Skild AI sichert sich 300 Mio. $ Series A für allgemeine physische KI

Skild AI hat eine offengelegte Finanzierungsrunde der Serie A in Höhe von 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 offengelegten 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), was einen massiven Kapitalumschwung hin zum Sektor "Physical AI" signalisiert. Die Runde, angeführt von Lightspeed Venture Partners, Coatue und SoftBank Group, unter Beteiligung von Jeff Bezos’s 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 von Allzweckrobotern in der physischen Welt erforderlich sind.

Die physische Datenmauer

Während LLMs von der Fülle an aus dem Internet gescrapten Daten profitiert haben, steht Physical AI vor einer einzigartigen "Datenmauer". Die zentrale These von Skild AI ist, dass Foundation Models für Robotik auf deutlich vielfältigeren Daten trainiert werden müssen, als derzeit von Einzelzweck-Roboterarmen oder spezialisierten Drohnen verfügbar sind. Das Unternehmen behauptet, sein Modell sei 1.000 Mal mehr Daten als seine Konkurrenten trainiert (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 Startups verlagern, die den gesamten Stack der physischen Datenerfassung kontrollieren. Beispielsweise versucht 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 aufzubringen, der speziell für KI bestimmt ist, mit einem starken Schwerpunkt auf der Überbrückung der Lücke zwischen digitaler Intelligenz und physischer Ausführung. Dieser Trend wird durch die offengelegte Serie B-Finanzierung von 200 Millionen US-Dollar durch Waabi (https://techcrunch.com/2024/06/18/waabi-raises-200m-from-uber-nvidia-to-launch-fully-driverless-trucks-in-2025/) weiter belegt, die sich auf generative KI für autonomes Fahren konzentriert – ein weiteres Hochrisikogebiet, in dem physische Weltdaten die primäre Eintrittsbarriere darstellen.

Monetarisierung der biologischen und physischen Ebene

Das Rennen um physische Weltdaten erweitert sich über die Robotik hinaus auf die Biowissenschaften. EvolutionaryScale sicherte sich kürzlich eine offengelegte 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 Foundation Models 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 des Jahres 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, die aus physischen Experimenten und realen Patientenergebnissen stammen –, die für das Training von Modellen unerlässlich sind, die mit hoher Präzision in Hochrisikoumgebungen arbeiten müssen.

Regulatorische Hürden und der Datensouverän

Da der Wert physischer und persönlicher Daten in die Höhe schnellt, verschärfen die Regulierungsbehörden ihre Kontrollen. Brasiliens Nationale Behörde für Datenschutz hat Meta kürzlich die Nutzung lokaler Nutzerdaten zum Trainieren seiner KI-Modelle untersagt (https://www.reuters.com/technology/brazil-watchdog-bans-meta-using-data-train-ai-models-2024-07-02/), unter Berufung auf Datenschutzrisiken. Dies folgt einem breiteren globalen Trend, bei dem Daten zunehmend als souveränes Gut betrachtet werden. Gleichzeitig bereiten sich französische Kartellbehörden Berichten zufolge darauf vor, Nvidia (https://www.reuters.com/technology/french-antitrust-regulators-set-charge-nvidia-anticompetitive-practices-sources-2024-07-01/) wegen angeblich wettbewerbswidriger Praktiken anzuklagen, was Bedenken widerspiegelt, dass einige dominante Akteure die für die Verarbeitung dieser riesigen neuen Datensätze erforderliche Infrastruktur monopolisieren könnten.

Warum es für Dateneigentümer wichtig ist

Für Dateneigentümer stellen die Skild AI-Transaktion und der breitere Aufstieg von Physical AI eine grundlegende Verschiebung der Vermögensbewertung dar. Wir bewegen uns über die Ära der "scrappable" Daten hinaus. Der neue Premiumpreis gilt für proprietäre, hochauflösende Sensordaten aus Robotik, Logistik und biologischer Forschung. Organisationen, die "physische Ground Truth" besitzen – seien es Lagerbewegungsdaten, klinische Studienergebnisse oder spezialisierte Fertigungstelemetrie –, verfügen nun über die wertvollsten Trainingsressourcen auf dem Markt. Da der "digitale Brunnen" versiegt, ist die Monetarisierung der physischen Welt die nächste Multi-Billionen-Dollar-Chance für Daten-Asset-Investoren.