Im Inneren des Zusammenbruchs: Sechs Lehren aus dem Niedergang eines Robotik-Startups

Die Open-Source-Humanoidroboter von K-Bot. | Bildquelle: K-Scale Labs

Anmerkung der Redaktion: Rui Xu ist der ehemalige Chief Operating Officer von K-Scale Labs, einem Start-up-Unternehmen mit Sitz in San Francisco, das sich zum Ziel gesetzt hatte, kostengünstige humanoide Roboter zu entwickeln. Das Unternehmen wurde Ende 2025 geschlossen und hat kürzlich sein geistiges Eigentum als Open Source veröffentlicht. Xu veröffentlichte diesen Artikel erstmals auf LinkedIn. Er wurde mit seiner Genehmigung abgedruckt.

Ein Jahr lang war ich COO bei einem von Y Combinator unterstützten Robotik-Startup mit dem ehrgeizigen Ziel, erschwingliche humanoide Roboter zu entwickeln. Mit vierzig Jahren brachte ich 15 Jahre Hardware-Erfahrung aus Produktlaunches bei Intel, Xiaomi, Lenovo, Amazon und ByteDance mit, um die Lieferkette und den Produktbetrieb zu leiten.

Letztendlich war das Unternehmen nicht erfolgreich. Wir konnten unsere Serie-A-Finanzierung nicht sichern, und Ende 2025 war es vorbei.

Ich habe bereits zuvor die Höhepunkte geschildert: die Hackathons, die Energie im Garagenstil, den Moment, als unser Roboter zum ersten Mal lief. Jetzt möchte ich die tatsächlichen Lektionen, die wir gelernt haben, im Detail beschreiben. Einige sind branchenweite Fallstricke, andere waren Fehler, die wir aktiv gemacht haben.

1. Chauvinismus in Bezug auf große Modelle führt zu Verletzungen

Eine weit verbreitete Überzeugung besagt, dass KI-Modelle so fortschrittlich geworden sind, dass die Hardware vereinfacht werden kann. Sensoren? Das Modell interpretiert alles anhand der Bilddaten. Sicherheitsgrenzen? Das Policy Network lernt, diese zu vermeiden.

Ich nenne das „Großmodell-Chauvinismus”. Das hat unzählige Entscheidungen in unserem Startup subtil beeinflusst. Um es klar zu sagen: Das war nicht die Unachtsamkeit einer einzelnen Person – die meisten von uns haben das bis zu einem gewissen Grad geglaubt. Die Fähigkeiten der KI waren wirklich beeindruckend, sodass diese Begeisterung leicht die grundlegenden Hardware-Prinzipien überschatten konnte.

Eine Debatte, die mich noch immer beschäftigt, betraf das Hinzufügen von Endanschlägen an den Gelenken des Roboters. Endanschläge – mechanische Endschalter – sind grundlegende physische Barrieren, die verhindern, dass ein Gelenk sich selbst zerstört. Sie sind die grundlegendste Sicherheitsredundanz.

Das Gegenargument lautete, dass die KI-Richtlinie die Grenzen des Gelenks auf natürliche Weise lernen sollte und dass Endanschläge unnötige Kosten und Gewicht verursachen würden.

Jeder, der Erfahrung mit Hardware hat, weiß, dass diese Argumentation fehlerhaft ist. Endanschläge gibt es, weil Software versagen kann und wird. Modelle haben Fehler. Richtlinien stoßen auf unvorhergesehene Randfälle. Wenn ein Sprachmodell halluziniert, erhält man eine unsinnige Antwort. Wenn ein Aktuator aufgrund einer einzigen fehlerhaften Schlussfolgerung seine mechanische Grenze bei vollem Drehmoment überschreitet, hat man eine kaputte Maschine – oder schlimmer noch, eine Verletzung.

