Die Entwicklung von physischer künstlicher Intelligenz stößt zunehmend an die Grenzen des verfügbaren Trainingsdatensatzes. Im Gegensatz zu sprachbasierten Modellen, die auf im Internet verfügbaren Texten basieren, mangelt es humanoiden Robotern und Lagerautomatisierungssystemen an hochwertigen realweltlichen Aufzeichnungen. Als Reaktion darauf hat sich das kalifornische Unternehmen Encord in San Leandro auf die gezielte Herstellung solcher Trainingsdaten spezialisiert. In einer aktuellen Pilotinitiative arbeitet das Startup mit der deutschen Neurotechnologie-Firma Zander Labs zusammen, um Gehirnwellen und Muskelaktivität während manueller Roboteraufgaben zu erfassen. Die Versuchspersonen, von Encord als Piloten bezeichnet, führen unter anderem präzise Greifaufgaben wie das Stabilisieren von Türmen aus Holzblöcken oder das Einstecken von Ethernet-Kabeln aus. Bei diesen Prozessen erfassen Kopfhörer der Firma Zander Labs Hirnströme, um kognitive Zustände wie Fehlererkennung, Absicht oder Überraschung zu messen. Parallel dazu werden armbasierte Sensoren eingesetzt, um elektrische Signale in den Muskeln zu detektieren und daraus eine präzise 3D-Darstellung der Handposition zu generieren. Diese multimodalen Datenströme werden mit detaillierten physischen Beschreibungen annotiert, was nach Angaben von Vineeth Velmurugan, Leiter des Robot Learning Teams bei Encord, hundertmal wertvoller für das Training spezifischer Manipulationsmodelle ist als herkömmliche Egocentric-Videoaufzeichnungen. Der Ansatz adressiert ein fundamentales Problem der Branche: Während Large Language Models mit dem Abruf massiver, kostenloser Datensätze trainiert wurden, müssen physische Trainingsdaten mühsam generiert und annotiert werden. Velmurugan schätzt, dass zur Überwindung aktueller Limitierungen bei der robotischen Manipulation ein Datensatz erforderlich ist, der das fünffache Volumen von YouTubes Videoarchiv umfasst. Da sich solche Mengen nicht durch einfaches Scraping gewinnen lassen, hat sich die Datenproduktion zu einem eigenständigen Wirtschaftszweig entwickelt. Encord positioniert sich dabei als zentraler Dienstleister für mehrere führende Robotikfirmen und nutzt seinen Standort sowohl für die Sammlung globaler Fabrikdaten als auch für die Erforschung neuer Modalitäten. Die aktuelle Zusammenarbeit mit Zander Labs dient zunächst der Validierung. Sobald die Gehirnwellen-Daten in Modellschleifen getestet und ihre Effektivität bei der Verbesserung der Modellleistung nachgewiesen ist, soll die Infrastruktur skaliert werden. Lucas Gehrke von Zander Labs verweist darauf, dass der gemessene Aktivitätsgrad während einer Aufgabe den Entwicklern Hinweise darauf gibt, wann hochkomplexe Modelle eingesetzt werden müssen. Trotz der hohen Produktionskosten zeigt sich die Branche zunehmend bereit, in hochwertige Daten zu investieren. Mit dieser Strategie versuchen sowohl Startups als auch etablierte Labore, den Engpass bei der Entwicklung autonomer, physisch agierender KI-Systeme zu durchbrechen.