In den meisten Fabriken ist Automatisierung fest verankert: Roboter und Maschinen sind für eine bestimmte Aufgabe und ein bestimmtes Produkt programmiert. Eine Linie umzurüsten bedeutet Umprogrammierung und physische Anpassung oder den Austausch von Ausrüstung, was Wochen oder Monate dauern kann. Das in San Francisco ansässige Unternehmen Industrial Next sagt, dass es genau das ändern will.
Das Startup, das heute auf der Startup-Battlefield-Bühne der TechCrunch Disrupt 2026 auftrat, baut KI-gesteuerte, autarke Roboterstationen, die auf proprietären Foundation-Modellen basieren und Vision, Aufgabenkontext und Bewegung verbinden. Das Unternehmen sagt, dies ermögliche es, eine Produktionslinie in Minuten statt Wochen umzurüsten, ohne herkömmliche Programmierung. Das Ziel ist es, Herstellern zu ermöglichen, komplexe und heikle Aufgaben zu automatisieren, die traditionell menschliche Arbeit erfordern.
Das Unternehmen kündigte auf der Bühne an, dass es mit dem BMW Group Technology Office zusammenarbeitet, um Industrial Nexts KI-gestützte geschickte Manipulation für die Fertigung zu evaluieren.
Industrial Next wurde 2021 von Lukas Pankau und Allen Pan gegründet, die beide zuvor bei Tesla gearbeitet hatten. Pankau war bei Tesla als leitender Elektroarchitekt tätig, bevor er zu Waymo wechselte. Pan leitete Teslas Bemühungen um autonome Fabriken und wurde später Chefarchitekt beim Unternehmen für autonomes Fahren Neolix.
Die beiden kamen die Idee für Industrial Next, als sie zusammen bei Tesla arbeiteten. Pankaus erste Begegnung mit Pan bestand wörtlich darin, über ihn zu stolpern, als Pan nach einer durchgemachten Nacht auf einem Fabrik-Laufsteg schlief. Obwohl die beiden anfangs nicht miteinander auskamen, stellten sie bald fest, dass sie eine gemeinsame Besessenheit teilten, Dinge erledigt zu bekommen, und über komplementäre Fähigkeiten verfügten.
Nach Jahren, in denen sie beobachteten, wie modernste Fahrzeug- und Self-Driving-Technologie durch jahrzehntealte Fabrikausrüstung ausgebremst wurde, erkannten die Gründer, dass die Fertigung neu aufgebaut werden musste.
„Wir hatten all diese ausgefallenen Dinge, die wir mit Autos machen konnten. Ich konnte Machine-Learning-Algorithmen laufen lassen, um ein Auto für mich zu entwerfen. Aber ich konnte nicht herausfinden, wie man einen Roboter programmiert, und das war bei Ingenieuren bei Tesla ziemlich üblich“, sagte Pankau. „Da gab es diese enorme Kluft, oder? Da hatten wir Menschen, die wirklich gut in dem waren, was sie taten – Autos entwerfen und Self-Driving-Systeme entwerfen – und dann hatten wir sie in der Fabrik praktisch ratlos vor dieser Ausrüstung aus den 1980er Jahren stehen. Also begannen wir, darüber nachzudenken, wie das mit der Technologie von heute und mit allem, was wir heute wissen, aussehen sollte.“
Die beiden dachten auch nach dem Wechsel zu ihren nächsten Jobs weiter über ihre Frustrationen mit Industriausrüstung nach. Sie blieben in Kontakt, erinnerten sich oft an die Maschinen, die nie so funktionierten, wie sie es wollten, und beschlossen schließlich, dass sie es besser machen könnten.
