Mitte Januar 2026 gab das Robotik-Startup Skild AI den Abschluss einer Serie-C-Finanzierungsrunde über rund 1,4 Milliarden US-Dollar bekannt, wodurch das Unternehmen mit über 14 Milliarden US-Dollar bewertet wurde. Die Runde wurde von der japanischen SoftBank Group angeführt, mit Beteiligung strategischer Investoren wie NVentures (Nvidia), Macquarie Capital und Bezos Expeditions (gegründet von Amazon-Gründer Jeff Bezos). Auch Samsung, LG, Schneider Electric und Salesforce Ventures beteiligten sich.

Für Leser, die sich für dieses Gebiet interessieren, dürfte diese Investorenliste bekannt vorkommen. Einige von ihnen investierten kürzlich in das vielversprechende Robotik-Startup Field AI, das sich der Entwicklung eines „universellen Roboter-Intelligenzgehirns“ verschrieben hat, das mit verschiedenen Robotertypen kompatibel ist und sich an unterschiedliche Umgebungen anpassen kann. Skild AI hat seinerseits explizit angekündigt, ein KI-gesteuertes Roboter-„Gehirn“ zu entwickeln. Die beiden Unternehmen scheinen ähnliche strategische Ausrichtungen zu verfolgen.

In einer Zeit, in der die Roboterhardware noch in den Kinderschuhen steckt und die Anwendungsszenarien stark fragmentiert sind, ist Kapital immer wieder und kontinuierlich in wenige Unternehmen geflossen, die nicht ausschließlich Roboter herstellen. Dies spiegelt gewissermaßen das unumstößliche Gesetz der Gewinnmaximierung des Kapitals wider und bestätigt, dass dieses noch nicht einmal drei Jahre alte Start-up einen vielversprechenden Weg eingeschlagen hat.

Unternehmenswebsite:
https://www.skild.ai

Jeder Roboter, jede Aufgabe, ein Gehirn

„Jeder Roboter. Jede Aufgabe. Ein Gehirn.“

Beim Öffnen der Skild AI-Website fällt dieser ambitionierte Slogan sofort ins Auge. Er wird auch auf dem offiziellen X-Account und in einem kürzlich geführten NDTV-Interview mit einem der Gründer, Abhinav Gupta, verwendet.Immer wieder erwähnten sie ihr Motto, das ihnen sehr am Herzen liegt: „Jeder Roboter, jede Aufgabe, ein Gehirn“, was die Einzigartigkeit von Skild AI im Vergleich zu den meisten anderen Robotikunternehmen treffend zusammenfasst.

In einem Interview erklärte Deepak Pathak offen: „Es gab in den letzten 70 Jahren viele Roboterdemonstrationen, aber noch ist kein Roboter in unserer Umgebung aufgetaucht, weil Robotern ein Gehirn fehlt.“ Seiner Ansicht nach liegt der Hauptgrund dafür, dass der großflächige Einsatz von Robotern so lange schwierig war, im Fehlen eines wirklich universellen „intelligenten Gehirns“.

Das Hauptziel von Skild AI ist daher nicht die Entwicklung eines spezifischen Roboters, sondern die Entwicklung eines Basismodells, das auf verschiedenen Robotern eingesetzt werden kann.Ob humanoider Roboter, vierbeiniger Roboter, Industrieroboterarm oder mobile Plattform – dieses System ist vielseitig einsetzbar und ermöglicht Robotern omnidirektionale sensorische Intelligenz. Sein Kernwert liegt in der Bereitstellung einer nachhaltig skalierbaren Datenlösung, die es Robotern erlaubt, sich durch Beobachtung und Lernen – genau wie Menschen – an die physische Welt anzupassen.

Das ist ein interessanter Ansatz. Es ist bekannt, dass der Erfolg großer Sprachmodelle untrennbar mit den dahinterstehenden riesigen Datenmengen des Internets verbunden ist, doch Deepak Pathak wies auf ein zentrales Problem hin: „Wo ist das Internet für Roboter?“ In Wirklichkeit existiert kein fertiges „Internet für Roboter“, das riesige Mengen an Daten zur physikalischen Interaktion enthält.Ihre einzigartige Formel besteht darin, die unzähligen menschlichen Videodaten im Internet in Robotererfahrung umzuwandeln, in der Überzeugung, dass „Menschen durch Beobachtung lernen und Roboter auf die gleiche Weise lernen sollten“.

