Roboter verdienen noch nicht in großem Umfang Geld – diejenigen, die Daten verkaufen, sind bereits zu „Unicorns“ geworden.

Zusammenfassung der Kerninhalte

In der letzten Zeit hat sich im Bereich der embodied Intelligence (einfach ausgedrückt: Roboterkönzepte, die wie Menschen wahrnehmen, Entscheidungen treffen und handeln können) folgendes Phänomen abgezeichnet: Die „Goldgräber“ haben kein Geld verdient – stattdessen sind diejenigen, die die notwendigen Werkzeuge (z. B. Roboterarme) verkaufen, bereits reich geworden. Obwohl die Roboterkörper selbst noch nicht in großem Umfang profitabel sind, boomt der Geschäftszweig der Datenerfassung für das Training der Roboter: Viele Unternehmen haben große Finanzmittel und Aufträge erhalten, und auch Großunternehmen wie Bosch und JD.com sind in dieses Feld eingestiegen. Der Markt hat sich von einem Nebengeschäft der Robothersteller zu einem unabhängigen Bereich entwickelt, der von Kapitalern aktiv bewertet und gefördert wird – Hintergrund dafür sind unter anderem ein großer Datenmangel, eine hohe Nachfrage sowie die treibende Kraft des Kapitals. Es gibt drei Hauptgruppen von Akteuren auf diesem Markt: Großunternehmen, spezialisierte Datenerfassungsunternehmen und multinationale Konzerne mit eigenen Geschäftsfeldern. Die Aufnahme großer Unternehmen verändert die Logik der Branche; in Zukunft werden die Qualität und die Interoperabilität der Daten über den Ausgang des Marktes entscheiden.

1. Warum verdient die Datenerfassung mehr Geld als die Herstellung der Roboterkörper? Drei Gründe erklären diesen Vorsprung

Um dieses Phänomen zu verstehen, ist es wichtig, das „kritische Element“ der embodied Intelligence zu kennen:

• Erheblicher Datenmangel: Große Sprachmodelle (wie GPT) verfügen über Textdaten aus dem Internet, die über Jahrzehnte reichen; doch embodied Modelle benötigen Daten aus interaktiven Aktionen mit der realen Welt (z. B. das Greifen von Objekten, das Vermeiden von Hindernissen, dreidimensionale Bewegungsabläufe). Solche Daten werden nur durch echte Roboter in der Praxis erzeugt. Derzeit gibt es weltweit nur etwa 500.000 Stunden hochwertiger Daten dieser Art – weniger als ein Zehntel der Datenmenge, die für Sprachmodelle benötigt wird. Zudem sind die Datendatenformate der verschiedenen Roboter und Sensoren nicht standardisiert, was den Mangel noch verstärkt.
• Hohe Nachfrage: Sowohl Modellentwickler als auch Robothersteller streben nach diesen Daten – schließlich ermöglichen sie eine schnelle Modellierung, die Lieferung an Kunden sowie die Nutzung in verschiedenen Anwendungen. Unternehmen wie Bosch und CATL investieren viel Geld in die Zusammenarbeit mit Datenerfassungsunternehmen und öffnen ihre Produktionslinien für die Datenerfassung, weil sie wissen: Die Datenqualität bestimmt die Leistungsfähigkeit der Roboter.
• Kapital fließt in die „Obere Ebene“: Seit 2026 ist die Investitionshürde für Roboterkörper gestiegen (Werte führender Unternehmen liegen über 10 Milliarden Euro); kleine Institutionen können sich das nicht leisten und konzentrieren sich daher auf die Datenerfassung – schließlich ist die Nachfrage nach Daten viel sicherer als die nach einzelnen Robotern.

Diese drei Faktoren zusammenführen dazu, dass der Geschäftszweig der Datenerfassung bereits erste kommerzielle Erfolge erzielt hat.

2. Es gibt drei Arten von Marktteilnehmern: Spezialisierte Unternehmen, Roboterhersteller, die ihre Datenabteilungen trennen, und multinationale Konzerne

Die Akteure auf dem Markt der Datenerfassung haben sich in verschiedene Gruppen aufgeteilt, jede mit ihrer eigenen Strategie:

• Spezialisierte Datenerfassungsunternehmen: Diese produzieren keine Roboter, sondern bauen die notwendige Infrastruktur. Beispielsweise wurde Guanglun Intelligence innerhalb von drei Jahren zum weltweit ersten „Unicorn“ im Bereich der embodied Intelligence (Wert: über 1 Milliarde US-Dollar) und erhielt im ersten Quartal Aufträge im Wert von 550 Millionen Euro – Kunden sind unter anderem Nvidia, ByteDance und Zhiyuan Robotics. Andere Unternehmen wie Wuwen Zhike haben den größten physischen Trainingsplatz Chinas eingerichtet (für Anwendungen in Logistik und Industrie) und erzeugen täglich Tausende Stunden an Daten; bei der Finanzierung wurden auch Partner aus der Windenergie- und Automobilindustrie eingebunden, um frühzeitig Marktchancen zu sichern.
• Roboterhersteller, die ihre Datenabteilungen trennen: Diese Unternehmen haben die Datenerfassung als eigenständigen Geschäftszweig abgelöst. Zhiyuan Robotics hat beispielsweise die Datenerfassungs- und Handelsprozesse in das Unternehmen Mifeng Technology ausgelagert und erhielt innerhalb von zehn Tagen Finanzmittel im Wert von mehreren hundert Millionen Euro – der Kapitalmarkt erkennt den Wert von Daten als eigenständiges Vermögenswert. Dieses Modell ermöglicht es den Robotherstellern, sich auf die Produktentwicklung zu konzentrieren, während die Datenerfassung selbst profitabel ist.
• Multinationale Konzerne: Diese nutzen ihre eigenen Geschäftsfelder, um in den Markt einzusteigen. JD.com hat beispielsweise 600.000 Mitarbeiter eingesetzt, um innerhalb von zwei Jahren 10 Millionen Stunden an echten Datensätzen aus verschiedenen Anwendungen zu sammeln (mithilfe eigener Logistik- und Lagerinfrastruktur). Baidu Smart Cloud hat einen „Data Supermarket“ für embodied Intelligence eingerichtet und verkauft Daten wie Waren; China Mobile hat Trainingsplätze für Haushaltsanwendungen gebaut. Diese Konzerne zielen nicht darauf ab, das Geschäft kleiner Unternehmen zu übernehmen, sondern auf den Aufbau von Datenplattformen – in Zukunft könnten Robothersteller Daten direkt über diese Plattformen nach Bedarf beziehen.

3. Der Eintritt großer Unternehmen wie JD.com: Sie wollen die Marktregeln neu gestalten

Der Eintritt großer Unternehmen bringt zwei wichtige Veränderungen mit sich:

• Skaleneffekte: JD.com verfügt über vorhandene Logistik- und Lagerinfrastruktur; die von 600.000 Mitarbeitern gesammelten Datenmengen sind etwas, was Start-ups erst nach Jahren erreichen könnten. Diese Skalierung senkt die Kosten für Datenerfassung erheblich und macht hochwertige Daten für andere Unternehmen zugänglicher.
• Plattformorientierung: Plattformen wie Baidu Smart Clouds „Data Supermarket“ und JD.coms „Gesamtlösungen“ verwandeln dezentrale Daten in standardisierte Ressourcen. Kleine Unternehmen müssen nicht mehr eigene Datenerfassungsteams aufbauen, sondern können die Daten direkt über die Plattform beziehen – ähnlich wie sie heute Online-Shops nutzen, ohne eigene Server zu betreiben (z. B. Alibaba Cloud). Dadurch wird der Markt von einer dezentralen Struktur hin zu einer platformbasierten Versorgung übergehen; Start-ups müssen sich neu positionieren: Entweder werden sie zu Lieferanten für die Plattformen, zu Anbieter von Datenwerkzeugen oder zu Partnern spezifischer Anwendungen.

4. Der Ausgang des Wettbewerbs: Wer die Standards für Datenqualität setzt, kontrolliert die Zukunft

Der Ausgang dieses Wettbewerbs hängt nicht davon ab, wer die meisten Daten sammelt, sondern von zwei Faktoren:

• Einfluss auf die Datenqualität: Unternehmen wie CATL und Bosch, die über eigene Produktionsanlagen verfügen, wählen ihre Datenerfassungspartner sorgfältig aus – nur solche Unternehmen, die „industriell hochwertige“ Daten liefern können, dürfen in ihre Ökosysteme aufgenommen werden. Wer in Zukunft die Standards für „gute Daten“ definiert (z. B. eine Genauigkeit von weniger als 0,1 Millimeter beim Greifen von Teilen), wird die Kontrolle über die Daten haben.
• Interoperabilität der Daten: Wenn Daten aus verschiedenen Quellen (echte Roboter, Simulationen, Anwendungen) miteinander verbunden werden und einheitliche Standards entstehen, werden sie zu einem entscheidenden Vermögenswert in der Ära des physischen AI – ähnlich wie Erdöl, das die Kontrolle über die Industrie gibt.

Letztendlich könnte nicht der Roboterkörper selbst, sondern das „unsichtbare“ Datenmaterial hinter dem Ganzen die Struktur der embodied Intelligence-Industrie verändern.

(The full text is explained in plain language without technical jargon, making it easy for non-financial professionals to understand.)