Das Modell mag in 99,99 % der Fälle korrekt sein. Der Endanschlag ist für die restlichen 0,01 % da. In der physischen Welt sind diese 0,01 % die einzige Statistik, die wirklich zählt. Selbst Tesla, mit all seinen Autonomie-Zielen, verbaut immer noch Bremsen in seinen Autos.

2. Übermäßig vereinfachte Analogien dienen der Mittelbeschaffung, nicht dem Aufbau

Jedes Robotik-Pitch-Deck hat eines: „Wir tun für Roboter, was Tesla für Elektroautos getan hat“ oder „Dies ist der iPhone-Moment für verkörperte KI“. Unsere erste Wahl war die Hoverboard-Analogie. Die Erzählung lautete, dass humanoide Roboter derselben Kostenkurve folgen würden wie selbstbalancierende Roller: von teuren Neuheiten über die Massenproduktion in Shenzhen bis hin zu billiger, allgegenwärtiger Hardware.

Ein Hoverboard-Motor muss sich nur drehen. Die Aktuatoren eines humanoiden Roboters müssen jedoch außerordentlich präzise, leistungsstark, dynamisch, langlebig und von Einheit zu Einheit konsistent sein. Ein einziger Aktuator, der leicht von den Spezifikationen abweicht, kann dazu führen, dass der Roboter falsch läuft oder umfällt. Analogien zu Hoverboards, Smartphones oder anderen Verbrauchergeräten bieten keine nützlichen Anhaltspunkte für den Bau eines Humanoiden.

Dennoch ist „es wird wie ein Hoverboard sein” eine Geschichte, die Risikokapitalgeber verstehen. Sie verspricht unvermeidliche Kostensenkungen, chinesische Fertigungskompetenz und eine Stückzahl im Milliardenbereich. Jede Stunde, die mit der Diskussion dieser Analogien verbracht wurde, war eine Stunde, die nicht für die Lösung tatsächlicher technischer Herausforderungen genutzt wurde.

Analogien sind Komprimierungsalgorithmen. Sie vereinfachen Komplexität, indem sie Informationen verwerfen. Für eine Präsentation ist das in Ordnung. Bei technischen Entscheidungen sind es jedoch oft gerade die verworfenen Informationen, die zum Scheitern führen.

3. Die Hardware-Lieferkette ist keine einfache Aufgabe

Einige softwareorientierte Gründer betrachten das Lieferkettenmanagement als eine reine Aufgabe: Man stelle jemanden ein, der Chinesisch spricht, schicke ihn zu einer Fabrik und betrachte die Sache als erledigt. Diese Fehlannahme ist eine häufige Falle für Hardware-Startups.

Als ich zu dem Unternehmen kam, gab es keine Lieferketteninfrastruktur – keine Beziehungen zu Herstellern, keine Zahlungsbedingungen, keinen Qualitätskontrollprozess, keine Logistikpipeline. Der Aufbau erforderte die Koordination von Montage, Komponenten, Aktuatoren und mehreren chinesischen Auftragsfertigern für die Herstellung. Für jeden einzelnen mussten separate Verhandlungen über Preise, Qualitätsstandards, Mindestbestellmengen und Produktionspläne geführt werden, und das alles in verschiedenen Währungen, Zeitzonen und Geschäftskulturen mit grundlegend unterschiedlichen Annahmen über das Abschließen von Geschäften.

Das ist nicht nur „mit Lieferanten reden“. Die Fertigung ist keine Dienstleistung, die man einkauft, sondern eine Kernkompetenz, die man aufbauen muss. Ihre Beziehung zu Ihrem Auftragsfertiger entscheidet darüber, ob die Aktuatoren innerhalb der Toleranz liegen oder 2 mm daneben, und ob Ihre Stückkosten 800 oder 2.400 Dollar betragen. Wenn sich die Hardware-Aktivitäten eines Unternehmens in einem Satz zusammenfassen lassen, hat es keine Hardware-Strategie – es hat eine Hoffnung.