Zwei Gründer im „Mentorenstil“: Von der akademischen Forschung zur industriellen Anwendung

Ein weiterer interessanter Aspekt der Geschichte von Skild AI ist das Gründerteam.

Das Unternehmen wurde von Deepak Pathak und Abhinav Gupta gegründet, zwei erfahrenen Forschern auf den Gebieten der künstlichen Intelligenz und Robotik. Deepak Pathak ist der derzeitige CEO und verfügt über umfassende Erfahrung in der interdisziplinären Forschung an KI und Robotik. Abhinav Gupta ist Präsident des Unternehmens und zudem Wissenschaftler mit fundierten Kenntnissen im selbstüberwachten Lernen von KI und im maschinellen Lernen von Robotern. Beide Gründer lehrten und forschten zuvor an der Carnegie Mellon University, einer der weltweit ersten Institutionen, die sich intensiv mit der Integration von Robotik und KI auseinandersetzten.

Die technologische Philosophie des heutigen CEO, Deepak Pathak, wurde bereits während seines Doktoratsstudiums an der UC Berkeley geprägt.Laut Forbes entwickelte Pathak eine Methode, um das Lernen von Robotern durch die Förderung von „Neugier“ voranzutreiben und so die künstliche Intelligenz zur Erkundung weiterer Szenarien anzuregen. Die zugehörige Studie mit dem Titel „Neugiergetriebene Exploration durch selbstüberwachte Vorhersage“ wurde 2017 veröffentlicht und fast 4.000 Mal zitiert.

Während Pathak das Problem des proaktiven Lernens von Robotern löste, brachte Abhinav Gupta die Grundlagen für das Lernen im großen Maßstab. Als führender Wissenschaftler auf den Gebieten Computer Vision und Robotik widmet sich Gupta seit Langem der Forschung, wie KI mithilfe riesiger Mengen ungelabelter Videodaten trainiert werden kann. Diese Komplementarität bildet den technologischen Wettbewerbsvorteil von Skild AI: Der eine Ansatz ermöglicht es Robotern, die physische Welt selbstständig durch Neugier zu erkunden, während der andere ihnen durch die Verarbeitung visueller Daten im Internetmaßstab ein allgemeines Verständnis der Welt verleiht.

2023 beschlossen sie, Skild AI zu gründen und brachten das Unternehmen kurz darauf auf den Markt. Es handelte sich dabei nicht um ein Start-up, das auf schnellen Profit abzielte, sondern um den Versuch, langjährige Forschung und Überlegungen in die Realität umzusetzen. Sie sind überzeugt, dass die Grenzen der vertikalen Integration in der traditionellen Robotik immer deutlicher werden. Roboter sind für spezifische Aufgaben konzipiert, was es schwierig macht, die allgemeinen physikalischen Denk- und Reaktionsfähigkeiten zu entwickeln, die für Roboter in unbekannten Umgebungen erforderlich sind. Sie hoffen, die Datenbarrieren im Bereich der Robotik tatsächlich zu überwinden. Diese Vision hat eine Gruppe von Experten für Robotik und künstliche Intelligenz von führenden Universitäten und Institutionen wie Meta, Tesla, Nvidia, Amazon, Google, der Carnegie Mellon University, der Stanford University, der UC Berkeley und der University of Illinois at Urbana-Champaign zusammengebracht.

Skild Brain überträgt das "fundamentale Modell" in die physische Welt.

Während sich die bisherigen Konzepte mit der Frage befassten, „wie Roboter lernen sollten“, beantwortet das Kernprodukt Skild Brain eine eher ingenieurtechnisch orientierte Frage: Wie kann diese Lernmethode in realen Robotersystemen tatsächlich eingesetzt werden?

