Rhoda AI tritt mit 450 Millionen Dollar an die Öffentlichkeit und will Fabrikroboter mit einem an Internetvideos trainierten Modell steuern

Rhoda AI, ein Start-up aus Palo Alto, das Robotern Aufgaben beibringt, indem es sie Videos vorhersagen lässt, hat am 10. März 2026 seine Tarnung aufgegeben und eine Series A über 450 Millionen Dollar bekanntgegeben. Das Geld soll in Forschung und Entwicklung, in weitere Industrieeinsätze und Kundenpiloten sowie in den Ausbau des Teams fließen.

Beteiligt sind laut Mitteilung Capricorn Investment Group, Khosla Ventures, Leitmotif, Matter Venture Partners, Mayfield, Premji Invest, Prelude Ventures, Temasek und Xora sowie Privatinvestoren wie John Doerr. Einen Lead-Investor und eine Bewertung nannte das Unternehmen nicht. Vor dem Start habe es 18 Monate im Verborgenen gearbeitet.

Was Rhoda gebaut hat

Das Kernmodell heißt Direct Video Action (DVA), die darauf aufbauende Produktschicht FutureVision. Laut Mitteilung ist FutureVision das Basismodell, das Rhodas Systeme heute antreibt. Vortrainiert wird mit Videos im Internetmaßstab; der Investor Mayfield bezifferte den Bestand am Tag der Bekanntgabe auf Hunderte Millionen Videos. Im Betrieb sagt das Modell voraus, wie sich die Szene vor dem Roboter entwickeln soll, übersetzt diese Vorhersage in Motorbefehle und wiederholt den Zyklus alle paar hundert Millisekunden im geschlossenen Regelkreis.

Ein am selben Tag veröffentlichter Fachbeitrag mit dem Titel 'Causal Video Models Are Data-Efficient Robot Policy Learners' beschreibt die Architektur genauer. Ein kausales Videomodell sagt künftige Bilder aus dem Videoverlauf, den Gelenkdaten des Roboters und einer Sprachanweisung voraus. Ein separates inverses Dynamikmodell berechnet dann, welche Bewegungen diese Bilder erzeugen würden. Dafür braucht es nach Firmenangaben rund zehn Stunden robotespezifischer Daten, trainierbar auch mit Zufallsbewegungen. Ein Verfahren namens Leapfrog Inference berechnet die nächste Vorhersage, während der Roboter noch die aktuelle ausführt, und verdeckt so die Rechenlatenz.

Statt Benchmarkwerten nennt der Beitrag lange autonome Läufe. Eine Umfüllaufgabe, gelernt aus elf Stunden Roboterdaten, lief anderthalb Stunden ohne Unterbrechung; das Zerlegen von Behältern, trainiert mit 17 Stunden Daten, lief 160 Minuten. Das Nachtraining für eine neue Aufgabe erfordert laut Beitrag zehn bis 20 Stunden Aufgabendaten, laut Mitteilung reichen für manche Aufgaben bereits zehn Stunden Teleoperation. Erfolgsquoten oder direkte Vergleiche mit anderen Robotermodellen veröffentlichte Rhoda nicht.

Als kommerziellen Beleg führt die Mitteilung eine Bewertung in der Großserienfertigung an, bei der das System einen Bauteilprozess autonom in weniger als zwei Minuten pro Zyklus erledigte und damit die Leistungsziele des Kunden übertraf. Der Kunde blieb ungenannt. Die Website nennt Automobilbau, Fertigung, Logistik und E-Commerce als Zielbranchen, zeigt Retourenbearbeitung, das Umfüllen von Lagern und das Zerlegen von Behältern und beschreibt einen Roboter auf Rädern mit eigenen Aktoren, 25 Kilogramm Nennlast, 40 Kilogramm Spitzenlast und einer Bremse in jedem Aktor.