4. „Standardhardware“ gibt es in der Robotik nicht

Eine besonders gefährliche Idee, die derzeit kursiert, ist, dass Roboter-Hardware zu einer „Standardware“ werden wird, die von chinesischen Herstellern aus handelsüblichen Teilen zusammengesetzt wird, ähnlich wie Smartphones, wobei der wahre Wert ausschließlich in der KI-Softwareebene liegt.

Dies entspricht nicht der aktuellen Realität, nicht einmal annähernd. Es gibt keine Standard-Stückliste für einen humanoiden Roboter. Es gibt keine handelsüblichen Aktuatoren, die einfach für die Fortbewegung auf zwei Beinen funktionieren. Jedes Team, das heute einen Roboter mit Beinen baut, entwirft maßgeschneiderte Hardware.

Wenn ein Unternehmen die These „Hardware ist ein Massenprodukt“ übernimmt, entsteht echter Schaden. Die Teams, die das physische Produkt bauen, erhalten oft weniger Mitspracherecht und Anerkennung, als ihre Beiträge verdienen. Die Macht innerhalb der Organisation verlagert sich auf die Funktion, die als strategisch „verteidigungsfähig“ angesehen wird, unabhängig davon, wer die schwierigste Arbeit leistet.

Ich habe ein wiederkehrendes Muster beobachtet, das ich „Schrödingers Expertise“ nenne. Wenn ein Hardware-Problem auftritt, sind dieselben Leute plötzlich „keine Hardware-Experten“ und behaupten, keine Ahnung zu haben. Wenn das Ingenieurteam jedoch angibt, dass eine Neukonstruktion vier Monate dauern wird, bestehen sie darauf, dass sie in vier Wochen fertig sein soll. Man kann nicht beides haben, und die Ingenieure, die die eigentliche Arbeit leisten, durchschauen das sofort.

Unsere Ingenieure bauten einen Roboter, der laufen konnte. Das war die größte technische Leistung, die das Unternehmen je vollbracht hat.

5. Schlechte F&E-Entscheidungen sind in einem Wettrennen tödlicher als Pech

Der Bereich der Robotik ist ein Wettrennen. Kapital ist verfügbar, Talente strömen herbei und der Markt beobachtet das Geschehen. Aber in einem Wettrennen zählt Geschwindigkeit, und Geschwindigkeit ist nicht nur eine Frage der Anstrengung – sie ist das Ergebnis schneller und richtiger Entscheidungen.

Der größte Fehler, den ich beobachtet habe, war, sich auf die Fortbewegung zu versteifen. Monate vergingen, während der Roboter immer noch nicht richtig laufen konnte. In der Zwischenzeit schloss sich das Fenster für die Kapitalbeschaffung, und die Konkurrenz veröffentlichte beeindruckende Demos. Das war nicht nur ein Versagen der Führung; das gesamte Team, mich eingeschlossen, unterschätzte die Komplexität des Problems und den Zeitplan. Unser GitHub war voller Repositorys, was von außen wie Fortschritt aussah. Von innen betrachtet war es jedoch Bewegung ohne Konvergenz. Repositorys werden nicht ausgeliefert. Demos werden ausgeliefert. Produkte werden ausgeliefert.

Das tiefere Problem war die Qualität der Entscheidungen. Impulsive Entscheidungen können genauso fatal sein wie langsame. Sich voll und ganz auf die falsche Richtung festzulegen, spart keine Zeit, sondern verdoppelt die Kosten, weil man die Arbeit später rückgängig machen muss.

Die Geschwindigkeit von Forschung und Entwicklung wird nicht anhand von Repositorys, Commits oder protokollierten Stunden gemessen. Sie wird daran gemessen, wie schnell man zu einer Lösung gelangt, die tatsächlich funktioniert.

6. Je mehr man sich beeilt, desto weiter fällt man zurück

Unsere Projektzeitpläne wurden zu einem internen Witz. Der Roboter sollte immer „nächste Woche“ laufen. Jede einzelne Woche.

