Weniger als drei Monate nach dem Ende seines Stealth-Modus führt XDOF unter der Leitung von 8VC Gespräche in einer fortgeschrittenen Phase, um bei einer Bewertung von etwa $1.2B eine Series-B-Finanzierung aufzunehmen. Das 2024 von den UC-Berkeley-Forschern Philipp Wu (CEO) und Fred Shentu (CTO) gegründete Unternehmen hatte im Juni eine Series-A-Runde über $70 Millionen bekannt gegeben, an der sich Thrive Capital, Andreessen Horowitz, Lux und Spark Capital beteiligten. Während sich der annualisierte Umsatz von XDOF $50 Millionen nähert, ist weder die Gesamthöhe der neuen Runde noch bekannt, ob die Bewertung die neue Finanzierung bereits einschließt; die Bedingungen der Vereinbarung sind noch nicht endgültig festgelegt.
Das Unternehmen sammelt Teleoperationsdaten aus der realen Welt für das Training von Allzweckrobotern und will die Datenerfassung sowie die Werkzeug- und Labeling-Infrastruktur bereitstellen, die Robotikunternehmen und fortgeschrittene KI-Labore nur schwer selbst aufbauen könnten. Die Grundlage von XDOF bildet das von Wu und Shentu zuvor entwickelte kostengünstige GELLO-System, mit dem Menschen einen Roboterarm aus der Ferne steuern und so Trainingsdaten erzeugen können.
XDOF betrachtet das Fehlen eines umfassenden Trainingsdatensatzes für physische Roboter, wie ihn etwa das Internet bietet, als ein wichtiges Nadelöhr. In Zusammenarbeit mit dem UC Berkeley’s AI Research lab plant das Unternehmen, ABC zu veröffentlichen, nach eigener Einschätzung die bislang größte Sammlung hochwertiger Trainingsdaten für Roboter. Bei der Datenerfassung setzt XDOF neben Teleoperatoren, die Roboter aus der Ferne steuern, auch auf Menschen, die alltägliche Aufgaben wie das Falten von Kleidung und das Glattdrücken von Kartons mithilfe von Sensoren aufzeichnen. XDOF plant, weltweit Teams für die Datenerfassung aufzubauen, und hatte zuvor erklärt, bereits mit 20 Kunden zusammenzuarbeiten, darunter mehrere fortgeschrittene KI-Labore. Mecka AI, Scale AI und Micro1 sind ebenfalls in einem ähnlichen Bereich tätig.
Warum das wichtig ist
Die Bedeutung dieser Entwicklung liegt darin, dass neben der physischen Hardware auch Trainingsdaten als zentraler Engpass beim Fortschritt robotischer Systeme in den Vordergrund rücken. Dass XDOF die durch Teleoperation und Sensoren erhobenen Daten mit Tools und einer Infrastruktur zur Kennzeichnung kombiniert, richtet den Fokus auf das Problem der Datengenerierung, dessen Lösung Robotikunternehmen und fortgeschrittene Labore für künstliche Intelligenz allein nur schwer gelingt. Die in Zusammenarbeit mit Berkeley AI Research lab geplante ABC-Sammlung ist einer der Punkte, die beobachtet werden sollten, um die Bedeutung dieses Ansatzes für Forschungs- und Produktentwicklungsprozesse zu bewerten; die Sammlung wurde jedoch noch nicht veröffentlicht. Die Präsenz von Unternehmen wie Mecka AI, Scale AI und Micro1 zeigt, dass sich auch der Wettbewerb rund um diese Dateninfrastruktur formiert. Die Bedingungen der neuen Runde und die Frage, ob sie die angekündigte Bewertung umfasst, bleiben jedoch offen.
Hintergrund
Series ist im FikirPilot-Archiv kein neuer Name: In den vergangenen 90 Tagen haben wir 3 Nachrichten veröffentlicht, in denen dieser Name erwähnt wurde; die jüngste stammt vom 4. September 2026.