Die Finanzierung von Robotikunternehmen hat sich seit ihren Höchstständen in den Jahren 2021 und 2022 weitgehend abgekühlt, doch viele der durch die Pandemie aufgedeckten Probleme bleiben bestehen. Der größte Treiber hinter der Risikofinanzierung in dieser Kategorie ist der anhaltende Arbeitskräftemangel. Das Analystenunternehmen Garner prognostiziert, dass bis 2028wird die Hälfte aller Großunternehmen Roboter in ihren Lager- und Fertigungsprozessen einsetzen.
Der andere Schlüsselfaktor, der für die Lager-/Logistikrobotik spricht, ist ihre nachgewiesene Erfolgsbilanz. Während viele Automatisierungsansätze derzeit einen theoretischen ROI haben, erledigen Lagerroboter bereits jetzt die Arbeit, von Amazon abwärts.
Graue Materie gehört zu denen mit einer nachgewiesenen Erfolgsbilanz in diesem Bereich. Das südkalifornische Unternehmen gibt an, dass seine Systeme derzeit „eine 2- bis 4-fache Verbesserung der Produktivität der Produktionslinie erzielen [and a] Reduzierung des Verbrauchsmaterialabfalls um 30 % oder mehr.“ Große Namen wie Boeing und 3M nutzen derzeit seine Systeme.
Und das, obwohl GrayMatter ein junges Unternehmen ist, das erst zu Beginn der Pandemie im Jahr 2020 gegründet wurde.
„Wir haben GrayMatter gegründet, um die Produktivität zu steigern und gleichzeitig das Wohlbefinden der Belegschaft in den Vordergrund zu stellen“, sagt Mitbegründer und CEO Ariyan Kabir in einer Pressemitteilung. „Mit unseren physikbasierten KI-Systemen erfüllen wir unsere Mission und erschließen gleichzeitig neue Ebenen der Effizienz und Produktivität. Mit der Unterstützung unserer Investoren machen wir einen echten Unterschied für die Arbeiter in den Werken und gehen den kritischen Arbeitskräftemangel in der heutigen Fertigung an.“
Was ist dann ein „physikbasiertes“ Robotersystem? GrayMatter unterscheidet seinen Ansatz von der rein datengesteuerten Methode anderer. Das Unternehmen erklärt:
Betrachten wir das Problem der Vorhersage der Prozessausgabe auf Grundlage der Eingabe. Wenn erwartet wird, dass die Ausgabe mit zunehmender Eingabe zunimmt, ist der zugrunde liegende Modellraum begrenzt und eine geringere Datenmenge kann es trainieren. Wir müssen keine beliebig komplexen Modelle berücksichtigen. Andererseits erfordert dies komplexere Darstellungen und zugehörige Methoden zur Lösungsgenerierung, um Einschränkungen zu handhaben und eine akzeptable Rechenleistung zu erzielen. Wir können kein einfaches neuronales Netzwerk mit beobachteten Eingabe- und Ausgabedaten trainieren. In diesem Fall gibt es keine Garantie dafür, dass die Prozessbeschränkung beibehalten wird, wenn die während des Trainings verwendete Ausgabe verrauscht ist.
Das Interesse an dem Unternehmen hat das Wachstum vorangetrieben. GrayMatter taucht regelmäßig in unseren Stellenausschreibungen für Robotik auf. In der Übersicht, die wir im Mai veröffentlicht haben, waren 20 offene Stellen aufgeführt, die zu den am häufigsten aufgeführten gehörten.
Dieses Wachstum wiederum wird durch laufende Finanzierung unterstützt. Am Donnerstag kündigte GrayMatter eine Serie-B-Finanzierungsrunde im Wert von 45 Millionen US-Dollar an, die von Wellington Management geleitet wird und an der sich NGP Capital, Euclidean Capital, Advance Venture Partners, SQN Venture Partners, 3M Ventures, B Capital, Bow Capital, Calibrate Ventures, OCA Ventures und Swift Ventures beteiligen. Die Runde verdoppelt fast die 25 Millionen US-Dollar der Serie A, die das Unternehmen 2022 abgeschlossen hat.