Li Auto: 95 % der KI-Trainingsdaten fehlen – Auswirkungen auf autonomes Fahren
Die Entwicklung von „Embodied Artificial Intelligence" – KI-Systemen, die in der physischen Welt agieren – erlebt einen fundamentalen Wandel. Standen bisher Hardware und Bewegungsfähigkeiten im Vordergrund, rückt nun die Datenmenge in den Fokus. Entscheidend wird, wer als Erster Millionen von Stunden realer Interaktionsdaten sammelt. Li Auto (理想) investiert massiv in diese Technologie, denn sie ist der Schlüssel zu echtem autonomen Fahren und intelligenten Fertigungsrobotern.
Datenlücke: 95 % fehlen
Branchenexperten schätzen, dass ein leistungsfähiges Embodied-Basismodell zwischen einer Million und zehn Millionen Stunden hochwertiger Realwelt-Daten benötigt. Zum Vergleich: Ein Mensch sammelt bis zum 18. Lebensjahr rund 100.000 Stunden physischer Erfahrung. Die Kluft zwischen Anspruch und Wirklichkeit ist gewaltig: Anfang 2026 liegt der weltweite Bestand an hochwertigen physikalischen Interaktionsdaten bei nur rund 500.000 Stunden – das sind kaum fünf Prozent der benötigten Größenordnung. Für Autonomes Fahren, das im Vergleich noch einfachere Interaktionen abbildet, liegt der Datenbedarf laut Experten um den Faktor 1000 niedriger.
Drei Engpässe: Hardwarekosten, Homogenität, Standardisierung
Die mangelhafte Datenbasis hat mehrere Ursachen:
- Robotermangel: Es fehlt an massenproduzierten Robotern zur Datenerfassung.
- Hohe Kosten: Jeder Einzelroboter ist teuer, besonders bei Haushaltsdatensammlungen.
- Homogenität: Gesammelte Daten sind oft zu ähnlich. „Die Branche leidet unter schlechter Modalitätsqualität und hoher Probenwiederholung", so Zhu Xing, CEO von Ant Robin Technology.
Entscheidend ist nicht nur die Menge, sondern die Qualität und Vielfalt. Fehldaten aus echten Fehlversuchen gelten sogar als wertvoller als reine Erfolgsdaten – ein Ansatz, den auch Entwickler autonomer Fahrfunktionen nutzen.
Neue Ansätze: Simulationsdaten und menschzentrierte Sammlung
Um die Lücke zu schließen, setzt die Branche auf zwei Wege:
- Simulation: Mit synthetischen Daten lassen sich Szenarien tausendfach parallel durchspielen. Die Kluft zwischen simulierter und realer Welt (Sim-to-Real-Gap) bleibt jedoch eine Herausforderung.
- Human-Centric-Datenerfassung (UMI): Unternehmen wie China Mobile und JD.com bauen Netzwerke auf, in denen normale Bürger mit Handschuhen und Kameras ausgestattet werden, um Alltagsdaten zu sammeln. Innerhalb eines Jahres sollen so 100.000 bis 500.000 Stunden Realwelt-Daten zusammenkommen.
Li Auto selbst könnte von solchen Kooperationen profitieren, da der Hersteller seine eigene Roboterabteilung aufbaut und auf Daten für autonomes Fahren angewiesen ist.
Ausblick: Datenökosystem als Wettbewerbsvorteil
In China entstehen aktuell mehrere Datenallianzen – u. a. mit Beteiligung von Li Auto-Konkurrenten wie XPeng und NIO. Ein nationaler Standard für Datensammlung und -nutzung wird bis 2027 erwartet. Wer frühzeitig Zugang zu qualitativ hochwertigen, vielfältigen Daten erhält, wird die Nase im Wettlauf um die nächste Generation von KI und autonomen Systemen vorn haben.
Li Auto ist in Deutschland nicht erhältlich. Der chinesische Hersteller fokussiert sich derzeit auf den Heimatmarkt, hat aber mehrfach signalisiert, dass Technologien aus der Embodied-AI-Entwicklung direkt in künftige Fahrzeuggenerationen einfließen sollen – inklusive verbesserter autonomer Fahrfunktionen. Ein Marktstart in Europa ist nicht terminiert.