Die unsichtbare Vermessung der Welt

Wie ein Spiel Millionen Menschen zu Kartografen der Maschinen-Zukunft machte:

Als im Sommer 2016 plötzlich Menschenmengen durch Parks, Innenstädte und Wohngebiete zogen, um virtuelle Monster zu jagen, wirkte das wie ein harmloser Hype. Pokémon GO war ein Spiel, ein kulturelles Phänomen, vielleicht auch ein soziales Experiment.

Was damals nur wenige wahrnahmen: Die Spieler waren nicht nur Teil eines Trends – sie waren Teil eines Systems.

Denn während Millionen Menschen auf ihre Smartphones blickten, entstand im Hintergrund etwas ganz anderes – eine der detailliertesten, dynamischsten und für Maschinen nutzbarsten Karten der realen Welt, die es je gegeben hat.

Und diese Karte beginnt jetzt, ihren eigentlichen Zweck zu erfüllen.

Vom Spiel zur Infrastruktur

Niantic, das Unternehmen hinter Pokémon GO, betont inzwischen selbst, dass es nicht nur ein Spiel entwickelt hat, sondern eine Plattform. In Unternehmensdarstellungen ist von einer „Real-World-AR-Plattform“ die Rede, die es ermöglichen soll, die physische Welt digital abzubilden und für Maschinen nutzbar zu machen.

Im Zentrum steht ein sogenanntes „Visual Positioning System“ (VPS): eine Technologie, die es Maschinen ermöglicht, ihre Position nicht über Satelliten, sondern über visuelle Merkmale zu bestimmen. Statt GPS nutzt sie Bilder – Fassaden, Straßenecken, Denkmäler.

Das Ziel ist nicht weniger als ein Perspektivwechsel: weg von abstrakten Koordinaten, hin zu einer visuellen Orientierung. Maschinen sollen Orte nicht nur berechnen, sondern erkennen.

Das klingt zunächst harmlos. Doch die Voraussetzung dafür ist enorm: Die Welt muss zuvor in einer Qualität erfasst werden, die weit über klassische Karten hinausgeht. Es reicht nicht, Straßen zu kennen. Maschinen müssen wissen, wie Orte aussehen – aus verschiedenen Perspektiven, bei unterschiedlichen Lichtverhältnissen, aus nächster Nähe.

Und genau hier kommt Pokémon GO ins Spiel.

Die größte Crowd-Kartierung der Geschichte

Über Jahre hinweg hat das Spiel seine Nutzer dazu animiert, sogenannte AR-Scans durchzuführen. Spieler konnten Pokéstops und Arenen scannen, indem sie mit ihrer Kamera um reale Objekte herumliefen. Als Belohnung gab es kleine Ingame-Vorteile.

Was dabei entstand, ist gewaltig: ein Datensatz aus Milliarden von Bildern. Nach Unternehmensangaben wurden über die Jahre hinweg mehr als 30 Milliarden visuelle Aufnahmen aus der Nutzung der Spiele gesammelt – ein Umfang, der weit über klassische Kartierungsprojekte hinausgeht.

Ein entscheidender Unterschied: Während Fahrzeuge klassischer Kartendienste vor allem Straßen erfassen, liefern Spieler Perspektiven, die Maschinen sonst kaum bekommen würden – Nahaufnahmen, ungewöhnliche Winkel, Innenhöfe, Parks, Skulpturen.

Die Erfassung erfolgt dabei nicht systematisch, sondern verteilt, zufällig und global – genau so, wie Menschen sich durch Räume bewegen. Für maschinelles Lernen ist das ein Vorteil: Die Daten sind vielfältig, realitätsnah und schwer künstlich zu reproduzieren.

Das Ergebnis ist keine Karte im herkömmlichen Sinn, sondern ein visuelles Gedächtnis der Welt.

„Niemand hat uns dazu gezwungen“ – aber hat jemand es verstanden?

Formal betrachtet ist alles sauber: Die Nutzer haben zugestimmt. Die Scans waren freiwillig. Hinweise existieren in den Nutzungsbedingungen.

Doch hier beginnt die eigentliche Kontroverse.

Denn Zustimmung ist nicht gleich Verständnis.

Die meisten Spieler dürften kaum darüber nachgedacht haben, dass ihre Bewegungen und Scans Teil eines globalen KI-Trainingsdatensatzes werden könnten. Für sie war es ein Spielmechanismus – eine zusätzliche Aufgabe, vielleicht ein Bonus.

Beobachter sehen darin eine neue Form digitaler Wertschöpfung: Nutzer tragen zur Entwicklung von KI-Systemen bei, ohne dass dieser Beitrag als Arbeit wahrgenommen oder vergütet wird.

Oder zugespitzt formuliert: Die Spieler haben nicht nur Pokémon gefangen – sie haben, ohne es zu merken, die Welt für Maschinen vermessen.

Wenn Roboter sehen lernen

Inzwischen verlässt die Technologie den experimentellen Bereich. Unternehmen nutzen genau solche visuellen Modelle, um autonome Systeme zu betreiben.

Lieferroboter etwa stehen vor einem grundlegenden Problem: GPS ist in Städten oft ungenau. Gebäude reflektieren Signale, Straßen sind komplex, Wege ändern sich ständig. Klassische Navigation stößt hier an Grenzen.

Visuelle Systeme bieten eine Lösung. Ein Roboter vergleicht seine Kamerabilder mit einer Datenbank und erkennt so, wo er sich befindet – ähnlich wie ein Mensch, der eine bekannte Straße wiedererkennt.

Die Genauigkeit kann dabei erstaunlich hoch sein: Niantic selbst spricht von Positionsbestimmungen im Zentimeterbereich, die durch visuelle Abgleiche statt durch Satellitensignale erreicht werden.

Was hier entsteht, ist eine neue Form der Orientierung: nicht mehr abstrakt, sondern visuell. Maschinen lernen nicht mehr nur, wo etwas ist – sondern, wie es aussieht.

Die neue Kartenschicht der Welt

Man kann diese Entwicklung als eine Art zweite Realität verstehen – eine maschinenlesbare Version der physischen Welt.

Diese Schicht hat Eigenschaften, die klassische Karten nicht besitzen:

Sie ist visuell statt nur geometrisch
Sie ist dynamisch und ständig aktualisierbar
Sie ist direkt für KI-Systeme nutzbar
Sie entsteht global und dezentral

Und sie ist nicht neutral.

Denn wer diese Daten besitzt oder kontrolliert, hat einen erheblichen Vorteil in Bereichen wie Robotik, Augmented Reality oder autonomer Navigation.

Niantic selbst positioniert sich zunehmend als Infrastrukturanbieter. Das Spiel war gewissermaßen nur der Einstieg.

Die andere Seite: Dual Use

Technologien dieser Art sind fast immer doppelt nutzbar. Sie können helfen – und sie können missbraucht werden.

Ein visuelles Weltmodell kann Lieferroboter effizienter machen, Navigation für Menschen mit Sehbeeinträchtigungen verbessern und Augmented Reality realistischer gestalten.

Aber es kann auch Überwachungssysteme präziser machen, autonome Systeme in sensiblen Kontexten unterstützen oder Bewegungsmuster von Menschen indirekt analysierbarer machen.

Diese Ambivalenz ist nicht neu. Sie ist typisch für grundlegende Technologien.

Doch hier kommt ein zusätzlicher Faktor hinzu: die Herkunft der Daten.

Die unsichtbare Arbeit der Vielen

Im Gegensatz zu anderen Datensätzen wurde dieser nicht von spezialisierten Teams oder Maschinen erzeugt, sondern von Millionen Menschen im Alltag.

Das verändert die ethische Bewertung.

Denn während Nutzer sozialer Netzwerke zumindest ahnen, dass ihre Daten kommerziell genutzt werden, ist die Verbindung zwischen einem Spiel und globaler KI-Infrastruktur deutlich weniger offensichtlich.

Die Frage lautet daher nicht nur: Was wird mit den Daten gemacht?

Sondern auch: Wussten die Menschen, woran sie mitarbeiten?

„Die reale Welt als Trainingsdatenbank“

Ein oft zitierter Gedanke in der KI-Forschung lautet, dass Daten das neue Öl seien. Doch dieser Vergleich greift zu kurz.

Denn Öl wird gefördert. Daten hingegen werden erzeugt – oft von Menschen, ohne dass sie wissen, welchen Wert sie dabei schaffen.

Pokémon GO zeigt exemplarisch, wie diese Erzeugung aussehen kann: spielerisch, freiwillig, scheinbar nebensächlich – und gleichzeitig von enormem Wert.

Die reale Welt wird dabei zur Trainingsdatenbank. Jeder Spaziergang, jeder Scan, jede Bewegung kann potenziell Teil eines größeren Systems werden.

Ein Paradigmenwechsel

Was hier geschieht, ist mehr als nur ein technologischer Fortschritt. Es ist ein Paradigmenwechsel.

Bisher haben Menschen Maschinen programmiert.
Jetzt trainieren sie sie – oft indirekt.

Und in vielen Fällen, ohne genau zu wissen, was sie trainieren.

Das bedeutet nicht, dass hier bewusst Täuschung stattfindet. Aber es zeigt, wie komplex die Beziehung zwischen Nutzer und Technologie geworden ist – und wie sehr sich Verantwortung verschiebt.

Regulierung? Kaum vorhanden

Ein weiterer kritischer Punkt: Die Regulierung hinkt hinterher.

Während Datenschutzgesetze sich stark auf personenbezogene Daten konzentrieren, bewegen sich visuelle Weltmodelle in einer Grauzone. Ein gescannter Platz ist kein persönliches Datum – zumindest nicht im klassischen Sinne.

Doch in Kombination mit anderen Daten können daraus Systeme entstehen, die sehr wohl Rückschlüsse auf Verhalten, Bewegungen oder Nutzungsmuster erlauben.

Zudem stellt sich die Frage nach Kontrolle:
Wer entscheidet, wie solche Datensätze genutzt werden?
Wer hat Zugriff?
Und wer trägt Verantwortung bei Missbrauch?

Bislang gibt es darauf kaum klare Antworten.

Zwischen Fortschritt und Kontrollverlust

Es wäre zu einfach, diese Entwicklung pauschal zu verurteilen. Die Möglichkeiten sind real und teilweise beeindruckend.

Doch gerade deshalb ist eine kritische Betrachtung notwendig.

Denn je besser Maschinen die Welt verstehen, desto mehr verschiebt sich das Gleichgewicht zwischen Mensch und Technologie.

Was heute ein Lieferroboter ist, kann morgen ein komplexeres System sein. Und die Grundlage bleibt dieselbe: Daten über die reale Welt.

Fazit: Eine stille Transformation

Pokémon GO war nie nur ein Spiel. Es war ein Werkzeug zur Vermessung der Welt – gebaut von Millionen, genutzt von wenigen.

Die daraus entstehende Infrastruktur wird bleiben. Unsichtbar, allgegenwärtig, kaum reguliert.

Und vielleicht ist genau das die eigentliche Pointe dieser Geschichte:

Die Zukunft der Maschinen entsteht nicht in Laboren – sondern im Alltag der Menschen, die sie unbemerkt möglich machen.