Sereact sammelt 110 Millionen Dollar ein, um sein „Robotergehirn“ über das Lager hinaus zu skalieren

Finanzierung für einen breiteren Vorstoß in physische KI

Sereact hat in einer Series-B-Finanzierungsrunde 110 Millionen Dollar eingesammelt, um Cortex 2.0, das sogenannte Robotergehirn des Unternehmens, zu skalieren und die Expansion in die Vereinigten Staaten zu unterstützen. Die Ankündigung ist nicht nur wegen der Größe der Runde bemerkenswert, sondern auch, weil sie einen breiteren Wandel in der Robotik widerspiegelt: Investoren unterstützen Unternehmen, die argumentieren, dass Daten aus dem realen Einsatz wichtiger sind als polierte Labordemonstrationen.

Das in Stuttgart ansässige Unternehmen sagt, Cortex laufe in Single-Arm-Picking-Zellen, Dual-Arm-Returns-Stationen, humanoiden Robotern und Sereact Lens, einem 3D-Wahrnehmungssystem für Bestands- und Qualitätskontrolle. Praktisch positioniert sich Sereact damit als physische KI-Schicht, die über verschiedene Roboterformen und Aufgaben hinweg übertragbar ist, statt an eine enge Hardwarekonfiguration gebunden zu bleiben.

Dieser Anspruch auf Portabilität ist zentral für das Angebot. Die Robotik hat seit Langem mit Fragilität zu kämpfen, vor allem dann, wenn für eine Umgebung trainierte Systeme auf das Chaos einer anderen treffen. Sereacts Sicht, die im bereitgestellten Bericht direkt formuliert wird, ist, dass „echte Robotik-KI“ nicht isoliert aufgebaut werden kann. CEO und Mitgründer Dr. Ralf Gulde argumentiert, sie müsse von einem Daten-Flywheel geprägt werden, das von Produktionsbereitstellungen, Fehlerfällen und wiederholtem Lernen aus dem gespeist wird, was in realen Anlagen passiert, nicht in kontrollierten Umgebungen.

Das Unternehmen stützt dieses Argument mit Betriebszahlen. Es sagt, es habe 200 Systeme im Einsatz, eine Milliarde Picks abgeschlossen und brauche einen Eingriff pro 53.000 Picks. Diese Zahlen sind selbst berichtet, aber sie sind trotzdem wichtig, weil sie Sereacts Wettbewerbsanspruch rahmen: Skalierung in der Robotik-KI kommt nicht nur durch Modellgröße oder Simulationsvolumen. Sie entsteht durch die Konfrontation mit enormen Mengen physischer Interaktionen mit schwierigen, unregelmäßigen Objekten unter kommerziellen Durchsatzanforderungen.

Lager waren Sereacts erstes Testfeld, und die Begründung ist einfach. Nach Angaben des Unternehmens bieten Lager eine ungewöhnlich reichhaltige Trainingsumgebung: Milliarden von Datenpunkten, eine große Vielfalt an Objektformen, strenge Leistungsanforderungen und echte Konsequenzen, wenn der Roboter Fehler macht. Das macht Lagerautomation zu mehr als einer Geschäftsnische. Sie wird zu einer Datenmaschine für breitere Embodied Intelligence.

Sereact sagt, jeder erfolgreiche Pick, jedes Scheitern und jede Wiederherstellung könne zusammen mit synchronisierten Beobachtungen, Roboterstatus, Greifer-Kraftrückmeldung und Ergebnisdaten erfasst, dann gefiltert und zur Aktualisierung des Modells verwendet werden. Aktualisierte Policies durchlaufen automatische Regressionstests, bevor sie auf die Flotte ausgerollt werden. Ob sich dieser Kreislauf im noch größeren Maßstab als dauerhaft erweist oder nicht, er spiegelt einen reifenden Robotikansatz wider, bei dem der Einsatz selbst die Trainingspipeline ist.

Der nächste Schritt ist die Expansion über das Picking hinaus. Das Unternehmen sagt, es plane, Cortex 2.0 auf Aufgaben wie Montage und Kitting auszuweiten und gleichzeitig ein Büro in Boston zu eröffnen sowie lokale Mitarbeiter für Engineering, Vertrieb und Anwendungstechnik einzustellen. Der Einstieg in den US-Markt ist strategisch wichtig. Viele der wertvollsten Lager-, Fertigungs- und Logistikkunden der Welt sitzen in Nordamerika, und Nähe zählt, wenn Robotik-Anbieter Integrationen unterstützen, Grenzfälle beheben und gemeinsam mit Kunden iterieren müssen.

Zu den im Bericht genannten Kunden zählen Daimler Truck, Mercedes-Benz, BMW, MS Direct, Active Ants, DeltiLog, Rohlik Group und Austrian Post. Das deutet darauf hin, dass Sereact bereits mit einer Mischung aus Industrie- und Logistikanwendern arbeitet, statt nur einen rein experimentellen Stack zu verkaufen. Wenn das Unternehmen diese Basis auf breitere Fertigungsaufgaben übertragen kann, könnte das die These stärken, dass Embodied-AI-Plattformen stärker an ihrer Leistung im Feld als an der Ästhetik ihrer Demos gemessen werden sollten.

Die Finanzierung passt auch in die breitere Erzählung des KI-Markts. Während Software-KI sich schnell über Verbraucher- und Unternehmensschnittstellen entwickelt hat, bleibt physische KI schwieriger, weil sie mit Kontakt, Unsicherheit, Latenz, Sicherheit und der hartnäckigen Variabilität der realen Welt umgehen muss. Investoren suchen daher nach Belegen dafür, dass ein Unternehmen sowohl eine Lernarchitektur als auch operative Traktion hat. Sereact versucht, sich als eines der seltenen Unternehmen mit beidem zu präsentieren.

Der Kern der These ist ehrgeizig: ein generalisierbares Robotergehirn, das besser wird, weil es bereits in der Produktion arbeitet. Die nächsten Jahre werden zeigen, ob dieses Modell sich von der Lagerkommissionierung auf komplexere Manipulation und koordinierte industrielle Aufgaben ausweiten lässt. Wenn ja, wird die Series B wie Wachstumsfinanzierung für ein Unternehmen wirken, das die Embodied-AI-Welle früh erwischt hat. Wenn nicht, bleibt sie dennoch ein Beleg dafür, wo der Robotikmarkt heute verteidigbaren Wert entstehen sieht: auf dem Boden, im Loop und in Scale.

Dieser Artikel basiert auf einer Berichterstattung von The Robot Report. Zum Originalartikel.