Mecka AI, ein Startup, das menschliche Bewegungsdaten sammelt und analysiert, um humanoide Roboter und andere Maschinen zu trainieren, steht kurz vor einer neuen Finanzierungsrunde unter der Leitung von Sequoia Capital mit einem Wert von etwa 500 Millionen US-Dollar, wie aus einem Bericht von TechCrunch hervorgeht, in dem zwei mit dem Deal vertraute Personen zitiert werden. Die Finanzierung würde nur drei Monate nach der Ankündigung einer 60-Millionen-Dollar-Runde unter der Führung von Framework Ventures erfolgen.

Die genaue Größe der neuen Runde wurde nicht bekannt gegeben, und TechCrunch wies darauf hin, dass die Bedingungen nicht endgültig seien und sich noch ändern könnten. Mecka AI reagierte nicht auf eine Bitte um Stellungnahme und Sequoia lehnte eine Stellungnahme ab. Weitere Informationen zu den Geldern, die in KI-Startups fließen, finden Sie in unserer Startup- und Risikokapitalberichterstattung.

Von Fintech-Gründern zu Robot Data

Mecka AI wurde 2024 von vier Unternehmern mitgegründet: den Kanadiern Josh Gao und Mogen Cheng, die zuvor ein Restaurant-Fintech-Startup aufgebaut hatten; Jason Chong, der nach der Übernahme seiner Krypto-Börse zu Coinbase kam; und Duy Nguyen, der sich auf das operative Geschäft konzentriert. Keiner der vier kommt aus der Robotik – aber sie haben einen Engpass entdeckt, der zu einem der größten Probleme der Branche geworden ist.

Der Name des Unternehmens leitet sich von „Mecha“ ab, dem fiktiven Genre riesiger Roboter, die von Menschen gesteuert werden, und sein Geschäftsmodell folgt der gleichen Logik, die die Daten-Labeling-Giganten der Sprachmodell-Ära aufgebaut hat. Mecka bezahlt Menschen dafür, dass sie sich selbst bei alltäglichen Aufgaben – Kaffee kochen, Autos reparieren – mithilfe von Körpersensoren und Smartphones aufzeichnen und dabei das erfassen, was die Branche „egozentrische“ Daten nennt: reale menschliche Bewegungen aus der Sicht des Darstellers.

Diese Daten werden dann an Robotikunternehmen und KI-Labore verkauft, die allgemeine und humanoide Roboter sowie andere physische Datenerfassungsmethoden wie Teleoperation ausbilden. Tatsächlich versucht Mecka für die Robotik das zu tun, was Scale AI, Mercor, Surge und andere Unternehmen für menschliche Daten für große Sprachmodelle getan haben.

Das Umsatzwachstum erregte die Aufmerksamkeit von Sequoia

Die finanzielle Entwicklung erklärt die Prämienbewertung. Anfang Juni prognostizierte Mecka, dass das Unternehmen Ende 2026 mit einer jährlichen Laufrate von 100 Millionen US-Dollar rechnen würde, sagte Mitbegründer Josh Gao gegenüber Fortune, als das Unternehmen seine vorherige Spendenaktion ankündigte. Für ein im Jahr 2024 gegründetes Unternehmen würde das Erreichen einer neunstelligen Umsatzrendite innerhalb von zwei Jahren – sofern dies erreicht wird – es zu einem der am schnellsten skalierenden Unternehmen in der physischen KI-Lieferkette machen.

Die im Juni angekündigte 60-Millionen-Dollar-Runde wurde von Framework Ventures unter Beteiligung von Menlo Ventures, SV Angel und Kindred Ventures geleitet. Eine von Sequoia angeführte Runde mit etwa dem Achtfachen dieser Bewertung innerhalb von drei Monaten würde einen der steilsten Bewertungsanstiege in der Branche in diesem Jahr bedeuten.

