Roboter erobern das Wohnzimmer

Goldesel Kompakt

Das Wichtigste in Kürze

1. 01Sprung im Test: Das Index-Pretraining erhöhte die Zero-Shot-Erfolgsrate von 9 Prozent auf 56 Prozent.
2. 02Drei Haushaltsaufgaben: Helix 2.5 räumte Wohnzimmer auf, faltete Handtücher und machte Betten in 30 ungesehenen Wohnungen.
3. 03Hoher Rechenbedarf: Figure hat 3,5 Milliarden US-Dollar an Compute-Ressourcen für das Training von Helix zugesagt.

Von 9 auf 56 Prozent in 30 Wohnungen

Figure AI hat am 17. September 2026 Helix 2.5 vorgestellt. Das neuronale Netzwerk wurde auf dem menschlichen Verhaltensdatensatz Index vortrainiert. Für den Test schickte das Unternehmen humanoide Roboter in 30 zuvor ungesehene Wohnungen in der San Francisco Bay Area. Dort sollte Helix 2.5 ohne Anpassung an die jeweilige Umgebung arbeiten. Die Details stehen in der Ankündigung zu Helix 2.5.

Das Index-Pretraining erhöhte die Zero-Shot-Erfolgsrate von 9 Prozent auf 56 Prozent. Das sind 47 Prozentpunkte mehr und rechnerisch etwas mehr als das Sechsfache des Ergebnisses eines von Grund auf trainierten Modells. Für den Vergleich blieben die aufgabenspezifischen Daten gleich. Der Unterschied lag im vorherigen Training mit Index.

Geprüft wurden drei Aufgaben, die den gesamten Körper einbeziehen: Wohnzimmer aufräumen, Handtücher falten und Betten machen. Helix 2.5 musste sich dabei in unbekannten Räumen bewegen und die jeweilige Aufgabe ohne vorherige Anpassung an die Wohnung ausführen. Figure beschreibt das Ergebnis bewusst als Zwischenschritt.

The point is not that general humanoid robotics is solved.

Figure AI, Helix-2.5-Ankündigung

Die Erfolgsquote von 56 Prozent zeigt damit keinen vollständig gelösten Haushaltseinsatz. Sie liefert aber einen messbaren Vergleich dafür, wie stark das Vortraining auf menschlichen Verhaltensdaten die Übertragung auf neue Räume verbessert hat.

Das beeindruckende Video

Figure has introduced their new humanoid robot neural network called Helix 2.5, which the company says is capable of entering homes it has never seen before and immediately performing complex tasks with zero additional training.

Figure says it tested its humanoid across 30… https://t.co/wJvhtYg40L pic.twitter.com/X5zfoHKVtk

— Sawyer Merritt (@SawyerMerritt) September 17, 2026

Warum Index weniger Spezialdaten nötig macht

Zero-Shot bedeutet in diesem Fall nicht, dass der Roboter ohne Training startet. Helix 2.5 wurde auf Index vortrainiert und anschließend für die drei Aufgaben vorbereitet. Neu waren die 30 Wohnungen und die dortigen Bedingungen. Für keine dieser Umgebungen wurde das Modell eigens angepasst.

Gegenüber dem Vorgängermodell Helix 02 benötigte Helix 2.5 nur halb so viele aufgabenspezifische Daten, um dieselbe Erfolgsquote zu erreichen. Zugleich wurde der Einsatzbereich auf 30 ungesehene Wohnungen erweitert. Das verschiebt einen Teil des Trainingsaufwands von einzelnen Einsatzorten in ein breites Vortraining.

Index erzeugt nach Angaben von Figure rund 35 Minuten menschlicher Erfahrung pro Sekunde. Bei gleichbleibender Rate entspricht das rechnerisch 35 Stunden pro Minute oder 840 Stunden innerhalb eines Tages. Die Größenordnung erklärt, warum Figure den Datensatz als Grundlage für weitere Robotermodelle nutzt.

✓

✕

”

Was Zero-Shot hier bedeutet

Die Aufgaben wurden vorher trainiert, die 30 Testwohnungen jedoch nicht. Helix 2.5 arbeitete dort ohne eine Anpassung an Räume und Bedingungen. Zero-Shot bezieht sich somit auf die neuen Einsatzumgebungen.

Warum Rechenleistung zum Börsenthema wird

Figure hat 3,5 Milliarden US-Dollar an Compute-Ressourcen für das Training von Helix zugesagt. Diese Summe steht neben dem laufenden Aufbau von Index. Das Unternehmen verbindet damit zwei kostspielige Bausteine: große Mengen menschlicher Verhaltensdaten und hohe Rechenkapazität für das Vortraining.

Im Scaling-Law-Experiment variierte Figure die Datenmenge um den Faktor acht. Der Testverlust des größten Modells ließ sich vor dem Training auf vier Nachkommastellen prognostizieren. Die Abweichung betrug nur 0,54 Prozent der Variation über die gesamte Datenreihe. Gemessen wurde dabei der Zusammenhang zwischen mehr Pretraining-Daten und der Vorhersage der nächsten Roboteraktion.

Diese Kennzahl ist von der Erfolgsquote in den Wohnungen zu trennen. Die 56 Prozent beschreiben abgeschlossene Aufgaben in ungesehenen Umgebungen. Der Testverlust misst dagegen die Modellvorhersage. Für Figure ist die geringe Prognoseabweichung relevant, weil sich der Nutzen zusätzlicher Daten vor einem größeren Trainingslauf genauer abschätzen lässt.

Laut Begleitankündigungen plant Figure, das Rechenleistungsbudget von 3,5 Milliarden auf mehr als 6 Milliarden US-Dollar zu erhöhen. Über Nscale sollen dafür bis zu 100.000 Nvidia-GPUs auf der Vera-Rubin-Plattform bereitgestellt werden. Der Plan schafft den direkten Bezug zur Nvidia-Aktie.

Relevante Titel zum Thema

NVIDIA ist als geplanter Lieferant der Recheninfrastruktur mit Helix verbunden. Die mögliche Bereitstellung von bis zu 100.000 GPUs wäre ein Großprojekt, ist aber noch kein ausgewiesener Umsatzbeitrag. Tesla ist in diesem Zusammenhang Wettbewerber von Figure AI. Der Helix-Test enthält jedoch keine operative Kennzahl zu Tesla und begründet daher keine unmittelbare finanzielle Auswirkung auf den Konzern.

Für Börsenleser liegt der konkrete Anknüpfungspunkt vorerst beim Kapitalbedarf des Robotiktrainings. Figure nennt 3,5 Milliarden US-Dollar zugesagte Compute-Ressourcen und eine mögliche weitere Aufstockung. Der Test selbst misst dagegen technische Fortschritte: 30 unbekannte Wohnungen, drei Aufgaben und eine Erfolgsquote von 56 Prozent.

Relevante Titel zum Thema

Im Zusammenhang mit dem Anlass sind für Anleger vor allem diese Börsentitel von Interesse.

Meine Meinung dazu:

Figure AI ist ein extrem spannendes Unternehmen, die Fortschritte sind beeindruckend. Leider ist es noch nicht an der Börse gelistet, ich wäre gerne hier dabei, um vom Boom bei humanoiden Robotern zu profitieren – Michael Flender – Team Goldesel

Relevante Titel zum Thema

Im Zusammenhang mit dem Anlass sind für Anleger vor allem diese Börsentitel von Interesse.