Das Technologie-Start-up Nomadic AI hat am Dienstag eine Finanzierungsrunde in Höhe von 8,4 Millionen US-Dollar erfolgreich abgeschlossen. Mit einer Bewertung von 50 Millionen US-Dollar nach der Finanzierung soll das Unternehmen seine Marktposition in der Datenverarbeitung für autonome Systeme ausbauen. Die Runde wurde von TQ Ventures angeführt, während Pear VC und Jeff Dean als weitere Investoren an Bord kamen. Diese Mittel dienen dazu, weitere Kunden zu gewinnen und die eigene Plattform kontinuierlich zu verfeinern. Nomadic AI wurde von CEO Mustafa Bal und CTO Varun Krishnan gegründet, die sich bereits während ihres Studiums an der Harvard University begegneten. Beide stellten im Laufe ihrer Karriere bei Unternehmen wie Lyft und Snowflake immer wieder fest, dass die Datenmengen autonomer Fahrzeuge die bestehenden Prozesse überfordern. Bis zu 95% der gesammelten Videodaten liegen bei Kunden oft ungenutzt in Archiven. Das Kernproblem besteht darin, dass das Auffinden von seltenen Ereignissen, sogenannten Edge Cases, für menschliche Annotatoren kaum skalierbar ist, obwohl diese Daten für das Training von KI-Modellen essenziell sind. Die von Nomadic entwickelte Plattform nutzt Vision-Language-Modelle, um unstrukturierte Videoaufnahmen in durchsuchbare, strukturierte Datensätze umzuwandeln. Dies ermöglicht es Entwicklern, spezifische Szenarien wie etwa das Fahren unter einer Brücke oder das Folgen von Polizeibefehlen präzise zu identifizieren. Die gewonnenen Erkenntnisse können direkt in Trainingspipelines eingespeist werden, was die Iterationsgeschwindigkeit bei der Entwicklung autonomer Systeme signifikant erhöht. Zu den ersten Kunden zählen namhafte Firmen wie Zoox, Mitsubishi Electric und Zendar. Antonio Puglielli, VP of Engineering bei Zendar, betonte, dass das Tool die Skalierbarkeit der Projekte im Vergleich zur Auslagerung an Dritte erheblich verbessert hat. Ein entscheidender Unterschied zu herkömmlichen Datenlabeling-Diensten ist der Ansatz des Unternehmens. CTO Varun Krishnan beschreibt die Technologie nicht bloß als automatisches Labeling-Werkzeug, sondern als ein agentic reasoning system. Das System interpretiert Anweisungen und erkennt eigenständig Handlungen und deren Kontext, indem es mehrere Modelle kombiniert. Dies unterscheidet Nomadic von etablierten Anbietern wie Scale oder Kognic sowie von Nvidia, das zwar Open-Source-Modelle bereitstellt, aber keinen spezifischen Dienst für diese Infrastruktur anbietet. Investoren sehen in diesem Fokus auf spezialisierte Infrastruktur den Schlüssel zum Erfolg. Schuster Tanger von TQ Ventures verglich dies mit dem Geschäftserfolg von Salesforce oder Netflix, die ihre eigene Cloud-Infrastruktur oder Content-Distribution nutzen, statt sie selbst zu bauen. Ein Versuch autonomer Fahrzeughersteller, eine solche Lösung intern zu entwickeln, würde deren Kernkompetenz, die Robotik selbst, von der eigentlichen Wertschöpfung ablenken. Das Team hinter Nomadic wird zudem durch die wissenschaftliche Exzellenz seiner Mitglieder gestärkt; der CTO ist internationaler Schachmeister, und die gesamte Ingenieursgruppe hat wissenschaftliche Publikationen vorzuweisen. Nun arbeiten Bal und sein Team an der Weiterentwicklung der Plattform, unter anderem an Modellen, die die Physik von Fahrspurwechseln aus Kamerabildern verstehen oder die Position von Robotergriffen präziser lokalisieren. Die nächste große Herausforderung besteht darin, ähnliche Lösungen für nicht-visuelle Daten wie Lidar-Sensoren zu entwickeln und Daten aus verschiedenen Quellen zu integrieren. Mustafa Bal stellt klar, dass der Umgang mit Terabytes an Videomaterial und das Extrahieren genauer Erkenntnisse aus Modellen mit über 100 Milliarden Parametern eine außerordentlich komplexe Aufgabe bleibt, die Nomadic mit seiner Technologie adressiert.