XDOF strebt eine Bewertung von 1,2 Mrd. USD an. Das Startup löst den Datenengpass für humanoide Roboter und verändert die KI-Infrastruktur grundlegend.

In der Welt der künstlichen Intelligenz ist ein Grundsatz mittlerweile allgemeingültig: Die Qualität des Modells hängt direkt von der Qualität der Daten ab. Während Large Language Models (LLMs) das Internet als Trainingsgrundlage nutzen konnten, steht die physische Robotik vor einem massiven Problem. Es gibt schlichtweg nicht genug hochwertige, reale Daten darüber, wie ein Roboterarm eine Tür öffnet oder ein Objekt präzise greift. Hier setzt XDOF an, ein Unternehmen, das innerhalb kürzester Zeit zu einem der meistbeachteten Akteure im Bereich der Embodied AI aufgestiegen ist.

Ein Milliarden-Unicorn in Rekordzeit

Nur drei Monate nachdem das in San Mateo ansässige Startup aus dem Stealth-Modus getreten ist, befinden sich die Gründer bereits in fortgeschrittenen Gesprächen über eine Series-B-Finanzierungsrunde. Berichten zufolge wird eine Bewertung von etwa 1,2 Milliarden USD angestrebt, wobei die Investmentfirma 8VC die Runde anführen soll. Dieser steile Aufstieg ist bemerkenswert, da XDOF erst im Juni 2026 eine Series-A-Runde in Höhe von 70 Millionen USD abgeschlossen hatte, an der namhafte VCs wie Thrive Capital, Andreessen Horowitz, Lux und Spark Capital beteiligt waren.

Ursprünglich war keine so schnelle Anschlussfinanzierung geplant. Doch die Marktdynamik zwang das Unternehmen zur Anpassung. Mit einem annualisierten Umsatz, der sich der Marke von 50 Millionen USD nähert, ist XDOF für Investoren zu einem attraktiven Ziel geworden. Das Startup beweist damit, dass der Bedarf an spezialisierter Dateninfrastruktur für die Robotik derzeit eine der größten kommerziellen Lücken im KI-Ökosystem darstellt.

Die Lösung des Daten-Flasenhalses

Die Gründer Philipp Wu und Fred Shentu, beide Forscher an der UC Berkeley, identifizierten während ihrer akademischen Laufbahn ein zentrales Hindernis: den Mangel an großflächigen Datensätzen für die Robotik. Um dieses Problem zu lösen, entwickelten sie GELLO, ein kostengünstiges Teleoperations-System. Dieses System erlaubt es einem menschlichen Operator, einen Roboterarm aus der Ferne zu steuern. Die dabei entstehenden Bewegungsdaten werden aufgezeichnet und dienen als Trainingsmaterial für die KI.

XDOF positioniert sich im Grunde als der Scale AI der Robotik-Branche. Anstatt dass jedes Robotik-Unternehmen oder jedes KI-Labor eigene Pipelines zur Datenerfassung und Annotation aufbauen muss, bietet XDOF diese Infrastruktur als Outsourcing-Dienstleistung an. Das Unternehmen stellt die Werkzeuge, die Pipelines und die Systeme zur Datenannotation bereit, die für die Entwicklung von General-Purpose-Robotern unerlässlich sind.

Strategische Architektur und die Daten-Pyramide

Das Geschäftsmodell von XDOF stützt sich auf eine sogenannte Daten-Pyramide. Diese Struktur dient dazu, die Komplexität der physischen Interaktion in verwertbare Informationseinheiten zu zerlegen. Aktuell beschäftigt das Unternehmen etwa 60 Mitarbeiter und bedient rund 20 Kunden, bei denen es sich primär um führende KI-Labore und Robotik-Firmen handelt.

Ein wichtiger Pfeiler der Unternehmensstrategie ist zudem die Open-Source-Community. In Zusammenarbeit mit dem MIT und der UC Berkeley hat XDOF den Datensatz ABC-130K veröffentlicht. Mit 130.000 Trajektorien für bimanuale Roboter-Manipulationen gilt dieser als einer der größten offenen Datensätze seiner Art. Durch die Bereitstellung solcher Grundlagen schafft XDOF nicht nur einen Industriestandard, sondern positioniert sich gleichzeitig als zentraler Knotenpunkt im Wissensfluss der Robotik.

Die Fähigkeit, hochwertige Teleoperations-Daten in großem Maßstab zu generieren, ist der entscheidende Hebel, um Roboter aus der starren Programmierung in die flexible, lernfähige Autonomie zu führen.

Skalierung durch globale Datenerfassung

Um die Bewertung von 1,2 Milliarden USD zu rechtfertigen und die Ambitionen für die Zukunft zu erreichen, plant XDOF eine massive Expansion seiner Belegschaft im Bereich der Datensammlung. Das Ziel ist der Aufbau eines globalen Netzwerks von Datenkollektoren. Da die physische Welt vielfältig ist, benötigt die KI Beispiele aus unterschiedlichsten Umgebungen und Kontexten, um wirklich generalisierbar zu werden.

Die Herausforderung besteht darin, dass Robotik-Daten im Gegensatz zu Text- oder Bilddaten nicht einfach aus dem Web gescrapt werden können. Jede einzelne Bewegung muss physisch ausgeführt und präzise aufgezeichnet werden. XDOF investiert daher massiv in die Full-Stack-Tooling-Kette, um diesen Prozess so effizient wie möglich zu gestalten und die Kosten pro generiertem Datenpunkt zu senken.

Implikationen für den DACH-Markt und den Mittelstand

Für Unternehmen in Deutschland, Österreich und der Schweiz, insbesondere im Bereich des Maschinenbaus und der Automatisierung, ist die Entwicklung von XDOF ein wichtiges Signal. Die DACH-Region ist weltweit führend in der Hardware-Präzision und der industriellen Robotik, hinkt jedoch oft bei der Software-Infrastruktur und der KI-Integration hinterher. Die Verfügbarkeit von spezialisierten Daten-Lieferketten könnte hier den entscheidenden Wendepunkt markieren.

Im Kontext von Industrie 4.0 bedeutet dies, dass der deutsche Mittelstand nicht mehr zwingend eigene, gigantische Datensätze aufbauen muss, um KI-gestützte Roboter in die Produktion zu integrieren. Die Möglichkeit, auf standardisierte, hochwertige Trainingsdaten zuzugreifen, senkt die Eintrittsbarrieren für kleinere Unternehmen erheblich. Es verschiebt den Wettbewerbsvorteil weg von der reinen Datenbesitz-Strategie hin zur Fähigkeit, diese Daten effizient in spezifische industrielle Anwendungen zu übersetzen.

Gleichzeitig bringt die Nutzung solcher US-basierten Daten-Infrastrukturen regulatorische Fragen mit sich. Der EU AI Act stellt strenge Anforderungen an die Transparenz und Qualität der Trainingsdaten. Unternehmen in der DACH-Region müssen sicherstellen, dass die von Drittanbietern wie XDOF bezogenen Daten den europäischen Compliance-Standards entsprechen, insbesondere wenn die Roboter in sicherheitskritischen Bereichen eingesetzt werden. Dennoch überwiegt die Chance: Die Demokratisierung von Robotik-Daten könnte die nächste Welle der Produktivitätssteigerung im europäischen verarbeitenden Gewerbe auslösen, indem sie den Weg von spezialisierten Industrierobotern hin zu flexiblen, lernfähigen Systemen ebnet.

Häufige Fragen

---

Quellen: TechCrunch, Cryptobriefing, Robottoday ·