Zum Hauptinhalt springen

Machenta sammelt 40 Mio. $ Seed für ein Robotermodell, das eine Aufgabe nach einer einzigen Vorführung beherrscht

Die Imperial-Ausgründung Machenta schließt eine Seed-Runde über 40 Mio. $ ab. Creandum und Union Square Ventures führen an, trainiert nur in Simulation.

Machenta sammelt 40 Mio. $ Seed für ein Robotermodell, das eine Aufgabe nach einer einzigen Vorführung beherrscht

Machenta, ein Londoner Robotikunternehmen und Ausgründung des Imperial College London, hat am 27. Oktober 2026 eine Seed-Runde über 40 Mio. $ bekannt gegeben. Creandum und Union Square Ventures führten sie an. Tech.eu und das Imperial College bezeichnen die Runde als die bislang größte Seed-Finanzierung eines britischen Robotikunternehmens.

Das Unternehmen baut ein Basismodell für Roboter, das einmal trainiert und dann auf viele Aufgaben angesetzt wird. Besonders ist die Wahl der Trainingsdaten: Das Modell wird ausschließlich mit simulierten Daten vortrainiert, ohne Aufnahmen aus der realen Welt und ohne menschliche Vorführungen. Damit umgeht das Unternehmen nach eigener Aussage die Datenschutz- und Zugangsprobleme, die die Konkurrenz bremsen. Machenta erklärt, ein Roboter könne eine Aufgabe unmittelbar ausführen, nachdem er sie einmal gesehen hat, und eine bis zwei reale Vorführungen genügten je neuer Aufgabe. Das Team hat ein einziges Modell gezeigt, das alltägliche Arbeiten wie Verpacken, Montieren und Aufräumen auf mehreren verschiedenen Roboterkörpern erledigt, darunter humanoide. Präzise Aufgaben und komplexe Bewegungen bleiben schwierig.

Gegründet wurde das Unternehmen von Professor Edward Johns, Mitgründer und Geschäftsführer sowie Professor für Roboterlernen am Institut für Informatik des Imperial College, und von Vitalis Vosylius, Doktorand am Imperial College. Nach Angaben der Hochschule gehören weitere Kollegen aus ihrem Labor für Roboterlernen zu den Mitgründern. Das Geld fließt in die Skalierung des Modells, in zusätzliche Rechenleistung, in mehr simulierte Daten und in ein neues Büro mit Labor am Bahnhof King's Cross in London. Bemerkenswert: Machenta versteht sich weiterhin als Forschungsunternehmen und plant kurzfristig keine Vermarktung.

Die Runde fällt in einen gut finanzierten Winkel des Deeptech. Tech Funding News zählt unter Berufung auf Crunchbase im ersten Halbjahr 2026 weltweit 47,4 Mrd. $ Wagniskapital für physische KI in 521 Transaktionen. „Intelligenz besteht weniger darin, was man schon kann, als darin, wie schnell man Neues lernt“, sagte Johns. Kathi Wilhelm, Partnerin bei Creandum, sagte, Roboter würden deutlich nützlicher, sobald sie eine neue Aufgabe aufnehmen und sofort loslegen könnten, und ergänzte, nur sehr wenige Robotikteams könnten auf eine vergleichbare Forschungsleistung verweisen. Rebecca Kaden, geschäftsführende Partnerin bei Union Square Ventures, beschrieb den Bedarf als universell einsetzbare KI, die sich so schnell anpasst wie ein Mensch. Professorin Mary Ryan, Vizerektorin für Forschung und Transfer am Imperial College, sagte, der frühe Erfolg des Unternehmens zeige eine Chance für das Vereinigte Königreich, bei KI-gestützter Robotik vorn zu liegen.

Warum das für AgTech-Gründer zählt: Die Agrarrobotik scheitert seltener an der Hardware als an den Kosten, der Maschine jede neue Arbeit beizubringen. Jede Kultur, jede Sorte, jedes Spaliersystem und jeder Feldschnitt ist praktisch eine neue Aufgabe, und das Fenster zum Sammeln echter Beispiele öffnet sich einmal im Jahr, für wenige Wochen, bei Wetter, das niemand steuert. Genau diese Beschränkung wird mit dieser Runde umgangen. Drei Folgerungen. Erstens: Hält simulationsbasiertes Vortraining auch außerhalb des Labors, dann liegt der Burggraben in der Agrarrobotik nicht mehr im eigenen Felddatensatz, mit dem die meisten Pitch Decks noch aufmachen, sondern im Simulator und in der Aufgabenbibliothek. Zweitens: Prüfen Sie ehrlich, ob Ihre Roadmap tausende reale Vorführungen je Kultur voraussetzt, denn diese Annahme ist inzwischen ein Risiko und kein Schutz. Drittens: Achten Sie darauf, wohin das Geld geht. Eine Hochschulausgründung ohne Produkt holt 40 Mio. $ für die Modellebene, während agrarspezifische Anwendungsebenen einstellige Millionenbeträge einsammeln. Das spricht dafür, der schnellste Anwender eines fremden Basismodells zu sein statt ein eigenes zu trainieren. Fragen Sie sich, welche Teile Ihres Technologiestapels Sie in zwei Jahren lieber mieten als besitzen würden.