Der Goldrausch der physischen Daten

Mecka ist nicht der Einzige, der darauf setzt, dass reale Daten die knappe Ressource des Robotikzeitalters sind. TechCrunch berichtete letzte Woche, dass XDOF, ein weiteres Startup, das reale Daten für das Robotertraining sammelt, mit einer Bewertung von 1,2 Milliarden US-Dollar vor einer neuen Runde steht. Mittlerweile weiten sich für LLMs entwickelte Humandatenplattformen – darunter Scale AI und Micro1 – über Sprachdaten hinaus auf Sammlungen in der physischen Welt aus.

Der Ansturm spiegelt eine strukturelle Lücke wider: Während Text und Bilder im Internet in nahezu unbegrenzter Menge vorhanden sind, hat niemand die physische Welt in großem Maßstab erfasst. Hersteller humanoider Roboter benötigen Millionen von Stunden Demonstrationen von Menschen, die gewöhnliche Aufgaben ausführen – Wäsche falten, Möbel zusammenbauen, Maschinen bedienen –, um ihren Maschinen Geschicklichkeit, Gleichgewicht und Urteilsvermögen beizubringen. Die Erfassung dieser Daten mit Bewegungssensoren und Kameras ist derzeit eine der wenigen skalierbaren Methoden, weshalb Investoren diese Unternehmen wie Infrastruktur und nicht wie Werkzeuge bewerten. Der egozentrische Ansatz, den Mecka verwendet, hat deutliche Vorteile gegenüber Alternativen. Teleoperation, bei der ein Mensch einen Roboterarm aus der Ferne steuert und die Bewegungen protokolliert, erzeugt Daten, die an die Geometrie eines bestimmten Roboters gebunden sind, was die Wiederverwendung über Hardwaregenerationen hinweg teuer macht. Im Gegensatz dazu ist die Bewegungserfassung durch tragbare Sensoren hardwareunabhängig: Die Aufzeichnung eines Mechanikers, der einen Motor umbaut, ist nützlich, unabhängig davon, ob der Kunde einen Humanoiden, einen Industriearm oder einen Vierbeiner trainiert. Außerdem ist die Skalierung weitaus günstiger, da jeder mit einem Smartphone und einem Sensorkit zum Mitwirkenden werden kann – die gleiche Crowdsourcing-Logik, die es Etikettierungsplattformen ermöglicht hat, über Nacht Arbeitskräfte von Tausenden zusammenzustellen.

Auch die Wirtschaftswissenschaften spiegeln die Ära der Sprachmodelle auf weniger komfortable Weise wider. Datenunternehmen im LLM-Boom stellten fest, dass ihre Kunden – die Labore – auch ihre leistungsfähigsten potenziellen Konkurrenten sind und über die Ressourcen verfügen, eigene Sammlungsarme aufzubauen. Robotiklabore experimentieren bereits mit Simulations- und Video-Learning-Pipelines, um ihre Abhängigkeit von gekauften Demonstrationen zu verringern. Dieses Spannungsverhältnis zwischen wiederkehrender Datennachfrage und Kundendisintermediation wird darüber entscheiden, ob die heutigen Datenbewertungen Bestand haben.

Was Sie sehen sollten

Der Deal wurde noch nicht abgeschlossen und beide Parteien lehnten eine Stellungnahme zu den Akten ab. Aber wenn es in der Nähe der gemeldeten Bedingungen abgeschlossen wird, wird der Robotik-Datensektor in einer einzigen Woche zwei neunstellige Bewertungen erzielt haben, was bestätigt, dass sich der Nachfrageschock von humanoider Hardware – wo Unternehmen wie Figure, Tesla und Unitree konkurrieren – eine Ebene tiefer auf die Daten verlagert hat, die sie trainieren.

Es wirft auch die Frage auf, mit der sich jeder Datenvermittler letztendlich konfrontiert sieht: ob die Labore, die die Daten kaufen, die Vermittler weiterhin bezahlen werden oder ob sie die Datenerfassung intern durchführen, wenn der Markt reifer wird. Derzeit deutet das Geld darauf hin, dass der Engpass real ist und sich verschlimmert – und dass die Anleger bereit sind, für denjenigen zu zahlen, der ihn schließt.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →