Optimus Academy: Tesla will 10.000–20.000 Roboter zum Selbstlernen einsetzen

Auf dem Q3-2026-Earnings-Call am 21. Oktober 2026 hat Elon Musk ein neues Trainingskonzept für Teslas Optimus-Roboter skizziert, das intern als „Optimus Academy” bezeichnet wird. Der Kern: Tesla will eine größere Flotte eigener Optimus-Roboter aufbauen, die Aufgaben nicht nach vorprogrammierten Regeln ausführt, sondern durch wiederholtes Ausführen und Beobachten eigenständig erlernt.

Das Problem: Kein Fahrzeug-Äquivalent für Roboterdaten

Tesla hat beim autonomen Fahren über Jahre hinweg eine der größten Echtzeit-Fahrdatenmengen weltweit gesammelt — durch die eigene Fahrzeugflotte. Für Optimus existiert ein solcher Datenstamm schlicht nicht. Musk beschrieb auf dem Call, dass der Roboter zunächst beim Menschen zuschauen müsse — ähnlich einem Kleinkind, das durch Beobachtung und Versuch-und-Irrtum lernt.

Das Selbstlernprinzip — auch als „Self-Play” bezeichnet — sieht vor, dass die Roboter Aufgaben im Wechsel ausführen, scheitern und verbessern. Die dabei entstehenden Daten werden genutzt, um die KI-Modelle kontinuierlich zu verfeinern.

Größenordnung: 10.000 bis 20.000 Einheiten

Musk schätzte, dass Tesla für diesen Trainingsansatz zunächst 10.000 bis 20.000 Optimus-Einheiten benötige — nicht als Produktionsziel, sondern als Mindestflottengröße, um genug Übungsdaten zu erzeugen. Benzinga weist darauf hin, dass diese Zahl kein verbindlicher Meilenstein ist, sondern eine vorläufige Einschätzung des CEO. Musk hatte das Konzept dem Vernehmen nach bereits in einem Podcast-Interview im Februar 2026 in ähnlicher Form beschrieben, dort aber unter dem Begriff „Self-Play” ohne den Namen „Optimus Academy”.

Kontext und Einordnung

Das Konzept steht in direktem Zusammenhang mit den weiterhin bestehenden technischen Hürden: Tesla hat Optimus-Auslieferungen an externe Kunden auf Ende 2027 verschoben und nennt als Hauptprobleme die Hände, die Haltbarkeit und die KI-Reife. Die Optimus Academy ist damit Teil des Wegs, wie Tesla die KI-Komponente verbessern will — parallel zur laufenden Fertigung im Werk Fremont. Ob Tesla die nötige Flottengröße bis zu einer kommerziell tragfähigen Auslieferung aufbauen kann, hängt letztlich von der Fertigungsrampe ab, die das Unternehmen selbst als „etwas holprig” beschrieben hat.

Die langfristige Tragfähigkeit des Ansatzes ist unter Robotik-Experten umstritten: Daten aus künstlichen Trainingsumgebungen oder eingeschränkten Fabriksituationen müssen nicht zwingend auf offene Einsatzszenarien generalisieren. Teslas Ansatz, menschliches Beobachten und Nachmachen als primären Datenpfad zu nutzen, ähnelt dabei dem, was Toyota mit seinem ELEY-Roboter und den sogenannten „Jig-Handschuhen” verfolgt — wenngleich die zugrundeliegenden Architekturen sich unterscheiden.