Quelle: Tech.eu

Machenta sammelt 40 Mio. $ Seed für ein Robotermodell, das eine Aufgabe nach einer einzigen Vorführung beherrscht

Creandum und Union Square Ventures führen die Runde der Ausgründung des Imperial College London an. Ihr Modell wird vollständig in der Simulation vortrainiert, ohne Daten aus der realen Welt und ohne menschliche Vorführungen.

Von Dirk Vandenhirtz

· Deep Tech · Europe · 3 min

Machenta, ein Londoner Robotikunternehmen und Ausgründung des Imperial College London, hat am 27. Oktober 2026 eine Seed-Runde über 40 Mio. $ bekannt gegeben. Creandum und Union Square Ventures führten sie an. Tech.eu und das Imperial College bezeichnen die Runde als die bislang größte Seed-Finanzierung eines britischen Robotikunternehmens.

Das Unternehmen baut ein Basismodell für Roboter, das einmal trainiert und dann auf viele Aufgaben angesetzt wird. Besonders ist die Wahl der Trainingsdaten: Das Modell wird ausschließlich mit simulierten Daten vortrainiert, ohne Aufnahmen aus der realen Welt und ohne menschliche Vorführungen. Damit umgeht das Unternehmen nach eigener Aussage die Datenschutz- und Zugangsprobleme, die die Konkurrenz bremsen. Machenta erklärt, ein Roboter könne eine Aufgabe unmittelbar ausführen, nachdem er sie einmal gesehen hat, und eine bis zwei reale Vorführungen genügten je neuer Aufgabe. Das Team hat ein einziges Modell gezeigt, das alltägliche Arbeiten wie Verpacken, Montieren und Aufräumen auf mehreren verschiedenen Roboterkörpern erledigt, darunter humanoide. Präzise Aufgaben und komplexe Bewegungen bleiben schwierig.

Gegründet wurde das Unternehmen von Professor Edward Johns, Mitgründer und Geschäftsführer sowie Professor für Roboterlernen am Institut für Informatik des Imperial College, und von Vitalis Vosylius, Doktorand am Imperial College. Nach Angaben der Hochschule gehören weitere Kollegen aus ihrem Labor für Roboterlernen zu den Mitgründern. Das Geld fließt in die Skalierung des Modells, in zusätzliche Rechenleistung, in mehr simulierte Daten und in ein neues Büro mit Labor am Bahnhof King's Cross in London. Bemerkenswert: Machenta versteht sich weiterhin als Forschungsunternehmen und plant kurzfristig keine Vermarktung.

Die Runde fällt in einen gut finanzierten Winkel des Deeptech. Tech Funding News zählt unter Berufung auf Crunchbase im ersten Halbjahr 2026 weltweit 47,4 Mrd. $ Wagniskapital für physische KI in 521 Transaktionen. „Intelligenz besteht weniger darin, was man schon kann, als darin, wie schnell man Neues lernt“, sagte Johns. Kathi Wilhelm, Partnerin bei Creandum, sagte, Roboter würden deutlich nützlicher, sobald sie eine neue Aufgabe aufnehmen und sofort loslegen könnten, und ergänzte, nur sehr wenige Robotikteams könnten auf eine vergleichbare Forschungsleistung verweisen. Rebecca Kaden, geschäftsführende Partnerin bei Union Square Ventures, beschrieb den Bedarf als universell einsetzbare KI, die sich so schnell anpasst wie ein Mensch. Professorin Mary Ryan, Vizerektorin für Forschung und Transfer am Imperial College, sagte, der frühe Erfolg des Unternehmens zeige eine Chance für das Vereinigte Königreich, bei KI-gestützter Robotik vorn zu liegen.

Warum das für AgTech-Gründer zählt: Die Agrarrobotik scheitert seltener an der Hardware als an den Kosten, der Maschine jede neue Arbeit beizubringen. Jede Kultur, jede Sorte, jedes Spaliersystem und jeder Feldschnitt ist praktisch eine neue Aufgabe, und das Fenster zum Sammeln echter Beispiele öffnet sich einmal im Jahr, für wenige Wochen, bei Wetter, das niemand steuert. Genau diese Beschränkung wird mit dieser Runde umgangen. Drei Folgerungen. Erstens: Hält simulationsbasiertes Vortraining auch außerhalb des Labors, dann liegt der Burggraben in der Agrarrobotik nicht mehr im eigenen Felddatensatz, mit dem die meisten Pitch Decks noch aufmachen, sondern im Simulator und in der Aufgabenbibliothek. Zweitens: Prüfen Sie ehrlich, ob Ihre Roadmap tausende reale Vorführungen je Kultur voraussetzt, denn diese Annahme ist inzwischen ein Risiko und kein Schutz. Drittens: Achten Sie darauf, wohin das Geld geht. Eine Hochschulausgründung ohne Produkt holt 40 Mio. $ für die Modellebene, während agrarspezifische Anwendungsebenen einstellige Millionenbeträge einsammeln. Das spricht dafür, der schnellste Anwender eines fremden Basismodells zu sein statt ein eigenes zu trainieren. Fragen Sie sich, welche Teile Ihres Technologiestapels Sie in zwei Jahren lieber mieten als besitzen würden.

Quelle: Tech.eu

Zurück zu AgTech News