Skild AI sichert sich 300 Mio. USD Series A für universelle physische KI

Skild AI hat eine bekannt gegebene Series A-Finanzierungsrunde über 300 Millionen US-Dollar abgeschlossen (https://www.bloomberg.com/news/articles/2024-07-01/jeff-bezos-backed-robotics-startup-skild-ai-raises-300-million) zu einer bekannt gegebenen Bewertung von 1,5 Milliarden US-Dollar (https://www.bloomberg.com/news/articles/2024-07-01/jeff-bezos-backed-robotics-startup-skild-ai-raises-300-million) und signalisiert damit eine massive Kapitalverlagerung hin zum Sektor der „physischen KI“. Die Runde, angeführt von Lightspeed Venture Partners, Coatue und SoftBank Group, mit Beteiligung von Jeff Bezos’ Bezos Expeditions, unterstreicht die wachsende Erkenntnis, dass die nächste Grenze der KI-Monetarisierung nicht im digitalen Text liegt, sondern in den riesigen Datensätzen, die für den Betrieb universeller Roboter in der physischen Welt erforderlich sind.

Die physische Datenmauer

Während LLMs von der Fülle an aus dem Internet gescrapten Daten profitiert haben, steht die physische KI vor einer einzigartigen „Datenmauer“. Die zentrale These von Skild AI ist, dass Basismodelle für Robotik auf deutlich vielfältigeren Daten trainiert werden müssen, als sie derzeit von spezialisierten Roboterarmen oder Drohnen verfügbar sind. Das Unternehmen behauptet, sein Modell sei auf 1.000-mal mehr Daten trainiert als seine Konkurrenten (https://www.bloomberg.com/news/articles/2024-07-01/jeff-bezos-backed-robotics-startup-skild-ai-raises-300-million) und nutzt eine proprietäre Datenpipeline, die Interaktionen über verschiedene Hardwarekonfigurationen hinweg erfasst. Dieser „datengetriebene“ Ansatz für Robotik soll ein „Gehirn“ schaffen, das in jede physische Form transplantiert werden kann, von Quadrupeden bis zu Humanoiden, und so die Skalierbarkeitsprobleme löst, die den Sektor historisch geplagt haben.

Die Investition erfolgt, während Risikokapitalfirmen ihren Fokus auf Start-ups verlagern, die den gesamten Stack der physischen Datenerfassung kontrollieren. Beispielsweise sucht Coatue Management derzeit schätzungsweise 1 Milliarde US-Dollar (https://www.reuters.com/technology/coatue-management-seeks-1-billion-new-ai-fund-sources-say-2024-07-02/) für einen neuen Fonds, der speziell auf KI ausgerichtet ist, mit einem starken Schwerpunkt auf der Überbrückung der Lücke zwischen digitaler Intelligenz und physischer Ausführung. Dieser Trend wird durch die bekannt gegebene Series B-Finanzierung von Waabi in Höhe von 200 Millionen US-Dollar weiter untermauert (https://techcrunch.com/2024/06/18/waabi-raises-200m-from-uber-nvidia-to-launch-fully-driverless-trucks-in-2025/), die sich auf generative KI für autonomes Fahren konzentriert – ein weiteres Hochrisikogebiet, in dem Daten aus der physischen Welt die Haupteintrittsbarriere darstellen.

Monetarisierung der biologischen und physischen Ebene

Das Rennen um Daten aus der physischen Welt erweitert sich über die Robotik hinaus auf die Biowissenschaften. EvolutionaryScale sicherte sich kürzlich eine bekannt gegebene Seed-Finanzierung in Höhe von 142 Millionen US-Dollar (https://www.reuters.com/technology/ai-startup-evolutionaryscale-raises-142-mln-seed-funding-2024-06-25/), um biologische Basismodelle zu entwickeln. Ähnlich wie Skild AI behandelt EvolutionaryScale biologische Sequenzen als einen riesigen, unerschlossenen Datensatz für generative KI mit dem Ziel, neue Proteine zu „programmieren“. Diese Konvergenz von Robotik, Biologie und Daten-Engineering deutet darauf hin, dass die wertvollsten Datenbestände im Jahr 2026 nicht mehr in Bibliotheken, sondern in Laboren und Sensornetzwerken zu finden sind.

Im Gesundheitswesen kündigte Healwell AI die Übernahme von BioPharma Services (https://www.healwell.ai/news/healwell-ai-announces-acquisition-of-biopharma-services/) an, eine Maßnahme, die speziell darauf abzielt, hochwertige klinische Studiendaten in seine KI-Plattformen zu integrieren. Diese Übernahme unterstreicht die Wertschätzung für „Ground Truth“-Daten – Informationen aus physischen Experimenten und realen Patientenergebnissen –, die für das Training von Modellen unerlässlich sind, die in Hochrisikoumgebungen mit hoher Präzision arbeiten müssen.

Regulatorische Gegenwinde und der Datensouverän

Da der Wert physischer und persönlicher Daten in die Höhe schnellt, verschärfen die Regulierungsbehörden ihren Griff. Brasiliens Nationale Datenschutzbehörde hat Meta kürzlich verboten (https://www.reuters.com/technology/brazil-watchdog-bans-meta-using-data-train-ai-models-2024-07-02/), lokale Nutzerdaten zum Trainieren seiner KI-Modelle zu verwenden, und verwies auf Datenschutzrisiken. Dies folgt einem breiteren globalen Trend, bei dem Daten zunehmend als souveräner Vermögenswert betrachtet werden. Gleichzeitig bereiten französische Kartellbehörden angeblich eine Anklage gegen Nvidia vor (https://www.reuters.com/technology/french-antitrust-regulators-set-charge-nvidia-anticompetitive-practices-sources-2024-07-01/) wegen angeblich wettbewerbswidriger Praktiken, was Bedenken widerspiegelt, dass einige wenige dominante Akteure die Infrastruktur monopolisieren könnten, die für die Verarbeitung dieser riesigen neuen Datensätze erforderlich ist.

Warum es für Dateneigentümer wichtig ist

Für Dateneigentümer stellen die Skild AI-Transaktion und der breitere Aufstieg der physischen KI eine grundlegende Verschiebung der Vermögensbewertung dar. Wir bewegen uns über die Ära der „scrappable“ Daten hinaus. Der neue Premiumpreis gilt proprietären, hochauflösenden Sensordaten aus Robotik, Logistik und biologischer Forschung. Organisationen, die „physische Ground Truth“ besitzen – seien es Lagerbewegungsprotokolle, Ergebnisse klinischer Studien oder spezielle Fertigungstelemetrie –, verfügen nun über die wertvollsten Trainingsdaten auf dem Markt. Da der „digitale Brunnen“ versiegt, ist die Monetarisierung der physischen Welt die nächste Multi-Billionen-Dollar-Chance für Datenvermögensinvestoren.