„Ich war zu der Zeit bei Waymo, irgendwie gelangweilt bis zum Umfallen, weil mir das Tempo von Tesla fehlte“, sagte Pankau. Pan, fügte er hinzu, befand sich bei Momenta, einem Entwickler von Self-Driving-Systemen in China, in einer ähnlichen Position. Pan erinnerte sich an ihren Schluss: „Wir dachten, wir werden nicht jünger, und wir sind offensichtlich immer noch leidenschaftlich dabei. Wir beschweren uns immer noch über Industriegelnde Technologie. Das ist jetzt drei Jahre her, wir sollten das Unternehmen gründen.“
Pankau weist darauf hin, dass herkömmliche Industrieroboter typischerweise so programmiert sind, dass sie hochspezifische, wiederholbare Aufgaben ausführen. Infolgedessen kann selbst eine kleine Änderung am Prozess oder Produkt dazu führen, dass der Roboter versagt oder kostspielige Ausfallzeiten verursacht, was Hersteller zwingt, ihre Produkte für Wiederholbarkeit zu vereinfachen.
Roboter wirklich flexibel zu machen, stellt eine andere Herausforderung dar. Sie benötigen enorme Mengen an Trainingsdaten, und anders als bei im Internet trainierten KI-Modellen fehlt es in der Robotik an den riesigen Datensätzen, die nötig sind, um Maschinen beizubringen, wie man komplexe physische Aufgaben ausführt.
„Wir können Roboter all diese coolen Dinge machen lassen, wie herumtanzen, weil es dafür Daten gibt, aber wir können sie nicht hochpräzise Dinge zusammenbauen lassen“, erklärte Pankau. „Genau hier haben wir große Fortschritte gemacht, indem wir simulierte Umgebungen nutzen, um diese hochpräzisen und hochgeschickten Aufgaben auszuführen. Das Geheimrezept unserer Roboter besteht darin, dass wir ihnen ein Verständnis des Prozesses im Allgemeinen gegeben haben, aber dieses Verständnis aufbauen wir mithilfe einer äußerst hochauflösenden Simulations-Engine, die nahe an der realen Dynamik liegt, sodass wir den Roboter diese hochpräzisen Aufgaben fast ohne Sicht auf die Teile ausführen lassen können.“
Mit anderen Worten üben die Roboter in einer hochdetaillierten virtuellen Welt, die die Physik der realen Welt eng nachahmt. Industrial Nexts Roboterstationen können umkonfiguriert, kombiniert und produktlinienübergreifend neu eingesetzt werden. Neue Aufgaben werden durch Simulation und Demonstration beigebracht, statt durch fest einprogrammierte Skripte.
Pankau erklärte, dass einige der Workstations des Startups bereits bei der Herstellung eines der beliebtesten Smartphones der Welt im Einsatz sind. Sie übernehmen Aufgaben, die Hersteller seit Jahren versucht haben zu automatisieren und dabei gescheitert sind, wie etwa das Einfädeln eines empfindlichen Flex-Kabels und das Einrasten einer winzigen Anschlusskappe. (Er war nicht befugt, den Kunden offenzulegen.) Er beschrieb auch eine „Film-Peeling“-Station, an der ihre KI-gestützten Roboter Schutzfolie von Kameramodulen und Tasten mit menschlicher Geschwindigkeit oder schneller und mit 100% Genauigkeit abziehen, selbst wenn sie an ein neues Telefonmodell und eine Produktionslinie versetzt werden, die sie nie gesehen haben.
„Wir haben dieses Unternehmen gegründet, weil genau das die Art von Leistung ist, die wir uns bei Tesla gewünscht hätten, wo wir Roboterstationen übersprungen haben, weil wir sie mit traditionellen Technologien nicht effektiv genug programmieren konnten“, sagte Pankau. „Jetzt wollen wir das auf kompliziertere Aufgaben übertragen als nur den Bau eines Telefons. Letztendlich wollen wir das auf den Bau eines kompletten Autos von Ende zu Ende ausweiten, ohne dass je ein Mensch es berührt.“
Um mehr vom Startup Battlefield zu sehen – zusammen mit einer Reihe etablierter Gründer und VCs, deren Einschätzungen der Branche Sie sich nicht entgehen lassen sollten – besuchen Sie uns auf der Disrupt, die diese Woche im Zentrum von San Francisco stattfindet.