Asimovs Wette auf menschliche Daten: Crowdsourcing-Videos trainieren Humanoide; YC-W26-Auffälligkeit

Ein Dateninfrastrukturunternehmen, das ein globales Netzwerk von Mitwirkenden dafür bezahlt, alltägliche menschliche Aufgaben aufzuzeichnen, und die daraus entstehenden Datensätze zum Training humanoider Roboter verkauft.

Humanoide sind datengebunden, nicht hardwaregebunden: Menschen weltweit dafür bezahlen, alltägliche Aufgaben aufzuzeichnen, das Ganze in Trainingsdatensätze verpacken und als Erster die Lieferkette besitzen.

Anshul Verma (Scale AI, Amazon, ML-Forschung in Berkeley) und Lyem Ningthou (Datenpipelines der US Air Force, Gründungsingenieur bei Blume, YC W24) – College-Mitbewohner, die zuvor gemeinsam ein Startup gegründet hatten, das einen sechsstelligen Umsatz erreichte – gründeten Asimov im Winter-2026-Batch von YC. Ihre Wette: Sprachmodelle wurden auf Billionen von Wörtern trainiert und Bildmodelle auf Milliarden von Fotos, doch Roboter fangen bei null an – der Engpass sind vielfältige menschliche Bewegungsdaten aus der realen Welt, und niemand besitzt die Lieferkette.

Asimov ging Mitte März 2026 öffentlich an den Start, kurz vor dem W26 Demo Day, und TechCrunch wählte es als eines der 16 interessantesten unter den rund 190 Unternehmen der Kohorte aus. Laut AC Studio reichten bis Ende März 2026 weltweit mehr als 5.000 Mitwirkende Videos alltäglicher Aufgaben ein, wobei das Unternehmen täglich Tausende Stunden menschlicher Bewegungsdaten an große Robotiklabore lieferte. In seinem YC-Launch-Post vom August 2026 hieß es, die größten Robotiklabore der Welt seien bereits Kunden und Restaurant- und Lagerpartner könnten die Gehälter ihrer Mitarbeiter decken, indem diese während der Arbeit Erfassungskits tragen.

Läuft weiter: Mitwirkendennetzwerk aktiv, Datensätze werden an große Robotiklabore verkauft; Frühphase, dreiköpfiges Team.

Die These ist konträr: Während Kapital Roboterhardware und -modelle jagt, liegt der Engpass vorgelagert – niemand besitzt die vielfältigen Bewegungsdaten aus der realen Welt, aus denen Roboter lernen müssen.

Das Crowdsourcing-Modell verstärkt sich selbst: Mehr Mitwirkende bedeuten mehr Umgebungen und Aufgaben, wodurch der Datensatz selbst für einen Konkurrenten mit Fabrikerfassung schwerer zu replizieren ist.

Die Gründer sind glaubwürdige Operatoren für diesen Keil: Scale AI lehrte Verma Dateninfrastruktur im großen Maßstab, und Ningthou baute Datenpipelines für die USAF und ein früheres Startup auf sechsstelligen Umsatz aus.

Das Angebot übertrifft bereits die Nachfragesignale: über 5.000 Mitwirkende innerhalb von Wochen nach dem Start, täglich Tausende Stunden Datenfluss und große Labore als Kunden laut dem YC-Launch-Post.

Wenn Hardware und Modelle einer Kategorie die Aufmerksamkeit bekommen, ist der unglamouröse Input – die Trainingsdaten – der eigentliche Engpass; Crowdsourcing verwandelt diese Knappheit in eine verteidigungsfähige Lieferkette.

Stand September 2026 betreibt Asimov ein globales Mitwirkendennetzwerk und verkauft Datensätze menschlicher Bewegung an Robotikunternehmen, mit einem dreiköpfigen Team in San Francisco. Sein Launch-Post besagt, die größten Robotiklabore der Welt seien bereits Kunden und es könne sofort im großen Maßstab liefern; es rekrutiert Mitwirkende und Geschäftspartner wie Restaurants und Lager, die Erfassungskits tragen. Die langfristige Wette ist, dass Trainingsdaten für Robotik zu einem Rohstoff-Input mit einer verteidigungsfähigen Lieferkette mit Netzwerkeffekten werden, so wie Common Crawl es für Text wurde – noch früh und unbewiesen.