis: Die Hardware wird zunehmend zur Ware, und der schwierige Teil ist, einen installierten Bestand mit Variation, falsch ausgerichteten Teilen und Werkzeugverschleiß umgehen zu lassen, ohne die Linie anzuhalten.

Die Industriebasis bleibt der Punkt

Das klarste Gegengewicht zum Humanoiden-Hype liegt im älteren installierten Bestand. Linton Crystal Technologies verklagte Zhejiang Jingsheng am 22. September vor dem US District Court for the Eastern District of Texas, Marshall Division, und macht zwei Patente geltend, die ein System zum Heben und Drehen des Impfkristalls für Czochralski-Ziehanlagen abdecken, wie Electrek berichtete. Jingsheng, an der Börse in Shenzhen notiert und rund 53 Mrd. Yuan wert, informierte Anleger am 24. September über die Klage. Das Unternehmen erklärte, seine Produkte nutzten „technische Lösungen, die sich vollständig unterscheiden" von den Patenten, es sei nicht förmlich zugestellt worden und erwarte keine wesentlichen Auswirkungen. Linton fordert Schadensersatz, dreifachen Schadensersatz wegen vorsätzlicher Verletzung und eine dauerhafte Unterlassungsverfügung.

Der Fall berührt Teslas geplante Solarfabrik in Texas, weil Ziehanlagen der erste Schritt bei der Wafer-Herstellung sind. Die chinesische Fachpresse berichtete, Jingsheng habe Anfang des Jahres einen Tesla-Auftrag über rund 3 Mrd. Yuan (etwa 420 Mio. Dollar) für Kristallziehanlagen gewonnen. Sie legte einen Zeitplan vor, nach dem eine Tesla-Ausschreibung im Februar endete, Verträge im März unterzeichnet wurden, Lieferungen im April begannen und die vollständige Lieferung für das dritte Quartal geplant war. Weder Tesla noch Jingsheng haben den Auftrag bestätigt, und Tesla ist nicht Partei des Verfahrens. Electrek merkte zudem an, dass Jingshengs Umsatz im ersten Halbjahr 2026 um etwa 40% im Jahresvergleich fiel und Dalian Linton im gleichen Zeitraum einen kleinen Verlust auswies, weil eine chinesische Überproduktion in der Solarfertigung die Bestellungen für Anlagen einbrechen ließ.

Eine andere Art Realitätscheck kam von KIDZ AI, einem an der Nasdaq notierten Unternehmen mit einem Wert von etwa 2,4 Mio. Dollar, das am 30. September mitteilte, es habe Tesla eine Beschaffungsanfrage über 500 Robotaxis geschickt. Electrek berichtete, das Unternehmen, früher eine Online-Codingschule namens Classover Holdings, habe erklärt, die Anfrage sei keine verbindliche Bestellung und der Plan in einer vorläufigen Phase. Die Ergebnisse für das zweite Quartal 2026 zeigten einen Serviceumsatz von 480.000 Dollar, 34% weniger als im Vorjahr, und einen Quartalsverlust von 2,5 Mio. Dollar. Die Aktie stieg im vorbörslichen Handel um etwa 10% und fiel nach Handelsbeginn um etwa 6%, und liegt auf Jahressicht etwa 99,97% im Minus.

An anderer Stelle im selben Stapel vom 30. September startete Arrowfly, Muttergesellschaft von The Robot Report, AI for Engineers, eine Plattform mit Newsredaktion, einer für den 20. bis 22. September 2027 in Henderson, Nevada, geplanten Jahreskonferenz, eigener Forschung und einem Beirat. Sie richtet sich an Ingenieure, die KI in Produktdesign, Fertigung, Robotik, Medizintechnik und Energie einsetzen. Der Ansatz dreht sich um den Weg von Experimenten zu wiederholbaren Anwendungen statt um einen bestimmten Roboter. Rongzhong Li, der seit der Nybble-Kampagne 2018 mehr als 30.000 vierbeinige Roboter ausgeliefert hat, schrieb auf Hackster, die meistgelieferten Produkte der Robotik der letzten Jahre seien Videos gewesen, und jede Verkörperung finde irgendwann den Weg, der dem am nächsten kommt, was sie am besten kann. Die Humanoidenfabrik wird nach derselben Messlatte beurteilt werden.