Das Daten-Schwungrad (Data Flywheel) ist eine geschäftlich-technische Schleife, die sich selbst verstärkt. Das Prinzip: Je mehr Roboter im Einsatz sind, desto mehr reale Daten über Aufgaben sammeln sie; aus diesen Daten wird ein besseres Modell trainiert; das bessere Modell macht die Roboter leistungsfähiger und zuverlässiger; leistungsfähigere Roboter werden häufiger eingesetzt und verkauft; und der breitere Einsatz erzeugt noch mehr Daten. Sobald sich das Rad einmal zu drehen beginnt, gewinnt es von selbst an Schwung, und die Konkurrenz holt es nur schwer ein — deshalb spricht man von einem „Schwungrad”.
In der Robotik ist dieses Konzept besonders wichtig, denn die größte Bremse des Fortschritts ist der Datenmangel. Von Roboterdaten gibt es um Größenordnungen weniger als von Text oder Video im Internet, und zudem sind sie schwer zu sammeln — jedes Beispiel erfordert die physische Ausführung einer Aufgabe, oft per Teleoperation. Wer günstig und in großem Maßstab hochwertige Daten aus dem realen Einsatz sammeln kann, erhält den Rohstoff für das Imitationslernen und den Aufbau leistungsfähigerer Foundation-Modelle.
Genau deshalb drängen viele Hersteller darauf, Roboter in reale Pilotprojekte zu bringen, selbst wenn sie noch nicht perfekt sind — das Ziel ist, das Schwungrad früher in Schwung zu bringen als die Konkurrenz. Tesla profitiert von seiner Erfahrung mit der Flottenerfassung von Daten aus Autos, Figure und 1X bauen ihre Strategien um eine wachsende Zahl eingesetzter Einheiten herum, und Digit sammelt Daten aus realen Lagern.
Das Schwungrad ist zugleich ein häufig verwendetes Schlagwort in Investorenpräsentationen, weshalb Nüchternheit angebracht ist. Der echte Vorteil entsteht nicht aus der Menge der Rohdaten, sondern aus hochwertigen, vielfältigen und gut beschrifteten Daten — und daraus, ob ein Unternehmen die Schleife wirklich schließen kann und sie nicht nur auf eine Folie zeichnet.