Laut Beschreibung im offiziellen technischen Blog von Skild AI handelt es sich bei Skild Brain nicht um ein für eine einzelne Aufgabe oder eine bestimmte Roboterform trainiertes Steuerungsmodell, sondern es versteht sich als allgemeines intelligentes System, das auf verschiedenen Roboterkörpern eingesetzt werden kann. Skild Brain basiert auf einer hierarchischen Architektur, in der eine niederfrequente, übergeordnete Aktionsstrategie für das Verständnis der Umgebungssemantik und die Planung von Zielen zuständig ist und die Eingabe für die hochfrequente, untergeordnete Aktionsstrategie liefert. Die zugrundeliegenden Steuerungsfunktionen werden durch eine vollständig durchgängige Bewegungssteuerung realisiert, die ausschließlich auf Online-Bildgebung und Propriozeption basiert und so einen geschlossenen Regelkreis für die physische Interaktion ermöglicht.

Diese Architektur verleiht Skild Brain letztendlich drei bahnbrechende technologische Merkmale:

* Omni-körperliche, formwandelnde Fähigkeiten:  Herkömmliche Roboteralgorithmen sind oft „maschinenspezifisch“, doch Skild Brain hat bewiesen, dass dasselbe vortrainierte Modell gleichzeitig vierbeinige Roboter, zweibeinige Roboter und sogar Roboterarme steuern kann. Durch das Training mit vielfältigen Robotermorphologiedaten im großen Maßstab kann das System universelle physikalische Gesetze hardwareübergreifend ableiten. Das bedeutet, dass das Modell nicht länger auf bestimmte Motordrehmomente oder Fußstrukturen beschränkt ist, sondern eine Art „universelle kinematische Intuition“ besitzt.

* Datenskalierung für beobachtendes Lernen (Lernen durch Zuschauen): Skild AI umgeht aufwendige menschliche Demonstrationen und ermöglicht es seinen Modellen, sich direkt von Hunderten Millionen Videos menschlicher Aktivitäten im Internet inspirieren zu lassen. Diese Technologie wandelt visuelle Signale in physische Erfahrungen für Roboter um und versetzt sie so in die Lage, ein intuitives Verständnis der physischen Welt zu entwickeln, indem sie beobachten, wie Menschen Türen öffnen und Hindernisse überwinden. Dadurch erreichen sie extrem hohe Generalisierungsfähigkeiten ohne vorheriges Testen.

* Eine Richtlinie für alle Szenarien:  In den Praxistests von Skild AI zeigten mit diesem System ausgestattete Roboter außergewöhnliche Robustheit. Ob auf einem glatten Laborboden, in einem unübersichtlichen Lager oder in einem steinigen, schneebedeckten Wald – Skild Brain konnte seine Haltung mithilfe derselben Strategie in Echtzeit anpassen. Diese Anpassungsfähigkeit an unbekannte Umgebungen ist der Schlüssel dazu, dass Roboter das Labor verlassen und in verschiedenen Branchen eingesetzt werden können.

Abschluss

Skild AI wählte nicht den einfachsten Weg zur Verifizierung, sondern setzte direkt auf „allgemeine Anwendbarkeit“ – das schwierigste und langfristigste Problem im Bereich der Robotik. In einer Phase, in der die Hardware noch nicht finalisiert ist und sich die Anwendungsgrenzen ständig verändern, ist diese Wahl zwar mit hohen Risiken verbunden, bietet aber gleichzeitig unbegrenzte Zukunftsperspektiven. Was Skild AI anstrebt, könnte eine notwendige Voraussetzung für die nächste Entwicklungsstufe der Robotik sein.

Ob universell einsetzbare Roboter tatsächlich Realität werden, bleibt abzuwarten. Sicher ist jedoch, dass sich der Fokus der Branche verschiebt. Lange Zeit drehten sich Diskussionen über Roboter um spezifische Formen, einzelne Anwendungsszenarien oder lokalisierte Leistungen. Nun richten immer mehr Investoren, Forscher und Startups ihr Augenmerk auf eine grundlegendere Frage: Benötigen Roboter eine wirklich universelle und übertragbare intelligente Grundlage?

Quellen:
1.https://www.bloomberg.com/news/articles/2026-01-14/robotics-startup-skild-valued-above-14-billion-after-softbank-led-funding-round?embedded-checkout=true
2.https://www.forbes.com/sites/rashishrivastava/2024/07/09/this-15-billion-ai-company-is-building-a-general-purpose-brain-for-robots
3.https://www.businesswire.com/news/home/20240709306400/en/Skild-AI-Raises-%24300M-Series-A-To-Build-A-Scalable-AI-Foundation-Model-For-Robotics
4.https://www.youtube.com/watch?v=yesita2zN5c