Die Hand weiss mehr als das Modell
Tesla bezahlte Leute fürs Gehen in Motion-Capture-Anzügen. Robotern fehlen Daten darüber, wie geübte Hände arbeiten, weil es nie jemand aufgeschrieben hat.

Tesla hat Leute dafür bezahlt, zu gehen. Die Stelle, im August 2024 in Palo Alto ausgeschrieben, hiess «Data Collection Operator». Die Arbeit bestand darin, einen Motion-Capture-Anzug und eine Virtual-Reality-Brille anzuziehen und mehr als sieben Stunden am Tag zu gehen, mit bis zu 30 Pfund Ausrüstung, knapp 14 Kilogramm. Der Lohn lag zwischen 25,25 und 48 Dollar pro Stunde. Bewerber mussten ungefähr so gross sein wie der Roboter, für den sie gingen.
Tesla entwirft den Roboter, die Motoren und die Chips selbst. Was die Firma nicht herstellen konnte, war ein gehender Mensch. Berichte über humanoide Roboter drehen sich um Hardware und Modellgrösse, doch knapper sind in der Branche die Daten, vor allem über das Können arbeitender Menschen, das nie jemand aufgeschrieben hat.
Implizites Wissen hat kein Archiv
Sprachmodelle hatten es leicht. Die Menschen haben alles aufgeschrieben und dann ins Netz gestellt. Ken Goldberg, Robotiker in Berkeley, rechnet vor, dass ein einzelner Mensch etwa 100’000 Jahre bräuchte, um die Daten zu lesen oder anzusehen, mit denen die heutigen grossen Modelle trainiert werden. Als er im August 2025 in Science Robotics schrieb, lag der grösste bekannte Datensatz für Roboter in der Grössenordnung von einem Jahr.
Mit Geld lässt sich diese Lücke nicht schliessen. Das Internet ist ein Protokoll dessen, was Menschen sagen konnten. Wie eine Köchin das Messer hält oder ein Uhrmacher ein Rad einsetzt, hat niemand aufgeschrieben, weil es niemand konnte. Fragt man die Köchin, zeigt sie es einem. Das dauert Jahre.
Michael Polanyi, ein physikalischer Chemiker, der zum Philosophen wurde, nannte diese Art von Wissen implizit. In seinem Buch «Implizites Wissen», 1966 erschienen, ging er von dem aus, was er die Tatsache nannte, «dass wir mehr wissen, als wir zu sagen wissen». Sein Beispiel war das menschliche Gesicht, das man unter einer Million wiedererkennt, ohne sagen zu können, wie. 2014 nannte der Ökonom David Autor die Folge das Polanyi-Paradoxon: Einer Maschine lassen sich die Regeln für eine Aufgabe nicht übergeben, deren Regeln niemand formulieren kann. Er nannte auch einen Ausweg, nämlich Maschinen zu bauen, die aus menschlichen Beispielen lernen.

Die Grenzen des Sagens kenne ich von innen, denn die Bedienungsanleitung war einmal mein Handwerk. Eine Anleitung ist der ernsthafteste Versuch der Industrie, in Worte zu fassen, was eine Hand tun muss, und sie kann höchstens sagen, welchen Knopf man drücken soll.
Eine Kapselmaschine geht den anderen Weg. Sie schafft das Können ab, und eine Kapsel und ein Knopf ersetzen den Barista. Ein Roboter in einer Küche oder Werkstatt hat diesen Ausweg nicht. Er muss sich das Können aneignen, und ein Können, das sich nicht sagen lässt, kann man nur zeigen.
Was Simulatoren nicht spüren
Zwei Abkürzungen stehen bereit. Ein Simulator erzeugt Übung schneller als jede Werkstatt und hat Robotern das Rennen und den Rückwärtssalto beigebracht. Auf YouTube liegen nach Goldbergs Zählung rund 35’000 Jahre Video. Mit beidem zusammen könnte eine Firma eine Million Küchen erfinden, den Rest bei dem borgen, was das Internet schon gefilmt hat, und nie einen Koch bezahlen.
Keine der beiden reicht bis zur Hand. Goldberg, der kein Feind seines eigenen Fachs ist, nennt Simulation für die Manipulation von Objekten durch Roboter «notorisch unzuverlässig». Präzise Bewegungen von Hand und Objekt aus Videos zu rekonstruieren, sei, so Goldberg, «eine grosse Herausforderung für das maschinelle Sehen, deren Lösung in absehbarer Zeit nicht zu erwarten ist».
Können steckt im Kontakt, im Druck der Finger und im Nachgeben einer Zwiebel unter der Klinge. Ein Simulator muss diese Kräfte erraten, und eine Kamera auf der anderen Seite des Raums hat sie nie gesehen. Ein Video von einer Köchin beweist nur, dass die Zwiebel gehackt wurde.

Man sehe sich an, wofür die Firmen tatsächlich bezahlen. Tesla gab seinen Gehern einen Anzug, und niemand bat sie zu erklären, wie sie gehen. Viele Firmen, so Goldberg, bauen Flotten aus Robotern und Menschen auf, um Daten per Fernsteuerung zu sammeln: Ein Mensch steuert die Maschine durch eine Aufgabe wie das Falten eines Handtuchs, immer und immer wieder. Eine Branche, die beliebig viel Rechenleistung kaufen kann, stellt Geher und Handtuchfalter ein.
Die Vergangenheit der Arbeit
Die Köchin und der Polymechaniker werden meist unter der Vergangenheit der Arbeit abgelegt, als die Leute, auf die es die Automatisierung abgesehen hat. Jeder Roboter, der mit seinen Händen nützliche Arbeit leistet, wird es können, weil einer von ihnen es zuerst getan hat und jemand daran dachte, aufzuzeichnen, wie. Diese Aufzeichnung muss an der Werkbank und am Herd entstehen, durch die Leute, die dort arbeiten, und Archaí Physics, eine Firma, die ich mitgegründet habe, baut die Instrumente dafür.
Die Aufzeichnung verändert auch, was als knapp gilt. Chips lassen sich bestellen und Modelle kopieren. Ein Uhrmacher mit Jahrzehnten an der Werkbank ist schwerer zu finden, und die Zeichnung eines Uhrwerks, die jedes Teil festlegt, sagt nichts über den Druck, der ein Rad an seinen Platz bringt.
Rea Stark ist Industriedesigner und Gründer in Zürich. Er hat für Sony und Nespresso entworfen, Piëch Automotive und Archaí Physics mitgegründet und arbeitet daran, wie Maschinen die physische Welt wahrnehmen und handhaben. Über Rea Stark
Die Bilder in diesem Essay sind mit KI erzeugt.