Ihre Werkstattvideos sind für KI-Robotik ein Vermögen wert

Große KI-Modelle können schreiben, zusammenfassen und codieren, weil sie den Text aus dem Web verschlungen haben. Aber sie bleiben in einem bestimmten Bereich sehr schwach: den Gesten der physischen Welt – ein Objekt manipulieren, ein Teil montieren, eine Maschine reparieren, eine Frucht pflücken. Diese Daten sind nicht online zu finden: Sie entstehen in Werkstätten, auf Feldern, in Lagerhäusern und Küchen und müssen daher an der Quelle erfasst werden.

Das Ausmaß des Mangels ist frappierend. Laut einer Schätzung des Investors Bessemer (BVP) gäbe es weltweit nur etwa 300.000 Stunden an Daten zur Roboter-Manipulation, verglichen mit fast einer Milliarde Stunden Internet-Video und zig Billionen Wörtern Text. Das ist eine Größenordnung – eine Schätzung eines Risikokapitalgebers, keine geprüfte Zahl –, aber sie sagt das Wesentliche: Physische Gestendaten sind selten und daher potenziell wertvoll.

Betroffene Unternehmen sind diejenigen, die in der realen Welt agieren: Werkstätten und Fertigung, Wartung und Reparatur, mit Kameras ausgestattete Flotten, Landwirtschaft und Lebensmittelverarbeitung, Logistik und Materialtransport. Wertvoll ist die Geste aus der Ich-Perspektive – das egocentrische Video, gefilmt von einer Kopfkamera oder einer GoPro, das die Hände bei der Arbeit, das Greifen, die Sequenz und vor allem die schwierigen Fälle zeigt: den Defekt, das Unvorhergesehene, die Korrektur.

Der Markt strukturiert sich: Roboterhersteller und Annotatoren suchen diese Korpora, und egocentrische Datensätze werden bereits in großem Maßstab aufgebaut. Aber Vorsicht beim Rahmen: Das Filmen einer beruflichen Geste wirft Fragen bezüglich Gesichtern, Stimmen und Orten auf. Ein sauberes Vorgehen – Anonymisierung, Zustimmung, klare Lizenz – ist das, was diese Bilder in einen sicheren Vermögenswert verwandelt. Der erste konkrete Schritt: Prüfen Sie, ob Ihre Tätigkeit diese Daten bereits produziert, über eine kostenlose Diagnose auf d-nvest.