DexForce nennt 10 Billionen Datenproben: Reale Erfassung stößt an Grenzen
Veröffentlicht am: 15.10.2026 um 14:39 Uhr | Redaktion boerse-global.de
Die Entwicklung physischer künstlicher Intelligenz stützt sich branchenweit zunehmend auf ein duales Fundament: großflächig von Menschen aufgezeichnete Aufgaben-Daten aus der realen Welt und computergenerierte synthetische Umgebungen.
Um humanoide Maschinen und Fabrikroboter auf komplexe Bewegungsabläufe vorzubereiten, greifen Technologieunternehmen weltweit auf reale Bewegungsdaten zurück. Diese Entwicklung treibt eine globale Expansion neuer Arbeitsmärkte voran, wirft jedoch gleichzeitig Fragen zu Arbeitsbedingungen und Datenschutz auf.
Globale Datenerfassung zwischen Niedriglohn und Facharbeit
Der Einsatz menschlicher Datensammler erstreckt sich mittlerweile über mehr als 30 Länder. Ziel der Initiativen ist es primär, Fabrikroboter anzulernen, um dem Arbeitskräftemangel in Europa und den USA zu begegnen.
Die Entlohnung variiert je nach Region und Aufwand erheblich: Unternehmen zahlen Arbeitern zwischen 1 und 10 US-Dollar pro Stunde, wobei die Vergütung laut Unternehmensangaben von CEO Raj Patel je nach Störung durch die Erfassungsgeräte teils deutlich höher liegen könne.
In den USA vergütet HUMXN Research Labs im Rahmen eines 50-Millionen-Dollar-Programms genehmigte Aufnahmen von Baustellen via Wearable-Kameras mit 20 US-Dollar pro Stunde. In Australien zahlt das Start-up OpenTraining.AI einem Elektro-Lehrling zusätzlich 3 Australische Dollar pro Stunde für das Tragen von Smart-Glasses auf Baustellen.
Der technologische Umbruch durch Robotik und KI verändert die globale Industrie grundlegend und schafft völlig neue Marktverhältnisse. Erfahren Sie in diesem kostenlosen Report, welche Unternehmen von den massiven Investitionen in die nächste industrielle Revolution besonders profitieren. Robotik und KI: So erkennen Sie die Profiteure der neuen Industrieära
Gleichzeitig verlagern sich repetitive Aufgaben zunehmend nach Asien. Südasien etabliert sich dank bestehender Outsourcing-Kapazitäten als wichtiger Lieferant von Videomaterial für Imitation Learning und Vision-Language-Action-Systeme.
In China ist das Berufsbild des Roboter-Trainers entstanden: Arbeiter erfassen dort alltägliche Handgriffe wie das Falten von Kleidung oder Öffnen von Flaschen bei einem Monatslohn zwischen 4.000 und 6.000 Yuan, was rund 840 US-Dollar entspricht. Im August stattete das Unternehmen Paixian AI Straßenreiniger in Shenzhen mit Datenerfassungsgeräten aus.
Kritik an Arbeitsbedingungen und rechtliche Grauzonen
Die wachsende Branche gerät zunehmend in den Fokus von Arbeitsforschern. Mark Graham vom Oxford Internet Institute verweist auf sinkende Löhne, eine geringe Verhandlungsmacht der Arbeiter sowie mangelnde Aufklärung über die Verwendung der Daten.
Auch der rechtliche Rahmen bleibt heterogen: Während Unternehmen wie Mecka und Human Archive keine Angaben zur Einwilligung machten, betont das Unternehmen Shift die Freiwilligkeit der Teilnahme und holt explizite Zustimmungen ein. Branchenbeobachter verweisen insbesondere in Südasien auf offene Fragen bezüglich der Rechte am gefilmten Material sowie einer fairen Wertbeteiligung.
Während die Industrie 4.0 rasant voranschreitet, stellt sich für viele die Frage, welche Akteure hinter diesem gewaltigen technologischen Wandel stehen. Dieser Report bietet eine fundierte Analyse der Firmen, die den größten Umbruch der modernen Industrie aktiv vorantreiben. Welche Firmen treiben die industrielle Revolution 2026 wirklich voran?
Synthetische Daten als Alternative zur physischen Erfassung
Da die rein physische Datensammlung an logistische Grenzen stößt, setzen Entwickler parallel auf synthetische Simulationswelten. DexForce-CEO Jia Kui bezifferte den Bedarf für eine rein reale Datensammlung zur Realisierung physischer AGI auf rund 10 Billionen Datenproben, weshalb das Unternehmen auf virtuelle Umgebungen setzt.
Auch Konzerne wie NVIDIA mit den Cosmos-Modellen, Hesai mit der 3D-Plattform Kosmo sowie Neura Robotics und Google mit Real2Sim-Verfahren kombinieren Sensordaten mit synthetischen Welten, um Modelle effizienter zu trainieren und den Aufwand in der realen Datenerfassung zu reduzieren.