Die Köpfe

Vorstandschef Jagdeep Singh hat den Feststoffbatterie-Entwickler QuantumScape mitgegründet und bis zum 15. Februar 2024 geführt; dann übergab er laut QuantumScape an Siva Sivaram und blieb Verwaltungsratschef. Mayfield zufolge hat Singh inzwischen sieben Unternehmen aufgebaut. Wissenschaftschef Eric Ryan Chan forscht in Stanford zu Computer Vision und generativen Modellen und hat zuvor bei World Labs generative Modelle entworfen; auch Gordon Wetzstein, Professor in Stanford und Leiter des Computational Imaging Lab, gehört laut Mitteilung zum Team. Singh erklärte, die nächste Ära der Robotik brauche Modelle, die verstehen, wie sich die Welt bewegt; Aussehen oder sprachliche Beschreibung allein reichten nicht.

Wettbewerb

Die Runde fiel in das bislang finanzierungsstärkste Quartal für US-Roboter-KI. Skild AI sammelte am 14. Januar in einer von SoftBank geführten Series C 1,4 Milliarden Dollar bei einer Bewertung von mehr als 14 Milliarden Dollar ein, die Rivian-Ausgründung Mind Robotics einen Tag nach Rhodas Start 500 Millionen Dollar und Sunday am 12. März 165 Millionen Dollar, jeweils nach Unternehmensangaben. Physical Intelligence schloss im November 2025 eine von CapitalG geführte Series B ab. Die meisten dieser Firmen entwickeln Vision-Language-Action-Modelle (VLA), die einem mit Bildern und Text vortrainierten Netz eine Aktionsausgabe anhängen. Rhoda erklärt auf seiner Website, DVA generalisiere dort, wo klassische VLA-Ansätze scheitern.

Warum Video statt Sprache

Der Engpass beim Roboterlernen sind Daten. Teleoperierte Vorführungen, bei denen ein Mensch den Roboter durch eine Aufgabe steuert, sind langsam und teuer. Internetvideos gibt es in Massen, und sie zeigen, wie sich Hände, Werkzeuge und Gegenstände unter Schwerkraft und Kontakt verhalten. Ein Modell, das das nächste Bild vorhersagen kann, erwirbt ein grobes physikalisches Verständnis. Rhoda setzt darauf, dass dieses Vorwissen die Roboterdaten je Aufgabe auf wenige Arbeitstage Teleoperation drückt. Der Preis ist Rechenleistung, denn Videobilder zu erzeugen ist aufwendiger als eine kurze Aktionsfolge auszugeben.

Was das für Europa bedeutet

Für Europas Automobilindustrie und den Mittelstand ist die Rüstzeit neuer Automatisierung oft der eigentliche Kostentreiber, weil Varianten wechseln und Stückzahlen klein sind. Ein Modell, das eine neue Aufgabe mit zehn bis 20 Stunden Daten lernt, würde die Inbetriebnahme verkürzen und Systemintegratoren unter Druck setzen, deren Geschäft auf aufwendiger Programmierung beruht. Europäische Anbieter wie RobCo und Neura Robotics in München oder Genesis AI in Paris konkurrieren um dieselben Fabrikpiloten. Die Frage für Europa ist, ob es bei Robotermodellen eigene Basistechnik aufbaut oder US-Modelle auf europäische Hardware setzt.

Risiken

Rhoda hat lange Läufe bei wenigen Aufgaben gezeigt, keine Zuverlässigkeitsstatistik einer Flotte. Ohne Erfolgsquoten, Eingriffe pro Stunde oder VLA-Vergleiche lässt sich der Beitrag des Videovorwissens nicht messen. Der Kunde der Fertigungsbewertung ist anonym, der Hardwarehersteller ungenannt. Mayfield spricht von Arbeit als Dienstleistung und schreibt, 1.000 eingesetzte Einheiten brächten rund 100 Millionen Dollar wiederkehrenden Jahresumsatz. Das entspricht etwa 100.000 Dollar je Roboter und Jahr, ein Preis, der unter den Vollkosten der ersetzten Schichten liegen muss.

Ausblick

Am 10. September 2026 legte Rhoda einen Forschungsbeitrag zur Frage nach, ob mehr Web-Video-Vortraining echten Robotern bei echter Arbeit hilft. Ein erster namentlich genannter Serienkunde, veröffentlichte Eingriffsraten und der Preis einer Einheit sind die Daten, die aus der Finanzierung ein Geschäft machen würden.