Wenn sich diese Kultur durchsetzt, fangen die Leute an, Abstriche zu machen, um unmögliche Fristen einzuhalten. Ingenieure verwenden KI-Codierungstools ohne ordnungsgemäße Überprüfung. Sensoren werden ohne vollständige Kalibrierung integriert. Dann schlägt die Demo – wieder einmal – fehl und der Zeitplan wird auf „nächste Woche“ zurückgesetzt.

Dies verkörpert das chinesische Sprichwort „欲速则不达“ (yù sù zé bù dá): wörtlich „Wer schnell sein will, kommt nicht ans Ziel“. Wenn unrealistische Fristen zur Norm werden, arbeitet das Team nicht wirklich schneller. Es überspringt einfach die wesentlichen Schritte, die zum Erfolg führen. Jeder übersprungene Schritt führt letztendlich zu einem Fehlschlag, der mehr Zeit kostet, als durch die Abkürzung jemals eingespart wurde.

Der Schaden geht über den technischen Bereich hinaus. Wenn Sie Ihrem Auftragsfertiger Versprechungen auf der Grundlage unrealistischer Zeitpläne machen, zerstören Sie diese wichtige Beziehung. Ein Hersteller benötigt realistische Prognosen, um seine Produktion zu planen. Eine chaotische „Move fast and break things“-Mentalität mag in der Softwarebranche funktionieren, aber sie scheitert kläglich, wenn eine Fabrik ihre Produktionslinien auf der Grundlage von Zusagen zuweist, die Sie nicht einhalten können.

Eine persönliche Anmerkung

Ich hätte ein besserer COO sein können. Ich hätte mich früher, als die organisatorischen Probleme noch behebbar waren, entschlossener dafür einsetzen sollen. Ich hätte mich stärker für realistische Zeitpläne einsetzen sollen, anstatt sie schleifen zu lassen. Diese Verantwortung liegt bei mir. Aber ich habe gelernt, wo diese Grenzen liegen, und werde dieses Wissen weitergeben.

Ich war während der gesamten Reise dabei, vom ersten Hackathon bis zur letzten E-Mail an einen Lieferanten.

An alle jungen Ingenieure in Start-ups: Vertraut eurem Instinkt in Bezug auf Physik. Wenn die Berechnungen darauf hindeuten, dass eine Verbindung versagen wird, dokumentiert dies. Legt eure Argumente formell dar. Lasst euch nicht durch den Druck, schnell voranzukommen, dazu verleiten, das zu ignorieren, was ihr für wahr haltet. Euer beruflicher Ruf basiert auf dem, was ihr tatsächlich liefert, nicht auf dem, was ihr versprecht.

Wenn diese sechs Lektionen jemandem helfen – einem Hardware-Gründer, einem Supply-Chain-Experten oder einem vierzigjährigen Elternteil, der über eine Karriere in einem Start-up nachdenkt –, dann hat sich das Schreiben dieses Artikels gelohnt.

Ich glaube immer noch an verkörperte KI. Ich bin einfach der Meinung, dass sie Hardware verdient, die mit derselben Ernsthaftigkeit entwickelt wurde wie die Software, die sie steuert.

Über den Autor

Rui Xu ist ein Veteran der Hardware-Branche mit Sitz im Silicon Valley. Zuvor war er Chief Operating Officer von K-Scale Labs, einem von Y Combinator unterstützten Robotik-Start-up, das sich auf erschwingliche humanoide Roboter konzentriert. Davor war er 18 Jahre lang bei Intel, Xiaomi, Lenovo, Amazon und ByteDance für den Vertrieb von Verbraucherhardwareprodukten zuständig, darunter die Xiaomi Mi Box, das Lenovo Smart Display und Amazon Fire TV. Er schreibt über Robotik, Hardware und die Realitäten der Entwicklung physischer Produkte auf ruixu.us.